Le guide ultime des données de mobilité en 2023

Comment interpréter les données de mobilité et de fréquentation pour améliorer la prise de décision dans votre secteur – ET BIEN PLUS ENCORE !Sommaire

Chapitre un	Maîtriser les données de mobilité et de fréquentation
Chapitre deux	Pourquoi les géants de la tech sont en pointe sur les données de mobilité
Chapitre trois	Comparer les méthodes de mesure derrière les données de mobilité
Chapitre quatre	Comment votre organisation peut utiliser les données de mobilité pour mieux décider
Chapitre cinq	Quelles sont les principales innovations en matière de données de mobilité en 2023 ?
Chapitre six	Conseils pour interpréter les données de mobilité et trouver des insights décisifs
Chapitre sept	Les questions courantes sur les données de mobilité, répondues par nos experts
Chapitre huit	Comment présenter les données de mobilité pour créer un vrai changement
Chapitre neuf	L'importance de la véracité, de l'exactitude et de la précision des données
Chapitre dix	Comment ces 10 outils améliorent la visualisation et la présentation de vos données de mobilité

IntroductionCes dernières années, les données de mobilité et les données de fréquentation ont explosé. Avec des groupes comme Google et Apple, la présence des données de mobilité a atteint des sommets. Savez-vous pour autant que vous utilisez des données de mobilité ? C'est une autre question ! À mesure que la technologie progresse à un rythme spectaculaire, la précision et la variété des données de mobilité accessibles aux particuliers comme aux organisations ont fortement augmenté. Mais que sont réellement les données de mobilité ? D'où viennent-elles et comment en tirer parti ? En quoi diffèrent-elles des données de localisation, et des données de fréquentation traditionnelles et du comptage de personnes ? Ce ne sont là que quelques-unes des questions que nous abordons dans ce guide ultime des données de mobilité et de fréquentation ! Poursuivez votre lecture pour savoir tout ce qu'il faut pour tirer parti des données de mobilité, que vous travailliez dans une collectivité locale, dans l'immobilier, dans le retail ou même dans la finance. Les données de mobilité peuvent réellement améliorer vos décisions, quel que soit votre secteur d'activité. Et en bonus, nous partagerons certains de nos outils préférés pour visualiser et présenter les données de mobilité aux décideurs et aux personnes clés de votre organisation. Alors, sans plus attendre, entrons dans le vif du sujet !Maîtriser les données de mobilité et de fréquentation

Que sont les données de mobilité

La toute première chose à établir est la suivante : « que sont exactement les données de mobilité ? » Les données de mobilité sont l'enregistrement de la manière dont les populations, et même les machines, existent dans le monde physique et interagissent avec lui. Elles prennent de nombreuses formes : fréquentation, zones de chalandise, analyse du temps de visite ou encore visites de différents types de lieux. Les données de mobilité, ce sont les graphiques, les courbes et les statistiques qui aident les professionnels à comprendre les tendances qui façonnent le monde réel autour de nous. Le processus permettant d'aboutir à ces informations est plutôt complexe. Le terme de données de mobilité ne désigne pas un type unique de données sources brutes : il englobe un large éventail de mesures sous-jacentes et de méthodes de collecte possibles. Les données de mobilité existent en réalité depuis très longtemps. Depuis des décennies, les professionnels du retail, de l'immobilier et du secteur public connaissent des formes de données de mobilité telles que la fréquentation, les matrices origine-destination et les études de zone de chalandise. Ce qui a changé récemment, c'est que de nouvelles technologies ont apporté des qualités qui rendent les données de mobilité plus utiles et plus pertinentes que jamais. Ces innovations permettent principalement :

1. Une collecte de données rapide
2. Une fréquence de mesure accrue
3. Des analyses de mobilité sans limites de temps ni de géographie

Nous reviendrons sur chacun de ces facteurs tout au long du guide pour expliquer leur importance et leur rôle dans les données de mobilité. Les sources de données de mobilité, actuelles ou potentielles, sont innombrables, mais toutes parlent d'une manière ou d'une autre de la même chose : la façon dont les personnes et les objets interagissent avec le monde réel qui nous entoure. Parmi elles :

1. Les données des réseaux mobiles
2. Les données de vidéosurveillance, des réseaux WiFi, des compteurs à faisceau et d'autres solutions physiques
3. Les données des appareils mobiles et des applications
4. Les données des opérateurs de transport et des transporteurs routiers
5. Les données satellitaires
6. Les données issues d'enquêtes

Nous y reviendrons en détail plus loin, mais si vous cherchez une réponse rapide pour comprendre les données de mobilité, il est important de connaître ces sources et la façon dont elles influencent les données que vous serez amené à utiliser. Cela dit, lorsque vous mettez la main sur un produit de données de mobilité, vous pouvez vous attendre à ce que ses composantes – quelles qu'elles soient – aient déjà été traitées sous forme de graphiques, de courbes et d'autres formats statistiques prêts à être analysés ! Maintenant que ce point est clarifié et que nous comprenons mieux ce que sont réellement les données de mobilité, penchons-nous sur leurs avantages et leurs limites.

