5. L’ère des Zettabits
• Plus de données
créées dans les
dernières 3
années que dans
les 40,000 années
qui les ont
précédé
• Le total des
données
existantes ont
QUADRUPLÉ
dans les 3
dernières années
0
500
1,000
1,500
2,000
2,500
3,000
3,500
4,000
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Total info (EB)
Total storage (EB)
6. Données de capteurs “générées”
2 à 5 fois l’ordre de grandeur du volume de données à
CAPTER,
ANALYSER
et auquel RÉAGIR
7. Les vaches intelligentes
• Capteurs dans les oreilles
• Une vache crée 200 MB
de données par an
• Suivre leur état de santé
• Suivre leurs mouvements
• Suivre la température
• Suivre le processus de nutrition
9. La valeur des données
• Vieux paradigme
– Déploiement de technologie pour
améliorer productivité
– Des données sont créées
• Nouveau paradigme
– Les données sont maintenant
les matières premières du monde des
affaires
– La valeur des données et l’analyse de
celles-ci ne sont plus remises en
question
10. Alors?
• Des tendances et interactions intéressantes se trouvent
dans les données volumineuses
• Produits et services Big Data grandissent 7 fois plus vite
que le reste du marché des TI
• Technologie existe pour éliminer l’échantillonage et
regarder toutes les données
• Hadoop et le matériel commodité rendent ceci possible
• Offres SaaS aussi (ex. Google Alerts, Dow Jones news
Analytics)
11. Provenance de la valeur du Big Data
Utilisation
analytique pour
découvrir des
tendances
Faciliter la
création ou
l’amélioratio
n de
produits
12. Amélioration de produit
• Netflix, Amazon
–pour leur engin de recommandation
• Netflix
– pour améliorer la robustesse du téléchargement en ligne sur
différentes plates formes
• Campagne Obama 2008
– pour identifier à qui parler et quoi dire aux gens pour obtenir un
vote Obama, selon le collège électoral
• Macy’s
– Mets à jour 73M d’items en presque temps réel, basé sur demande
et inventaire
13. Analyse et découverte de tendances
• Facebook
– en analysant les données de transactions, sociales et
géographiques
– analyse des actions + actions des amis = expérience
très personalisée et un nouveau modèle d’affaires de publicité
• American Express
– Prédiction de 24% des détenteurs Australiens qui vont quitter la
compagnie dans les prochains 4 mois basé sur 115 variables
• Sojern
– Consolide données de lignes aériennes, hôtels, locations d’autos et
cartes de crédit
– quand les gens vont, où ils vont, combien de personnes voyagent,
les marques préférées, les temps de déplacement et la classe de
service
14. Applications du Big Data
• Changer la stratégie de publicité
• Mieux segmenter le marché
• Augmenter le montant dépensé moyen par client
• Prochaine offre, meilleure offre
• Réduire la fraude
• Améliorer système de sécurité dans les voitures
• Optimiser l’utilisation des coupons promotions
• Rétention
Le futur appartient aux
compagnies qui traduiront les
données en produits – Mike Loukides
16. Marché des appareils mobiles
• 2013 – 1.3 millards d’unités vendues
– téléphones intelligents + tablettes = 85%
– 1.7 milliards en 2017
• 6 milliards dans le monde (75% pén.)
• Un boom pour l’accès internet mobile
• Prolifération d’applications mobiles
• Intégration OS + services internet
– ex. Google Now
• Trafic internet mobile > trafic desktop
La prolifération des appareils
mobile aurait un impact similaire
à l’arrivée de l’internet?
17. Données générées téléphone intelligent
• Mouvement
• Achat
• Furetage
• Médias sociaux
• Toute activité combinée avec le
positionnement
• Données de transaction et de
comportement
• Jeux de données disponibles pour achat
– ex. Telco: nombre de gens dans un endroit à un moment de la
journée, leur sexe, leur âge, leur niveau salarial, etc.
– Microsoft HDInsight = 300 flux de données disponibles
Un téléphone intelligent est en
fait plusieurs capteurs en un
appareil
18. Objectifs qu’on tente d’atteindre
• Procurer une meilleure expérience
– Pertinence
– Engagement avec notre brand
• Résonance émotionnelle et loyauté
– Livrer un produit dans la même journée
– Une recommandation qui fait du sens
• Penser à Amazon et son engin de recommandations,
mais plus large
– Basé sur le moment de la journée
– Positionnement
– Comportement passé
• Comprendre le sentiment et agir
19. Attentes des consommateurs mobiles
• Consommateur TOUJOURS branché
• Réponse à l’expression d’intérêt vis à vis une marque doit
être très rapide
• Interactions instantanées
• Pour répondre
– meilleurs modèles de prédiction
– automatisation
– créer un “feedback loop” pour continuer de s’ajuster
– le Big Data devient critique pour permettre tout ceci
20. Sommaire
• Plus en plus de capteurs – on mesure tout
• Données de médias sociaux
• D’ici 2020, les données totales vont doubler aux 2 ans
• Technologie permet de regarder plus large, sans
échantilloner
– Écosystème Hadoop
– SaaS (Google Alerts, etc.)
