CMO LEADERS

Data & IT : les tendances à suivre pour 2023

7 min
CMO LEADERS
temps de visionnage :
7 min

Data & IT : les tendances à suivre pour 2023

Ecouter cet article
Partager cet article
No items found.
No items found.
No items found.
En partenariat avec
Mettre en place une véritable gouvernance des données à travers les métiers, préserver leur qualité tout au long de leur cycle de vie, acculturer ses dirigeants et ses équipes… Ce sont aujourd’hui autant de nécessités pour les entreprises. Celles-ci trouvent de multiples emplois pour le small data, allant du ciblage au reporting RSE, en passant par l’optimisation de la prise de décisions. À quelques jours du RETAIL & E-COMMERCE Forum & Meetings, tour d'horizon des tendances.

Nouveau call-to-action

Dans un contexte inflationniste, il faut pouvoir faire la différence face à la concurrence, qu'il s'agisse de la connaissance du client, de la gestion des données d'achat des médias, de la gestion de la relation client, des données du service clientèle ou des données de fabrication et de logistique. On l’aura compris, la data est sans nul doute un élément stratégique qui peut aider à la prise de décisions plus rapidement que les concurrents d’un même marché. De fait, les algorithmes d'IA et d'apprentissage automatique sont de plus en plus utilisés pour traiter et analyser les données à grande échelle.

Les analystes du HUB Institute ont identifié 5 tendances data & AI à suivre en 2023 :

  • La data literacy : l'interprétation, la visualisation et l'analyse statistique, ainsi que la compréhension des sources de données, de la qualité des ces dernières et de leur éthique deviennent de plus en plus importantes à l'ère numérique.
  • L’omnicanalité & l’adaptation du SI : les marques doivent être en mesure d’accompagner les clients d’un bout à l’autre de leur expérience, afin de répondre au mieux à leur demande.
  • Connaître son client par la data : la collecte de données aide les marques à mieux comprendre le public cible, ses besoins et ses désirs, et ce qui le pousse à faire un achat.
  • Mettre en scène la donnée avec le data visualization reporting : présenter la data de manière claire et concise permet aux organisations de transformer des données brutes en informations exploitables, ce qui favorise la prise de décisions éclairée.
  • Recueillir la data logistique : renforcer sa chaîne de logistique grâce à la data permet plus de fiabilité, de transparence et de satisfaction client.

Retrouvez ici une sélection d’entreprises qui s’approprient ces enjeux grâce au pouvoir du small et big data.

User de la data pour faire grimper ses chiffres

Le Groupe Bel en est un exemple : son vaste portefeuille d'activités, qui plus est sur un marché comme celui de l’agro-alimentaire, rend l’allocation des ressources marketing difficile. Afin d'optimiser celle-ci et de mieux faire le lien entre les pays, les marques et les points de contact, Bel a développé des approches disruptives soutenues par des données et des modèles prédictifs.

Dans le cadre de son programme de transformation data, le groupe a eu recours à un algorithme développé en interne et 60 sources de données. En plus de permettre une plus grande agilité dans la prise de décision, ce modèle a responsabilisé les équipes. “Comprendre le vrai problème, faire expérimenter par les équipes pour qu’elles s’approprient et sachent faire, c’est tout l’enjeu des programmes que nous développons chez Bel”, explique Béatrice Grenade, Chief Data and Marketing Transformation Officer.

Implémenter une culture data dans son entreprise

La data literacy est un bon indicateur de la culture data d’une entreprise : le top management et les employés doivent être formés pour devenir datalphabétisés. Selon une étude Qlik, seuls 11% des employés dans le monde se disent totalement confiants en leurs compétences en matière de données, alors que 85% des dirigeants jugent que cette capacité sera à l'avenir aussi essentielle que l'est aujourd'hui la capacité à utiliser un ordinateur.

Pour maintenir l'implication des équipes dans l'utilisation des données et de l'IA, il est aussi clé de leur fournir des aperçus pertinents et dignes de confiance. Dans le cadre de sa stratégie data, LVMH travaille à réduire les biais analytiques dans la mesure des données et les cas d'utilisation de l'IA.

