Les outils du data marketing

Introduction

Dans ce deuxième chapitre, nous allons rentrer dans le concret de l’utilisation des data à des fins marketing en abordant les outils de la data. Nous commencerons par la présentation de deux outils qui permettent de structurer et analyser ses données : Excel et R. Ces deux outils seront repris dans les chapitres suivants pour présenter les analyses qui peuvent être menées en data marketing.

Pourquoi avons-nous choisi ces deux outils ? Excel, tout d’abord, présente l’intérêt d’être un outil largement déployé dans les entreprises ou dans les organisations en général (structures publiques, associatives, etc.). Il offre déjà à lui seul de nombreuses possibilités d’analyses, en particulier en statistiques descriptives. L’analyse de données ne doit pas être freinée par une crainte de la complexité des outils. Excel étant un outil familier, chacun pourra commencer à analyser des données avec cet outil.

Le deuxième outil que nous avons retenu est le logiciel R, bien connu des statisticiens, mais moins familier dans le monde du marketing. R est un logiciel ouvert, libre et extrêmement performant. Cela en fait un outil idéal pour tous ceux qui veulent commencer à analyser des données. Toutefois, un reproche lui est souvent...

Structurer et analyser ses données

Excel : usages et fonctionnalités

Pour les professionnels du marketing débutant dans le pilotage par la data, Excel est souvent le premier outil envisagé et employé. Il présente en effet l’avantage d’être un outil largement utilisé dans les entreprises et les organisations et, à ce titre, il peut être pratique de commencer avec lui le travail de structuration et d’analyse des données.

Toutefois, force est de constater qu’Excel est bien souvent utilisé en deçà de ses capacités réelles. Nous aborderons ici quelques manipulations de base qui vous permettront de suivre dans les chapitres suivants les analyses présentées. Nous présenterons également quelques astuces pouvant faciliter l’utilisation du tableur Excel.

Pour bien comprendre la suite, gardez à l’esprit qu’une base de données comprend en lignes les observations (clients, produits, distributeurs, etc.) et en colonnes les variables. Pour plus de détails sur la construction d’une base de données, vous pouvez vous référer au chapitre Auditer son système marketing.

Visualiser rapidement la moyenne, le nombre et la somme d’une variable

Excel propose la visualisation rapide de la moyenne, du nombre d’observations et de la somme d’une variable. Pour cela, il vous suffit de sélectionner la colonne qui vous intéresse en cliquant sur sa « lettre » en haut de colonne. Les trois données apparaîtront alors automatiquement sur la barre d’état de la fenêtre comme sur l’image ci-dessous.

Vous pouvez retrouver les données de cet exemple dans le classeur Hotel.xlsx.

Ainsi, nous pouvons visualiser rapidement qu’en moyenne les clients réservent 4,745 nuits par séjour et que 949 nuitées ont été réservées au cours de la période. Attention toutefois, pour le nombre (Nb), il compte le nombre de cellules non vides et inclut donc la cellule d’en-tête (E1 : nombre de nuits), il faut donc penser à soustraire 1. Le fichier présente donc 200 réservations.

Filtrer les données

Le filtre des données permet de limiter la vue d’un fichier à...

Gérer les big data

Dans cette section, nous présenterons succinctement les outils du big data. Elle n’a pas pour but de transformer le lecteur en expert Big Data, mais plutôt de le familiariser avec cet univers afin de faciliter les échanges qu’il pourra avoir avec la DSI de son entreprise ou avec des prestataires externes.

Même si le terme « Big Data » n’a pas de définition unique, rappelons que l’on parle de big data lorsqu’il y a un grand volume de données, variées et circulant vélocement. On parle également de Big Data lorsque les données ne peuvent plus être gérées de manière efficiente au sein d’une base localisée sur un seul serveur et nécessitent donc la distribution du traitement et du stockage sur de nombreux nœuds. En somme, si vos données tiennent dans un fichier Excel, aussi grand soit-il, elles ne relèvent pas du big data.

Bien qu’il y ait un effet de mode sur les big data, la majorité des entreprises peut être (et encore aujourd’hui) pilotée sans big data. Les départements marketing des entreprises (grandes et petites) disposent déjà de nombreuses données sous-exploitées à « faire parler » avant de s’engager dans la collecte de big data. Au-delà de l’effet de mode, collecter, stocker et analyser des big data nécessitent des investissements tant humains que financiers et doivent donc répondre à une stratégie bien définie en amont.

Car, en effet, les big data requièrent des outils spécifiques dont l’objectif est principalement d’optimiser les temps de traitement de ces données massives.