Quatre étapes pour comprendre le datamining et ses enjeux

A l’ère du digital, de multiples buzzwords et anglicismes ont envahi le web et donnent parfois l’impression d’être légèrement à la masse. Un bon exemple : le « data mining », ce terme barbare qui désigne pourtant une pratique pas si nouvelle.

Essayons d’y voir plus clair en quatre étapes.  

1/ Qu’est-ce que le data mining ?

Le data mining ou encore « exploration de données » en français, désigne le fait de traiter une multitude de données complexes afin d’en tirer des informations utiles. En entreprise notamment, le data mining est une pratique précieuse qui permet d’augmenter le retour sur investissement en étudiant les données des consommateurs ou potentiels clients.
Concrètement, le data mining traite donc  une masse volumineuse de données. A l’aide d’algorithmes extrêmement sophistiqués, on détermine des associations ou corrélations entre toutes ces informations.

2/ Comment le data mining influence-t-il les entreprises ?

Il semble donc assez logique que de nombreuses entreprises aient recours à cette discipline pour optimiser leur ROI. Le data mining est surtout utile :

  • pour la compréhension des comportements consommateurs en marketing. Prenons l’exemple d’un commerçant souhaitant maximiser ses ventes grâce au data mining. Dans son cas, cela consistera à collecter un maximum de données clients, afin de les croiser et d’en tirer des apprentissages à différents niveaux. Il pourra par exemple se rendre compte que les clients qui habitent le plus près du magasin sont ceux qui dépensent le plus, et ainsi adapter sa stratégie commerciale en fonction de ces habitudes de consommation.
  • pour optimiser la communication auprès des cibles marketing, grâce à la segmentation des différents consommateurs. On "mine" ainsi des données clients pour les regrouper en clusters. Ces clusters sont en fait des groupes identifiant des segments de marché ou affinités clients.
  • anticiper des tendances futures grâce à des analyses de données prédictives. Le data mining permet de repérer des patterns capables de prédire des comportements futurs.

A noter que le data mining peut être élargi à d'autres domaines que le marketing. Il est aussi largement utilisé en ressources humaines, notamment pour le recrutement.

Etudier des données pour en tirer des informations : une pratique pas si nouvelle, vous dites-vous. Mais alors, pourquoi parle-t-on autant du data mining ces derniers temps ?

3/ Pourquoi le data mining fait-il le buzz aujourd'hui ?

Si l’on parle du data mining aujourd’hui, ce n’est pas forcément en bons termes. On questionne en effet de plus en plus les considérations éthiques qui y sont liées, en termes de confidentialité voire de manipulation de ces données dans des buts politiques. En témoigne le récent scandale du Cambridge Analytica, révélant que les données Facebook de millions d’utilisateurs américains avaient été utilisées de manière à orienter les votes en faveur de Trump.

4/ Vers des applications positives du data mining

Si le data mining ne va pas sans susciter des interrogations, cette pratique peut aussi bénéficier à la société. Comme en témoigne le projet de Paul Duan, fondateur de Bayes Impact, toutes les données collectées peuvent aussi être traitées de manière à en tirer un réel bénéfice social. Les data scientists de Bayes Impact ont ainsi conçu des algorithmes traitant les données de millions d’utilisateurs pour les aider à trouver un emploi. Une autre opportunité du data mining : traiter les données de géolocalisation des véhicules pour permettre aux ambulances d’arriver plus vite sur les lieux d’un accident. 

Le véritable enjeu du data mining sera donc éthique.  La question sera de savoir l’usage que les entreprises doivent avoir de l’exploration de nos données : un outil business, ou une avancée au service du consommateur ?

 

Team 3 - Charline Goret

Leave a Comment