La data science : définition
La data science est une combinaison de disciplines qui vont de la statistique et des mathématiques à l’informatique. Grâce à la data science, le marketeur bénéficie d’une information fiable, triée, modélisée qui va considérablement optimiser ses actions, ses investissements et donc son ROI (Return On Investment).
En ayant cette capacité à intégrer et analyser des données multiples, volumineuses, pour la plupart non structurées et issues de sources multiples (web, objets connectés, CRM …), la data science éclaire le marketeur en lui permettant de prendre des décisions basées sur des données et modèles statistiques fiables, intégrant de plus en plus une dimension prédictive. Etre (un peu) en avance sur son temps ou juste à temps se révèle parfois décisif face à des concurrents et devient possible grâce à la data science.
Comment exploiter la data science ?
Tout l’enjeu de la data science lorsqu’elle se met au service du marketing consiste à transformer des informations en actions. Si le marketeur est au sein de l’entreprise celui qui connaît le mieux le client, le data scientist est lui le grand manipulateur de données. Son talent va résider dans sa capacité à collecter et exploiter les bonnes données. L’art de la data science consiste à inventer les algorithmes qui rendront les données intelligentes et surtout plus utiles.
Au data scientist, on peut demander beaucoup : webscraping (aspiration de données issues du web et permettant notamment de produire des veilles concurrentielles en temps réel), algorithmes de recommandation, prédiction de ventes, classification en temps réel de prospects, modélisation et prédiction du comportement des consommateurs…
Créer des algorithmes de recommandation avec la data science
Réinventer le principe du libraire de quartier qui apprend à connaître progressivement son lecteur et lui recommande de nouveaux ouvrages. En effet, grâce à la data science, il est possible d’élaborer des algorithmes de recommandation qui, sur les plateformes d’e-commerce, s’appuient sur le comportement du consommateur en ligne pour lui suggérer des achats complémentaires intelligents. Ainsi lorsque le lecteur connecté s’empare du dernier Flaubert sur Amazon, il y a fort à parier qu’il se verra proposer d’acquérir simultanément les best-of de la catégorie : les œuvres de Maupassant, de Victor Hugo ou de Baudelaire avec peut-être une livraison gratuite à la clé pour s’assurer d’emporter son adhésion.
Plus récemment, la transposition de nos neurones sous une forme statistique nous amène à franchir de nouveaux horizons. Les data scientists ne cessent d’aiguiser leurs compétences pour optimiser l’exploitation du big data.
Évolution et nouvelles opportunités de la data science
Le développement de l’intelligence artificielle n’est pas nouveau, mais cette dernière sort progressivement des laboratoires de recherche pour prendre une forme plus visible pour le commun des mortels. Les possibilités en big data sont multiples même si encore en consolidation.
Les data scientists ont tiré la leçon de la première expérimentation d’un chatbot pour Microsoft en 2016 : le robot intelligent prénommé TAY. Basée sur une intelligence artificielle supposée apprendre en temps réel de ses conversations avec les internautes (« plus vous tchattez avec Tay, plus elle devient intelligente afin que l’expérience soit plus personnalisée pour vous », expliquait Microsoft), TAY était rapidement mise en difficulté par les twittos. Outre les 96 000 tweets produits en huit heures par TAY (ce qui n’est pas accessible à une main humaine), les internautes firent rapidement déraper le robot en lui apprenant insultes, propos ineptes…
De ce semi échec, la data science a su évoluer et tirer les conclusions pour améliorer ses algorithmes. Désormais, la science des données et le marketing sont difficilement dissociables.
La data science au service de la relation client
Aujourd’hui les chatbots sont couramment utilisés par le marketing pour répondre en temps réel aux questions des utilisateurs sur le web. Améliorer le taux de réactivité des marques sur les réseaux sociaux, optimiser les ressources humaines, minimiser les risques d’erreurs en modélisant des scénarios pré-établis et appliqués par la machine semble être l’avenir de la relation client… Orange, SNCF et d’autres les utilisent. Les chatbots se multiplient sur Facebook, l’interaction humaine reprenant la main lorsque les questions se complexifient.
Ce n’est qu’un début dans un univers où la big data et les données sont quasi omniprésents. Un champ de possibilités exceptionnel s’ouvre à la data science et donc au marketing. Nous n’en sommes qu’aux balbutiements.
Dominique Balette-Pape, consultant en marketing digital à l’ISM et directeur associé de CANOOË.
Vous souhaitez intégrer le big data dans vos actions marketing, découvrez le parcours de formation certifiant big data.
