Infographie : la data au service de la performance

Infographie Netwave

La croissance des sites marchands est de moins en moins vigoureuse

L’e-commerce devient dépendant de la conjoncture. C’est particulièrement le cas sur les marchés les plus matures comme le tourisme, l’électronique grand public ou le textile-habillement. Ainsi, la croissance globale des sites d’e-commerce interrogés a été divisée par deux (17% en 2011 contre + 9% en 2012). Ce fléchissement, plus important que celui observé l’an dernier, montre que la tendance tend à s’accélérer.

29% des e-marchands ont vu leur taux de conversion baisser en 2012

Face à ce ralentissement de la croissance et à la hausse des coûts d’acquisition clients, les acteurs cherchent à améliorer l’efficacité commerciale de leurs sites. En 2012, plus de la moitié d’entre eux ont donc continué d’optimiser les fondamentaux de leur présence sur Internet : amélioration du référencement, refonte ergonomique de la page d’accueil ou des fiches produits. Mais les rendements de ces optimisations ont tendance à diminuer : ils étaient 63% en 2010 à avoir amélioré leur taux de conversion contre 42% seulement en 2012. Et 29% déclarent, toujours en 2012, constater une baisse.

Une volonté nouvelle de création de valeur autour des sélections d’articles

Par ailleurs, de nombreux sites cherchent aujourd’hui à sortir d’un positionnement uniquement fondé sur le prix le plus bas ou la bonne affaire. Les acteurs se recentrent sur leur rôle de commerçant et tentent de recréer de la valeur en se positionnant comme des experts de leur marché. La valeur ajoutée d’un distributeur ne repose pas uniquement sur sa capacité à offrir un large choix, un prix bas et une expérience d’achat (commande, livraison..) satisfaisante. Le site doit aussi faire valoir sa capacité à sélectionner la meilleure offre et à recommander les bons produits selon les attentes et les besoins du client.

Les e-marchands passent à la personnalisation des recommandations pour leur site

Afin de limiter l’érosion du taux de conversion et revaloriser leur offre, les e-commerçants prêtent de plus en plus attention au comportement des visiteurs sur leur site. 35% des sites d’e-commerce interrogés auront mis en place, à fin 2013, au moins un mécanisme de personnalisation de l’offre en fonction du comportement des visiteurs.

En 2012, qu’ils soient issus d’un modèle de pure player ou « clic & mortar », ce sont surtout les plus grands acteurs de l’e-commerce qui ont déjà implémenté un système de personnalisation ou qui projettent d’en déployer un en 2013. Pour ce faire, la plupart opte soit pour des leviers de cross-selling affinitaire, soit pour des recommandations basées sur le comportement des acheteurs.

Mais si on se place du côté des consommateurs, ils sont 39% à trouver intéressant – voire très intéressant – le mécanisme de recommandations personnalisées en fonction de leur comportement sur le site. La pertinence et la finesse des mécanismes de recommandation sont décisives pour optimiser l’expérience de navigation de l’internaute. Les e-commerçants ont donc saisi l’intérêt de la personnalisation pour leur performance commerciale. Au-delà de l’amélioration de l’expérience client online, ces dispositifs sont en effet déjà considérés par 9 sites sur 10 comme un levier efficace de l’amélioration du taux de conversion.

Big Data : le data scientist comme guide

La montée en puissance du Big Data dans les entreprises crée de nouveaux besoins et exacerbe la volonté de rationaliser les coûts et d’atteindre une forte efficacité opérationnelle. Le data scientist apparaît comme la cheville ouvrière de ces multiples défis.

La production de données par les utilisateurs entraîne, selon les estimations, un doublement du volume des données tous les 12 à 18 mois dans le monde. Issues de sources multiples (terminaux mobiles, téléviseurs connectés, lecteurs RFID…), ces données en deviennent ingérables avec les outils traditionnels de gestion de base de données. C’est le phénomène du Big Data. Parallèlement, des besoins de plus en plus saillants apparaissent dans les entreprises et les institutions : détection des fraudes (domaine de l’assurance), gestion de crise (défense), identification de nouveaux débouchés marketing et commerciaux, relation client poussée (analyse du taux d’attrition), génomique…

Un poste hybride 

Face à cette déferlante (2,5 trillions d’octets de données sont générés chaque jour), de nouvelles compétences, de nouveaux profils prennent de plus en plus de poids dans l’entreprise. C’est le cas du « data scientist », terme créé en 2008 par un ancien de Facebook et un ancien de LinkedIn.

« Le data scientist est un hybride entre un informaticien et un statisticien. Sa mission est d’introduire le big data au sein de l’entreprise, d’évangéliser. C’est un profil très complet qui doit allier intelligence émotionnelle, intuition et ouverture exacerbée face à la donnée », déclare Eric Mokemat, directeur technique d’Information Builders, éditeur de solutions de Business Intelligence et d’analytics.

Cette « ouverture exacerbée face à la donnée » le distingue du data miner ou du data analyst que nous connaissons. Car, au-delà de faire parler la masse de données pour en dégager les informations les plus pertinentes pour l’entreprise, un des principaux enjeux pour le data scientist est de travailler très en amont de l’analyse des données. « Les compétences du data scientist vont bien au-delà de l’analyse simple. Le data scientist doit être en mesure de définir la question posée, de penser les tests nécessaires à l’avancement de la réflexion et de décider de ce qui doit être comparé ou non », affirme Bertil Hatt, data scientist free lance.

Un chercheur d’or 

Comme on le voit, le profil du data scientist est très complet et riche. Le data scientist doit être capable de s’assurer de la provenance de l’information, de ce qu’elle représente et de ce qu’elle peut apporter à la gouvernance de l’entreprise. « C’est un chercheur d’or qui cherche à l’intérieur de l’entreprise mais aussi à l’extérieur, à la fois des données maîtrisées – issues des processus métier – mais aussi non-maîtrisées, issues des réseaux sociaux, du buzz… », complète Eric Mokemat (Information Builders).

Ses principales compétences sont la capacité à maîtriser la partie analytique (faire parler la donnée), la structurer et la mettre en valeur (aspect visualisation des données). Et, cerise sur le gâteau, « il doit être capable, par rapport à une question donnée, de trouver les données qui vont permettre de répondre à cette question, même si c’est contre-intuitif », ajoute Bertil Hatt.

De multiples compétences à maîtriser 

Actuellement, on estime que seules 100 personnes en France peuvent prétendre à ce titre de data scientist. « Ce profil requiert des compétences en mathématiques pour comprendre les algorithmes, en informatique pour comprendre les systèmes et des compétences métier pour comprendre la nature des informations figurant dans les bases », note de son côté Jean-Claude Muratore, directeur général de Turn, plate-forme de gestion de contenu et d’achat media.

Aux États-Unis, où la fonction prend de plus en plus d’ampleur, le secteur de la santé emploie beaucoup de data scientists. Le patient accumule en effet de plus en plus de données lors de son parcours au sein par exemple d’un établissement de santé. Pour un suivi médical pertinent et une rationalisation des coûts, ces données à la fois structurées et non-structurées, en temps réel et en différé, doivent être agrégées avec efficacité.