Avantages des données de mobilité

Les possibilités et bénéfices des données de mobilité sont potentiellement illimités, mais nous nous concentrerons ici sur quelques-uns des plus notables, susceptibles de vous intéresser. L'usage le plus puissant des données de mobilité est sans conteste d'aider les entreprises à mieux décider. En donnant aux organisations accès à des données de mobilité précises et régulièrement mises à jour, les professionnels sont en mesure de prendre des décisions informées et fondées sur des preuves. Vous accédez ainsi à tous ces bénéfices :

1. Mesurer la fréquentation

Le principal avantage des données de mobilité est qu'elles vous permettent de comprendre avec un haut degré de certitude où les gens se rendent dans le monde réel. Cela peut aussi vous aider à comprendre pourquoi ils fréquentent certains lieux et à identifier des opportunités commerciales, d'aménagement, d'investissement ou de marketing.

2. Révéler des tendances

La force des données est qu'elles facilitent l'identification des tendances et la prise de décisions fondées sur les faits. Vous comprenez ainsi comment les schémas de mobilité évoluent en fonction de la météo, des attractions et des tendances saisonnières.

3. Saisir les opportunités

Les données de mobilité vous permettent de saisir des opportunités qui relèvent traditionnellement un peu du pari. Elles permettent aux organisations de quantifier la taille des marchés locaux à travers les zones de chalandise et les indicateurs de fréquentation. Vous pouvez ainsi saisir des opportunités commerciales ou marketing uniques sur la base de données concrètes, ce qui réduit considérablement les risques habituellement associés à ce type de décision.

4. Connaître votre marché

Autre bénéfice intéressant : la capacité à identifier l'équilibre optimal entre le volume et la valeur des visites dans une zone, et à comprendre réellement votre capacité de marché et le pouvoir d'achat des consommateurs.

5. Anticiper l'avenir

Une compréhension solide et documentée des déplacements passés, ajoutée à l'accès à des données de mobilité actuelles et régulièrement mises à jour, vous place en position de force pour anticiper l'avenir et exploiter des modèles de prévision de chiffre d'affaires pour des actifs commerciaux.

6. Benchmarker les performances

Vous pouvez utiliser les données de mobilité pour comparer des lieux et des actifs physiques avec leurs pairs et leurs concurrents, afin de déterminer où se situe la performance de votre activité.

7. Apporter un contexte humain

Autre grand avantage : les données de mobilité permettent d'ajouter un contexte humain à d'autres jeux de données pour en comprendre la nature réelle et voir comment la mobilité humaine y produit ses effets. Nous y reviendrons plus en détail dans un chapitre ultérieur, mais la combinaison des données de mobilité avec des données démographiques, de recensement et d'autres données – comme les dépenses – est inestimable.

8. Obtenir des insights rapidement

Contrairement au comptage de personnes traditionnel et aux données de fréquentation collectées manuellement, les données de mobilité modernes vous donnent des insights très rapidement. Comme des données régulièrement mises à jour sont déjà disponibles, vous pouvez décider vite, sans attendre une collecte manuelle.

Limites des données de mobilité

Il est juste de dire qu'avec les progrès technologiques et l'essor de la variété et de la disponibilité des sources de données, les qualités des données de mobilité modernes – rapidité, accès à la demande, niveau de détail et coût – s'accompagnent d'inconnues avec lesquelles le secteur apprend à composer. Il est notamment difficile de savoir si les informations statistiques proposées par les fournisseurs de données de mobilité reflètent fidèlement la réalité. De nombreux facteurs rendent la collecte et le traitement des données de mobilité délicats. Quelles données, ou quelles combinaisons de données, sont utilisées au départ ? Ces données sont-elles fréquentes et équilibrées – souffrent-elles de biais, connus ou inconnus ? Les fournisseurs cherchent à vérifier l'exactitude de leurs données de nombreuses façons, mais la meilleure consiste souvent à les confronter à des statistiques externes faisant autorité et à mesurer la concordance. Même cela peut s'avérer difficile. Il n'existe souvent aucune comparaison directe possible avec des sources de référence existantes – comme les enquêtes classiques et les statistiques d'organismes tels que l'US Census Bureau ou l'ONS. Et compte tenu des limites propres à chaque méthode de mesure, qui peut affirmer que l'historique admis était lui-même exact ? Maintenant que nous avons traité les avantages et les limites, examinons quelques cas d'usage concrets.

Usages des données de mobilité

Quel que soit votre secteur, il existe forcément un cas d'usage applicable à votre organisation. Commençons par les usages suivants et voyons si nous pouvons vous aider à découvrir comment les données de mobilité pourraient améliorer vos décisions. Il ne s'agit ici que d'un aperçu général. Nous entrerons bien plus dans le détail au chapitre quatre pour vous montrer comment en tirer le meilleur parti. Pour rendre ces usages plus lisibles, nous les avons classés grossièrement par secteur.

