1
Le Big Data au cœur de la
stratégie des PME
Par où commencer ?
2
Depuis
2008
20
experts
du web
5
pôles
d’activités
45 clients
satisfaits
Silicon Salad
3
Lolita Saint-Maxent
Responsable e-marketing chez Silicon Salad
Intervenant
Réagissez en direct sur Twitter avec #conext @siliconsalad
Big Data,
kesako ?
5
Exploitation de vos données
à 360 degrés en temps réel
6
Descriptive Prédictive Associativeou ou
3 techniques d’exploitation
7
Des données
illimitées
8
Temps réel
8 secondes
Automatisation
=
=
9
Transfor
mation
Analyse
(Algorithme)
Donnée
Agrégation
Action
Décision
Objectif
Projet Big Data
En théorie
10
60%
des projets de Big Data
seraient voués à l’échec*
* Étude Gartner publiée par Comarketing, 25.09.2015
En pratique
11
• Stratégiques
• Culturels
• Organisationnels
Problèmes
Réagissez en direct sur Twitter avec #conext @siliconsalad
Big Data VS PME ?
13
?Pas toujours…
Big Data
Volume gigantesque
de données
=
14
C’est aussi…
Big Data
Mélange de données
internes & externes pour
passer de l’analyse à l’action
=
15
Avantage concurrentiel
16
Savoir-Faire
Réagissez en direct sur Twitter avec #conext @siliconsalad
Par où
commencer ?
18
19
Concentrez-vous sur les données pertinentes
Apprenez à utiliser les données disponibles
1
2
2 règles
20
Small Data
21
valeur + réactivité
=
22
Formuler l’objectif (la situation)1
Préparer le plan d’actions
2 Décrire le projet
23
Qui ? Quelles équipes sont concernées ?
Quoi ? Quelles données sont nécessaires ?
Sont-elles disponibles, correctes et complètes ?
Où ? Où sont-elles ?
Quand ? Quelles sont mes différentes étapes ?
Comment ? Quels outils sont à ma disposition ?
De quels outils et/ou ressources ai-je besoin ?
Pourquoi ? Quelle est la finalité du projet ?
Décrire le projet
24
• Simple
• Concret
• Résultats rapides
• Fédérer l’ensemble des parties pour la suite
N’ayez pas peur de vous faire accompagner
(ressources, outils, solutions)
Identifier un cas d’usage
25
• Qui sont mes clients en phase de ré-achat ?
• Qui sont mes très bons clients (RFM) ?
• Quels sont les produits susceptibles
d’intéresser un internaute ?
Exemples de cas d’usage
26
Exemples concrets
27
Acteur dans la vente de chaussures multi-marques sur le web
JEF Chaussures
28
Objectif
Déclencher la vente
29
Technique
Scoring prédictif
Rappel du produit ajouté au panier +
produits susceptibles de l’intéresser
(basé sur le comportement des autres
internautes)
Outil
NUUKIK
Support
Email
30
+15%
de transformation
supplémentaire
Résultats
31
Objectif
Déclencher la vente
32
Technique
Scoring prédictif
Rappel du produit ajouté au panier +
produits susceptibles de l’intéresser (basé
sur sa navigation)
Outil
Criteo
Support
Facebook
33
+15%
de chiffre d’affaires
supplémentaire
issu de Facebook
Résultats
34
Objectif
Récompenser les meilleurs
clients abonnés
35
Technique
Segmentation à 2
dimensions
(statut abonné + statut client)
Outils
Tableau Software et
Campaign Monitor
Support
Email
36
Taux de clics et
de conversion
x2
Résultats
Panier moyen
+60%
Réagissez en direct sur Twitter avec #conext @siliconsalad
À retenir
38
• Restez humble
• Y aller pas à pas
• La méthode QQOQCP
• « Test and learn »
Et surtout n’oubliez pas de commencer
par exploiter VOS données
39
Lolita Saint-Maxent
Responsable e-marketing
Caroline Berent
Business Developer
Discutons de vos projets

Le Big Data au coeur de la stratégie des PME par où commencer ?