Qu’est-ce que le Content Analytics ?

      Commentaires fermés sur Qu’est-ce que le Content Analytics ?

Definition de Content Analytics

Les principales offres d’ECM du marché incluent désormais un module de « Content Analytics » dont l’usage n’est pas encore nécessairement bien perçu par les entreprises, ce domaine reste assez confidentiel et pourtant il y a matière à réfléchir sur la pertinence de ces offres. Voici une introduction aux outils de « Content Analytics » que je vous engage à compléter en laissant un commentaire.

Introduction

Si vous vous posez les questions suivantes, alors les offres de « Content Analytics » peuvent vous aider :

  • comment comprendre ce que nos clients veulent avant qu’ils ne nous le demandent ?
  • comment détecter les fraudes avant de payer les prestations ?
  • comment disposer de réseaux de présomptions fiables pour appréhender les mauvais usages avant qu’ils ne se produisent ?
  • comment intégrer toutes les données sur les habitants d’une ville pour en optimiser le fonctionnement ?

Toute entreprise qui dispose de référentiels de contenus détient un ensemble d’informations métiers portées par ces contenus.

Definition de Content Analytics

Exemple de contenu susceptible d’être utilisé par un outil de Content Analytics

Pour autant, cette même entreprise ne sait pas nécessairement exploiter cette masse d’informations, soit parce qu’elle n’en a pas les moyens humains, soit parce qu’elle ne réalise pas que ce référentiel peut être riche d’enseignements, soit pour les deux raisons à la fois. Les outils de « Content Analytics » vont permettre d’extraire de ces contenus un ensemble d’informations métiers qui, mises en perspective à l’aide d’un méta-modèle adapté, vont constituer une source d’information pertinente sur l’entreprise, ses activités, ses clients, et lui permettre d’adapter son fonctionnement et d’améliorer ses performances.

Definition de Content AnalyticsExemple d’analyse des écarts à la moyenne et tendances

Un outil de « Content Analytics » permet de :

  • agréger des données extraites d’un ou plusieurs référentiels de contenus et de constituer des collections d’informations,
  • corréler ces données afin de disposer d’une analyse fine des contenus concernés et de dégager des tendances, relations, concepts et associations,
  • visualiser les relations et collections de façon conviviale et lisible,
  • explorer les éléments mis à disposition afin d’en comprendre la nature et la portée, et de pouvoir générer des analyses plus approfondies sur la base de ces premiers éléments.

En définissant un modèle de données, généralement orienté métier, et en pratiquant toutes formes d’investigations au sein des référentiels de contenus sur la base de ce méta-modèle, on saura dégager des mesures et dimensions d’ordre … analytique.

A titre d’exemple, imaginons un référentiel de contenus consistant en un ensemble de rapports d’accidents de la route (cette base existe réellement, elle est publique aux Etats-Unis et gérée par la NHTSA). Chaque rapport comporte la description des faits, le véhicule, le type d’accident ou d’avarie, le lieu, la date, les circonstances de l’accident, les témoins, etc. Si l’on définit un modèle de données propre à ce référentiel, il va probablement comporter :

  • les marques et types de véhicules,
  • les dates d’accident,
  • les lieux,
  • les accessoires équipant le véhicule,
  • les passagers,
  • etc.

L’investigation au sein de cette base permettra d’extraire par exemple :

  • la fréquence d’accidents mettant en cause le même type de véhicule,
  • la répartition temporelle des accidents causés par un même accessoire sur un même véhicule,
  • la corrélation qu’il peut y avoir entre une situation de conduite particulière et un type d’accident,
  • etc.

Definition de Content Analytics

Exemple d’analyse des fréquences d’apparition et corrélations entre données

L’utilisation d’un outil de « Content Analytics » permet de lancer une analyse des contenus couplée à une indexation du texte qui saura mettre en évidence un certain nombre de dimensions et mesures : fréquence d’apparition des termes contenus dans le modèle, moyenne d’apparition, fréquence par période de temps, corrélations entre termes, déviances, etc. Il s’agit bien d’extraire des données d’ordre analytique et non de faire une recherche plein texte comme c’est le cas quand on utilise un moteur de recherche.

Quels sont les usages de ce type d’outil ?

Dès lors que l’on parle d’analytique, on parle métier : il n’est pas question de chercher un document parmi un ensemble mais bien de comprendre le fonctionnement (ou le dysfonctionnement d’ailleurs !) d’une activité métier. Ces outils s’adressent donc aux analystes dont le travail consiste à dégager des tendances : fréquence d’apparition d’une anomalie sur une gamme de produits, type de réactions d’une base clients face au lancement d’une nouvelle offre de service, habitudes de consommation d’une base clients, etc.

Voici quelques exemples extraits de cas d’usages réels pour comprendre la portée des outils de « Content Analytics » :

Assurance : l’analytique sur une base de déclarations de sinistres permet de détecter plus facilement la fraude, de réduire les coûts de gestion et d’optimiser le processus de gestion des sinistres.

Télécoms : l’analytique sur une base de données clients fournit des indications sur les décisions d’achat de services, permet d’améliorer la vente de nouveaux services et de fidéliser la clientèle.

Distribution : l’analytique sur les courriers clients permet de mieux définir les cibles commerciales, d’adapter les offres et campagnes marketing et d’accroître ventes et fidélisation.

Santé : l’analytique sur les dossiers patients permet d’optimiser les protocoles de soins, d’adapter les prescriptions, de détecter les fraudes et excès et de renforcer le contrôle des remboursements.

Environnement : l’analytique permet de comprendre comment différents composés chimiques peuvent générer des impacts sur l’environnement lorsqu’ils sont mis en présence les uns des autres.

Conclusion

Mettre en œuvre un outil de « Content Analytics » va permettre à l’entreprise de mieux connaître ses contenus, de mieux les utiliser et de mieux en tirer profit. Ce qui était exploitable précédemment en tant que source de documents le devient en tant que source d’information métier. Passer « du volume à la pertinence »  devient possible alors que cela est rarement le cas lorsqu’il s’agit, pour un groupe d’individus, de procéder à une investigation manuelle au sein de référentiels de contenus complexes et volumineux.

L’analytique sur les contenus permettra de compléter la vision à 360° de chacun des clients ou usagers de l’entreprise en ajoutant à cette vision une dimension supplémentaire qui est la compréhension des comportements et usages : que font nos clients avec nos produits, comment ces produits se comportent sur le terrain, comment sont-ils perçus, quels sont les utilisations frauduleuses qui en sont faites, etc.

Une source majeure d’optimisation du fonctionnement de l’entreprise nous tend ainsi la main, il suffit d’en tirer les enseignements et les outils de « Content Analytics » sont là pour ça.

Je vous engage – vraiment – à laisser des commentaires si vous avez apprécié cette note ou si vous avez des compléments à apporter. Vos retours sont importants alors ne vous privez pas !