• Des pépites d’or se trouvent dans les données, mais il
faut bien définir le problème qu’on tente de résoudre
21. Sommaire (suite)
• Applications
– Amélioration de produit ou service
– Analytique pour découvrir les tendances et de nouvelles
opportunités
• Téléphone mobile = générateur et consommateur de big
data
• Procurer un meilleure expérience client et augmenter
l’interaction positive avec la marque
• Les consommateurs vont s’attendre à avoir des
interactions instantanées, sans quoi la marque sera
impactée
23. Besoin: marketing mobile
• Utilisateur mobile toujours en ligne = canal idéal pour le
rejoindre
– furetage
– comparent prix des produits
– achètent, payent
• Utilisateur mobile répond positivement aux offres géo-
adaptées
• Utile de s’intégrer aux fonctions natives
– Cartes
– Calendrier
– Une “app”
• Favoriser l’interaction, obtenir le feedback
24. Livrer bon message, au bon moment
1. Écouter via les médias sociaux, les CRMs et autres
sources pertinentes
2. Combiner les bonnes données (big data?) dépendant
des objectifs et les analyser pour identifier le bon
message pour chaque consommateur
3. Assembler le message
4. Livrer le message à l’appareil pertinent, comme le
téléphone ou la tablette, au bon moment
25. Besoin: optimiser le “marketing mix”
• Comment attribuer les $$ marketing aux bons “canaux”?
• Éviter l’exercice budgétaire
– Concours de beauté
– Pré-défini
– Basé sur les ventes
– Inertie
• $ investis vs impacts sur
profits (court, moyen et long
terme)
• Analyse doit inclure
– médias sociaux, influences
– conversations, activités
– les résultats (chiffres de vente et profits)
26. Requis: approche structurée
1. Demander les bonnes questions
• On peut se perdre facilement
• Deux questions:
– Combien investir en marketing
– Dans quels canaux, véhicules et messages
2. Soyez créatifs avec les données que vous avez déjà
• Cas d’un telco qui s’est impliqué dans le secteur financier
3. Optimiser dépenses pour tous les canaux
• Équilibre: prix vs. volume, coût inventaire vs.
chance de backorder
• Impact: pub télé, centre d’appel, Facebook?
4. Garder les choses simples
• Trop d’information devient ingérable et inutile
27. Autres besoins futurs
• Anticiper les besoins
– Amazon veut faire ceci, vous envoyer un livre avant que vous ne le
commandiez
• Ciblage précis et marketing en temps-réel
– Combinaison de l’historique d’achat et le positionnement
• Combiner information pour améliorer la santé
– DNA
– Fuel band
– Calories
• Faciliter l’éducation en ligne en limitant les tricheurs
28. Requis pour dénicher la perle
1. Arrêter de rapporter le passé, se concentrer sur la
prédiction
• Combiner les données avec la connaissance du secteur
2. Regarder le “big picture”
• Monde est complexe
• Gens qui regardent la télé ont une tablette dans les mains
3. Évaluer où les gains arrêtent
• Pas linéaire, plutôt des courbes
• Investir où ça peut grandir
4. Inclure la valeur de la marque
• Utiliser jugement quand les données sont incomplètes
• Après 12 mois, la marque a un effet plus que tout modèle
5. S’impliquer dans l’analyse
29. Requis pour dénicher la perle (suite)
6. Cibler les trajets clés
• Ne pas analyser absolument tout
• Il existe 3 à 5 trajets clés, comme installation du câble, résolution d’un
appel pour un nouveau cellulaire
7. Oubliez la perfection
• Organisations qui ont du succès sont plus action
• SWAT teams
8. Cibler les analyses des trajets, pas des rapports
• Cause et effet a plus de valeur
• La valeur ne vient pas des données autant que
des gens avec du talent analytique
30. Enjeu: la vie privée
• Investissement dans l’éducation
• Les plus jeunes sont moins soucieux
– Comprennent que tout est connecté
– Que le prix pour des services gratuits est un peu de pub
– Aussi bien que ne soit pas n’importe quoi, tout le temps