Presque toutes les actions que nous effectuons au quotidien sont basées sur des données. Lorsque vous conduisez votre voiture sur l'autoroute, vous savez comment changer de voie et effectuer des virages en observant les véhicules et la route qui vous entourent. Lorsque vous achetez une maison, vous ne faites pas une offre aveuglément sans tenir compte de divers facteurs tels que le quartier, l'évolution de la valeur des propriétés, les écoles locales et la nécessité de réparations à venir. Pratiquement tous nos comportements et décisions dans la vie, qu'ils soient grands ou petits, sont basés dans une certaine mesure sur des données, que ces données proviennent d'entrées sensorielles ou d'un processus de recherche et d'analyse plus méthodique.
Les marques ne sont pas différentes des individus à cet égard. Les entreprises prennent très peu de décisions, voire aucune, qui n'impliquent pas la collecte et l'examen de certaines formes de données. Surtout aujourd'hui, alors que les parcours clients sont devenus des processus complexes et étendus couvrant de nombreux canaux, appareils et plateformes, les marques sont inondées de plus de données clients que jamais auparavant.
Et si la collecte de ces données n'est pas une mince affaire, l'étape la plus difficile pour un responsable marketing ou un chef de produit consiste à décider de la meilleure façon d'utiliser les données que vous avez amassées et à déterminer le rôle que ces informations devraient jouer dans la gestion de leur entreprise. Compte tenu du temps que nous passons à réfléchir à la manière de collecter et d'analyser les données de nos jours, il semble presque injuste que les données à elles seules ne soient pas suffisantes pour prendre la bonne décision. Presque toutes les décisions commerciales sont empreintes d'ambiguïtés, et pour qu'un processus de prise de décision soit couronné de succès, les données et l'intuition doivent coexister.
Qu'est-ce que la prise de décision « guidée par les données » ?
La prise de décision basée sur les données fait référence au processus qui consiste à fonder les décisions commerciales, à la fois les politiques internes et l'orientation stratégique générale, uniquement sur des données observables. Cela implique la mise en place de processus interorganisationnels par lesquels les données sont collectées, puis l'extraction de modèles et de significations à utiliser comme base de la prise de décision organisationnelle. Dans tous les cas où des données sont disponibles pour éclairer un plan d'action, elles sont prioritaires par rapport à l'intuition, aux expériences personnelles et aux opinions, car ces informations sont considérées comme une source de biais inhérent et nuisent au bon jugement.
Alors que la prise de décision basée sur les données en tant que concept commercial est antérieure aux technologies connectées à Internet, sa popularité croissante a coïncidé avec l'émergence des « mégadonnées » au début des années 2000. À partir de cette époque, les interactions avec les consommateurs via le courrier électronique, le Web et d'autres points de contact numériques ont commencé à générer des données sur les clients à une échelle sans précédent, et les entreprises ont été submergées par de nouveaux flux d'informations permettant d'éclairer leurs interactions avec leurs clients.
Au fur et à mesure que la quantité de données disponibles augmentait, leur valeur augmentait également dans l'esprit des chefs d'entreprise, qui considéraient les informations quantitatives comme la panacée à tous les problèmes auxquels leurs entreprises étaient confrontées. Bien que chaque organisation dispose de ses propres procédures pour adopter une approche de prise de décision basée sur les données, un processus typique implique généralement les étapes suivantes :
- Expliquez votre objectif :
Quel est le problème commercial que vous essayez de résoudre en collectant ces informations ? Le fait d'être aussi précis que possible dans la définition du problème peut souvent faciliter les étapes ultérieures de ce processus. Par exemple, « L'envoi de notifications push augmentera le nombre de téléchargements d'applications » est trop large et trop vague. Il sera difficile de prouver une corrélation entre les stratégies que vous testez et une simple augmentation ou diminution du nombre de téléchargements d'applications. Un objectif plus spécifique tel que « L'envoi d'une notification push le dimanche augmentera l'adoption de la fonction de chat interne de notre application de 10 % parmi les personnes de Los Angeles âgées de 25 à 33 ans qui ont assisté à plus de trois concerts au cours de l'année écoulée » est beaucoup plus spécifique et réalisable. - Définissez vos sources de données :
Ensuite, vous devez identifier les sources à partir desquelles vous collecterez les données de vos clients, telles que les sites Web de votre entreprise, les applications mobiles, les systèmes de points de vente, les bases de données clients préexistantes, etc. Pour vous assurer que vos données vous donnent une image aussi complète et précise de vos clients, il est préférable de collecter des données à partir d'autant de points de contact différents que possible. - Définir une stratégie de collecte de données :
Il est maintenant temps de déterminer comment vous allez collecter vos données à partir des sources que vous avez identifiées. Quels outils utiliserez-vous pour extraire vos points de données sur différents appareils ? Où iront les données une fois qu'elles auront été collectées ? Dans quelle mesure pouvez-vous affecter des ressources d'ingénierie à la résolution de ces problèmes ? Avec autant d'outils et de solutions disponibles à ajouter à votre pile de données, il convient de réfléchir à la manière dont le fait de disposer d'un hub centralisé dans votre pile de données, tel qu'une plateforme de données client, peut vous aider à résoudre tous ces problèmes, ainsi qu'à d'autres besoins importants tels que la qualité des données, la conformité aux lois sur la réglementation des données, etc. - Reliez les points et analysez vos données :
Maintenant que votre objectif est défini, que votre suivi est mis en œuvre et que vos données proviennent désormais de différentes sources, il est temps d'explorer les informations brutes pour trouver les informations qui vous aideront à prendre les bonnes décisions. Dans la plupart des cas, vous souhaiterez utiliser des outils d'analyse de données pour ce faire. Grâce à une plate-forme de données clients d'infrastructure, il est facile de connecter les données que vous avez collectées au bon outil pour générer des informations, que vous effectuiez des tests A/B, que vous examiniez des modèles d'attribution ou que vous examiniez des analyses utilisateur. - Agir et évaluer les résultats :
Les données brutes étant désormais à portée de main, vous pouvez prendre des décisions concernant votre produit, votre message ou tout autre élément qui vous a initialement amené à collecter ces informations. Une fois que vous avez mis en œuvre votre décision, il est toutefois essentiel que vous effectuiez une analyse de suivi pour voir si vous avez obtenu les résultats souhaités. Si ce n'est pas le cas, vous devez vous poser des questions telles que : Avons-nous mesuré les bonnes variables et collecté les bonnes données ? Y a-t-il eu un problème de qualité des données que nous avons collectées ? Comment allons-nous modifier ce processus pour garantir un résultat plus positif à l'avenir ?
