BIG DATA AGRICOLE : LE CHANT DES SIRENES ?

January 20, 2017

 

Big Data, un thème d'actualité avec de grands espoirs et bénéfices annoncés pour l’agriculture !

Pour autant, le secteur agricole français est-il prêt avec ces exploitations, souvent polyvalentes de taille moyenne et variable et avec un métier complexe ou les données sont très diverses mais liées ?

 

 

Cet article vous paraîtra peut-être incongru voire déplacé. Mais, dans cet épais brouillard des nouvelles technologies, faut-il suivre aveuglément le chant des sirènes sans faire une analyse froide de la situation pour appréhender efficacement et sereinement cette révolution ?

 

 

 

 

Big Data : de quoi parlons-nous ?

En développement fulgurant depuis 5 ans avec l’explosion du commerce électronique et du marketing digital, le Big Data est un ensemble de technologies permettant de valoriser un nombre gigantesque de données clients. Il se caractérise par 5 critères 5 V 

- Volume de données,

- Vitesse de traitement,

- Variété de données,

- Véracité de ces données,

- Valeur du traitement,

Outil particulièrement adapté au Webmarketing, en B to C (Business to consumer ou ventes directes au consommateur), le Big Data, grâce au croisement de traitements statistiques de masse permet de mieux connaitre et comprendre les besoins et comportements du consommateur. Ainsi, leurs futures demandes peuvent être anticipées, les offres mieux ciblées et la conversion en vente améliorée grâce à de nouveaux outils d’aide à la décision (ou d’aide à la vente). En renseignant eux-même leurs données, ou à travers leurs objets connectés, les milliers (millions) d’utilisateurs formeront un échantillon suffisamment large et représentatif pour permettre une bonne exploitation statistique.

En résumé, le Big Data regroupe un ensemble de technologies qui permettent, grâce à la captation et au traitement extrêmement rapide des données des consommateurs,  de répondre à une problématique marketing clairement posée pour pouvoir ensuite décliner les plans d’actions correctifs.

 

Le big Data est-il adapté au monde agricole ?

Du point de vue théorique, les apports du Big Data dans le domaine agricole semblent très intéressants et prometteurs. En effet, qu’il  s’agisse des fournisseurs, des distributeurs ou des agriculteurs eux-mêmes, l’apport d’analyses statistiques prédictives pourrait être très utile dans le cadre de la gestion des risques mais aussi de l’aide à la décision ou encore dans la pertinence de l'adaptation de l'offre. Pour autant, il existe un certain nombre de différence entre la valorisation Web marketing en B to C et l’environnement agricole.

En effet, comme expliqué ci-dessus, le Big Data a été créé pour répondre à une problématique marketing en s’appuyant sur une analyse statistique de données structurées.

 

Quelle démarche marketing avec quelles données ?

Le monde agricole, comme  l ‘univers B to B français de la TPE, PME,  qu’il s’agisse des fournisseurs ou des distributeurs, se caractérise souvent par une existence non systématique d’un département Marketing.  L’orientation client et la culture marketing inhérente y sont encore souvent timides. La guerre des paroisses entre marketing, commerce et achats n’est en outre pas encore terminée. Si bien que l’activité principale du marketing se résume souvent à la promotion des ventes sans pilotage selon un segmentation de la clientèle, quand elle existe.

Dans cette situation, quel intérêt de travailler des millions de données sans une approche segmentée des clients ?


Aujourd’hui, les données captées sont souvent voire exclusivement techniques. A cela s’ajoute l’absence d’un référentiel et d’une nomenclature partagés au sein de la profession, ce qui complique l’agglomérat de données de différentes origines, le risque étant de mélanger chou et carotte !

Si l’objectif est de comprendre les comportements d’achats des agriculteurs et d’anticiper des actes ultérieurs d’investissement, les données comportementales seront aussi voire plus déterminantes que les données techniques (voir lettre échange n°2 sur l’approche systémique de l’exploitation). Or, outre le fait qu'elles ne soient pas du tout normalisées, elles ne sont pas systématiquement et aisément collectées, ce qui peut limiter une approche mutuelle, chacun voulant préserver son "trésor".

 

Des données pour qui et comment les capter ?

