background preloader

Big data

Facebook Twitter

Comment Coca-Cola affine ses recommandations... 1,9 milliards de boissons vendues chaque jour dans le monde, en additionnant toutes les marques dans le giron de Coca-Cola.

Comment Coca-Cola affine ses recommandations...

Le nombre a beau être impressionnant, le groupe d’Atlanta n’entendait pas se reposer sur ses lauriers. Et a donc cherché à développer ses relations avec les distributeurs pour mieux comprendre leurs clients. « Nous avons voulu construire notre propre cadre de travail grâce aux datas pour soutenir nos recommandations auprès des distributeurs et faire progresser la catégorie des boissons », assure Roy Beckelhymer, ex-Kraft Foods directeur de l’analytique pour le groupe Coca-Cola, à l’occasion d’une conférence du congrès Teradata Partners qui se tient actuellement à Atlanta. Optimiser l’assortiment, les promos et le merchandising Pour ce faire, le groupe a mis en place la stratégie suivante : FoodProfiler: The NPD app that tracks the 'what, when and why' of consumer food choices. Developed by consumer behaviour researchers at Wageningen University and launched to the general public last week, the information collected can be used by food businesses to fine tune product development; by governments to improve food policy on health and sustainability; and by individual consumers who want to know more about their diet and the impact of their food choices.

FoodProfiler: The NPD app that tracks the 'what, when and why' of consumer food choices

It works by collecting data from users in the Netherlands. This will include how often an individual eats a certain product or product category and the motives behind this, as well as the time of day the user is eating and how much of each product is consumed. FoodProfiler in action. © Wageningen University. Exploring big data for understanding consumer food habits and health. Source: Richfields New ICT technologies bring opportunities for researchers to monitor behaviours, collect information around food choice, and provide personalised feedback.

Exploring big data for understanding consumer food habits and health

Intelligence artificielle et Big Data pour l’analyse et la gestion d’alertes alimentaires. Data from retail grocery scanners can narrow down suspected items. Researchers showed that with as few as 10 medical-examination reports of foodborne illness they can narrow down the investigation to 12 suspected products in a few hours.

Data from retail grocery scanners can narrow down suspected items

The goal is to provide a short list of suspect products for laboratory testing in a timely fashion using a likelihood-based method (LM) approach with spatial-temporal retail scanner data and case reports. Accelerate outbreak investigation. Big data project set to reveal consumer food habits & health. Commerce prédictif : Big Data, la nouvelle... Les données, une richesse insuffisamment exploitée par les entreprises "Les enseignes disposent aujourd’hui de volumes de données croissants de tous types : données structurées (CRM, fichiers excel, etc.) ou non structurées (réseaux sociaux, avis consommateurs, etc.) avec des consommateurs de plus en plus ouverts et disposés à fournir des informations personnelles.

Commerce prédictif : Big Data, la nouvelle...

Une étude menée par IBV Retail en 2013, révèle d’ailleurs que 90% des gens sont prêts à fournir des informations et à passer jusqu’à 20 minutes pour remplir un formulaire*, à condition qu’ils bénéficient d’un vrai service à valeur ajoutée. Qui n’a jamais donné son numéro de téléphone portable afin d’être averti de l’heure d’une livraison ? Bien que ce ne soit pas le genre d’information que l’on divulgue de prime abord. Or, elles permettent d’avoir un point de contact supplémentaire avec le client. Self Data – La FING publie la deuxième édition de son Cahier d’exploration MesInfos. La Fondation Internet Nouvelle Génération (FING) vient de publier la deuxième édition de son Cahier d’exploration consacré à la thématique des Self Data et s’appuyant sur une expérimentation conduite dans le cadre du projet MesInfos. 300 clients de six grandes entreprises françaises (dont Les Mousquetaires) ont eu, pendant huit mois, accès à leurs données dans un « cloud personnel » et à des services pour les trier, visualiser et utiliser à des fins pratiques.

Self Data – La FING publie la deuxième édition de son Cahier d’exploration MesInfos

Ce Cahier d’exploration en présente les résultats et développe plus largement une analyse du marché des Self Data et des services existants, ainsi que des défis posés. Pour la FING, l’importance croissante des données personnelles dans l’activité des organisations (entreprises, administrations) est un facteur fort de la crise de confiance qui touche le « cœur de [leur] relation » avec les individus, lesquels réclament plus de transparence. Cahier d’exploration "Self Data"

Ce nouvel ouvrage de référence sur les "Self Data" fait suite à la publication d’un premier Cahier d’exploration en mai 2013.

Cahier d’exploration "Self Data"

Il s’enrichit notamment des enseignements de 2 ans d’expérimentation, d’une veille importante sur un marché émergent et propose de relever 10 défis pour les années à venir. Que se passerait-il si, demain, les organisations partageaient les données personnelles qu’elles détiennent avec les individus qu’elles concernent, pour qu’ils en fassent… ce qui a du sens pour eux ? Quels usages, quelles connaissances, quels services, quels risques aussi, pourraient-ils émerger si les individus disposaient, non seulement du contrôle, mais de l’usage de ces données : leurs finances, leurs achats, leurs déplacements, leurs communications et leurs relations en ligne, leur navigation web, leur consommation d’énergie, etc. ? Open Food Facts : l’encyclopédie en ligne de l’agroalimentaire. Coheris, lauréat du Trophée de l’innovation Big Data Paris 2015, pour son moteur de recommandation temps réel.