Analyse data science

icone ux design d'expérience utilisateur

L'expertise en analyse de data et data science considère l'analyse de donnée comme une des sources du design stratégique. On parle de métier de data scientist. Il s'agit d'étudier toutes les sources d'informations y compris celles concernant les usagers. Autres compétences de designer UX dans l'expertise métier UX design.

Définition de la data science
Visualiser des exemples de data science
Méthode de l'analyse de data
Ressources autour du webanalytic

Définition de l'analyse de data science

Le métier de l'analyse de données

L'analyse de données ou l'étude des datas sont des expertises qui s'inscrivent dans le contexte des big data et qui consistent à traiter les quantités massives d'informations collectées. La data analyse a pour objectif d'orienter la stratégie d'entreprise ainsi que les décisions stratégiques à prendre en matière de site internet. L'analyse de données est une composante importante de la discipline du design stratégique.

L'analyse de data n'est pas une expertise spécifique à l'industrie digitale. Les métiers du marketing ont toujours eu recours à ce savoir-faire et à cette discipline, notamment pour la réalisation d'étude de marché et de veille stratégique. Même si les métiers du web apportent des nouveautés dans l'approche, on parle bien ici d'une discipline connue qui bénéficie d'un coup de projecteur.

On distingue deux typologies d'analyste de data : les spécialistes de l'analyse de données dédiés à l'amélioration des performances des dispositifs digitaux, et les experts de l'analyse de datas concentrés sur l'orientation de la stratégie d'entreprise (physique). L'un n'exclut pas l'autre, et ces frontières sont uniquement conceptuelles. Il s'agit néanmoins de réalités assez établies. Un analyste de donnée peut malgré tout exercer son art de façon transversale et holistique.

La distinction la plus nette autour de l'analyse de data concerne plutôt la nature des informations étudiées : il faut séparer les analyses portant sur la recherche fondamentale (data science) des études dédiées aux données collectées à travers les dispositifs internet (analyse de data web analytiques). Là-aussi, les deux notions peuvent s'entremêler.

Expertise et analyse web analytic

Le web analytic (notion anglophone) concerne l'étude de toutes les données relatives à l'activité économique et numérique d'un acteur sur le web. Les analyses de web analytiques tendent à s'associer à la stratégie d'entreprise dans la lignée de la business intelligence (la nouvelle formule marketing pour désigner son ancêtre ebusiness).

Les analyses de datas web analytiques concernent :

Trafic et audience.
Performances transactionnelles sur le plan des leads.
Performances commerciales en volume de vente.
Performances économiques en valeur.
Taux de transformation.
Analyse des parcours d'utilisation.
Données liées aux campagnes webmarketing.
Datas rattachées au SEO search engine optimisation.
Données relatives à l'usage et à l'expérience utilisateur.

L'analyse de données issue des solutions de suivi de l'audience est une expertise qui permet d'améliorer, réellement, et notablement, les performances économiques d'un site web. Les actions portent sur l'augmentation du trafic, l'amélioration du trafic dit qualifié, la connaissance de l'audience et de ses habitudes. Les data analyst aussi appelés data scientist synthétisent les données pour extraire les enseignements susceptibles de se traduire par des actions marketing. La data analyse est effectivement un des bras armés du marketing.

Data science et recherche fondamentale

La data science est l'étude des données qui utilise les technologies numériques pour améliorer les capacités de calcul des phénomènes naturels. La data science s'applique à la recherche fondamentale, en physique-chimie, en biologie, géologie, en sciences médicales et s'agrègent globalement autour de toutes les disciplines scientifiques. Y compris les sciences humaines.

Les applications de la data science sont vastes. Tous les secteurs sont concernés, des traditionnelles industries décriées (militaire, pharmaceutique, surveillance) aux domaines du médical, de l'environnement...

La data science s'inscrit dans la mouvance des big data et cherchent à mixer l'analyse statistique, les mathématiques, l'ingénierie, la visualisation de données, les technologies numériques, pour améliorer les connaissances des phénomènes fondamentaux, en science dur comme en sciences humaines, pour déboucher sur des innovations, des avantages concurrentiels, des améliorations de technologie.

La data science est une nouvelle approche pleine de promesses qui se conjuguent aux concepts de machine learning (machine apprenante) et d'intelligence artificielle.

Data analyse et SEO

Pour en revenir à l'analyse de data numériques, dans une optique d'étude et d'amélioration d'un dispositif digital, on ne peut pas évoquer cette discipline sans parler du référencement et du SEO search engine optimisation.

L'étude des données du trafic de recherche est une composante clé de l'analyse de data. L'analyste cherchera à améliorer sa connaissance des territoires sémantiques les plus porteurs en matière de business : outil de planification de mot clé, recherche des expressions clés porteuses de business, étude des données de trafic pour améliorer les attributs SEO du site.

Dans la mesure où le SEO constitue un élément dominant du marketing digital, et que sa maitrise suggère une grande maitrise de l'analyse de données, il apparaît évident que l'expertise va prendre de plus en plus de place dans la stratégie d'entreprise... à l'heure où les moteurs de recherche ont trusté les positions dominantes.

Analyse de data UX design

L'UX design cherche à développer sa connaissance des utilisateurs finaux pour améliorer l'expérience des produits et des services digitaux et l'expérience client en magasin.

Le design d'expérience utilisateur est en passe de devenir une nouvelle dénomination du marketing moderne. Ses méthodologies de recherche utilisateur et de compréhension de l'humain, dans un but fondamentalement économique il ne faut pas se leurrer, sont dépendantes de l'analyse de donnée, notamment pour ce qui concerne la compréhension de la nature même de l'expérience, sur le plan quantitatif.

Les agences spécialisées en UX design et les UX designer les plus visibles agitent le drapeau de la data science comme une ramification de leur discipline. Certains se considèrent d'ailleurs comme data scientist. Peu importe, mais dans les faits, l'analyse de données et la data science constituent des approches transversales sur les plans de la recherche fondamentale et de l'économie d'entreprise... La data analyse tend à devenir le laboratoire officiel du capitalisme moderne, bien au-delà des enjeux du design UX.

Analyses de données quantitatives et qualitatives

Les analyses de datas supposent l'existence de données et d'informations à analyser. Celles-ci peuvent provenir des solutions de tracking internet, des dispositifs de surveillance, de l'analyse des données collectées à l'aide de dispositifs de contrôle. Pour cette sphère de la data-analyse, les analystes procèdent à des analyses dites quantitatives.

Lorsque les données n'existent pas, ce sont les méthodes qualitatives centrées sur le facteur humain qui sont déployées : connaissance client, étude des utilisateurs, recherche marketing. Les entretiens, les focus groupes, les tests, les réunions, les ateliers, sont autant de modus operandi permettant d'entrer en contact avec les publics cibles. Les acteurs au contact des publics (sociologue des usages, ergonomes, ux designer) interrogent le terrain et mènent les investigations qui déboucheront sur des verbatims, des feedback, des inputs. L'analyste de data se base sur ce matériel et ces contributions pour établir des modèles, comprendre les phénomènes mis en jeu, élaborer des recommandations...

Le couplage des approches quantitatives et qualitatives, dans une démarche de data science, et avec l'approche de la business intelligence en toile de fond, tend naturellement vers la création de modèles prédictifs... nouvel eldorado de l'analyse de données.