Chaque minute, 48 heures de vidéo sont uploadées sur YouTube, 204 millions d’emails sont envoyés, 600 nouveaux sites web sont créés, 600 000 contenus sont partagés sur Facebook, plus de 100 000 tweets sont postés et plus de 2,4 millions de requêtes sont effectuées sur Google.
Dans ce déluge de données qui progresse à rythme exponentiel, il devient de plus en plus difficile d’extraire du sens et des informations utiles en suivant le processus traditionnel : collecte, stockage, traitement puis analyse de la donnée plusieurs jours, semaines ou mois après sa collecte.
D’ailleurs, la Data & Analytics Survey d’IDG explique que 90 % des décideurs trouvent des difficultés dans la chaîne de valeur de la donnée, que ce soit au niveau de la collecte, du stockage, de l’accès, de la migration ou de l’analyse. La Smart Data est une réponse pertinente à cette problématique.
Qu’est-ce que la Smart Data ?
Une fois n’est pas coutume, nous allons vous proposer un patchwork de définitions pour bien saisir cette notion de Smart Data qui se cherche encore (un peu). Il suffit de réaliser une petite revue du web pour s’en convaincre. TechTarget, FedTech, Wired ou encore IDG donnent tous des conceptions différentes mais (globalement) complémentaires. Compilation :
- Pour NetScout, la Smart Data est « une donnée qui a été préparée et organisée au point de collecte pour qu’elle soit prête et optimisée pour une analyse rapide et de grande qualité ».
- Pour FedTech, la Smart Data est une donnée indépendante de tout logiciel, application, périphérique ou réseau mais qui n’en reste pas moins exploitable. Elle se suffit à elle-même, mais elle peut toujours être intégrée dans un ensemble plus large. « Ces données sont imprégnées de contexte, et ce contexte est ajouté au plus près de la source de collecte ».
- La conception de FedTech entre en collision avec celle de Wired, pour qui la Smart Data est le résultat du traitement de données brutes par des algorithmes intelligents. En somme, le média spécialisé dans la tech assimile la Smart Data à l’information produite à partir de données brutes… à la nuance près que ce traitement doit s’effectuer rapidement, voire en temps réel, pour alimenter la prise de décision avant que les données ne deviennent obsolètes.
- TechTarget estime que la Smart Data est d’abord une question de timing. « C’est une information numérique qui a été correctement formatée dès le point de collecte, avant qu’elle ne soit acheminée à la plateforme analytique pour qu’elle soit traitée plus en détail ».
- De son côté, Creamfinance oppose frontalement Big Data et Smart Data. « La Big Data désigne la masse difforme de données qui inondent l’entreprise au quotidien. A l’inverse, la Smart Data est un ensemble de données contenant des informations valides, bien définies et pertinentes qui viennent accélérer le traitement de l’information ».
Si l’on rassemble les pièces du puzzle en faisant abstraction des points contradictoires, on peut définir la Smart Data comme un ensemble de données rationalisées autour du point de collecte :
- Avant la collecte : déterminer les données utiles à la prise de décision
- Pendant : s’assurer que les données saisies sont encadrées par un système de validation en temps réel selon les conditions de conformité définies à l’avance
- Juste après la collecte : première couche de traitement pour plusieurs objectifs. Extraire un premier lot d’informations de la donnée en temps réel (1), faciliter le traitement ultérieur des données (2) et réduire le délai entre la collecte et l’extraction de l’information (3) pour alimenter la prise de décision.
Smart Data : quels sont les enjeux ?
Les volumes de données à collecter posent déjà des problèmes organisationnels et technologiques aux entreprises, même lorsqu’elles disposent d’une équipe chargée de la Data. Et la tendance n’est pas près de faiblir, avec une croissance exponentielle qui se nourrit de la digitalisation des comportements mais aussi de la croissance « démographique ».
Lorsque l’exhaustivité devient compliquée, voire impossible, il s’agira d’injecter de l’ « intelligence » dans le process, en apprivoisant le volume en amont de la collecte, puis au point de collecte. Les enjeux sont énormes :
- Comme nous l’expliquions dans cet article, 65 % des entreprises du B2B devraient achever leur transition d’un modèle décisionnel basé sur le flair et l’intuition à un processus entièrement Data-Driven à l’origine 2026 selon Gartner. Les structures qui n’auront pas construit un cadre efficace pour l’opérationnalisation de la Data d’ici 2024 accuseront un retard de compétitivité d’au moins deux ans
- Selon Nielsen, l’accès aux analytics est « extrêmement difficile » pour 36 % des marketeurs
- Selon Gartner, 57 % des commerciaux et 51 % des marketeurs doivent composer avec des compétences Data largement inférieures à la moyenne.
La donnée intelligemment collectée pourrait lever de nombreuses frictions et favoriser son intégration rapide et pertinente dans le processus décisionnel.
4 étapes cruciales pour migrer vers la Smart Data
- Déterminer les données (réellement) utiles au processus décisionnel, et faire en sorte de ne collecter que ces données. En somme, il s’agira d’adapter la taille des mailles du filet en fonction de ses besoins (et de ses capacités analytiques) : des mailles trop resserrées se traduiront par un déluge de données brutes très chères à traiter, et des mailles trop larges se traduiront par des données incomplètes et difficiles à contextualiser.
- Pour qu’elle soit Smart, la donnée doit d’abord être « propre ». La Data de mauvaise qualité coûte aux entreprises 12 % de leurs revenus (Experian). Garbage In, Garbage Out ! Data Enso a développé des solutions simples et 100 % conformes au RGPD pour assurer la qualité de vos données en préventif et en curatif.
- Retravailler son organisation pour décentraliser l’analyse de données. Avec la Smart Data, la valeur commence à s’accumuler peu après la collecte. Les équipes peuvent donc agir plus vite, sans forcément passer par la case des analytics poussés.
- Ajuster son stack technologique pour tirer profit de la Smart Data sur la durée. Vos outils doivent permettre aux équipes non-initiées (Sales et Marketing) d’extraire une première couche d’informations de la Data dès sa collecte. Ils doivent également être évolutifs pour s’adapter au volume croissant de la Data à collecter