Après avoir examiné les fonctionnalités essentielles d’un outil de veille pour la phase de sourcing et de collecte, nous nous focalisons cette semaine sur les fonctions dédiées à l’analyse.
L’analyse est une étape essentielle du cycle de veille : la collecte de données et informations ne sert à rien sans une phase d’analyse permettant de comprendre, qualifier, vérifier, comparer, mettre en perspective les informations et data, visualiser les ruptures, dessiner des tendances pour imaginer le futur, corriger et améliorer des stratégies...
L’analyse est le propre de l’humain, donc du chargé de veille, de l’analyste, du veilleur, du responsable market intelligence. Parler d’analyse dans le cadre d’une solution de veille, c’est évoquer en fait des outils d’aide à l’analyse. Les logiciels de veille perfectionnés permettent en effet d’automatiser et d'optimiser certains process comme la collecte, le partage ou la diffusion, libérant du temps pour que le veilleur se consacre aux tâches à plus haute valeur ajoutée comme l’analyse. En complément, l’outil de veille fournit des interfaces de data visualisation, de gestion de profils, de text mining et analyse sémantique facilitant ces étapes d’analyses. Le tout enrichi de fonctionnalités d'IA : machine learning et intelligence artificielle générative afin de gagner encore davantage de temps...
C’est d’ailleurs l’un des enseignements de notre baromètre des pratiques de veille : 34 % des veilleurs pensent qu’il sera demandé aux professionnels de fournir un travail encore plus axé sur l’analyse sachant qu’une partie de leur travail sera automatisée. Un des enjeux pour un quart sera la maîtrise des outils de data visualisation. Pour 30% d’entre eux, le processus de veille est de moins en moins vu comme une simple collecte d'informations, mais de plus en plus comme la capacité à délivrer une analyse complexe.
Par ailleurs, pour les professionnels de la veille, les deux tendances qui auront le plus d’impact sur l’évolution de leurs métiers seront l’Intelligence Artificielle et la Data Visualisation (ou dataviz).
Précisément, les plateformes perfectionnées proposent des outils d’aide à l’analyse et de data visualisation permettant de déceler l’information importante, comparer et suivre les tendances plus facilement, détecter les signaux faibles et aider à l’anticipation. Un bon outil de veille se doit de proposer des outils d’aide à l’analyse des données et des dashboards de data visualisation mais aussi des interfaces favorisant le benchmark et la synthétisation des informations pour une démarche de competitive intelligence.
La réponse apportée par la plateforme doit en effet soutenir à la fois les aspects techniques et organisationnels.
Le cycle de la veille géré par une solution de veille et market intelligence
1. Le socle de l’analyse : le text mining
Avant de procéder à une analyse graphique via les outils de datavisualisation, il est nécessaire de passer par une étape d'analyse des textes constituant l’information. Les fonctionnalités de text mining et d'analyse sémantique aideront à comprendre et à structurer les textes ou les résultats d’une recherche.
La compréhension et le résumé syntaxique :
Devant la multitude d’informations que peut récolter un dispositif de veille stratégique il est souvent difficile de lire ou appréhender chaque information dans sa totalité. Les outils de résumé syntaxique permettent à l’utilisateur d’analyser la structure des documents pour distinguer les paragraphes descriptifs des paragraphes déclaratifs. Il les hiérarchise et en extrait les phrases les plus pertinentes. Et gère le multilingue et traite les langues non -latines.
L’Extraction de concepts sémantiques
Une veille stratégique porte toujours sur des organisations, personnes, lieux, produits, etc. L’extraction d’entités nommées permet de comprendre ces concepts automatiquement pour ensuite organiser la lecture et donc l’analyse par rubriques.
Cette extraction utilise plusieurs approches. La première est basée sur des dictionnaires d’entités professionnelles. Ces dictionnaires peuvent être enrichis avec des données de l’utilisateur via des thésaurus ou manuellement. La seconde approche utilise le Machine Learning afin d'apprendre des textes et informations “likés”, lus et/ou sauvegardés par l'utilisateur pour établir des règles d’extraction différentes pour chaque langue. Elle permet d’identifier de nouvelles entités non répertoriées à priori.
La clusterisaiton
Le traitement d’importants volumes d’informations doit être facilité en les regroupant en catégories. L’utilisateur peut ainsi se focaliser sur les sujets les plus intéressants pour sa veille stratégique. Les techniques de clusterisation permettent de calculer la proximité entre les documents, et les regroupent en catégories pour ensuite segmenter la lecture et l’analyse.
2. Les types d’analyse et de data visualisation
a. Les caractéristiques essentielles
Le sur-mesure : Le logiciel de veille doit proposer des analyses graphiques sur mesure, personnalisables selon de nombreux critères : entités à analyser, thèmes, période, fréquence..
L'interactivité : Ces outils de data visualisation permettent de mieux comprendre comment évolue l'information, comment se positionne un acteur par rapport à un autre, quel est l'importance d’une donnée selon des critères précis tels que les marchés, les acteurs en présence, les produits. Aussi, l’interactivité est clé : les graphes doivent être paramétrables et modifiables par l'utilisateur final et être “dynamiques” : un clic permet d'accéder aux informations correspondantes (données, images, articles) et de naviguer "visuellement" dans l'information.
Le spectre d’analyse : l’analyse doit être applicable à tous les types de données (web, social media, information brute, informations capitalisées, données internes) . Les calculs et génération des analyses doivent s'effectuer instantanément.
Le collaboratif : ces analyses graphiques doivent être valorisées et donc être aisément partageable avec les autres collaborateurs du projet de veille pour commentaires, nouvelles analyses complémentaires et enrichissements.
Les principaux types de data visualisaiton pour les projets de veille
b. Quels types de data visualisation ?
