Analyse de datas

Comprendre et donner du sens aux données

L'analyse de datas consiste à faire émerger les informations clés issues de l'agrégations de grandes bases de données. Ce travail de data analyse gagne en importance à la mesure de la croissance du phénomène de big data. Face à la collecte des données utilisateurs orchestrés par les acteurs économiques, les instutions cherchent à réguler l'utilisation des données. De l'autre coté, les datas scientist analysent toutes les données pour les faire converger au sein de plateformes toujours plus prédatrices. La data analyse est nécessairement liée à des problématiques d'éthique et d'intelligence économique...

L'analyse de data, comme son nom l'indique, consiste à travailler sur les données, et dans notre cas, sur des données liées à un dispositif digital. Analyse de données, croisement des informations, recoupement des statistiques, projection visuelle chiffrée...
Ce sont des travaux relevant de la phase d'étude, en amont de la refonte ou de la conception d'un site, ou d'un écosystème de sites. On se rapproche de l'analyse des performances d'un site web, mais on va plus loin : l'analyse de datas peut porter sur tous les indicateurs rapportés à l'expérience utilisateur, à l'activité économique d'une entreprise, aux données du marché.
Nous sommes dans la sphère du design stratégique et de la data-analyse. Au coeur du marketing. Et donc à la source du design de l'expérience utilisateur.

Etudier les données dans le cadre d'une analyse de data, cela signifie plusieurs choses : les centraliser lorsqu'elles existent au sein de différentes sources, les créer lorsqu'elles n'existent pas en réalisant un travail d'investigation et de recherche, et naturellement les traiter.

Sur le plan de l'architecture de l'information et du design d'expérience utilisateurr, l'analyse de données peut porter sur beaucoup de choses :

• La nature, le registre et le volume des contenus.
• La composition d'un écosystème de sites (fameuse "galaxie de sites).
• Les indicateurs de fréquentation et d'utilisation du dispositif.
• L'analyse comparée d'un dispositif face à plusieurs autres (benchmark analytique).
• L'analyse du champ sémantique d'un site, l'analyse des données liées au référencement dans le cadre de la stratégie SEO.

Bien au-delà de ces considérations centrées sur un site web, l'analyse de data peut porter sur les activités économiques d'une entreprise, les indicateurs chiffrés du marché... Ces informations peuvent être de nature scientifique, géographique, démographique, technologique.
L'analyse de data s'inscrit dans le trend des faits basés sur des chiffres, à l'ère d'un marketing parfois outrancier et d'un besoin systématique de compréhension par les chiffres. Une sorte de petit délire scientifique à grande échelle :). Et de l'inclinaison humaine à privilégier les facultés de la raison logique.

La tendance de l'analyse de data, à l'ère du Big Data, s'impose aussi dans les techniques d'analyse et de conception d'un dispositif digital. Comment y échapper :) ? Un peu plus bas, vous pouvez visualiser quelques exemples d'analyse de data, pour mieux comprendre de quoi on parle...

Exploiter les données pour améliorer le dispositif

L'analyse de data vise à aboutir à des diagnostics, des synthèses, des tableaux synoptiques, des cartographies... Du moins, dans le cadre du travail d'analyse d'un dispositif digital. L'analyse des datas est un excellent point de départ pour la remise à plat d'un projet digital.
Vous allez rassembler un maximum de données, pour pouvoir les croiser et essayez d'identifier des scénarios qui permettraient d'améliorer votre dispositif digital (ou de le concevoir, ou de le modifier...) : c'est de l'analyse stratégique.

Cette étape va permettre de mieux comprendre le projet, ses faiblesses, ses forces, en exploitant toutes les informations existantes lorsqu'elles existent, et en les complétant par de nouvelles données si c'est possible et si le projet le permet.

Une phase d'analyse de data vise les objectifs suivants :

• Analyse des données d'un écosystème : qualification de chaque site, relevé des contenus, analyse des indicateurs de fréquentation, analyse comparée...
• Analyse des données liées au référencement : trafic entrant, mots-clés porteurs, champ sémantique...
• Analyse de data liées aux indicateurs de fréquentation : zones les plus consultées, profil des visiteurs, usages et comportements...
• Analyse comparée avancée dans le cadre de benchmark analytique : confrontation des stratégies éditoriales, mobiles, réseaux sociaux, confrontation des stratégies en terme d'image...
• Analyse de l'activité économique d'un acteur : produits et services les plus vendus...

