Small Data : exploitez vos micro-données pour piloter votre PME

Small Data, Big Data… si l’on entend beaucoup parler de ce dernier, le premier fait son chemin plus discrètement.

Pourtant, les deux concepts ne sont pas éloignés.

Le Small Data offrirait même de meilleures perspectives pour le pilotage des TPE et PME.

Il représente en outre 85 % des données collectées selon MyDataModels, start-up française pionnière dans le domaine.

Éclairage sur cette tendance prometteuse.

Le Small Data représente toutes les micro-données, ou micro-informations, collectées quotidiennement au sein d’une entreprise, via :

• des fichiers :
  • tableurs Excel,
  • plannings d’équipes, livraisons, projets,
  • études et rapports internes,
  • comptes-rendus,
  • fichiers photo, vidéo, etc. ;
• des applications :
  • agendas,
  • courriers électroniques,
  • messages instantanés,
  • réseaux sociaux ;
• des logiciels opérationnels comme les CRM (bases de données clients) ;
• des capteurs physiques ou digitaux.

Véritables leviers d’aide à la décision basés sur des critères objectifs, quantifiables et mesurables, ces données accessibles peuvent servir à étudier puis optimiser la productivité et l’efficacité de tous les services, notamment :

• les ressources humaines,
• les ventes,
• le marketing,
• la logistique, etc.

Quelle est la différence entre le Big Data et le Small Data ?

Avec l’explosion d’internet, les utilisateurs n’ont eu de cesse de créer des données numériques (vidéos, photos, textes, etc.), de les partager via différents canaux et de les stocker sur le cloud.

C’est cette explosion de volume, mais aussi de variété de contenus et de besoin en vitesse, qui a amené les chercheurs a trouvé un nouveau moyen de stocker et d’analyser ces données sur une base numérique : c’est le phénomène du Big Data.

Il s’applique surtout aux secteurs de la finance et la vente, mais aussi des télécommunications, de la santé, de l’industrie, gouvernementaux, etc.

Avec le développement de l’intelligence artificielle (IA), les grandes entreprises, notamment les GAFAM, et leurs data scientists peuvent exploiter ces données massives, publiques et privées, pour orienter leurs stratégies.

Le Small Data, lui, prend le contre-pied de cette tendance qui a la folie des grandeurs : parfois le peu de données en la possession des plus petites structures peut tout à fait suffire pour améliorer leurs performances.

Mieux : bien sélectionnées et réduites au maximum, les analyses prédictives qui en découlent tombent parfois plus juste que celles des algorithmes les plus complexes.

C’est pourquoi il s’adresse plutôt aux experts métiers confrontés à des données variées sans savoir comment les exploiter au quotidien. Nous pensons, par exemple, aux :

• responsables produit,
• responsables marketing,
• responsables financiers.

Dans la vidéo suivante, Olivier Sibony, professeur à HEC, résume et illustre très bien ce phénomène :

Il ne s’agit pas d’une donnée mais de la façon de l’exploiter : en se concentrant sur les données intéressantes, les décisionnaires ne se noient plus dans une masse d’informations inutiles et utilisent seulement les données qui s’avèrent pertinentes et utilisables dans le cadre d’une problématique précise.

Le Smart Data est en quelque sorte le résultat d’un premier tri des données :

• issues du Big Data,
• générées par l’entreprise elle-même, quand elles sont conséquentes.

Cette mission incombe de plus en souvent au Chief Data Officer.

Le Small Data peut servir à la direction des ressources humaines pour sa gestion des talents ou l’amélioration de la qualité de vie au travail (QVT).

Par exemple, ManPower envisage d’analyser la fréquence d’utilisation des outils de communication interne pour détecter les collaborateurs influents ou d’éventuelles baisses de motivation, nécessitant le déploiement d’une stratégie de rétention.

Autre cas de figure : dans le cadre de l’optimisation du parcours client, le responsable commercial et marketing peut se servir des Small Data à sa disposition, notamment les données transactionnelles telles que le panier moyen et le lieu d’achat - physique ou web - pour :

• comprendre les points bloquants,
• savoir où concentrer ses efforts.

Les prérequis pour une bonne utilisation de vos données sont :

• l’uniformisation de leur collecte,
• leur centralisation sur un outil.

Parmi les plateformes de gestion et d’analyse des données, il y a :

• les Data Management Platforms ou DMP, solutions d’analyse de données pour collecter, réconcilier et unifier les données clients, afin de mener des actions marketing personnalisées ;
• les tableaux de bord générés par :
  • des logiciels de type ERP, marketing, CRM, SIRH,
  • des outils de Business Intelligence (BI), qui se connectent à toutes ces différentes sources de données,

    pour collecter et suivre l’évolution de plusieurs indicateurs de performance (KPI), sélectionnés au préalable selon vos objectifs (hello smart data !).

Mais au-delà de l’analyse de données, ces outils ne permettent pas de faire de prédictions à partir de la data. D’où l’émergence des solutions suivantes.

Le machine learning peut ici s’avérer très utile.

Ce concept repose sur des approches mathématiques et statistiques donnant aux ordinateurs la capacité d’apprendre automatiquement à partir des données collectées, et ainsi résoudre des tâches de façon autonome.

Dans cette optique, MyDataModels a déverrouillé la technologie des algorithmes évolutifs du Big Data pour la rendre exploitable à plus petite échelle.

Même à partir de petits datasets, l’Intelligence Artificielle permet :

• d’extraire de la valeur des données, en transformant vos expertises en données pertinentes et interprétables, simplement et directement par les experts métiers ;
• de produire des modèles prédictifs automatiques pour aider les entreprises à améliorer leur processus.

Résultat : la solution TADA by MyDataModels « fait parler » les Small Data des chercheurs, des experts du corps médical, des industriels, pour les aider à faire des prédictions à partir de modèles d’apprentissages automatiques.

Si vous en avez les moyens, exploiter les deux peut être judicieux.

Le Big Data donne des tendances générales sur votre secteur d’activité, les habitudes de consommation ou les comportements de votre client type, quand le Small Data les met en perspective avec votre expertise, vos données business et votre propre expérience du métier.

En bref, avec le Small Data, l’exploitation des données se fait grâce à la technologie, sans négliger la vision humaine.