Collectivités locales

1. Développement économique
2. Mesurer régulièrement l'évolution de la fréquentation
3. Attirer les bons visiteurs
4. Comprendre comment les visiteurs utilisent vos centres-villes (temps de visite, densité et fréquence)
5. Benchmarker les centres-villes entre eux
6. Savoir d'où viennent les gens (des habitants, ou s'agit-il d'une destination ?)
7. Améliorer l'accès, les équipements ou l'aménagement des espaces
8. Gestion des déplacements
9. Comprendre comment les flux traversent les centres
10. Trouver des moyens de réduire la congestion
11. Planifier et construire de meilleures liaisons de transport

Retail et immobilier

1. Choix d'implantation commerciale
2. Déterminer la taille du marché adressable
3. Qualifier les clients potentiels
4. Sélectionner une liste courte d'emplacements candidats
5. Benchmarker la performance des sites
6. Identifier le potentiel de fréquentation autour d'un site
7. Utiliser les données de ventes pour benchmarker la performance d'un site

Investisseurs financiers

1. Analystes quantitatifs et investisseurs
2. Recherche d'investissement macro et micro
3. Prévoir précisément les performances commerciales

Que sont les données de fréquentation

Nous avons beaucoup parlé des données de mobilité, mais qu'en est-il des données de fréquentation ? De quoi s'agit-il, et est-ce différent des données de mobilité ? D'abord, les données de fréquentation sont aussi couramment appelées comptage de personnes, comptage de clients ou simplement trafic piéton. Cela éclaire déjà ce que nous entendons par données de fréquentation traditionnelles. En termes simples, ce sont les données issues du comptage des personnes qui entrent dans un magasin, un centre commercial, une rue commerçante ou une autre zone. Vous vous demandez peut-être en quoi cela diffère des données de mobilité. Les données de mobilité s'appuient sur différentes technologies pour offrir une vision globale des déplacements de population, ce qui permet de compter à des endroits précis (c'est la fréquentation), mais aussi de produire des indicateurs plus larges comme les flux piétons, l'analyse de zone de chalandise et le temps de visite dans les lieux. Les données de fréquentation ont une définition plus étroite : elles ne comptent que les personnes présentes à des endroits donnés, ce qui suppose d'installer et d'entretenir des capteurs sur ces sites. Les données de mobilité offrent en outre un accès à la demande à l'historique de n'importe quel emplacement, là où le suivi de fréquentation classique ne produit des insights qu'à partir de la date d'installation.

Avantages des données de fréquentation

Les données de fréquentation ne sont peut-être pas aussi avancées que les données de mobilité, mais cela ne veut pas dire qu'elles sont sans intérêt. Avant l'arrivée de ces technologies, de très nombreuses organisations s'appuyaient sur les données de fréquentation et le comptage de personnes pour éclairer leurs décisions. Les données de mobilité ne font que porter cela au niveau supérieur ! Les avantages « traditionnels » des données de fréquentation et du comptage de personnes comprenaient notamment :

1. Une meilleure compréhension des heures qui fonctionnent bien (forte fréquentation) et de celles qui fonctionnent moins bien (faible fréquentation). Cela aide les entreprises et les gestionnaires de centres-villes à améliorer les lieux en adaptant leurs services aux moments où les visiteurs ou les clients en ont le plus besoin.
2. En connaissant le nombre de personnes présentes autour de vos points de vente, vous pouvez le comparer au nombre de ventes réalisées à un moment donné pour connaître la part de personnes qui achètent chez vous. Cela aide à comprendre la performance des magasins et l'efficacité commerciale des équipes.
3. Enfin, en comptant la fréquentation et en connaissant le nombre de clients potentiels, vous pouvez évaluer l'efficacité de vos stratégies marketing. En rapprochant les données de fréquentation de vos campagnes, vous comprenez bien mieux la performance de chacune d'elles.

Ce ne sont là que quelques-uns des avantages des données de fréquentation et du comptage de personnes traditionnels.

Limites des données de fréquentation

Si les données de fréquentation et le comptage de personnes traditionnels ont été extrêmement utiles par le passé, l'avènement des données de mobilité met en lumière certaines limites qu'il faut aborder. Contrairement aux données de mobilité modernes, la collecte traditionnelle de données de fréquentation repose souvent sur l'installation de capteurs à des endroits précis, dont la pose et l'entretien sont coûteux en temps et en ressources. La capacité d'automatisation étant limitée, passer à l'échelle efficacement devient un véritable défi. D'autres inconvénients existent, comme l'impossibilité de mesurer les zones de chalandise et la difficulté à localiser précisément les points d'engorgement. Ce ne sont là que quelques inconvénients, mais ils expliquent pourquoi le monde s'oriente vers les données de mobilité modernes plutôt que vers le comptage de fréquentation classique.Pourquoi les géants de la tech sont en pointe sur les données de mobilitéIl ne serait guère exagéré de dire que la diffusion des « données de mobilité » a explosé ces dernières années. Mais vous vous demandez peut-être pourquoi. Si l'on remonte un peu, on entendait souvent parler de données de localisation et de la façon dont elles permettaient de comprendre où les gens vont, d'où ils viennent et combien de temps ils passent à un endroit donné. Cela a toujours été, et restera, fructueux pour les entreprises et les organisations capables d'utiliser ces informations pour améliorer leur performance commerciale. Une distinction importante s'est établie entre données de localisation et données de mobilité. Les données de localisation désignent l'enregistrement source des déplacements (caractérisé par des volumes très importants et des propriétés difficiles à exploiter), tandis que les données de mobilité désignent le résultat synthétisé, plus utile – typiquement des graphiques, des courbes et d'autres ressources directement exploitables pour décider. Cette évolution et cette mise en avant des données de mobilité sont devenues plus visibles et mieux connues en raison de la pandémie de Covid-19. Et tous ces calculs et traitements sophistiqués exigent des outils analytiques big data puissants comme Google BigQuery, Snowflake et d'autres technologies des grands acteurs.

