Ces dernières années, les grandes entreprises, jusque dans l'industrie, ont commencé à recueillir et analyser de très grandes quantités de données. Elles constatent aujourd’hui que le Big Data peut leur apporter un avantage concurrentiel.

L’un des avantages du Big Data est de pouvoir consulter très rapidement d’énormes quantités d’informations. Et cela tombe bien puisque, quel que soit le secteur d’activité, les entreprises affichent un besoin cohérent de connaître ce que les clients pensent vraiment afin de suivre les tendances.

Si les gros volumes de données sont utilisés correctement, il devient plus facile d'accéder à des informations comme les comportements d’achat ou les préférences des consommateurs. Il est ensuite possible de zoomer sur des segments de données pour les étudier de plus près.

Où chercher les Big Data les plus pertinentes ?

L’image qui suit offre une intéressante visibilité sur ce que les Américains nomment la ‘Big Data Intelligence’ (avec ses légendes pour plus de lisibilité). Elle offre un indicateur sur les secteurs les plus pertinents pour déployer une stratégie Big Data en volume.

Big-Data-Intelligence

Si l’on prend l’exemple de la grande distribution, les acteurs du marché cherchent à retirer une partie de l’incertitude qui porte sur le comportement du consommateur face à un produit. Leur objectif est de prédire quels produits vont bien se vendre et quels autres pourraient faire un flop.

Volume vs qualité

Pour apporter une réponse à ces questions, ils disposent de deux approches :

Accumuler et analyser toujours plus de données, plus que ce qu’une enseigne peut réunir. C’est ainsi que le groupe Nielsen, connu pour ses analyses dans la grande distribution, a créé un programme appelé Nielsen Connected Partner Program, qui invite des enseignes concurrentes à partager leurs données chez lui afin de disposer des masses critiques de données pour réaliser ces prédictions.

La seconde approche est certainement plus accessible, elle consiste à s’assurer non plus de disposer d’énormes volumes de données, mais plutôt de données de qualité. L’adoption d’une approche quantitative plutôt que qualitative peut évidemment se révéler très efficace, mais l’absence de qualité de la donnée risque fort de biaiser les résultats et de se révéler plus dangereuse dans la prise de décision.

Dans les deux cas l’objectif pour les entreprises est d’obtenir les bonnes données pour conduire aux opportunités et prendre de meilleures décisions. Le cumul des deux approches peut ainsi se révéler le bon choix pour les entreprises qui disposent de ressources suffisantes pour adopter cette stratégie. Mais s'il faut choisir, la qualité doit primer sur la quantité...