Évitez les erreurs lors des analyses en Data Marketing ! Avec ce second article de la série, Auberon vous livre 2 d’entre elles, grâce aux enseignements que nous donne la première crise « data-driven » : la pandémie de covid.
Abus de datas : les données exogènes
La pandémie, et cette 4ème vague, ont généré de nombreuses conversations autour de l’efficacité des vaccins.
Les données exogènes jouent ici tout leur rôle. Nous avions déjà évoqué ce phénomène durant l’étude Data Marketing.
L’interprétation des datas sans considérer certaines données exogènes est périlleuse, vide de sens, voire contreproductive.
Des communications fondées sur des datas ont fait naître des polémiques. Notamment, l’efficacité des vaccins a été discutée en observant les datas d’autres pays et de leurs taux de vaccination.
Cependant, comment comparer des stratégies sanitaires (et non mesurer une efficacité vaccinale) à partir des données hétérogènes ?
Outre les variations socio-démo (santé des population, accès + qualité des soins, densité, pyramide des âges, etc.), culturelles (moeurs, proxémie, rites religieux et sociaux, etc.), les stratégies privilégiées ont, elles aussi, un impact notable : confinement, application des gestes barrières, équipements, mesures de sécurité, campagnes de tests, etc.
Première erreur à éviter lors des analyses en Data Marketing
Les données exogènes peuvent avoir une très forte incidence sur la réussite ou l’échec d’une même stratégie. Il est donc impératif d’identifier les potentielles données exogènes qui pourraient fausser les analyses.
La temporalité
Le rapport à la temporalité, que nous évoquions dans l’étude Data Marketing, ne manque pas d’intérêt. Dans cette analyse, nous examinions notre attrait grandissant vers la rapidité / l’instantanéité, l’oralité et le temps réel.
Tout au long de la pandémie, cette tendance à l’oralité et à l’instantanéité. Nous n’évoquerons pas ici l’injonction faite à la science de fonctionner en temps réel, ni les chocs répétitifs inhérents au besoin de recul et au temps.
Ce qui importe ici, c’est le discours et la promesse. Spécifiquement, ceux véhiculés par la MedTech, la BioTech. Le besoin d’instantanéité imposé par l’économie et les politiques a également sont importance.
Le discours au présent, des solutions dans l’instant
MedTech ou la BioTech, et plus globalement les entreprises de pointe, promettent chacune des révolutions dans leurs secteurs. En médecine, l’hyper-personnalisation de masse sera sans doute la norme d’ici quelques années, avec des traitements générés sur-mesure.
Pour l’heure, des dissonances entre le discours et le terrain nous permettent de douter de la maturité de ces technologies. La stratégie vaccinale, en France, a notamment été justifiée au regard des capacités d’adaptation en temps réel de certaines technologies. Les vaccins ARN se sont imposés pour cette capacité particulière. Dans la réalité, près de 20 mois après l’apparition de la première souche du virus et 2 variants, les vaccins ne sont toujours pas adaptés.
Pour convaincre et marquer sa confiance, on parle de projet au présent. On projette des hypothèses comme étant des vérités.
L’exemple de Space X vient immédiatement à l’esprit. Elon Musk annonce aux acteurs du secteur de l’aérospacial que d’ici 5 ans, ils n’existeront plus ! Et les réussites de son projet lui donne, pour l’heure, raison.
Dans cette approche du business, peu importe la concrétisation effective du projet, l’objectif est de séduire par le discours (pour susciter l’adhésion, lever des fonds, etc.). Le storytelling est capital. La spéculation est de mise. Les cherry-picked sont abusivement utilisés pour convaincre, pour faire passer comme une réalité l’objectif visé. Google, Facebook, ou encore le secteur de la robotique, tous utilisent ces stratégies depuis longtemps.
Quand les datas et la réalité contredisent les discours
Au-delà des données exogènes, il existe aussi des exemples de maladresses relatives à l’utilisation des datas dans les discours.
D’abord avec les projections chiffrées des scientifiques. L’impact prévisionnel de la première vague n’est pas vérifiable. Mais de nombreuses voix se sont élevées indiquant des prévisions trop alarmistes. Il en va de même pour l’anticipation des vagues à partir d’indicateurs ou de signaux faibles. Le problème ici réside dans le manque d’expérience et le manque de recul par rapport à une nouveauté. En voulant imposer le temps réel, on a exigé de l’exactitude sans le recul nécessaire pour vérifier les modèles. Malgré l’expérience d’autres épidémies, la covid reste une « nouveauté » ; il donc est nécessaire d’observer les données dans le temps pour limiter les probabilités d’erreurs.
Et ces erreurs ont donné lieu à de la méfiance vis-à-vis des scientifiques…
Seconde erreur à éviter lors des analyses en Data Marketing
Pour éviter les erreurs, mieux vaut privilégier le recul, et planifier des analyses à fréquence régulière sur du temps moyen. Le temps court et le temps réel peuvent engendrer des erreurs d’analyse.