Le Covid a propulsé les données de mobilité

Avant le Covid-19, des entreprises tiraient déjà parti de données similaires, mais c'est la pandémie qui les a véritablement placées au cœur du débat international, notamment grâce à l'implication des grands acteurs de la tech. Pour aider les gouvernements du monde entier, Google et Apple ont choisi de publier gratuitement des rapports de données de mobilité de grande qualité afin d'éclairer les déplacements de population et de contribuer à freiner la propagation du coronavirus. En comprenant ces déplacements, les gouvernements étaient mieux placés pour saisir l'impact du Covid-19 sur les communautés et mettre en place des mesures pour les protéger et limiter la diffusion de la maladie. C'est cette réponse à la pandémie qui a porté les données de mobilité auprès du grand public. Et si le Covid-19 a mis en évidence leur utilité, ce n'est certainement pas la première expérience des géants de la tech en la matière.

Types traditionnels de données de mobilité

Les données de mobilité ne sont pas nouvelles. Des travaux universitaires datant des années 1970 ont établi des façons normalisées de comprendre le monde à travers la géodémographie, le comptage de fréquentation, l'analyse des zones de chalandise et les matrices origine-destination. Ces angles d'analyse de la mobilité des populations ont mûri et se sont imposés comme des indicateurs clés pour les professionnels du secteur public, du retail, de l'immobilier et de la finance. Si les résultats restent les mêmes, les moyens d'y parvenir – les données collectées et compilées à cette fin – ont évolué. Nous parlons beaucoup dans cet article des données de mobilité modernes et de leurs avantages, mais quelles sont les sources plus classiques utilisées par les fournisseurs de ce secteur ? Les méthodes de collecte et d'utilisation des données de mobilité vont du plus rudimentaire au plus sophistiqué, avec des qualités variables en matière d'exactitude et de disponibilité. Comme souvent, chaque méthode a ses forces et ses limites, et certains objectifs appellent certains types de données plutôt que d'autres. Nous détaillerons bien davantage ces méthodes de mesure plus loin. Parmi les méthodes et technologies classiques utilisées pour comprendre comment les populations utilisent l'environnement physique et s'y déplacent, on trouve :

• Enquêtes et recensements – préparer, mener et compiler périodiquement les résultats d'enquêtes
• Caméras et vidéosurveillance – observer automatiquement la fréquentation et les flux piétons à partir d'images vidéo
• Capteurs optiques, infrarouges et à faisceau – compter le nombre de personnes passant à des points précis à l'aide d'équipements optiques spécialisés et de faisceaux laser
• Réseaux WiFi publics – détecter la présence d'appareils compatibles WiFi à proximité des routeurs des réseaux publics
• Données de localisation réseau ou Cell ID – déterminer où se trouvent les appareils mobiles au sein de l'infrastructure des opérateurs

Mais la technologie continue de progresser à un rythme extraordinaire, et avec elle apparaissent de nouvelles opportunités et de nouveaux avantages. À mesure que les capacités de traitement s'accroissent et que se multiplient les appareils et machines connectés de toutes sortes, l'avenir des données de mobilité s'annonce particulièrement prometteur.

Véhicules automatisés et géants de la tech

Un aspect des données de mobilité et des géants de la tech auquel vous n'avez peut-être pas pensé, et qui constitue une tendance émergente, est celui des véhicules automatisés. De grands groupes comme Google, Apple, Microsoft et Meta (anciennement Facebook) cherchent tous à prendre leur part du marché naissant des véhicules automatisés. À mesure que ces véhicules se généralisent, un marché potentiel entièrement nouveau apparaît, que ces groupes peuvent exploiter grâce aux données de mobilité pour ouvrir de nouvelles sources de revenus. C'est une autre raison pour laquelle les géants de la tech et les données de mobilité sont si liés, et pourquoi ils en accroissent la notoriété.

