Mon compte Je m'abonne
logo Fiches pratiques

Quelles sont les étapes d'un projet DATA à identifier : Etude (PIA) Consentement/ Collecte / Stockage / Activation / Analytique ?

Publié par D B i le | Mis à jour le
Quelles sont les étapes d'un projet DATA à identifier : Etude (PIA) Consentement/ Collecte / Stockage / Activation / Analytique ?

Les projets data se développent et avec l'expertise acquise, il est maintenant plus simple de mener à bien la réalisation de ces projets à travers quatre étapes.

QUELLES SONT LES DIFFERENTES ETAPES A IDENTIFIER DANS UN PROJET DATA : ETUDE ( PIA) CONSENTEMENT/ COLLECTE / STOCKAGE / ACTIVATION / ANALYTIQUE ?

Depuis une dizaine d'années, les projets data se multiplient et au fil du temps nous avons pu développer une expertise qui nous permet à la fois d'assurer la construction de ces projets et d'anticiper les écueils qui pourraient être source d'échec.

Dans tout projet data, il y a quatre étapes essentielles qui s'alimentent perpétuellement le long du process.

1. Alignement économique

Avant de se lancer dans un projet data, il faut impérativement en évaluer les bénéfices économiques à court, moyen et long terme. Ensuite, il faut définir et prioriser les cas d'usage en termes de moyens humains, technologiques et data selon leur complexité et les bénéfices escomptés. Notre recommandation est de procéder par étapes successives : commencer par les plus simples et rapides à mettre en place, et avancer progressivement sur les cas les plus pointus.

2. Les facteurs clés de succès

Que l'on parle de projet data ou pas, l'organisation et les compétences sont clés. Même s'il est possible de faire appel à des agences tiers. Pour déployer un projet data, il est indispensable de disposer au moins de ''soft skills''. En data, qu'est-ce que cela veut dire ? Cela signifie de comprendre et d'appréhender le potentiel de la data. Il convient également d'avoir un chef de projet identifié capable de mener à bien le projet en prenant les décisions nécessaires à l'atteinte des objectifs fixés. Enfin, il est capital de s'entourer de spécialistes pour être au fait des avancées technologiques, réglementaires ou encore plus simplement en termes de métier. Les progrès de vos concurrents stimuleront les vôtres, les progrès de vos partenaires seront autant d'opportunités d'avancer. Et que dire de vos propres progrès !

3. Orchestrer votre projet

La collecte : ce n'est pas nouveau mais tout projet data démarre avec de la data granulaire, individuelle ou agrégée. Pour la collecter, il faut impérativement respecter les impératifs réglementaires (dont le RGPD). Certains s'inquiètent d'avoir moins de data disponible à l'achat, or c'est un faux problème : il est préférable de collecter des données consenties. Moins de data certes, mais des data de qualité !- Segmenter : un projet data est une extension de son activité marketing et plus précisément de sa segmentation client. Il doit s'y accorder et aussi l'enrichir. Dans un monde où 77% des marques pourraient disparaître dans l'indifférence générale (Etude Meaningful Brands Havas Group 2019), qu'est ce qui a plus de valeur que la connaissance client ?- Activer : il est nécessaire et indispensable de coordonner l'ensemble de ses actions marketing pour une meilleure efficacité.

4. Mesurer et chercher la rentabilité

Il faut mesurer la contribution du projet sur la totalité de la chaîne de valeur :

- A court terme, ces use case peuvent être mesurés sur des A/B tests.

- A moyen terme et à long terme, il faut mesurer la contribution totale cross-levier du projet.


Auteur : DBi, pure player de l'intelligence data et business d'Havas Group, membre de l'UDECAM