Les datas représentent un matériel précieux pour l'aide à la décision. Vous pouvez plus facilement opérer des choix stratégiques sur des bases tangibles.
En d'autre terme, l'analyse de data se concrétise par des infographies, des tableaux de synthèse, des cartographies visuelles, qui ont vocation à alimenter les réflexions stratégiques. Et à nourrir, plus tard, le travail de conception.
Nourrir, Alimenter, donner à manger aux marketeurs, nous dirait le Docteur ergo :).

Vérifiez la fiabilité des données

La première étape, c'est d'abord, de bien comprendre les données avec lesquelles vous allez devoir composer...

Quelles sont les données en notre possession ?
D'où viennent-elles ?
Sont-elles fiables ?
Comment ont-elles été créées ?
Pouvons-nous les utiliser pour générer nos propres datas, etc. ?

La fiabilité des données entrantes (INPUT) est évidemment essentielle pour envisager un traitement (OUTPUT).
Ce sont les bases de la data analyse.

Mettez les données à plat

Chaque projet implique une démarche différente. Globalement, l'analyse de data repose sur un travail de recherche, d'inventaire et de consolidation. On pourrait aussi dire qu'analyser les datas tourne autour du cycle : analyse, diagnostic, cartographie.

Lorsque les données ne relèvent pas de la même nature, il faut les lisser pour disposer d'un matériel comparable, comme un menuisier lisserait l'angle d'une table. En parlant de table : c'est comme dans une base de données : il y a des variables qui sont contenues dans des tables. Des chiffres, des lignes, des colonnes, des tableaux quoi ! Des trucs qu'on peut comparer tout simplement. C'est ça analyser des datas.

Trouvez des variables communes

Pour pouvoir comparer des donner ou pour être en mesure de les cartographier, vous devez disposer de données partageant des caractéristiques communes. Des variables comparables. Par exemple, si vous voulez créer une classification de site autour de tags, vous devez utiliser un panel restreint de tags : ensuite, vous pourrez comptabiliser les occurrences de chaque tag pour tel contenu, tel site, tel groupement de sites. Les données ont un socle commun, vous pouvez donc les comparer.

L'analyse de data peut prendre du temps, in fine, ce travail débouche sur des tableaux synoptiques et des synthèses générales sous forme de cartographie ou de planche typée infographie de data (dans le trend de la datavisualisation) : les exemples ci-dessus illustrent bien ce principe.

Démarche pour analyser les datas

Il n'y pas de méthode type ou de recette miracle, chaque projet implique une démarche différente, seule l'approche méthodologique "analyse-synthèse-diagnostic" constitue un axe récurrent.
Le travail d'analyse de data s'organise comme ceci (c'est un peu abstrait mais c'est bien la démarche) :

• Recherche des datas.
• Identification des datas.
• Vérification des datas et de leur fiabilité.
• Mise à plat des datas.
• Création de nouvelle donnée.
• Reporting dans des tableaux synoptiques.
• Cartographie.

Travaux complémentaires à l'analyse de datas

Les analyses de datas sont particulièrement utiles pour des études de grande envergure :

• Veille stratégique.
• Etude de marché.

Les analyses de datas, qui sont des travaux d'étude, débouchent généralement sur des cartographies :

• Cartographie des contenus.
• Cartographie de site.
• Cartographie d'écosystème digital.
• Cartographie stratégique.

Naturellement, une analyse de data peut aussi être réalisée dans le cadre d'étude comme un benchmark de la concurrence, ou encore un benchmark éditorial. Dans les deux cas, on se situe dans ce que nous appelons des "benchmark analytiques".

En matière éditoriale, les analyse de data débouchent sur les travaux liés à la stratégie éditoriale (inventaire des contenus, segmentation des contenus, arborescence de site web), et en matière de conception, sur la phase de matérialisation de l'interface (wireframing).

L'analyse de data concerne aussi l'analyse des performances web, la réalisation de persona, etc. C'est une démarche récurrente pour tout type de travaux de conception et d'architecture de l'information.