L’étendue du Big Data

Capital exposé au risque : Tout investissement financier comporte des risques. Par conséquent, la valeur de vos investissements et le revenu qui en découle peuvent évoluer et vous pouvez ne pas récupérer l’intégralité du montant initialement investi.

Partie 1 :
De nombreuses sources de données sont nécessaires pour extraire des informations utiles

Collectez-vous suffisamment de données ?

Les équipes d’investissement qui tentent d’exploiter la puissance du Big Data doivent ratisser large en vue d’identifier des données utiles pour améliorer les décisions d’investissement. Pour quelle raison ? L’économie mondiale et les marchés financiers étant complexes, un grand nombre des données en découlant ne sont pas structurées et pertinentes. Il est important de ne négliger aucun détail et d’évaluer autant de données que possible, afin de sélectionner les plus utiles dans un processus d’investissement. C’est pourquoi les chercheurs de l’équipe SAE ont testé, en 2017, plus de 70 nouveaux ensembles de données.

Total des dépenses buy-side consacrées aux données alternatives (millions USD)

Source : AlternativeData.org, au 31 mars 2018. Les estimations ci-dessus proviennent de AlternativeData.org. Aucune garantie n’est donnée quant à la réalisation des prévisions formulées.

Comment assurer la qualité, plutôt que la quantité ?

Il convient de tester la qualité des données avant de les intégrer à un modèle de prévision. Lorsque l’équipe SAE reçoit de nouvelles données, elle les nettoie et les soumet à sa propre batterie de tests statistiques, afin d’évaluer la pertinence des informations. Dans les régions technologiquement avancées comme les États-Unis, où nous disposons déjà de nombreuses informations sur les entreprises dans lesquelles nous investissons, il est particulièrement compliqué d’identifier de nouvelles données utiles. Des années d’expérience nous ont appris que les nouvelles données ne renforçaient pas toujours les modèles existants. Mais on ne peut en être sûr avant d’avoir essayé ! Même les projets ne rencontrant pas un succès immédiat révèlent souvent des idées réutilisables ultérieurement.

Exemple d’étude de cas :
Prévisions à partir du Big Data dans le commerce de détail

Nous expliquons comment l’analyse de données sur le comportement des consommateurs permet d’établir des prévisions visant à améliorer les investissements.

GPS

Données GPS

Les données de géolocalisation provenant des balises de téléphones portables permettent d’enregistrer les déplacements des consommateurs dans les magasins. Cependant, ces déplacements ne reflètent pas forcément des ventes. Heureusement, de nombreuses sources de données nous éclairent sur les intentions des consommateurs et contribuent à évaluer la croissance des ventes d’un détaillant.

À titre indicatif uniquement.
Internet

Historique des recherches sur Internet

L’analyse des recherches Internet agrégées permet de saisir l’évolution du sentiment des consommateurs à l’égard de la marque ou des produits d’une entreprise. Néanmoins, ce type d’analyse est associé à un horizon de prévision de long terme et manque de précision, car plusieurs étapes séparent la recherche Internet de la décision d’achat.

À titre indicatif uniquement.
E-receipts

Reçus électroniques

Les données agrégées sur les achats des consommateurs enregistrées par les banques et les fournisseurs de cartes de crédit aident nos modèles de prévision à suivre les dépenses réelles des consommateurs (et donc les volumes de ventes réels).

À titre indicatif uniquement.
Sales

Ventes

En recoupant plusieurs sources de données concernant la même problématique d’investissement, nous améliorons considérablement la qualité de nos prévisions.

À titre indicatif uniquement.
GPS
Internet
Reçus électroniques
Ventes

Impact du comportement des consommateurs sur la croissance des ventes

Cliquer sur chaque icône pour en savoir plus.

Données GPS
Ventes
comptabilisées
Internet
Reçus
électroniques

Source : BlackRock, au 31 mai 2018. À titre indicatif uniquement, sans lien avec des données réelles.