En poursuivant votre navigation, vous acceptez l'utilisation de cookies nous permettant de vous proposer des offres correspondant à vos centres d'intérêt.
En savoir plus sur l'usage des cookies…   x Fermer
home Orsys digital > Article

Le data mining au service de la performance 


Le data mining au service de la performance
Par la Rédaction ORSYS

À quoi servent les données si on ne sait pas en extraire l’essentiel ? Dans un univers gouverné désormais par le Big Data, le data mining est la solution pour exploiter ces informations et augmenter, notamment, l’impact de ses opérations marketing. Des outils au service des stratégies d’entreprises ?

Explications par Teresa Colombi.

Avec l’avènement du Big Data, les entreprises n’hésitent plus à collecter et à accumuler les données de nature opérationnelle (données de ventes, coûts…) ou non opérationnelle (données macroéconomiques, etc.). Sans compter qu’avec les réseaux sociaux, grands pourvoyeurs de données, il est aisé de collecter en continu ce que les consommateurs aiment, partagent, utilisent… et où.

Face à cette volumétrie croissante, le data mining – autrement appelé Knowledge Discovery in Data ou découverte de savoir dans les données – est la solution. Ce terme désigne en effet les processus par lesquels il est possible de manager les données des clients, à partir de leurs informations. L’objectif ? Les analyser, faire des corrélations signifiantes afin d’établir des actions marketing spécifiques.

Le data mining, devenu possible grâce aux évolutions technologiques

Si ce terme est plutôt nouveau, la technologie, elle, ne l’est pas. L’utilisation de gros systèmes d’information afin de traiter les données accumulées ne date en effet pas d’hier. Mais l’amélioration continue des technologies, les avancées en matière de collecte de données, de puissance de calcul et de capacité de stockage ont considérablement augmenté la fiabilité de ces analyses. Les entreprises intègrent désormais leurs propres données dans des data warehouse, « répertoires centraux » où elles sont divisées en segments, permettant une analyse précise. Les processus de data mining consistent en une extraction des données, afin de les transformer, les charger et les stocker sur le système de base de données multidimensionnel qu’est le data warehouse. Les analystes accèdent à ces données afin d’en déterminer l’organisation. Un logiciel applicatif leur permet de les trier… pour pouvoir les présenter dans un format aisément lisible pour l’utilisateur final (sous forme de graphique, tableau…).

Un fonctionnement de plus en plus évolué

Avec la séparation des systèmes transactionnels des systèmes analytiques, le data mining assure le lien entre les deux, faisant appel à des techniques complexes reposant sur des algorithmes qui permettent d’exploiter ces données. L’analyse sous différents angles aide à mieux catégoriser les informations, plusieurs techniques permettant leur exploitation :

  • l’association : les données sont « minées » pour identifier les liens entre événements ;
  • l’analyse de séquence : les données sont « minées » afin d’anticiper l’événement qui succèdera au précédent. Ici, l’analyste fait émerger des patterns de comportements, des tendances ;
  • la classification : les données stockées sont utilisées en groupes prédéterminés. Par exemple, il s’agira, pour cette chaîne de restauration, de « miner » les données d’achat de ses clients pour déterminer quel est le contenu des commandes, à quelle date, afin de choisir le meilleur moment pour communiquer sur des offres précises ;
  • le clustering vise à identifier des groupes de faits précédemment inconnus. Il s’agit par exemple de « miner » les données clients pour identifier des segments de marché.
Ces logiciels de data mining, nous l’aurons compris, permettent d’analyser les relations entre les données et repèrent les « patterns » (modèles) des données de transactions stockées en se basant sur des requêtes d’utilisateurs. Des patterns qui peuvent être historiques autant qu’exprimer les tendances futures, permettant notamment de déceler les meilleurs moments pour une promotion, ou les produits les plus attractifs, de mieux comprendre les comportements d’acheteurs et d’anticiper des approvisionnements, etc.

Au cœur du data mining, la compréhension du consommateur

Tout l’intérêt du data mining est donc d’exploiter au plus près les données clients pour mieux comprendre leurs attentes ou tout simplement augmenter le chiffre d’affaires grâce à des actions marketing encore plus ciblées. Ces techniques permettent également d’observer les relations entre les facteurs internes (prix des produits/services, positionnement, accueil/conseil clientèle…) et externes (concurrence, indicateurs économiques…).
Autant d’utilisations qui, on le devine, concernent principalement les entreprises centrées sur les consommateurs comme celles du secteur de la distribution, de la banque-assurance, du marketing…

Précurseur du data mining, le géant américain de la distribution, Walmart, a transformé ses relations avec ses fournisseurs grâce à ces techniques. L’enseigne a en effet laissé l’accès à son data warehouse qui collecte les données sur 2 900 points de vente à ses quelque 3 500 fournisseurs. Ceux-ci peuvent ainsi analyser les données, identifier des patterns pour mieux gérer les inventaires de chaque magasin et identifier des opportunités. La National Basketball Association (NBA), elle, utilise le data mining en conjugaison avec l’enregistrement d’images de matchs de basket, afin d’analyser les mouvements des joueurs et mieux anticiper les stratégies.

Du côté des ressources humaines, le data mining aide à recruter les profils les plus intéressants pour leur entreprise… Et vous, quelle utilisation en ferez-vous ?


Article précédent

Le modèle économique des assureurs bouleversé par le digital
Impression,Print FACEBOOK Présentation du centre de formation Orsys
 
triangle