Quels sont les pièges d'une approche axée sur les données ?
L'utilisation de faits observables comme base de la prise de décision de votre entreprise est la pierre angulaire de toute stratégie solide. Bien qu'il soit toujours judicieux de placer les données au cœur de chaque décision que vous prenez, les données doivent toujours être comprises dans le contexte du problème que vous essayez de résoudre. En outre, il existe plusieurs pièges auxquels il est facile de succomber lorsque seuls des faits bruts et des chiffres déterminent vos décisions et que l'intuition humaine est mise de côté.
Les approches les plus efficaces en matière de prise de décision allient souvent intuition humaine et données. Il y a de nombreux avantages à tirer parti lorsque les équipes reconnaissent l'importance de tirer parti de leurs expériences, de leurs opinions et de leur « intuition » pour déterminer la bonne ligne de conduite. D'une part, le cerveau humain a accès à toute une vie d'expériences et d'observations connexes sur le comportement humain, ce qui constitue un ensemble de données beaucoup plus nuancé que n'importe quel modèle analytique ne pourra jamais traiter. C'est pourquoi les êtres humains sont plus aptes à synthétiser des informations tangentielles, à anticiper les anomalies et les valeurs aberrantes, et à proposer des solutions et des solutions créatives qui échappent souvent aux modèles de données. Les points de données empiriques, aussi fiables soient-ils, ne reflètent que l'ensemble fini d'entrées utilisées pour les générer. Trouver le juste équilibre entre intuition et données est toutefois plus facile à dire qu'à faire. Une technique utile pour y parvenir est de garder à l'esprit les pièges courants liés à la prise de décisions uniquement sur la base de données.
L'un des pièges les plus courants consiste à confondre corrélation et causalité. Le fait qu'un changement de la variable A se produise en même temps que le résultat B ne signifie pas que la variable A a provoqué le résultat B. Par exemple, considérez le scénario suivant. Une entreprise de livraison d'épicerie déploie une nouvelle mise en page sur la page d'accueil de son site Web, puis constate immédiatement une augmentation du nombre de clients qui s'inscrivent à son service. L'équipe marketing de l'entreprise suppose que la nouvelle mise en page est à l'origine de cette augmentation, étant donné que la nouvelle page d'accueil comporte l'appel à l'action « Inscrivez-vous maintenant pour bénéficier de la livraison gratuite ! » dans un texte bien visible. <button>En fait, cependant, les inscriptions sont en fait le résultat d'une augmentation du trafic des moteurs de recherche plutôt que d'un changement de comportement sur le site, puisque le texte du CTA se trouve désormais dans une <h1>balise plutôt que dans un. Cela a permis à la page Web d'être mieux classée dans les recherches pour »livraison de courses gratuite», et une augmentation du nombre de clients très intentionnés visitant le site Web.
En attribuant à tort la cause de son succès à un changement de mise en page, cette société est susceptible de fonder ses futures décisions en matière de conception Web sur l'hypothèse erronée selon laquelle un texte plus visible stimule les ventes. De plus, en passant à côté des informations réelles acquises lors de leur test, ils risquent de manquer une opportunité d'optimiser leur référencement. Pour éviter l'écueil du simple suivi des données, les équipes doivent toujours se demander si elles ont réellement testé toutes les variables susceptibles de contribuer au résultat observé. Dans le cas contraire, des recherches plus approfondies et une collecte de données sont nécessaires.
Un autre résultat inattendu des stratégies trop rigides fondées sur les données est qu'elles ont tendance à freiner la pensée créative et, ironiquement, à limiter le potentiel de croissance. Les innovations de produits les plus révolutionnaires de ces dernières années qui ont transformé notre mode de vie (iPhone, streaming vidéo et réseaux sociaux, pour n'en nommer que quelques-unes) ont toutes commencé comme des idées sans précédent ni données attestant de leur potentiel de succès. Si votre équipe tient à ce que le succès futur soit une référence absolue avant de donner le feu vert à une idée ou de lancer un produit, l'ampleur du succès futur ne dépassera jamais celle du passé. Bien entendu, prendre des risques inutiles n'est pas toujours une bonne idée, et le pire scénario de prise de risque ne devrait jamais avoir de conséquences ingérables. Néanmoins, pour repousser les limites et connaître une véritable croissance, il faut souvent mettre les données de côté pendant un moment.
La prise de décision fondée sur les données combine le meilleur des deux mondes
La prise de décision basée sur les données en tant que stratégie peut aider les équipes à éviter ces inconvénients et d'autres inconvénients potentiels liés au fait de laisser les données guider leur cours. Comme cet article paru dans Revue des affaires de Harvard atteste que les organisations prospères encouragent des niveaux élevés de data literacy afin de tirer parti à la fois des connaissances fondées sur les données et de l'intuition et de la créativité que seule l'expérience humaine peut apporter.
.jpg)
.jpeg)
