Faites passer la science des données à la vitesse supérieure – en la libérant.

La science des données est un sujet important actuellement — et à juste titre. Les marques n'ignorent pas qu'elles détiennent quantité de données qui, pour l'essentiel, représentent une véritable mine d'or non exploitée ; il est d'ailleurs fort probable qu'elles ne tirent pas profit des enseignements clés que recèlent ces données sur leur activité. Même si elles ne savent pas très bien comment s'en servir pour exploiter cette mine d'information, les entreprises aujourd'hui sont de plus en plus importantes à la science des données : cette discipline les intrigue et elles veulent savoir ce qu'elles peuvent en attendre.

Mon collègue — Jeff Allen, spécialiste en analytique — et moi-même nous sommes penchés sur le sujet il y a peu. Avant tout, nous voulions poser comme postulat qu'il ne faut pas nécessairement être un homme de science pour agir comme tel, c'est-à-dire appliquer une méthode et une rigueur scientifiques à toutes les initiatives marketing.

Là où l'entreprise lambda essuie un échec

Pour commencer, il nous fallait un point de repère ; dernièrement, lors d'une réunion avec d'autres mercaticiens, nous leur avons posé la question suivante : « Sur une échelle de 1 (je prends mes jambes à mon cou dès que l'on prononce « science des données ») à 10 (je suis un génie en science des données !), quelle note attribueriez-vous à vous-même ou à votre entreprise en matière de science des données ? » En règle générale, ces professionnels s'attribuent une note autour de la moyenne. Ils sont à l'aise avec les données et s'appuient sur elles ; ils savent, en principe, que les données se révèlent indispensables pour véritablement optimiser et personnaliser leurs expériences de marque. En revanche, le mot « science » suffit à lui seul à les plonger dans la confusion.

En réalité, la science des données et ses applications — l'automatisation, l'apprentissage automatique et l'intelligence artificielle, par exemple — sont censées délester l'homme des tâches élémentaires. Une fois libéré de ces besognes, celui-ci peut consacrer davantage de temps aux impératifs à forte valeur ajoutée que les machines ne peuvent traiter — du moins pas aussi bien que l'homme (pour le moment, en tout cas) — et qui font appel à son esprit critique, mais aussi à sa capacité à résoudre des problèmes de façon créative et à élaborer des stratégies au service de l'optimisation des résultats et de la satisfaction des clients. L'automate bancaire en est un parfait exemple.

Lorsque le guichet automatique de banque (GAB) a vu le jour, les guichetiers ont cru que celui-ci allait sonner le glas de leur profession. Après tout, qui ferait encore la queue et prendrait son mal en patience pour retirer des espèces ou déposer des chèques alors qu'une machine pourrait traiter ces opérations, et les traiter rapidement, 24 heures sur 24, 7 jours sur 7, sans attente ni décalage ?

En tout état de cause, les GAB n'ont pas seulement drainé davantage d'activité pour les banques (multipliant les agences et les guichetiers), ils ont aussi transformé les distributeurs humains de billets en importants agents marketing. C'est sûr, les guichetiers ne sont plus ces professionnels prenant machinalement en charge les demandes de la clientèle. Leurs compétences se sont perfectionnées et enrichies à mesure qu'ils ont endossé des fonctions plus stratégiques, contribuant à accroître la rentabilité dans la durée et à améliorer la satisfaction de la clientèle.

Mieux : la boucle est aujourd'hui bouclée. Certaines banques ont en effet commencé à intégrer l'expérience GAB/guichetier, donnant ainsi à leurs clients les moyens de se servir d'un automate bancaire tout en échangeant avec un professionnel. Analysons cette situation sous l'angle de la science des données. La technologie était censée délester l'homme des tâches les plus élémentaires ; et c'est très précisément ce qu'ont fait — et ce que continuent à faire — les GAB. Toutefois, après avoir observé la manière dont le public interagissait effectivement avec elles, les banques ont forcé leurs établissements — et le secteur d'activité tout entier — à évaluer les attentes de leurs clients et à s'y conformer. En l'occurrence, les clients entendent allier le contact humain à la commodité et à l'accessibilité des GAB. Ils prônent le rapprochement de l'homme et de la machine — et ce duo est plutôt efficace.

Comment garantir le succès de la science des données

Comment les marques se muent-elles en organisations vivantes et dynamiques, pilotées par les données, au cœur desquelles réside la science des données ?

1. Métamorphoser la culture client.

Dès lors que les bons interlocuteurs posent les bonnes questions, comprennent véritablement les mesures qualitatives et quantitatives, suivent des méthodes scientifiques et mettent en œuvre l'alchimie marketing, la magie — ou plutôt la science des données — opère. Ces changements, de même que la quasi-totalité des mesures d'optimisation mises en œuvre, requièrent une adhésion universelle, du sommet à la base. Autant dire qu'il faut engranger quantité de petites victoires et évangéliser à tour de bras pour que votre voix porte et que vos initiatives ne restent pas lettre morte.

Pour réussir dans l'univers de la science des données, vous devez veiller à ce que celle-ci fasse partie intégrante de la culture de votre entreprise. Vous ne pouvez pas simplement confier la science des données aux « data scientists » et croiser les doigts. Vous devez en démocratiser l'usage auprès des différents types de mercaticiens et promoteurs de la marque, et laisser leurs divers objectifs métier et initiatives les guider. À cet effet, nombre de entreprises technologiques se tournent vers des programmes décisionnels qui permettent à chaque collaborateur — diplômé ou non en analyse des données, en statistiques ou en informatique — d'avoir accès à ses données, de les analyser et de créer des rapports rendant compte des tendances qui influent sur leurs publics et leurs marchés. Cet exemple rejoint celui du GAB, celui d'un mode de pensée transitoire susceptible de faire avancer les choses.

