Les défis du content analytics

Tandis que les progrès technologiques ont fait exploser la quantité de données recueillies à chaque instant, l’enjeu majeur pour toute entreprise est la gestion et l’optimisation de ces informations à grande échelle. C’est dans ce cadre que le content analytics (analyse de contenus) offre des approches puissantes. Elle ouvre l’espace à de nouvelles opportunités, notamment économiques, en termes d’analyse et d’exploitation des données.

Informatique décisionnelle (Business Intelligence) et Content Analytics

Piloter efficacement une organisation ou une entreprise nécessite de disposer d’informations pour identifier les problèmes, repérer les opportunités, anticiper les tendances, connaître les évolutions fines du marché, etc. L’informatique décisionnelle fournit une partie de ces informations, celle basée sur des données structurées.

Mais à l’intérieur et à l’extérieur de l’entreprise les volumes d’information explosent. Notamment sous la forme de contenus non-structurés et semi-structurés, c’est-à-dire des formulaires, des emails, des mémos, des avis clients, des commentaires prospects après tests, des réclamations, des posts sur les médias sociaux… Et c’est le Content analytics qui va permettre d’analyser et exploiter ces contenus non structurés.

Le Content analytics complète donc l’informatique décisionnelle pour mettre à disposition du décideur l’ensemble du contexte de l’activité.

Les réseaux sociaux : un nouveau type de contenu à gérer

Les interactions entre les individus sont en effet devenues une source majeure de données électroniques grâce à la tendance des utilisateurs à partager sur les réseaux sociaux. Ces millions d’interactions générées chaque jour laissent une trace numérique qui est publiée et stockée. Mais quelles que soient la quantité et la qualité des données accessibles à une entreprise, l’information n’a que peu de valeur sans un véritable traitement analytique. Pour exploiter et identifier la façon dont le contenu de ces interactions peut affecter l’entreprise, les outils analytiques entrent en action. Ils permettent de percevoir des schémas cachés, de nouvelles corrélations, des signes avant-coureurs à partir de la subtilité des mots contenus dans les données non structurées et des signaux faibles. Une solution technique d’analyse de contenus va permettre par exemple :

• D’identifier les auteurs et sources des conversations ;
• D’organiser les contenus selon le sujet abordé ;
• D’associer un sentiment ou une opinion à un commentaire.

Objectif : comprendre les interactions sociales, les comportements, l’environnement et guider les décideurs dans leurs actions.

Les 4V du Big Data

L’objectif du Big Data est de traiter un gros volume d’informations pour détecter le plus rapidement possible les schémas et tendances qui échappent aux outils classiques de gestion de base de données.

Cette masse de données se caractérise par :

• Son Volume bien sûr
• Sa Variété : la diversité des données (non structurées, semi-structurées ou structurées, externes ou internes), les sources dont elles proviennent, (smartphones, capteurs, tablettes, médias sociaux, objets connectés, fichiers multimédia, textes non structurés etc.), leur diversité d’organisation et l’hétérogénéité des critères (métadonnées) les qualifiant.
• Sa Vélocité car elles sont générées sur un temps court, ce qui nécessite de les collecter et analyser en temps réel, afin d’en tirer le maximum de valeur
• Sa Valeur qui sera extraite de ce matériau brut qu’est la donnée collectée en analysant ces informations non structurées

Sources : Michael Stonebraker & Alex Popescu.

Volonté d’accroître la performance opérationnelle et la connaissance clients, nécessité de se conformer à un cadre réglementaire exigeant et d’appréhender les nouvelles configurations liées aux marchés mondialisés, ce sont toutes ces motivations et bien d’autres qui amènent les entreprises à se pencher sur les sujets Big Data & Analytics. Et tous les métiers de l’organisation sont impactés par ces enjeux de transformation…