Au-delà du présent

Il convient de noter que l'intérêt des géants de la tech pour les données de mobilité va bien au-delà des enquêtes, des recensements, des caméras, de la vidéosurveillance, de l'optique, de l'infrarouge, des faisceaux et des données de réseau mobile. Ces entreprises imaginent un avenir où comprendre et analyser les déplacements de population sera hautement rentable et donnera naissance à des innovations et technologies qui n'existent tout simplement pas aujourd'hui. Elles prévoient un avenir où les systèmes de mesure actuels ne suffiront plus à répondre à la demande croissante, créant un déficit de capacité de déplacement de 150 à 200 milliards de personnes-kilomètres dans les 15 prochaines années. Elles soulignent également que les villes sont aujourd'hui conçues autour de la voiture plutôt que des personnes, et que cela devra changer.Les méthodes de mesure derrière les données de mobilitéNous savons désormais ce que sont les données de mobilité, de localisation et de fréquentation, et ce qui les distingue. Nous savons aussi comment des groupes comme Google et Apple ont accru leur visibilité grâce à leurs rapports gratuits destinés à freiner la propagation du Covid. Mais toutes les données de mobilité ne sont pas mesurées de la même façon, et la méthode qui sous-tend un jeu de données détermine ce qu'il peut, ou ne peut pas, vous dire. Savoir distinguer ces approches est l'une des compétences les plus utiles pour quiconque achète ou commande des données de mobilité. À l'échelle du secteur, les approches établies sont notamment :

1. Enquêtes et recensements
2. Caméras et vidéosurveillance
3. Capteurs optiques, infrarouges et à faisceau
4. Réseaux WiFi publics
5. Données de localisation réseau ou Cell ID
6. Systèmes de positionnement par satellite (GPS)
7. Données de bidstream publicitaire
8. Bluetooth et balises (BLe)

Examinons maintenant chacun de ces moyens plus en détail, en voyant ce que chaque approche réussit bien et là où elle atteint ses limites.

Données d'enquêtes et de recensement

La manière traditionnelle d'étudier la mobilité des populations consiste à aller sur le terrain avec un questionnaire et à poser des questions. Où travaillez-vous ? Comment vous y rendez-vous, en voiture ou en transports en commun ? Où faites-vous vos courses ? Les enquêtes et les recensements utilisent souvent les réponses à ces questions pour caractériser, de manière synthétique et statistique, les résidents de zones géographiques précises (appelées « output areas » au Royaume-Uni ou « census tracts » aux États-Unis). Ces résultats sont ensuite mis à disposition dans le domaine public ou commercial. Si les enquêtes offrent une grande liberté aux chercheurs pour poser les questions qu'ils souhaitent, la collecte est coûteuse et chronophage. Les populations sont donc souvent échantillonnées (par exemple un résident sur 1 000 est interrogé), ce qui fait de la représentativité un enjeu majeur. De même, les réponses sont « déclarées » par les personnes interrogées, ce qui entraîne parfois un biais de perception. Un répondant peut par exemple estimer qu'il fréquente ou fait ses achats dans un lieu plus souvent qu'en réalité, parce qu'il le perçoit comme valorisant. Tout cela produit des données de mobilité précises mais peu fréquentes, avec certains risques de biais.

Caméras et vidéosurveillance

Un moyen établi de collecter certaines formes de données de mobilité – principalement des données de fréquentation – consiste à diriger une caméra vidéo vers une portion de rue, un carrefour ou un lieu et à compter les personnes ou véhicules qui y passent. À l'origine, cette tâche pouvait être effectuée manuellement, des personnes étant payées pour visionner de longues heures d'images et tenir le compte des personnes ou objets présents. Avec les progrès de l'apprentissage automatique et de l'intelligence artificielle (IA), cette tâche peut être automatisée par des logiciels de reconnaissance d'images. Cette méthode se distingue des enquêtes car elle produit des données « observées » plutôt que déclarées, ce qui réduit le risque de biais de perception évoqué plus haut. Mais aussi avancé soit le logiciel d'IA, cette méthode a ses propres limites. Les observations se limitent au champ de vision de la caméra, qui ne peut ni « voir » ni enregistrer ce qui se passe hors de l'objectif. Elles ne mesurent donc la mobilité qu'à l'intérieur d'une zone précise. Par ailleurs, il est très difficile d'entraîner ou d'optimiser la reconnaissance d'images (IA) pour distinguer une personne passant 100 fois devant l'objectif de 100 personnes passant une fois. Les tests montrent que cet effet peut conduire les solutions de mesure par caméra à surestimer la fréquentation jusqu'à trois fois, avec toutes les conséquences que cela peut avoir sur des décisions importantes.

Capteurs optiques, infrarouges et à faisceau

Une façon classique de mesurer la fréquentation consiste à installer des capteurs optiques ou infrarouges à des endroits précis, puis à utiliser un logiciel pour détecter le nombre de personnes dans le champ de vision, ou simplement à compter le nombre de fois où le faisceau est coupé par des personnes ou des objets. Ces systèmes sont largement déployés, par exemple aux entrées de magasins, pour compter la fréquentation de ces lieux. En général, le matériel est installé par un prestataire spécialisé, et les données sont compilées puis restituées au client. Un atout de cette méthode est qu'elle capte de manière déterministe toute l'activité se produisant dans la zone de mesure. Parmi les inconvénients, le champ de vision est très étroit – souvent une simple entrée ou un unique faisceau laser en travers d'une rue –, si bien que le contexte disponible est très limité. De plus, ces méthodes héritent de la même incapacité que les caméras et la vidéosurveillance à identifier des visiteurs uniques. Des tentatives ont été faites pour distinguer plusieurs visiteurs présents simultanément dans le champ grâce à des solutions multi-objectifs introduisant la notion de profondeur. Aucune, toutefois, ne sait faire la différence entre un visiteur passant 100 fois et 100 visiteurs passant une fois.

