
Le rapport de la société d'analyse prédictive Pecan AI, basé sur des enquêtes menées par Wakefield Research, révèle que quatre responsables marketing sur cinq déclarent avoir des difficultés à prendre des décisions fondées sur les données, malgré toutes les données sur les consommateurs dont ils disposent.
L'étude menée auprès de 250 personnes révèle que 95 % des entreprises intègrent désormais l'analyse prédictive alimentée par l'IA dans leur stratégie marketing, dont 44 % qui déclarent avoir complètement intégré l'analyse prédictive alimentée par l'IA dans leur stratégie. Mais parmi les entreprises qui ont complètement intégré l'analyse prédictive de l'IA dans leur stratégie marketing, 90 % déclarent qu'il leur est difficile de prendre des décisions quotidiennes basées sur les données.
Toutes les personnes interrogées déclarent vouloir acquérir des capacités supplémentaires alimentées par l'IA et des informations prédictives pour leurs équipes, ce qui indique clairement que les implémentations actuelles de l'analyse prédictive répondent mal aux besoins des équipes marketing d'aujourd'hui.
"La plupart des entreprises employant aujourd'hui des approches manuelles de construction de modèles, il est regrettable, mais pas surprenant, que les résultats ne répondent pas aux besoins des équipes marketing", déclare Zohar Bronfman, cofondateur et PDG de Pecan. "Si les data scientists peuvent être compétents pour construire les modèles logiciels parfaits, ils sont tout simplement trop éloignés des réalités nuancées de l'entreprise pour être efficaces. En outre, compte tenu de leur charge de travail, ils sont trop lents à réagir lorsqu'il s'agit de prendre en compte l'évolution rapide des conditions du marché et du comportement des consommateurs. Les spécialistes du marketing et les analystes marketing sont plus que capables d'assumer les responsabilités de l'analyse prédictive si on leur fournit les bons outils."
Alors, qu'est-ce qui freine la réussite des projets de science des données ? 42 % affirment que les spécialistes de la science des données n'ont pas le temps de répondre aux demandes, 40 % que ceux qui élaborent les modèles ne comprennent pas les objectifs du marketing, 38 % que les spécialistes de la science des données ne posent pas les bonnes questions et 37 % que des données erronées ou partielles sont utilisées pour élaborer les modèles.
En outre, 93 % des responsables marketing interrogés s'accordent à dire que les spécialistes des données pourraient résoudre des problèmes plus complexes s'ils étaient en mesure d'utiliser des outils de modélisation prédictive d'IA peu ou pas codés pour des mesures automatisables.
Source : Pecan AI
Et vous ?


Voir aussi