Les logiciels de veille performants ont maintenant la capacité d'offrir une large palette d'outils de visualisation des données et de l'information adaptés à votre problématique.
L'approche simple des 5W
L’analyse des “5 W”, issue des techniques journalistiques pour traiter une information, permet de procéder à une 1ère phase d’analyse.
-Le “What” : interface de data visualisation des concepts les plus fréquents (personnes, produits, technologies…) et des liaisons entre concepts sur un corpus d'information défini.
-Le “When” : analyse de l'évolution des sujets et thèmes, des tendances, crises et ruptures dans l'information
-Le “Who” : analyse des sources principales d’information (medias, personnes) pertinentes et influentes sur un sujet donné.
-Le “How” : analyse des sentiments associés aux informations capitalisées.
-Le “Where” : d’où provient l’information via la visualisation des continents, pays, régions…
Pouvoir créer ses propres graphiques
L’outil de veille doit proposer de nombreux types de représentations volumétriques et multi-dimensionnelles : camembert, diagramme, matrices, nuages de mots clés...etc afin de répondre aux multiples besoins d’analyse des données. Exemples :
- Visualiser les parts de voix, de marché, classer les produits et acteurs via des histogrammes et camemberts
- Procéder à des analyses croisées pour comprendre un phénomène (emplois x usines x offres d’emplois x pays…) grâce à des visualisations par matrice, “tree map” ou matrice de positionnement (bubble chart).
- Analyser la notoriété d’une marque ou d’une technologie sur un panel de sources permanent grâce aux classements et analyse de variations.
- Analyser la localisation des acteurs et tendances via des planisphères par pays cités ou origine des sources
- Comprendre les relations entre des concepts (entreprises, personnes, marques, produits, tendances) grâce à l'analyse par cluster.
- Comprendre les sources et personnes les plus influentes grâce à des data visualisation et classements….
La capacité à créer ses analyses graphiques "sur-mesure"
3. Les atouts du “deep dive” pour l'analyse
Pour tout ces types d'analyse, la fonction du “deep dive” est essentielle : ce terme désigne la capacité du logiciel à analyser l'information en profondeur, sans limitation, à des niveaux toujours plus fins, un peu comme si l’on zoome sur la Terre depuis l’espace jusqu’à atteindre un niveau microscopique à l'intérieur des végétaux. Il s’agira par exemple de l’analyse d'un pic, d'un concept sur des volumes d'informations toujours plus segmentés. Exemple: une 1ère data visualisation affiche un pic d’informations. Un clic sur ce pic vous affiche un certains nombre d'articles correspondant. Un 2ème clic affiche les concepts les plus cités, permettant de comprendre la nature du picl. Un nouveau clic sur un des concepts permet d’afficher une 3ème visualisation : Les sentiments associés au concept. On peut de nouveau analyser les sentiments en affichant l’évolution des tonalités positives. En cliquant à nouveau sur un pic de cette courbe, on peut cette fois analyser les influenceurs qui se sont exprimés positivement à la date de ce pic, et ainsi de suite...
Le "deep dive" : la capacité à analyser l'information, toujours plus finement
4. Les analyses de profils (battle cards)
Un des grands axes d’analyse de la Competitive Intelligence consiste en l’élaboration de fiches profils d'acteurs, de technologies, de produits. Les Directions Marketing et cellules de veille ont besoin de trouver, de structurer et de maintenir à jour des informations sur leur environnement : les concurrents, les dirigeants, les produits, les technologies, etc.
Ces informations proviennent de sources très diversifiées et doivent être enrichies collectivement pour être valorisées : la R&D, le marketing, les commerciaux doivent partager leur expertise. Pour répondre à un objectif de veille concurrentielle, marché, de compréhension globale de l'environnement et bien sûr de benchmark. Traditionnellement effectués sur des outils bureautiques de types Excel, ces fiches profils bénéficient des technologies des plateformes de veille en termes d'alimentation automatisée des différentes rubriques, de gestion de formats hétérogènes (PDF, Excel, Word, images, web), de mise à jour et de comparaison facilitées.
C’est pourquoi une plateforme de veille élaborée doit proposer un système de gestion de fiches profils automatisées qui :
- extrait des données de toute provenance
- crée des profils société, produits, marques, établissements, personnes, projets, marché
- agrège des rubriques produits, finances, tarifs, bourse, marché, dirigeants etc...
- met les informations à disposition simplement au sein de fiches synthétiques et dynamiques mises à jour automatiquement
- permet une navigation simple et intuitive entre les fiches
- génère des benchmarks dynamiques après sélection de critères de comparaisons (prix, marché, date ..), sélection de fiches et création du tableau dynamique.
- se partagent et s'exporte facilement via dashboard ou Excel, PDF...
La gestion de Fiches Profils automatisées
5. Les apports de l’Intelligence Artificielle et du Machine Learning pour l’analyse
"L’injection" de technologies d'Intelligence Artificielle et de Machine Learning au sein des fonctionnalités d'analyse permet notamment d’enrichir et de perfectionner :
- L’analyse des sentiments (par auto-apprentissage)
- La génération de résumé automatique
- Les recommandations de contenus basées sur l’analyse du comportement de l'utilisateur et de ses précédentes lectures
- L’active-Learning (User Feedback) via l’analyse des “Likes” ou commentaires d’un utilisateur
- La détection d'un changement de tendances et de ruptures via l’analyse des données et des actualités.
Voilà donc les principaux critères à prendre en compte pour la 2ème phase du cycle de veille, concernant les fonctionnalités d’analyses.
Nous aborderons la capitalisation, le partage, la collaboration et la valorisation dans de prochains billets.
.svg){kind=small}