Réseaux WiFi publics

C'est sympathique de la part des villes et des sites commerciaux de proposer du WiFi public à leurs visiteurs ! Certes, mais rien n'est jamais totalement gratuit. Les systèmes de WiFi public sont souvent déployés avec pour objectif principal de savoir combien de personnes fréquentent les lieux et espaces publics. Même si votre téléphone, votre tablette ou votre ordinateur n'est pas connecté activement au réseau, les routeurs peuvent détecter l'appareil passant à portée (jusqu'à 30 mètres) et enregistrer cette information. Les réseaux WiFi publics sont constitués d'un maillage de routeurs qui, ensemble, couvrent une zone en continu. Il devrait donc être possible de mesurer la fréquentation et les flux piétons partout sur le réseau. Toutefois, les principaux fabricants d'appareils mobiles ont pris conscience dès 2014 des risques potentiels pour la vie privée liés à cette pratique et ont pris des mesures pour les limiter. Concrètement, la présence et les déplacements des appareils étaient observés en utilisant l'adresse MAC comme identifiant unique du matériel, puis en comptant les endroits où cet identifiant était détecté. La solution a consisté à modifier le système d'exploitation pour que l'appareil diffuse une nouvelle adresse MAC à chaque détection, rendant impossible la reconnaissance d'un même appareil dans le temps. Il en résulte qu'il n'est pas possible d'utiliser les réseaux WiFi publics pour compter une fréquentation unique à des endroits précis, ni pour observer les flux piétons sur le réseau.

Données de localisation réseau ou Cell ID

Une méthode établie de longue date pour mesurer la mobilité des populations à grande échelle consiste à utiliser les données de localisation des opérateurs de réseaux mobiles. Ces données existent sous diverses formes et ont traditionnellement été utilisées par les villes et les entreprises pour comprendre comment les gens utilisent les lieux. Différents degrés d'exactitude sont disponibles, du Cell ID (la position de l'antenne à laquelle un appareil est connecté) aux techniques de triangulation inverse qui estiment la position d'un appareil dans un triangle formé par trois antennes, à partir de la puissance du signal et de la latence. L'atout des données de réseau mobile est que, dans de nombreux pays, trois ou quatre grands opérateurs couvrent la quasi-totalité de la population adulte : la taille d'échantillon disponible est donc nécessairement importante et représentative. La limite principale est que, sous sa forme la plus courante (Cell ID), cette donnée est moins exacte que d'autres méthodes, les antennes étant assez espacées. Les données de réseau mobile conviennent donc à des études de mobilité à l'échelle de villes et de quartiers entiers, mais sont inadaptées à des études à l'échelle de la rue, par exemple.

Systèmes de positionnement par satellite

Vous avez très probablement entendu parler du GPS et compris qu'il a un rapport avec votre position, la navigation et le fait de ne pas vous perdre. Il est pourtant bien plus utile que cela et constitue une excellente source d'information et de données de mobilité. Aujourd'hui, vous utilisez inévitablement un appareil qui exploite des données GPS, que ce soit votre téléphone ou le GPS de votre voiture. Pour vous aider à arriver à destination, le matériel de votre téléphone doit communiquer avec les satellites GPS. Ceux-ci transmettent votre latitude et votre longitude à votre appareil pour vous guider. Toutes ces données sont ensuite enregistrées et peuvent être utilisées par des organisations pour produire des données de mobilité anonymes. Les données GPS sont considérées comme l'un des standards de référence de la collecte de données de localisation. Il faut toutefois noter que leur qualité peut être altérée en intérieur, entre des immeubles de grande hauteur ou dans des lieux où l'appareil ne peut pas communiquer avec les satellites.

Données de bidstream publicitaire

Une autre méthode d'acquisition de données de mobilité repose sur les données de bidstream. Chaque fois qu'une publicité est diffusée dans une application mobile ou sur un site web, un jeu de données comparable est collecté par les serveurs des régies publicitaires et sert à mieux cibler les annonces. Les SDK de ces régies sont très largement diffusés, et le flot d'informations qui en résulte est connu sous le nom de « bidstream ». Si exploiter ce sous-produit pour des insights de mobilité peut sembler séduisant en théorie, en pratique ces données sont assez imprécises ou incomplètes, car leurs sources et les conditions de leur production sont souvent inconnues. Souvent, le bidstream ne capte que l'adresse IP de l'appareil et non sa position GPS. Il est possible d'en déduire une position approximative, mais avec une adresse IP mobile, cette estimation est très imprécise. Deux autres problèmes se posent : (a) l'information n'est disponible que lorsqu'une publicité est diffusée – soit une partie seulement du temps d'utilisation de l'application – et (b) comme les publicités doivent être servies rapidement, le processus repose souvent sur de la mise en cache, qui remonte des données de localisation obsolètes. Cela dit, le bidstream est largement utilisé comme moyen rapide et peu coûteux de rassembler des données de mobilité et de fréquentation.