Dans les circuits B to B des PME, TPE, les clients ne sont généralement pas connus des fournisseurs, la vente se faisant par l’intermédiaire de la distribution. Dans le cas de l’agribusiness, ce non-accès direct à la donnée pour les  fournisseurs est renforcé par le fait qu’une grande partie des produits commercialisés  n’appartient pas à la catégorie des objets connectés, à l’exception des dernières générations d’équipement en matériel. Pour les autres marchandises, faute de processus de traçabilité structuré et récurent, seuls certains produits d’équipement. faisant l’objet d’enregistrement des agriculteurs dans le cadre de la garantie et du Service Après vente, permettent aux fournisseurs d’accéder à la connaissance clients

A la différence avec le B To C, on peut voir ici toute la difficulté pour les fournisseurs à disposer de la donnée, d'autant que les distributeurs ont peur, à tord ou à raison, de partager leurs informations et d'être "by-passés" par la suite

 

Les distributeurs ainsi que certains fournisseurs de services en B to C (banques, experts comptables, prestataires impliqués dans la saisie de données réglementaires) semblent donc être les mieux à même pour capter massivement la donnée régionale directement chez les agriculteurs. Dans le cas de la distribution, l’informatisation des forces de vente peut être récente. La connaissance client n'est pas toujours formatée ni consolidée entre les différentes filières et activités. La qualification des CRM est souvent basée sur la bonne volonté des commerciaux (avec toutes les limites induites par le sentiment de flicage). Tout ceci entraîne trop souvent des taux, des qualités et une homogénéisation de qualification discutables, même si personne ne veut l'avouer, en interne comme en externe, et pourtant ceci peut totalement biaiser l’analyse statistique et ses conclusions.

Dans le cadre des fournisseurs de service, le périmètre d’analyse est souvent réduit, soit parce que l'information récoltée est limitée aux champs d’action du service, soit parce que le nombre d'agriculteurs concernés est faible. Pour preuve, le pourcentage ayant recours à une traçabilité informatique n'excède pas 10 %.

 

En définitive et à la différence avec le B to C, l’accès à la donnée est un frein majeur, face à la diversité de l'information, comme à son captage, ce qui oblige un travail mutuel au sein de la filière. La concentration des acteurs, la diminution du nombre d’agriculteurs et le développement galopant des comportements « partageurs » ne seront pas des éléments facilitateurs, surtout au niveau régional. L’un des dangers pourrait être de s’affranchir de partenariats locaux en élargissant la zone d’exploration géographique pour avoir suffisamment de données. Cependant, cela réduirait l’homogénéité de l’échantillon et la pertinence de l’analyse marketing, l’agriculture française ayant de nombreuses spécificités régionales.

Reste la solution d’intégrer directement les agriculteurs à la réflexion et aux projets. Encore faut-il qu’ils aient pris le temps de saisir et structurer leurs données ! Enfin, ceux qui ont bien compris l’enjeu de leurs données, ne sont plus disposés à les partager aveuglément et gratuitement surtout à des fins de consommations qui pourraient aller à l’encontre de leurs intérêts ! Il est donc nécessaire de traiter le dossier de la propriété de ces données.

 

Comment opérer le traitement ?

Même si ce point est peut-être le plus facile à résoudre, il reste un frein supplémentaire. En effet, une grande majorité de structure ne dispose pas de compétences statistiques. Il existe des prestataires pour externaliser cette tâche. Encore faut-il accepter de transmettre ces données à un tiers, dans cette course à la captation  et l’appropriation des données.

 

En conclusion,

Non, ceci n'est pas un dossier à charge. Mais avant de faire du Big data une problématique d’outil, il reste encore du chemin à parcourir dans l’approche client, la démarche marketing, le positionnement de la Data dans l'entreprise, sa valeur, sa propriété, sa valorisation... Rien n’est insurmontable. Mais l’histoire reste à écrire, avec la définition d’intérêts partagés, entre l’agriculteur, les distributeurs, les fournisseurs et une bonne vision du R.O. I (retour sur investissement) 

La donnée n’est jamais gratuite : elle a un coût, d’accès ou de captage, de transmission, de stockage, d’analyse et d’interprétation. Elle a aussi une valeur dès lors qu’elle est exploitable et exploitée. Si la balance entre le coût et la valeur est déséquilibrée négativement, les conséquences seront à la hauteur du dossier : Big or small !

Please reload