L’essor des stratégies data a permis aux entreprises de réaliser la valeur qu’elles peuvent tirer du déluge de données auxquelles elles sont soumises ou qu’elles produisent quotidiennement. Rassembler, filtrer, mettre en relation et organiser les données dont elles disposent pour en extraire des informations est désormais possible grâce à de nouveaux outils, technologies, méthodologies et langages. Pourtant, les entreprises croulent sous une masse d’informations, dans la plupart des cas incompréhensibles. Pour résoudre ce problème lié au « Big Data », certaines stratégies s’axent désormais sur ce que nous pouvons appeler le « Small Data » ou « micro-données ». Mais de quoi parle-t-on ?

Courte définition du Small Data

Les micro-données (ou Small Data) sont un ensemble de données dont le volume et le format rendent ces dernières accessibles, informatives et exploitables.

L’objectif du Small Data est de rendre le Big Data compréhensible, de connecter, d’organiser et de préparer les données afin qu’elles soient disponibles pour tous les membres de l’organisation, faciles à traiter au quotidien et liées aux tâches à effectuer.

Une lecture différente des données donc, permettant de mieux identifier les indicateurs clés de performance et d’obtenir des informations plus réalistes et adaptées pour atteindre les objectifs que vous souhaitez vous fixer.

Pourquoi devriez-vous vous intéresser au Small Data ?

Maintenant que vous avez une idée de ce qu’est le Small Data et, surtout, en quoi il diffère du Big Data, voici quelques raisons qui peuvent permettre de mieux comprendre l’intérêt des micro-données :

Le Big Data demande des compétences particulières et complexes.

L’analyse de données Big Data nécessite des technologies et des profils spécifiques, qui sont en mesure de lire des milliers de données, en utilisant des algorithmes et des modèles mathématiques difficiles à comprendre pour certains corps de métier. Si vous ajoutez à cela le fait que la plupart des spécialistes du marketing, par exemple, n’ont besoin que d’une très petite partie de ces données pour savoir comment orienter leurs campagnes, ou qu’ils n’ont pas besoin de toutes ces informations pour offrir des expériences personnalisées à leurs clients, cela rend Small Data plus logique.

Le Small Data améliore le retour sur investissement.

L’investissement initial dans des stratégies de micro-données par rapport au retour que celles-ci peuvent vous apporter est minime. En effet, par rapport à des technologies et des infrastructures Big Data, les stratégies Small Data demandent de l’intelligence humaine mais assez peu de capacité matérielle. En ce sens, les micro-données contribuent à améliorer le ROI.

L’analyse des micro-données est plus simple car elles gravitent autour de nous.

C’est le cas par exemple des données sociales que nous pouvons collecter via les réseaux sociaux. Ces données peuvent être rapidement collectées, pour vous aider à prendre des décisions ou vous accompagner vers des décisions stratégiques. En ce sens, le Small Data nous encourage à trouver plus facilement les informations nécessaires pour mettre en place des campagnes davantage personnalisées en fonction des goûts et des besoins de vos cibles.

Le Small Data permet d’interagir avec votre client sur la base de données utiles et concrètes.

Le marketing basé sur les micro-données est une révolution car les entreprises peuvent interagir avec leurs clients de manière personnalisée et fonder leurs décisions sur des données plutôt que sur des hypothèses.

La simplicité est le maître mot

Le Small Data consiste à simplifier les données, en n’analysant que les données appropriées pour obtenir les conclusions qui vous intéressent pour votre entreprise. Ni plus ni moins. Logiquement, dans de nombreux cas, le Small Data commencera par le Big Data, à partir duquel il faudra exclure toutes les informations qui pourraient nous gêner, ne nous occupant que de ce qui clarifie le contexte de ce que nous voulons mesurer. Dans le Small Data, less is more.

Opposer Big Data et Small Data, une mauvaise idée ?

On pourrait comparer la différence entre Big Data et Small Data à celle, plus classique, entre analyse quantitative et qualitative. La première donne une image générale du domaine examiné, tandis que la seconde peut continuer à donner des interprétations aux données recueillies de manière impersonnelle.

L’analyse quantitative s’effectue à l’aide de questionnaires ou d’outils d’enquête automatisés, tandis que l’analyse qualitative s’effectue au moyen d’entretiens, plus ou moins approfondis, peut-être coûteux, mais certainement utiles pour dégager le champ des interprétations possibles des données recueillies.

Il n’y a donc pas vraiment de choix à faire entre Big Data et Small Data, l’idée étant plutôt de tirer parti des deux, par étapes successives : procéder à une première collecte et analyse de Big Data pour filtrer et traiter les informations, puis procéder à une seconde analyse approfondie à travers une stratégie de Small Data.

—

Pour aller plus loin, nous vous recommandons la lecture du livre « Small Data : The Tiny Clues that Uncover Huge Trends » par Martin Lindstrom (2016).