Balises

Une autre méthode de capture de données de localisation passe par les balises. Ce sont, en clair, des dispositifs matériels capables de détecter d'autres appareils lorsqu'ils se trouvent à proximité immédiate. Ces balises peuvent alors collecter et enregistrer les données de localisation des appareils proches et produire des données de mobilité. Contrairement à d'autres méthodes, les balises sont des dispositifs physiques à installer à un endroit précis. Elles n'observent donc qu'à cet endroit et perdent beaucoup des atouts essentiels des données de mobilité – comme la capacité de mesurer où les personnes se trouvaient avant et où elles vont ensuite. Cela réduit leur valeur comme source d'insight de mobilité et rend le passage à l'échelle difficile. Google a d'ailleurs exploité un réseau de balises destiné aux marketeurs, avant de fermer cette plateforme en avril 2021.Comment les organisations utilisent les données de mobilité pour mieux déciderDisposer de nombreuses données de mobilité, c'est bien – mais en quoi cela vous aide-t-il concrètement à mieux décider ? Avant d'entrer dans le vif du sujet, quelques points importants méritent d'être connus. Certaines sources de données de mobilité – en particulier les « courtiers en données » – fournissent aux entreprises des masses de données brutes : des milliards de mesures très difficiles à exploiter pour un client métier et, en elles-mêmes, plutôt dépourvues de sens. Il vous faudrait en réalité employer des data scientists très qualifiés et des technologies très sophistiquées pour trier tout cela et en tirer quelque chose d'utile, voire simplement d'informatif. C'est là que nous nous distinguons. Nous ne sommes pas un courtier en données et nous ne fournissons pas de données brutes : nous fournissons des insights issus des données de mobilité. Plutôt que des volumes de données qui exigeraient un diplôme en data science pour être démêlés, nous livrons des informations statistiques utiles qui vous aident à prendre rapidement des décisions justes et à améliorer vos choix et vos stratégies. Comment utiliser concrètement ces informations ?

Une meilleure planification retail

Les données de mobilité vous aident à bien mieux comprendre vos clients et votre audience potentielle. Elles ouvrent une fenêtre sur la façon dont les communautés ciblées se déplacent, d'où elles viennent, de quelle distance et combien de temps elles restent à un endroit donné. Ces indicateurs sont un excellent outil pour comprendre et anticiper les comportements d'achat et les dépenses projetées. Les données de mobilité permettent d'identifier toutes sortes d'éléments utiles sur votre région, votre emplacement, votre ville ou même votre rue, qui éclairent votre positionnement comme votre planification. Elles révèlent les points chauds – les endroits où les gens se rassemblent – à partir desquels vous pouvez identifier des comportements ou des opportunités commerciales. Prenons un exemple concret. Vous tenez un glacier de quartier et souhaitez attirer plus de visiteurs pour qu'ils achètent votre délicieux gelato artisanal. Avec nos données de mobilité, vous pourriez :

1. Identifier les rues de votre ville qui reçoivent le plus de passage
2. Savoir quels jours et à quelles heures les gens sont susceptibles d'y être
3. Savoir combien de temps les gens y restent

Cela permet aux enseignes et aux acteurs de l'immobilier de trouver les emplacements idéaux pour leur marché au sein d'une ville, et d'ouvrir leurs magasins là où la fréquentation est la plus forte et la plus qualifiée. Ce n'est qu'un exemple simple de la façon dont les données de mobilité peuvent améliorer considérablement votre efficacité et augmenter vos revenus.

Une meilleure planification

Les données de mobilité sont précieuses pour les collectivités locales. Comprendre comment leurs communautés se déplacent, se rassemblent, voyagent et utilisent leurs villes est inestimable. Ces informations rendent la planification bien plus simple et bien plus efficace. Prenons un autre exemple. Imaginons que vous soyez urbaniste dans une collectivité locale et que vous envisagiez des améliorations dans votre ville. Les données de mobilité vous permettent d'avoir un impact que vos administrés remarqueront et dont ils profiteront. Un exemple est la capacité à identifier les points d'engorgement dans vos rues commerçantes. Grâce aux données de mobilité, vous repérez facilement les secteurs fortement congestionnés. La réponse pourrait être d'identifier une opportunité d'amélioration des infrastructures, en créant des cheminements et des passages supplémentaires afin que les flux circulent plus librement et plus agréablement, plutôt que de rester bloqués dans la foule. En tant qu'experts du domaine, nous constatons réellement le bénéfice de ce type d'usage, car il aide les collectivités à réaliser des améliorations concrètes et visibles.

