L'un des avantages de diriger une entreprise de transformation numérique est de travailler avec des talents incroyables dans l'espace numérique. L'équipe de mon entreprise, Centric Digital, travaille chaque jour dans les tranchées avec nos clients et ils sont à la pointe des dernières tendances dans notre domaine.
valeur nette de Natalie Morales
Ainsi, à la suite de mon récent article sur l'analyse comparative , j'ai demandé à mon équipe de partager comment les tendances actuelles en matière de données peuvent contribuer à la réussite de l'entreprise. Les informations qu'ils ont fournies peuvent aider les dirigeants de toute organisation à envisager de nouvelles façons d'utiliser les données pour améliorer leur activité, économiser de l'argent et même augmenter leurs revenus. Voici ce qu'ils avaient à dire.
Marier les KPI numériques et analogiques
« Une entreprise peut disposer de nombreux outils numériques aujourd'hui et payer beaucoup pour le suivi », explique le stratège en données Asher Feldman. 'Mais vous devez avoir une stratégie pour pouvoir compléter ces données avec des informations du monde réel - vous devez associer des indicateurs de performance clés (KPI) numériques à des indicateurs analogiques pour obtenir une image complète.'
« Une stratégie numérique vise à réimaginer un processus analogique et à le rendre meilleur pour le consommateur. Lorsque vous remplacez ces points de contact analogiques, vous devez toujours faire attention à la version réelle de ce que cela signifie pour votre entreprise. Malheureusement, de nombreuses entreprises rencontrent des problèmes d'attribution, où l'entreprise a du mal à attribuer les données numériques dans le monde réel. Les entreprises intelligentes sont celles qui font le travail sur les points de contact analogiques, en prenant en compte des éléments tels que les scores d'image de marque, la notoriété, les scores de satisfaction, les scores nets des promoteurs, ainsi que la reconnaissance et la popularité générales.
Les Parcs Disney sont une excellente illustration du point d'action d'Asher. Il y a quelques années, Disney World a introduit les MagicBands, un bracelet de type FitBit que les invités Disney peuvent porter à l'intérieur des parcs. Ces bandes suivent les mouvements, peuvent être utilisées aux portes d'entrée, aux stands de restauration et aux kiosques, et permettent aux utilisateurs d'accéder rapidement aux photos de la balade et peuvent même ouvrir la porte de leur chambre d'hôtel. Disney a investi 1 milliard de dollars dans cet outil numérique qui leur fournirait des données précieuses - y compris les enregistrements de transactions, les manèges populaires, le dollar dépensé en moyenne, etc. Mais Disney a réussi à marier les données qu'ils ont collectées auprès de ces groupes et les a utilisées pour améliorer les opérations afin pour accueillir 3 000 visiteurs supplémentaires dans les parcs par jour.
Permettre l'automatisation totale de la collecte et de l'analyse des données
Avec la quantité écrasante et croissante de mégadonnées disponibles aujourd'hui, le besoin d'une automatisation totale pour la collecte et l'analyse est de plus en plus important. De nombreuses entreprises se tournent vers des plates-formes de gestion de données ou d'autres solutions logicielles pour collecter, héberger, trier et analyser les informations d'une manière facile à voir et à comprendre pour les utilisateurs finaux. Ce processus d'automatisation permet de rationaliser l'analyse des données et peut également mettre fin aux silos de données fragmentés dans une organisation.
« L'idée d'automatisation totale est très populaire en ce moment », explique Taylor Wallick, directeur de la stratégie numérique chez Centric Digital. « Les outils numériques d'aujourd'hui peuvent vous permettre de fournir des informations en temps réel à diverses parties prenantes dans l'ensemble d'une organisation sans qu'une seule personne ait à fouiller dans les données et à construire une présentation autour de celles-ci. Au lieu de cela, un cadre peut afficher les chiffres sur un tableau de bord et voir exactement ce qui se passe en temps réel.
