Comment la Big Data a changé le marketing d’aujourd’hui

On ne parle plus que de lui : outil à la fois stratégique et technologique, le Big Data est en effet devenu le fer de lance du marketing digital. Parce qu’il permet une approche innovante et pertinente basée sur la connaissance du client, il est aujourd’hui au coeur de la réflexion stratégique des entreprises.

Dans cet article, découvrez en quoi consiste le Big Data et dans quelle mesure il transforme en profondeur l’approche marketing.

Tout, tout, tout, vous saurez TOUT sur le Big Data !

Big Data : la donnée accompagne les évolutions numériques
C’est quoi la Big Data ?
Il est (presque) impossible de passer à côté de l’engouement généré par le Big Data. Pour autant, si l’expression est apparue dès les années 1990 au sein d’articles scientifiques, son essence même demeure encore aujourd’hui un mystère pour certains.

Le terme de « Big Data » – qui se traduit littéralement par « donnée de masse » – désigne en réalité les grands volumes de données numériques générées à travers l’utilisation des nouvelles technologies (connexion à un appareil, échanges sur le web, signaux émis par les GPS, etc.)

Ces données peuvent regrouper des informations de nature diverses, liées à la fois aux entreprises (bases de données, carnets d’adresses, historique lié à l’activité) mais aussi aux clients (habitudes de consommation, coordonnées, échanges sur les réseaux sociaux, etc.)

Les chiffres parlent déjà d’eux-même pour illustrer la croissance exponentielle du Big Data à travers le monde. Notamment ceux de l’infographie réalisée dans le cadre de l’événement BigData Corp à Paris en mars 2019 : :

Le marché de la big data est estimé en 210 milliards de dollars en 2020
Indicateurs de Big data dans les economies du monde
210 milliards de dollars : c’est le le chiffre d’affaires annuel estimé du marché mondial de la Big Data en 2020
3% : c’est la part estimée du secteur Data Economy dans la croissance du PIB de l’UE d’ici 2020
8,2% : c’est le taux de croissance annuelle moyenne estimé du secteur Big Data et Analytique entre 2017 et 2021
8% : c’est la part des produits et services data estimée dans l’ensemble de la dépense informatique de l’UE28 en 2020
Pourquoi le Big Data ?
En parallèle des enjeux liés à la transition digitale des entreprises, ceux du Big Data se posent naturellement face à l’importance stratégique qu’ont acquiert les données ces dernières années.

Avec le développement des plateformes numériques (smartphones, objets connectés, casques de réalité virtuelle entre autres), le volume de données mondiales ne cesse d’augmenter. Il doublerait ainsi tous les 3 ans selon une étude menée par le cabinet de conseil McKinsey Global Institute.

Des chiffres qui ne peuvent que soutenir l’idée que le Big Data est devenu incontournable pour les entreprises.

Mais au-delà des statistiques, c’est bien sûr de la performance commerciale dont il s’agit. Car si le Big Data bouleverse les pratiques de nombreuses industries, c’est surtout au niveau de la gestion de la relation client.

En effet, toutes les données récoltées auprès des prospects et clients permettent aux entreprises d’analyser leur comportement d’achat afin de mieux comprendre et d’anticiper les besoins.

Les bases de données ainsi constituées permettent de concevoir des modèles prédictifs : plus rien n’échappe aux experts marketing ! Ils savent désormais quand contacter un prospect, relancer un client, passer des appels téléphoniques…

À la clé : un gain de temps (et d’argent !) et des opérations commerciales beaucoup plus performantes.

Comment fonctionne le Big Data ?
L’explosion du Big Data a transformé en profondeur de nombreux secteurs tels que le commerce, l’économie, l’écologie ou la finance (pour n’en citer que quelques-uns).

Des domaines d’activité qui sont en effet tous concernés par l’exploitation des données collectées auprès des prospects et clients.

Aujourd’hui, le volume des données à traiter est tel que seules les machines sont capables de les collecter, les stocker et les analyser dans leur globalité.

L’ analyse « manuelle » (effectuée par l’Homme) étant impossible, c’est par le biais d’algorithmes auto-apprenant (communément regroupés sous le terme de « machine learning ») que le traitement des données est réalisé.

