Webinar Base Plus : Piloter et décider autrement avec la Data Visualisation

Base Plus Parc des Forges 13 rue Jacobi Netter 67200 STRASBOURG Tél : 03 88 40 86 50 [email protected] www.base-plus.fr

7 juillet 2015


Piloter et décider autrement avec

la data visualisation


Dominique SIEGWALD

directeur chez Base Plus depuis 13 ans

expert en Connaissance Client depuis plus de 25 ans

Philippe NANOPOULOS

responsable scientifique du Pôle Connaissance Client chez Base Plus

enseignant-chercheur à l’Ecole de Management Strasbourg (Université de

Strasbourg) au sein du Département Marketing


1. Qui sommes nous ?

2. La Data Visualisation : Qu’est-ce que c’est ?

3. Pour qui ?

4. Pourquoi ?

5. Démo

6. Quels apports/bénéfices ?

7. Comment construire son projet de Data Visualisation

8. La data visualisation dans VOTRE DMP

Sommaire


Une SSII de 15 personnes

Un pôle de compétences spécialisé dans les Bases de Données Marketing

Un parti pris : être tiers de confiance

Une garantie : confidentialité et sécurisation des données

Une autonomie : serveurs hébergés, sécurisés, pas de sous-traitance externe

Un label : membre du (Syndicat National de la Communication Directe)

Une assurance : toutes nos procédures sont déposées chez

Un groupe : en 2013, Base Plus a rejoint le Groupe CARTEGIE,

acteur majeur du Marketing Numérique et de la Relation Client

1. Qui sommes-nous ?


2. La data visualisation: qu’est-ce que c’est ?



La Data Visualisation couvre l’ensemble des

techniques d’exploration visuelle & interactive des

données (orientées utilisateur)

««


3. La data visualisation: pour qui ?

Pour toutes les organisations (publiques/privées)

qui génèrent et/ou manipulent un grand nombre de

données.

TOUS LES

SECTEURS

D’ACTIVITÉS

TOUS LES

MÉTIERS DE

L’ORGANISATION


4. La data visualisation: pourquoi ?

SMART DATA BIG

DATAVARIÉTÉ + VOLUMÉTRIE + VÉLOCITÉ

LE CERVEAU HUMAIN

LE DÉCIDEUR

« Une image vaut mieux que mille mots » Confucius


Le quartet d’Anscombe

Propriété Valeur

Moyenne des x 9

Variance des x 10

Moyenne des y 7,5

Variance des y 3,75

Corrélation entre les x et les y 0,816

Équation de la droite de régression linéaire y=3 + 0,5x

x y x y x y x y

10 8,04 10 9,14 10 7,46 8 6,58

8 6,95 8 8,14 8 6,77 8 5,76

13 7,58 13 8,74 13 12,74 8 7,71

9 8,81 9 8,77 9 7,11 8 8,84

11 8,33 11 9,26 11 7,81 8 8,47

14 9,96 14 8,1 14 8,84 8 7,04

6 7,24 6 6,13 6 6,08 8 5,25

4 4,26 4 3,1 4 5,39 19 12,5

12 10,84 12 9,13 12 8,15 8 5,56

7 4,82 7 7,26 7 6,42 8 7,91

5 5,68 5 4,74 5 5,73 8 6,89

I II III IV



5. La data visualisation : LA DEMO

(Exemples générés à partir de données fictives)


6. La data visualisation : pour quels bénéfices ?

AMÉLIORER LE PILOTAGE DE L’ENTREPRISE

Stratégique et Opérationnel

Faciliter, optimiser et accélérer la PRISE DECISION

Décider sur la base d’informations FIABLES - FRAÎCHES - PERTINENTES

DEMOCRATISER l’analytique dans l’entreprise

Faciliter la COMMUNICATION de l’information

Mobilisation des COLLABORATEURS (User Empowerment)


DÉVELOPPER LA CONNAISSANCE CLIENT

Fusion des données OFF LINE et ON LINE

Compréhension globale du PARCOURS CLIENT

Faciliter L’EXPLORATION des données disponibles

Aller AU-DELÁ DES ÉVIDENCES: Le quartet d’Anscombe

6. La data visualisation : pour quels bénéfices ?


7. Comment construire son projet de Data Visualisation ?

Un acteur de VAD classique utilisant l’envoi de catalogues pour recruter et fidéliser a

ouvert le site e-commerce correspondant à son activité il y a 4 ans, il souhaite :

Mesurer l’influence de l’e-commerce sur son activité dans une dimension

multicanale

Mesurer l’évolution des caractéristiques de sa base client suite à l’ouverture

du site

Suivre ces 2 mesures dans le temps de manière sécurisée, fiable,

autonome… et au meilleur coût

1er étape : Définir les objectifsCommencez par un POC



Récupération de toutes les données nécessaires au POC :

Off line : Client Commandes Produits Sollicitations catalogue …

On line : Sollicitations emails Navigation Commandes Internet …

2ème étape : Récolter



Data Quality : données justes Data Append : enrichissements en

âge, csp, socio-demo Variables calculées Segmentation : indicateurs de

performance pertinents …

3ème étape : Traiter



Choix des indicateurs à représenter Choix des représentations graphiques Politique de mises à jour et de gestion des

utilisateurs Mise en ligne

4ème étape : Visualiser



La plus belle des Dataviz ne sert à rien si les données représentées sont erronées

Une data visualisation aboutie ne nécessite aucune intervention humaine après sa mise en œuvre

N’oubliez pas


VOTRE DMP


Merci pour votre attention


Piloter et décider autrement avec la data visualisation

Data & Analytics

Webinar Base Plus : Piloter et décider autrement avec la Data Visualisation