La multiplicité et la diversité des projets Data nous proposons exclusivement de nouveaux défis à relever. Ils sont par exemple liés aux problématiques métiers à traiter, à la compréhension des données (à leur sens, à leur qualité) mais également à leur sensibilité.Il y a en revanche des 'incontournables' dans les projets de Business Intelligence .
Nous les avons organisés en 4 thématiques : Acquisition, Structuration, Analyse et Exploration .Bien que le rythme d'évolution technologique soit extrêmement soutenu et qu'il nécessite une adaptation régulière des architectures Data à implémenter sur les projets, ces quatre thématiques s'articulent toujours selon des concepts clés que nous vous proposons de retrouver ici, illustrés au travers du développement de la plateforme SWATICS (Sovereign WebAnalyTICS) , solution souveraine SAAS au service exclusif de l'optimisation de vos investissements Web Marketing.
1. Acquisition,
Pour travailler la donnée, encore faut-il capter la diversité et la quantité de données que notre projet requiert, et ce de manière fiable, sécurisée, sauvegardée, optimisée . Ce faisant, on se donne ainsi le moyen de travailler la donnée en toute liberté et de la décliner selon des axes d'analyse multiples, répondant à des exigences métiers et Business identifiées en amont.
Thésauriser la donnée, c'est aussi un moyen de se constituer et disposer d'une profondeur d'historique, ... Par opposition, laisser la donnée dans les applications sources ou les API, revient à ne pouvoir les exploiter que partiellement; le client est dès lors contraint dans son exploration par les limites imposées par l'éditeur. La bonne gouvernance Data du client final s'en voit plus limitée également.
« A l'heure de l'éparpillement des données dans de multiples solutions SAAS, il y a là un défi toujours plus crucial. »
2. Structuration,
Partant de la donnée brute, il est nécessaire d'implémenter de multiples processus qui vont préparer la donnée d'une manière ciblée :
Pour harmoniser la donnée,Pour la mettre en qualité, la confronter à des règles et des références...
Pour préparer la création d'indicateurs déterminés et pensés en amont,
Pour mettre en conformité les données au regard des règles internes et des contextes réglementaires,
Pour mettre en conformité les données au regard des règles internes et des contextes réglementaires,
Pour créer un socle de données promouvant la liberté d'exploration,
Pour rapprocher les données de diverses sources dont le croisement délivrera des enseignements additionnels et nouveaux...Les nouvelles données ainsi constituées sont traitées via des processus de structuration des données en des réceptacles propices à l'analyse et à l'exploration, portées notamment par la reconstitution d'une profondeur d'historique, propice à de nouvelles analyses.La technologie impliquée doit travailler sur des formats variés et des volumes de données très conséquents. Elle est classiquement impliquée sur des périodes limitées de temps, en traitant les données par lots...
Les deux premières thématiques - Acquérir et structurer - sont essentielles pour parvenir à un stade intermédiaire impératif à nos yeux : se « constituer et réapproprier en interne » SON patrimoine Data . Disposer de tableaux de bord issus de Google Analytics, par exemple, est une choisi, quotidiennement toutes les sources de données constitutives de ces TdB, pour se les réapproprier pleinement en est une autre. Cette démarche nécessaire est pourtant au cœur de la constitution pour tout client d'un Patrimoine Data PROPRIETAIRE (à revoir)
3. Analyser,
Désormais, notre socle de Business Intelligence est disponible. Il est sollicité au travers d'interfaces graphiques qui requêtent les bases de données créées. Cette liberté guidée dans l'interrogation des données offre un moyen de compréhension des phénomènes en jeu concernant l'activité supervisée : tendances, acteurs, performances, anomalies.La réussite de cette approche réside notamment dans l'intuitivité de manipulation des filtres appliqués aux données, qui supportent une recherche d'informations dans un contexte de données encadrées.
Une API associée à une application Web/Mobile ou une solution de Data Visualisation constituant le socle de cette interface intelligente. C'est l'esprit des tableaux de bords qui résultent de la structuration plus ou moins complexes des données (retravailler + cette phrase).
4. Exploration
Les projets ne doivent pas rester figés dans leur grille d'analyse de départ. Les comportements changent, les besoins métiers évoluent, l'analyse des causes et effets se doit d'être agile.
Pour cela, il faut disposer d'un accès libéré à la donnée, pour pouvoir : L'interroger selon de nouveaux axes, issus de nouveaux besoins métiers par exemple, Envisager des analyses statistiques avancées, ciblant tout ou partie de notre corpus, Impliquer des méthodes avancées, qui peuvent être supportées par du Machine Learning pour par exemple, exploiter des données textuelles ou créer une segmentation personnalisée des acteurs, Évaluer l'intérêt de créer de nouveaux indicateurs et envisager de nouvelles stratégies d'analyse.
Créer une solution d'analyse exhaustive de son activité numérique est un projet qui exige que chacun des 4 piliers de la business intelligence soit exécuté avec des normes normatives appliquées aux exigences complémentaires suivantes :disposer d'un Patrimoine Data Fiable, Performant, Rigoureux dans son incrémentation, et pouvoir répondre à des Visions métiers évolutives.
Permettre à chaque client de se réapproprier – de façon propriétaire - toutes les données constitutives de tous ses investissements Web et dans un écosystème informatique souverain, respectueux des enjeux européens autour des normes RGPD, était un deuxième objectif. Ambitieux certes, mais nécessaire à nos yeux. C'est ce que nous avons accompli, en développant Swatics.
Illustrons la démarche à travers un exemple d'indicateurs :
Le besoin métier exprimé : en tant que Direction marketing, je souhaite avoir un accès direct à la performance unitaire de chacun de mes investissements Web, de chacune de mes campagnes Marketing sur le Web; je souhaite en connaître précisément le coût et les gains associés, et ce pour toutes les typologies d'investissements que je peux faire :
mes campagnes de mailingsmes investissements
publicitaires de type SEA / SMA
mes investissements sur les réseaux sociaux….
135 conversions via mes investissements Google Ads, avec un CPA (Coût Par Action) calculé à 230 €. Le CPA calculé sera par ailleurs comparé à l'investissement réalisé.Obtenir ce coût unitaire, nécessite une chaîne d'actions très nombreuses et réfléchies, exercées en amont, allant :
de l'implémentation d'une stratégie affinée et spécifique de Tag Management , pour l'ensemble des données nécessaires à l'évaluation des coûts et des gains par action - stratégie d'acquisition,
de la capture quotidienne des données, à leur structuration, leur modélisation et leur enregistrement - stratégie d'acquisition,
d'une réflexion globale de l'écosystème IT pouvant répondre à terme à un croisement enrichi des données, quels que soient leurs sources (création de connecteurs propres à chaque source de données (Google Ads, Google My Business, Facebook Ads, Linkedin Ads, Instagram Ads, twitter … + création d'APIs)) - stratégie de structuration et d'analyse,
de la création des requêtes permettant la compréhension unitaire des données et le rapprochement de celles-ci, au développement des Tableaux de bord finaux, répondant aux besoins métiers exprimés, tout en permettant une très grande liberté d'exploration future - stratégie d'analyse et d'exploration.
Les champs de réalisation de compétences nécessaires à cette nécessairement deux expertises très pointues : d'une partie, une expertise IT dédiée à la Data et de l'autre, une expertise Marketing, de modéliser les besoins des directions Marketing. La rencontre de ces deux expertises nécessite, comme évoquée, le respect des fondamentaux, applicables à chaque projet Data envisagé.
