Le big data dans la relation client est devenu une réalité incontournable pour la plupart des professionnels.
Tous les jours, applications métier et sites de e-commerce génèrent des données en continu qui ne demandent qu’à être exploitées pour affiner la relation client, mieux la personnaliser et la rendre prédictive.
Néanmoins, la quantité massive de données peut s’avérer contre-productive pour la connaissance client, qui risque l’éparpillement et l’inefficacité.
La transition du big data au « smart data » est une étape essentielle, qui permettra de passer d’une logique purement quantitative à une approche plus qualitative. Mais comment procéder ?
Big data : les limites évidentes de l’accumulation de données
Big data : définition
Les mégadonnées, plus communément appelé
es « big data », sont un ensemble polymorphe et massif de données produites au quotidien par l’utilisation des logiciels et des réseaux :
- Commentaires sur des sites de e-commerce
- Création de profils client
- Envoi de messages
- Données de géolocalisation GPS
- Achats en ligne
- …
L’activité humaine en ligne génère environ 2,5 trillions d’octets de données chaque jour, soit une quantité colossale !
L’analyse massive des données clients
La collecte efficace du big data suppose un outil capable de prendre en compte simultanément trois paramètres. C’est la règle dite des « 3 V » :
- Une exigence de volume, soit la capacité à traiter des données en masse ;
- Une exigence de variété, soit la capacité à traiter des données issues de sources très hétérogènes ;
- Une exigence de vitesse, soit la capacité à traiter les données au rythme où elles sont produites.
Big data et relation client sont appelés à entretenir une relation de plus en plus étroite. À en croire une étude menée par Transparency Market Research, le big data devrait ainsi représenter un marché de 48 milliards de dollars en 2018, soit 40 % de plus qu’en 2012.
Toujours plus massives, et générées toujours plus rapidement, les mégadonnées peuvent s’avérer être aussi bien un problème qu’une opportunité pour les marques.
Big data et connaissance client ne font pas forcément bon ménage ! Alors que faire de toutes ces données, et surtout comment mieux les qualifier ?
Du Big Data au Smart data : ne retenir que les données utiles !
Les directeurs de la relation client savent qu’il est devenu relativement simple de collecter automatiquement des données à partir de l’activité de leurs clients sur leur site, applis mobiles ou encore directement via leur service client.
Et ce, d’autant plus que de nombreux clients sont prêts à jouer le jeu : selon une étude récente de Loudhouse, 78 % des consommateurs consentent à partager des données personnelles avec les entreprises s’ils peuvent en retirer un bénéfice palpable, comme une personnalisation, une humanisation de la relation client ou encore un service client performant et automatisé en selfcare.
L’intégration efficace du big data dans une stratégie de relation client ou marketing, en revanche, est un enjeu d’une toute autre difficulté ! Le concept de « smart data » permet de donner un caractère plus opérationnel aux mégadonnées.
Smart data : définition
Qu’est-ce que le smart data ? Le phénomène peut tout simplement se décrire comme une évolution naturelle et attendue du big data : là où ce dernier privilégie la récupération automatique d’une grande quantité des données, quitte à y sacrifier au passage la lisibilité, le smart data se fonde quant à lui sur le tri automatique et intelligent de ces mêmes données, le plus souvent via un algorithme, pour en extraire les éléments directement exploitables.
Il n’existe donc pas, en réalité, de confrontation du type « smart data vs big data ». Les deux approches doivent être intégrées simultanément par la direction de la relation client pour obtenir les résultats les plus performants, au besoin avec l’aide d’un expert en mégadonnées ou « data scientist ».
La classification intelligente des données clients
La classification automatique des données permet de faire le lien entre big data et intelligence artificielle. Elle consiste à élaguer les données produites pour ne retenir que les plus pertinentes, en fonction de ses objectifs propres.
L’extraction de cette smart data suppose en règle générale le processus suivant :
- La première étape consiste à supprimer les données non pertinentes, c’est-à-dire celles qui n’apporteront rien d’exploitable ou de très intéressant pour sa stratégie de relation client ;
- La seconde étape suppose ensuite de vérifier la validité des données restantes. L’algorithme va veiller, entre autres, à la suppression des doublons éventuels et à la mise à jour des données, pour ne conserver que les plus « fraîches » ;
- Il convient enfin d’intégrer au processus les nouveaux impératifs du règlement général sur la protection des données (RGPD), en vérifiant que les données récoltées et triées ne rentrent pas en infraction avec les normes européennes concernant les données personnelles.
Smart data : quels avantages pour ses équipes ?
Les avantages à retirer d’une bonne stratégie mêlant smart data et big data sont nombreux :
- Le smart data en marketing est la technique idéale pour classer chaque client dans un profil ou lui attribuer un score. Scoring et profiling client permettent non seulement de mieux cibler une campagne publicitaire, mais aussi de réaliser de véritables analyses prédictives pour anticiper la prochaine action du client ;
- Associé aux principes d’une bonne data visualisation, le smart data permet de fournir à ses équipes des informations précises sous un format hyper lisible et accessible, via par exemple un tableau de bord ou des fiches clients normalisées ;
- Les données immédiatement disponibles concernant un client permettent de personnaliser et d’humaniser chaque échange avec lui.
Big data et gestion de la relation client doivent désormais être intégrés ensemble pour fournir un service client optimisé. En appliquant les principes du smart data, on se donnera toutes les chances d’une transition harmonieuse dans nos pratiques métier.
