Dans mon article précédent, j’ai fortement mis l’accent sur les insights par rapport aux données brutes, plus précisément sur les insights numériques exploitables (c.-à-d. offrant des débouchés en matière de marketing). Mon objectif était de démontrer que les données hors contexte n’ont aucune valeur. Les données n’ont de la valeur pour un utilisateur final ou un intervenant clé qu’une fois traitées et mises en perspective dans un contexte d’affaires. Cela dit, le passage des données brutes aux insights exploitables n’est généralement pas facile (ni rapide).
Prenons un exemple simplifié à l’extrême pour illustrer l’impact potentiel de l’analytique augmentée sur votre entreprise:
Il faut aujourd’hui à la société C (nom fictif) de 5 à 6 mois pour produire des insights pertinents. Le processus de production et d’exploitation des données porteuses se déroule comme suit:
- collecte et validation des données brutes;
- analyse des données en quête d’insights;
- communication des données pertinentes aux intervenants clés (équipes Marketing et Produits);
- exploitation des insights (mise en action).
Supposons que les mesures prises sur la base des insights obtenus (intégration des données pertinentes dans les processus d’affaires) suscitent une hausse de 3 % (10 000 $) du bénéfice net de l’entreprise.
En suivant ce processus (selon lequel la production d’un insight exploitable demande de 5 à 6 mois), vous n’obtenez, au cours d’un exercice financier, qu’une ou deux occasions de tirer parti de données porteuses pour en faire bénéficier votre entreprise (potentiel d’opportunité: 2 x 10 000 $ = 20 000 $ par année).
Or, imaginez un instant que vous puissiez optimiser ce processus de manière à réduire le cycle de production d’insights pour le faire passer de 5-6 mois à 1-2 mois. Il en résulterait, au cours d’un même exercice financier, de 5 à 10 occasions de tirer parti de données porteuses pour en faire bénéficier votre entreprise (potentiel d’opportunité: 10 x 10 000 $ = 100 000 $ par année).
Grâce à une telle alternative, l’impact de vos initiatives d’analytique serait amplifié au sein de votre organisation (RCI accéléré).
Place à l'analytique augmentée
Gartner a introduit ce concept en 2017. En bref, l’analytique augmentée repose sur l’utilisation de la technologie (automatisation, machine learning et intelligence artificielle [IA]) pour accélérer la production et l’exploitation de données pertinentes:
- collecte de données (accélération du processus grâce à l’automatisation, au machine learning et à l’IA pour améliorer la qualité des données);
- analyse des données (accélération du processus grâce à l’automatisation, au machine learning et à l’IA pour dégager des tendances et des corrélations);
- exploitation des données (accélération du processus grâce à l’automatisation, au machine learning et à l’IA pour rendre les insights exploitables dans le contexte d’affaires de l’entreprise).
Des fournisseurs intègrent déjà certains de ces éléments à leur plateforme. Il ne fait aucun doute que l’analytique augmentée aura un impact sur nos pratiques. Dans un monde numérique, il est d’autant plus facile de collecter des données, d’automatiser des processus ou d’appliquer des algorithmes de machine learning (sur la base d’un important volume de données recueillies).
La prépondérance et l’ubiquité des solutions infonuagiques en matière d’entreposage de données (Google BigQuery, Amazon Redshift, Azure Synapse [anciennement connu sous le nom de SQL Azure Data warehouse]) et d’autres plateformes de collecte de données en temps réel ou quasi réel (Amazon Kinesis, Google Pub/Sub, Azure Event Hubs & Azure Stream Analytics, Google Analytics, Adobe Analytics, Segment, mParticle) sous-tendent une nouvelle course aux insights exploitables à travers les téraoctets de données recueillies.
L’essor de l’IA et de l’apprentissage machine offre une occasion unique de mettre ces technologies de traitement des données au service de la génération d’insights.
L’analytique augmentée ne remplacera pas les analystes traditionnels, mais elle leur permettra de déceler plus rapidement les insights qu’ils cherchent, ce qui aura un impact non seulement sur votre rendement numérique, mais aussi sur le rendement de votre entreprise.
Imaginez un univers analytique numérique dans lequel un algorithme faisant appel au texte, à la voix, à l’image ou aux trois réunis indiquerait à vos analystes de données ou à vos analystes en marketing, en gestion ou en finance quels sont les deux facteurs qui influent le plus sur le taux de conversion de votre site Web! Ça peut sembler tiré par les cheveux, mais c’est pourtant bien le but ultime de l’analytique augmentée.
Dans un environnement d’affaires hautement concurrentiel, les entreprises en mesure d’intégrer leurs insights dans leurs processus d’affaires avec rapidité et de façon transparente auront un avantage considérable sur leurs concurrents (concept à l’origine formulé par Thomas H. Davenport). Telle est la puissance de l’analytique au service de l’optimisation des processus d’affaires (analytique axée sur le rendement des affaires).
Je vois quant à moi l’analytique augmentée comme un périple (concentrez-vous d’abord sur la vision, puis élaborez votre feuille de route analytique). Vous devez en effet connaître votre degré actuel de maturité analytique avant de vous doter d’une feuille de route qui vous permettra d’atteindre vos objectifs analytiques (état futur). Vous pourriez pour ce faire procéder par étapes, par exemple en vous concentrant uniquement sur la qualité des données au cours des deux ou trois premiers mois, puis sur la mesure du rendement et la production d’insights le reste de l’année.
Notre équipe de spécialistes en marketing analytique peut vous aider à faire vos premiers pas vers l’atteinte de votre destination finale.
-1.png)