Outre les tableaux de bord de visualisation des données et les plates-formes de gestion des données, comme Adobe Audience Manager, une autre illustration intéressante de l'automatisation totale peut être trouvée dans la popularité croissante des interfaces de programmation d'applications (API). Ces systèmes d'outils peuvent être utilisés pour automatiser des applications utilisant des données de plusieurs manières. Cela peut être aussi simple que d'automatiser la communication en fonction des actions d'un utilisateur - comme un message de réponse automatique envoyé à chaque nouvel abonné Twitter - ou aussi complexe que de créer un site Web entier rempli de points de données.
Weather.com et Zillow sont des exemples d'API construites à l'aide d'un ensemble de logiques qui affiche certaines informations en temps réel en accédant à des points de données publics. Ainsi, s'il commence à pleuvoir à Alpine, au Texas, le National Weather Service collectera et publiera ces données, qui seront ensuite transmises à Weather.com. Au fur et à mesure que ces données se déplacent dans la logique du site, le site affichera l'image d'un nuage de pluie à côté des informations de prévision actuelles de cette ville.
Même les petites entreprises utilisent des API sur leurs sites. Ceci est le plus souvent utilisé avec les fabricants ou les distributeurs de la petite entreprise qui fournissent aux petites entreprises des ensembles de données sur les stocks et les prix. Ces données seront ensuite transmises aux sites Web de l'entreprise en temps réel.
Faire des suppositions éclairées
« L'analyse prédictive gagne de plus en plus de terrain », explique Michael Aiello, stratège numérique chez Centric Digital. « Les entreprises utilisent l'exploration de données et des mathématiques complexes pour explorer des quantités massives d'informations et produire des informations sur quelque chose qui pourrait se produire à l'avenir. »
Bien que ce ne soit pas nécessairement une nouvelle tendance, elle devient de plus en plus sophistiquée. En 2012, l'algorithme de Target a réussi à prédire qu'une adolescente était enceinte avant que ses propres parents ne le sachent. Les habitudes d'achat de la fille correspondaient à des tendances similaires que Target avait identifiées comme un comportement présenté par les femmes enceintes. L'entreprise a alors commencé à envoyer aux filles des coupons pour du matériel pour bébé en fonction de ses
prédiction de grossesse.
Aujourd'hui, cependant, il est désormais courant de voir l'analyse prédictive à l'œuvre lorsque nous achetons sur Amazon ou recherchons un film sur Netflix. Amazon propose aux clients des produits supplémentaires basés sur les comportements d'achat prévus, et Netflix a récemment déclaré que près de 80 % des heures de streaming sont le résultat des recommandations de leur algorithme.
Ajout de contexte à vos métriques
Une tendance importante sur laquelle les trois experts se sont mis d'accord est de s'assurer que vos données ont un contexte. Cela vous permet d'éviter la pratique consistant à utiliser des données pour les données. Bien sûr, c'est formidable de savoir que votre application a obtenu trois millions de téléchargements le jour de sa sortie, mais il y a plus que cela. Les utilisateurs ont-ils supprimé l'application le lendemain ? Utilisent-ils l'application de la manière prévue ? L'application augmente-t-elle ou diminue-t-elle la satisfaction du client ? Ce sont les types de questions contextuelles que vous devriez poser autour de toute métrique ou KPI.
Dernier mot
La capacité de collecter des données et de les utiliser pour réussir augmente avec le niveau de maturité numérique d'une entreprise. Plus une entreprise possède de points de contact numériques, plus les informations qu'elle pourra analyser et utiliser seront riches. Pourtant, mise à part la maturité numérique, la première étape pour toute entreprise est de s'assurer qu'elle a d'abord mis en place une stratégie de données. Ce n'est qu'alors qu'ils peuvent évaluer avec précision si les dernières tendances en matière de données auront un sens pour leur entreprise ou seront utilisées d'une manière qui profitera au client.