La Banque Postale fait elle aussi face à des enjeux de formation, de conduite du changement et d'acculturation humaine. Le groupe place la data au cœur de son plan stratégique axé sur les 3C (Client, Collaborateur, Citoyen) en capitalisant sur 3 leviers, les 3D (Diversification, Digitalisation, Différenciation). Comme elle, beaucoup d’entreprises font le pari de développer leur culture data en incluant toutes les parties prenantes.

L’ère du big data dans la supply chain

La data logistique offre un véritable potentiel de traçabilité, et d’optimisation en temps réel. L’intelligence artificielle et les nouvelles technologies peuvent améliorer la supply chain en permettant une meilleure visibilité et collaboration entre les différents acteurs. Elle assure la qualité, l'intégrité et la sécurité des données utilisées dans les processus de la chaîne d'approvisionnement, ce qui peut aider à prendre des décisions plus rapides et plus précises. De plus, elle peut faciliter la conformité réglementaire et la gestion des risques liés à la chaîne d'approvisionnement.

Avec un chiffre d'affaires prévisionnel de 34 milliards de dollars US en 2022, Sonepar occupe désormais la première place mondiale de la distribution de matériel électrique en B2B. Afin de répondre aux commandes des clients, tout en poursuivant son objectif de réduction de ses émissions de carbone, l’entreprise a investi plus de 2 milliards de dollars dans la modernisation de supply chain, et 1 milliard de dollars US dans sa plateforme digitale omnicanale.

Les avantages d’un investissement en cross-canal

Pourquoi miser sur l'omnicanalité ? Alors que les consommateurs recherchent en ligne, achètent en ligne, récupèrent en magasin… Les marques doivent s’adapter et parvenir à collecter des données sur l’ensemble du parcours client, en ligne en magasin ou sur les réseaux sociaux.

"Notre objectif est de devenir le premier distributeur électrique B2B mondial à offrir une expérience omnicanale entièrement numérisée et synchronisée à tous les clients", explique le PDG Philippe Delpech. Pour y parvenir, Sonepar a donc commencé à digitaliser les processus internes, la gestion des stocks et les entrepôts – un moyen, entre autres, de prévenir de tomber en rupture. 

D’autres entreprises se tournent vers l’IA pour optimiser leur supply chain, lancer de nouveaux produits, optimiser la tarification, et prévoir la demande ; une vision précise permet d’améliorer le service lié à la vente initiale d’un produit sans augmenter les coûts. Une tendance se développe autour de l’IA : l’obtention de métriques en temps réel. Générer des graphiques aussi précis que possible afin de contrôler ce qui se passe dans une entreprise et agir en conséquence est devenu indispensable.

Exploiter la data client en prenant les précautions nécessaires

La confidentialité des utilisateurs passe bien sûr par un formulaire de consentement, mais aussi une minimisation des données collectées, la mise en place d’un centre de référence, et le droit à l’oubli. Selon une récente étude Adobe sur la confiance, 77% des sondés sont inquiets quant à l’usage qui est fait de leurs données.

En parallèle, 50% des consommateurs Français disent qu’ils n’achèteront plus sur un site s’ils n’ont pas eu une expérience personnalisée. Une Customer Data Platform (CDP) qui combine les données clients sur tous les canaux pour offrir l'expérience la plus pertinente en temps réel, tout en plaçant la permission et la gouvernance des données au cœur, est un exemple de solution sur laquelle une entreprise doit s'appuyer pour résoudre ces problèmes.

Une plateforme de données clients permet de gérer comme il se doit un volume croissant de données client. C’est un moyen de bien connaître ses clients, et de personnaliser les contenus et les expériences. Ce sujet irrigue aussi le PMU : les données permettent aux équipes de comprendre comment les parieurs se décident. "Betsafe" est un modèle algorithmique conçu par l’équipe data de l’entreprise afin de détecter des comportements de jeu potentiellement problématiques.

Aujourd’hui, il est utilisé pour accompagner en continu la pratique des clients – si la data doit être sécurisée, elle peut aussi être employée pour sécuriser l’expérience utilisateur.

Nouveau call-to-action

Newsletters du HUB Institute