Ces algorithmes étant eux-mêmes conçus par des experts du traitement de données et de ses différentes technologies. C’est le cas notamment de l’ingénieur big data.

Les « données » au sens large du terme peuvent en effet présenter des formats bien différents les unes des autres : texte, images, logs (enregistrement d’activités informatiques), etc.

Parmi les différents secteurs d’activité qui se sont vus directement impactés par ce phénomène du Big Data, il y en a un en particulier pour lequel les pratiques traditionnelles et les perspectives d’avenir ont été radicalement bouleversées.

Couplée au secteur du marketing, le Big Data a en effet conduit au concept de « data driven marketing ». Ce dernier consiste, pour l’entreprise, à obtenir des données sur ses clients, lui permettant ainsi de les connaître « à 360° ».

Pour cela, le service marketing de l’entreprise conçoit et développe une base de données big data qui va lui permettre de centraliser l’ensemble des informations recueillies.

Pourquoi travailler dans le Big Data ?
À l’ère où le Big Data est plus que jamais stratégique pour les entreprises, le marché de l’emploi dans ce secteur ne cesse de se développer.

Les offres d’emploi en Big Data fleurissent et concernent différents types de profils ‘digital’:

Data scientists
Business Intelligence Manager
Le SEO Strategist
Architecte Big Data…
Ces sont des métiers qui compteront parmi les plus recherchés en 2020.

À titre d’exemple, 6000 postes en cyber-sécurité sont à ce jour non pourvus en France. C’est dire si le secteur est porteur d’opportunités !

Un engouement pour ces métiers particulièrement notable à l’heure actuelle mais qui ne date pas d’hier : en 2014, une étude menée par CapGemini montrait que 43% des entreprises commençaient déjà à s’organiser pour prendre en compte le phénomène.

Le Big Data est donc aujourd’hui considéré comme un des secteurs d’activité les plus dynamiques en termes d’emploi.

Et cela n’est prêt de s’arrêter quand on sait que 65% des entreprises sont aujourd’hui engagées dans une démarche de transition digitale !

Un besoin de 130,000 emplois existera en 2020
Où trouve-t-on principalement la Big Data ?
Même si le Big Data est devenu incontournable pour la plupart des secteurs d’activité, toutes n’arrivent pas encore à tirer profit de cette gigantesque mine d’or.

Trois principaux secteurs se démarquent aujourd’hui par leur application du Big Data au sein de l’Union Européenne.

Illustration avec les revenus estimés générés par le Big Data dans ces secteurs en 2020 :

L’industrie ($16,4 millards)
La finance ($15,4 milliards)
Le retail ($8,2 milliards)
Au niveau de la répartition géographique, ce sont les Etats-Unis, l’Europe et l’Asie Pacifique (hors Japon) qui figurent dans le tiercé de tête avec respectivement $78,8 milliards, $34,1 milliards et $13,6 milliards en 2017.

Enfin, il ne faut pas oublier l’Amérique Latine qui enregistre de son côté le plus important taux de croissance annuelle lié au Big Data (16,6%).

Et la France dans tout ça ?
À l’image de nombreux autres pays de l’Union Européenne, la France a clairement fait comprendre qu’elle comptait relever le grand défi du Big Data. Il fait ainsi partie des sept ambitions stratégiques identifiées dans le cadre de la Commission Innovation 2030.

Comme nous l’avons évoqué plus haut, le Big Data représente en France un secteur d’avenir. Il crée de nouveaux métiers et suscite des besoins toujours plus importants de la part des entreprises, à tel point qu’on parle aujourd’hui de « pénurie de talents ».

Le pays espère compter environ 140 000 emplois dans le Big Data d’ici 2020.

Côté formation, les cursus spécialisés n’en sont qu’à leurs prémices mais plusieurs écoles et universités proposent déjà un certain nombre de choix : masters, MBA, programmes de recherche…

Des parcours qui s’effectuent généralement en fin de cycle en tant que spécialisation (à partir de Bac+3 en moyenne). L’idéal étant en effet d’avoir déjà réalisé 2 ou 3 ans en école d’informatique ou d’ingénieur.

En février 2019, on comptait près de 40 formations proposées.

[callout bg= »ffe6e6″]

Définition de la Big Data: le Big Data désigne les grands volumes de données générées par les utilisateurs de nouvelles technologies et plateformes numériques. Ces données sont très utiles pour les entreprises qui souhaitent améliorer leur performance commerciale.

