Data Mining, Big Data, Business Intelligence, Dataset, … Autant de termes plus techniques les uns que les autres mais qui ont tous un point en commun : les données.
92% des données de l’humanité auraient été créées dans les 2 dernières années. Ces importants volumes de données, aussi appelés Big Data, sont dus aux téléphones, blogs, capteurs, sms, objets connectés, transactions bancaires, jeux vidéos, commentaires, open data et bien d’autres encore.
Littéralement « fouille de données », le Data Mining permet alors l’exploitation et la modélisation de données dans un but précis : mieux vendre.
Il s’agit alors de découvrir sans a priori à l’aide d’algorithmes de connaissances, des tendances et corrélations dans de grands volumes de données. Ces données peuvent être de deux ordres : structurées (quantitatives ou qualitatives) ou non structurées (textuelles). Les données structurées représentent aujourd’hui 20% des données totales que nous avons, contre 80% pour les données non structurées.
———————
- Le Data Mining pour expliquer
Les reporting permettent de croiser de nombreuses sources de données permettant de mieux comprendre les consommateurs et leurs modes de consommation.
- Le Data Mining pour simuler, prévoir … et bientôt prédire.
Grâce à une analyse de la performance, le but étant d’être en mesure de réajuster les campagnes en fonction des différents retours pour en obtenir le plus d’impact possible auprès des consommateurs.
- Le Data Mining pour cibler au mieux
La relation client est plus que jamais au coeur de la stratégie de l’entreprise. Le Data Mining permet alors de mieux appréhender les comportements des consommateurs et donc de mieux les satisfaire.
———————
La preuve par les faits :
En 2012, Barack Obama était en campagne pour la présidence des Etats-Unis face à son adversaire Mitt Romney. Une course à la présidence gagnée d’avance si l’on en croit les chiffres. Le Big Data était en effet au cœur de la campagne présidentielle américaine de 2012 pour l’équipe d’Obama, plus communément appelée la « geek squad ». Avec l’expérience stockée des campagnes passées , ces derniers ont pu croiser les données afin d’unifier les différents profils, créer des outils de calculs et cibler les donneurs. Tout ceci leur permettant chaque soir de simuler les chances de succès et d’en analyser les facteurs pour des réajustements et ainsi prédire au plus juste les résultats des élections américaines.
Aujourd’hui, 80% du temps est dédié au data management contre 20% du temps dédié à l’analyse. L’objectif du Data Mining est donc d’inverser cette tendance.
