Analytics dans les Media, le Sport, l’Entertainment

MEDIA SPORT ENTERTAINEMENT : La Data Science et le Big data dans les Media, le Sport…

La Data Science dans les Media, le Sport et l’Entertainment (TV, Cinéma …), traite de nombreux sujets communs liés à l’Allocation et au Ciblage des Moyens Marketing et Commerciaux en vue de maximiser les divers indicateurs du « Customer Journey », la Fréquentation des Salles / Stades, ou le Trafic dans les Lieux de Vente. Les acteurs sont souvent les mêmes ou travaillent ensemble, c’est pourquoi nous avons regroupé ces practices en une.

Le Sport Business s’intéresse également à un sujet que la Data Science sert de façon très innovante : la Performance des Joueurs.

Le Ciblage des publicités TV box par box (ou par internaute) préconisé à un annonceur par une agence média, la nature des contenus, etc. peuvent ainsi être affinés dès lors que l’on sait collecter et analyser des données issues de nombreuses variables et sources habituellement ignorées (le contenu des tweets et commentaires sur les réseaux sociaux des consommateurs sur un produits, les likes,  peuvent donner des signaux prédictifs de l’appétence ou de la demande en termes de message ?).

Au sein des Agences Media, des Groupes de Presse (qui se concurrencent sur ces sujets) et des Clubs ou Fédérations de Sports, des Chief Data Officers au plus haut niveau incarnent l’initiative Analytics dans les Media, le Sport et l’Entertainment et des Business Application Managers initieront et piloteront les projets au quotidien.

Des (Seniors) Data Scientists, Mathématiciens et Informaticiens, développent des Algorithmes d’Intelligence Artificielle adaptés aux différents sujets spécifiques de ces secteurs. Ils maîtrisent des langages comme R, Python, C# ou C++. Ils sont experts de la conception et de la mise en œuvre des technologies comme les SVM, les Réseaux de Neurones, le Deep Learning, les Arbres de Décisions, les Régressions Logistiques, etc.

Des experts du Web Analytics (moins « matheux »), savent extraire les datas du web pour que les data scientists en tirent des insights aptes à maximiser la performance.

Des experts de la préparation des données (Data Preparation, Data Cleaning) sont nécessaires à la bonne marche d’un projet : il y a peu de technologies « presse-bouton » et rarement des données prêtes à l’analyse pour une problématique précise.

Partager :