2. Les données sont nos alliées — à condition de savoir les interpréter correctement.

Il faut également composer avec les notions de causalité, de corrélation et les variables parasites. Il se peut qu'une variable soit partagée par deux éléments, ce qui pourrait amener certains mercaticiens à affirmer un peu vite que tel ou tel phénomène en est la cause et mettre en avant des données dont ils sont convaincus qu'elles sont signifiantes. Mais, prenez garde — et c'est ce qu'on apprend en premier en classe de science — IL NE FAUT PAS CONFONDRE corrélation et causalité. Soyez important aux effets cachés de votre variable sur X et Y, et n'ignorez rien des biais d'échantillonnage, erreurs systématiques et pratiques statistiques fort peu recommandables qui subsistent encore ça et là. Explorez, formulez des hypothèses, testez, repartez de zéro, répétez.

L'un des problèmes majeurs qu'il m'ait été donné de constater au sein des entreprises dont l'intérêt pour la science des données est relativement récent tient au fait qu'elles se lancent, en général, dans des expériences ou des campagnes avec des idées bien arrêtées ; elles sont convaincues de la légitimité d'une action ou de la relation de dépendance entre X et Y, par exemple. Or, si vous êtes convaincu d'une chose, il y a fort à parier que vous parveniez à en apporter la preuve, à condition de fouiller suffisamment longtemps les données — mais cette méthode n'est pas la bonne. Pour être performant et tirer correctement parti de la science des données, il convient de réaliser des essais A/B et de recourir à la méthode scientifique pour prendre les bonnes décisions et écarter les mauvaises. Ici encore, explorez, échafaudez des hypothèses et testez — et n'empruntez AUCUN raccourci dans l'intervalle.

3. Mettre à profit la puissance de l'apprentissage automatique.

La science des données accélère l'exploration de ces dernières, permettant d'en tirer très vite des enseignements et de dégager du sens. Parfait. Mais quid de la suite ? Comment mettre à profit cet éclairage pour décider et agir ? L'apprentissage automatique joue un rôle majeur dans l'exploitation de ces enseignements, en vous donnant les moyens de mettre à profit le potentiel des données pour optimiser et personnaliser les interactions avec chaque visiteur. À travers l'exploration de données aux fins de dégager des tendances, similitudes et probabilités, et le déploiement en parallèle d'expériences en tirant parti, vous disposerez d'un pouvoir de personnalisation de loin supérieur à ce qu'il vous serait possible d'accomplir manuellement. Vos clients réclament l'apprentissage automatique et, dès l'instant où vous aurez mesuré son potentiel, votre entreprise fera de même. L'apprentissage automatique doit favoriser l'exploration ET l'exploitation constantes et permanentes. Bien que j'encourage les professionnels du marketing à maîtriser certains principes statistiques fondamentaux, ceux-ci n'ont pas à se soucier de la rigueur statistique des outils qu'ils utilisent.

4. Faire confiance au pilote automatique.

Pour que vos initiatives en matière de science des données (et même d'optimisation) passent véritablement à la vitesse supérieure, vous devez miser sur la personnalisation automatisée. Il vous faillira donc faire confiance à la machine. Les stratégies culturelles demanderont ensuite à être harmonisées, et cette opération risque de s'avérer délicate dans certaines entreprises. Aucune crainte à avoir : nous sommes outillés. Pour autant, vous devez être prêts à exploiter et — surtout — à faire confiance à la machine, votre partenaire marketing. Il s'agit là d'une véritable gageure pour certains mercaticiens.

La démocratisation de la science des données vous facilite néanmoins la tâche. Même à défaut d'équipe dédiée à la science des données, le travail peut néanmoins être accompli, à condition de partager la passion et les contraintes réellement imposées par ces processus. Les guichetiers ont fait confiance aux GAB pour exécuter leurs tâches ; voyez les résultats obtenus : un franc succès, davantage de possibilités et une revalorisation de leurs fonctions au sein de leurs établissements, comme à l'échelle de l'industrie bancaire toute entière.

Pour que les entreprises passent à la vitesse supérieure et misent sur l'automatisation de la science des données, elles doivent faire montre d'un certain degré de confiance. Il leur faut déléguer à leurs pilotes automatiques que sont les machines une bonne dose d'intelligence et quantité de processus stratégiques. Tant du point de vue culturel qu'en termes de bonnes pratiques, ces acteurs devront s'y préparer. Nous disposons certes des outils et des technologies nécessaires, mais c'est à une réorientation culturelle et organisationnelle que nombre d'entreprises devront réfléchir aussi bien avant que pendant leurs intégrations en science des données.

Et la suite ?

Nous ne sommes qu'au début de notre conversation sur la science des données. Pour le moment, réfléchissez aux moyens qui s'offrent à votre entreprise pour faire sienne la science des données et l'intégrer, que vous fassiez appel aux services d'un expert ou préfériez démocratiser le processus entre les ressources en place. Les perspectives sont multiples et le potentiel gigantesque si vous êtes en mesure d'opérer les ajustements culturels et opérationnels imposés par la science des données. Mais si ces derniers sont correctement menés, le jeu en vaut la chandelle.

Cet article a été publié pour la première fois sur SmartDataCollective.com.