L'Obsoco

L'observatoire société et consommation

Menu

BIG DATA, SMALL DÉCISIONS ET SMART ORGANISATION

A l’évidence la problématique du Big Data occupe largement les esprits. C’est en décembre 2011 que la release 1.0 de Hadoop est sorti, et depuis quelques mois les colloques, séminaires et autres conférences se multiplient. C’est à l’une de celle-ci que nous participerons le 31 août 2012, au sein de la 7ème université d’été de GS1.

Le point de vue que nous y défendrons est que les solutions techniques développées pour gérer de vastes ensemble de données qui ne sont pas toujours très structurées, ne répondent pas forcément aux problématiques marketing. Le volume est une chose, la capacité à l’exploiter en est une autre. Le goulet d’étranglement se situe certainement moins dans le big data que dans le big analytics.

Plus précisément encore, l’enjeu n’est pas dans les outils. Ils sont disponibles depuis longtemps : les fameux arbres de décisions du data mining datent des années soixante, et es SVM sont disponibles depuis les années 90.  Il est dans la capacité à formuler de bonnes théories(quantitatives) pour organiser le traitement (rapide) des données. Ainsi dans la distribution l’analyse des zones de chalandise nécessite de comprendre les choix des consommateurs. Cette théorie s’incarne dans les modèles gravitaires. Ce qu’apporte le big data est simplement le volume des données acquises par des capteurs nombreux (smartphone, carte de fidélité etc…).  Il sera plus simple de calibrer ces modèles pour construire des cartes plus précises et plus dynamiques. Mieux que des enquêtes coûteuses et rares. Rien de révolutionnaire.

Sauf si l’on considère un aspect très simple du volume des données : la granularité. Le nombre ne changera pas la connaissance sans modèles, mais il permet de calculer un plus grand nombre de modèles, permettant à chaque point de vente d’avoir sa carte concurrentielle, une carte dynamique qui peut être consultée jour par jour, et mieux, pouvoir refléter l’effet des actions marketing (par exemple la distribution de prospectus dans certaines zones particulières).

C’est cette granularité donc qui est essentielle. Mais on comprend de suite où se trouve l’enjeux : des milliers de cartes produites doivent être analysées, interprétées et exploitées. Cela implique que chaque responsable de point de vente, et même de rayon, possède la culture quantitative qui lui permet de lire ces cartes et de comprendre les modèles. Il doit acquérir un sens des données, en comprendre les limites, en apprécier les variations. Il ne modélisera pas mais sera amené à confronter les résultats au modèle.

Cette granularité présente un second intérêt : celui d’automatiser des micro-décisions. Pensons aux prix, et à cette faculté par les étiquettes électroniques de les faire varier quand on le souhaite. On imagine aisément qu’à partir de modèles de prix raisonnables, on en produisent des milliers adaptés aux différents produits et localisations, et dont les paramètres varient en fonction de ces multiples contextes. On produira ainsi des dizaines de milliers de prix optimaux, leur affichage étant piloté par des systèmes experts (sans doute supervisés humainement, espérons le).

Le big data ne va donc pas transformer les stratégies, il est une stratégie en-soi, celle qui favorise les micro-décisions opérationnelles, et si l’automatisation systématique n’est pas la voie choisie, il va falloir s’interroger sur le renouvellement des compétences de l’organisation, à la fois au niveau de la conception (analystes, data-miner, economistes, codeurs, designer) et de l’exploitation (agents opérationnels). Pour que le big réponde à ses promesses il faut des organisations très smarts.

A lire aussi : big data un oeil sur les organisations.

Christophe Benavent