[/callout]

Grâce au Big Data, la stratégie marketing voit plus haut et plus loin
Si une chose est sûre, c’est que l’objectif de tout directeur de clientèle marketing qui se respecte est de réussir, dans un premier temps, à obtenir le maximum de données sur ses prospects et ses clients.

Dans un second temps, l’analyse de ces données est indispensable pour donner à ces dernières du sens et de la valeur.

Valeur qui contribuera à apporter une meilleure connaissance des clients et une compétitivité accrue : avec des données qualifiées, les entreprises améliorent leur stratégie de marketing relationnel.

La plupart des grands groupes comme des PME en France ont bien compris l’enjeu stratégique des données qui sont devenues un axe majeur de leur processus décisionnel et un levier de performance incontestable.

C’est pourquoi un grand nombre de ces entreprises investissent de plus en plus dans la recherche, le développement et l’innovation en lien avec la collecte et le traitement de données.

Grâce aux bénéfices apportés par le Big Data, les équipes marketing sont capables de produire des messages marketing qualifiés et plus pertinents.

Les bénéfices du Big Data pour le marketing
Les outils analytiques développés dans le cadre du Big Data permettent de mettre en place des solutions prédictives, de suivre des tendances en temps réel et de mieux anticiper les risques éventuels liés à l’activité et à la relation client.

Les données récupérées peuvent ainsi être stockées et analysées par les directeurs commerciaux pour améliorer leur connaissance des clients et du contexte au sein duquel elles évoluent.

Pour ce faire, de nombreuses technologies dites « de Big Data » se développent pour permettre aux entreprises de poursuivre deux grands objectifs :

améliorer l’utilisation et l’exploitation de l’ensemble de leurs données
faire en sorte que ces données soient au service de la stratégie marketing
Ces outils analytiques permettent, notamment, de centraliser et d’analyser différents types de données elles-même stockées sur différents types de supports (machines, serveurs locaux, clusters, clouds, etc.)

Web Scraping avec python

L’une des premières tâches que l’on m’a confiées lorsque j’ai commencé à travailler en tant que Data Scientist (Expert en Mégadonnées) a nécessité que Je fasse du web scraping (encore appelé harvesting et grattage web par certains).

C’était un concept qui m’était complètement étranger à l’époque et qui consiste à recueillir des données à partir de sites Web en utilisant un code, mais c’est en réalité l’une des sources de données les plus logiques et les plus facilement accessibles.

Après quelques essais, le web scraping avec python est devenu pour moi une seconde nature et l’une des nombreuses compétences que j’utilise presque quotidiennement.

Dans ce tutoriel, je vais expliquer en me servant d’un exemple simple, la façon de scraper un site web pour recueillir des données sur les 100 meilleures entreprises ‘Fast Track’ en 2018. L’automatisation de ce processus à l’aide d’un web scraper permet d’éviter la collecte manuelle de données, de gagner du temps et de regrouper toutes les informations sur les entreprises dans un seul fichier structuré.

[TL;DR]* Pour un exemple rapide d’un simple web scraper avec python, vous pouvez trouver le code complet dont parle ce tutoriel sur GitHub.
Pour commencer
La première question à se poser avant de commencer à utiliser une application python est « De quelles bibliothèques ai-je besoin ? »

Pour le web scraping, il y a plusieurs bibliothèques qui peuvent être utilisées, notamment :

Beautiful Soup
Requests
Scrapy
Selenium
Pour le présent exemple, nous utiliserons Beautiful Soup. En utilisant pip, le gestionnaire de paquets Python, vous pouvez installer Beautiful Soup avec ce qui suit :

pip install BeautifulSoup4

Maintenant que ces bibliothèques sont installées, nous pouvons commencer !

Inspectez la page Web
Pour savoir quels éléments vous devez cibler avec votre code python, vous devez d’abord inspecter la page web.

Pour recueillir des données du Top 100 des entreprises de Tech Track, vous pouvez inspecter la page en cliquant avec le bouton droit de la souris sur l’élément qui vous intéresse et en sélectionnant Inspecter. Ceci fait apparaître le code HTML où on peut voir l’élément dans chaque champ qui le contient.