Choisir le site de développement idéal

Comme nous l'avons vu, les données de mobilité excellent à éclairer la façon dont les communautés se déplacent, voyagent et passent leur temps. Ces éléments sont fortement corrélés au potentiel d'achat et au chiffre d'affaires. Notre dernier exemple porte donc sur la façon dont les investisseurs du retail peuvent maximiser leurs profits potentiels grâce aux données de mobilité et aux insights que nous fournissons aux organisations. Imaginons que vous investissiez dans de jeunes concepts de restauration, en aidant des stands éphémères à succès à devenir des établissements en dur tout aussi performants. Pour choisir le meilleur emplacement, il vous faut une très bonne compréhension de la façon dont la population locale, et même plus éloignée, se déplace et utilise votre ville. Les données de mobilité vous permettent d'identifier une rue à forte mobilité aux heures de repas et, si vous combinez cela avec un secteur disposant d'une zone de chalandise dense, vous pouvez la retenir en confiance comme une bonne option pour votre nouveau restaurant. Sans données de mobilité, vous auriez une idée approximative des endroits porteurs ; disposer de données qui étayent votre hypothèse est inestimable. Avec une opportunité bien choisie, vous démarrez votre restaurant sur d'excellentes bases de croissance et de revenus potentiels. Bien sûr, il existe bien d'autres façons pour une organisation de tirer parti des données de mobilité ; ce ne sont que quelques exemples pour vous mettre en appétit. Parmi les autres bénéfices possibles :

1. Données actuelles et historiques – comparez des données actuelles, mises à jour chaque semaine, aux relevés historiques pour évaluer les tendances et les changements de comportement
2. Visites et centres d'intérêt – comprenez mieux une population et une audience en identifiant les lieux qu'elles fréquentent et les intérêts qui en découlent
3. Personnalisation et engagement – utilisez les données de mobilité pour améliorer la personnalisation et l'engagement de vos services

Prendre les bonnes décisions d'investissement

Nous avons vu que les données de mobilité apportent aux professionnels des insights sur les lieux où les gens se rendent et sur ce qu'ils y font. Cela vaut aussi pour les magasins et les lieux qu'ils fréquentent – une source d'information intéressante pour les investisseurs du retail et de l'immobilier. Pour de nombreux formats de commerce, en particulier les grandes enseignes cotées comme les supermarchés et les grandes surfaces spécialisées, le lien entre la visite en magasin et les dépenses réalisées est très étroit et évident. Des données de mobilité de qualité constituent donc un moyen efficace de mesurer les ventes du retail. Certaines sociétés d'investissement les utilisent pour anticiper les ventes que publieront les entreprises dans lesquelles elles investissent à chaque période de reporting. Comme les ventes pèsent souvent lourdement sur le cours de bourse, les données de mobilité offrent un moyen très précieux d'anticiper ce qui va se produire sur les marchés. Si vous pensez pouvoir en bénéficier, découvrez notre plateforme !Quelles sont les principales innovations en matière de données de mobilité en 2023 ?L'objectif premier est d'atteindre une exactitude de mesure toujours plus grande et d'offrir aux analystes l'image la plus fidèle possible de ce qui se passe sur le terrain. La deuxième ambition est de rendre les données de mobilité toujours plus utiles et informatives, en offrant une vision plus globale de la façon dont les populations utilisent le monde qui les entoure. La troisième est d'en rendre l'accès plus facile et plus simple pour les entreprises et organisations qui peuvent en bénéficier. Qu'apportent donc les nouvelles technologies pour aider le secteur à aller dans cette direction ?

Une plus grande exactitude des insights

Si vous utilisez les données de mobilité pour compter la fréquentation d'une rue, d'un carrefour ou même d'un magasin, il est essentiel de savoir que vous comptez l'activité qui s'y déroule – et pas ailleurs. Certaines méthodes de comptage traditionnelles ont une exactitude limitée, si bien que les graphiques, courbes et statistiques qui en découlent ne reflètent pas ce que vous croyez. Ils reflètent en réalité quelque chose de plus large. Les nouvelles technologies offrent une meilleure exactitude de restitution, donc des informations plus fidèles pour mieux décider.

L'usage des caméras

On est passé du comptage manuel à l'usage de caméras pour compter les personnes présentes dans une zone donnée. C'était un progrès, mais cette méthode exige du matériel supplémentaire et, comme pour le comptage de personnes, il est difficile de savoir si 100 personnes sont passées ou si une seule est passée 100 fois.

Une fréquence de restitution plus élevée

Imaginez envoyer une équipe d'enquêteurs munis de questionnaires dans les quartiers. À quelle fréquence pourriez-vous raisonnablement répéter l'opération ? Chaque année ? Tous les 10 ans, comme le recensement national ? Collecter des données ainsi est coûteux et chronophage. Les nouvelles technologies de mesure permettent une restitution régulière, hebdomadaire, des données de fréquentation et de mobilité. Et le délai – le temps nécessaire pour collecter, compiler et publier les résultats – peut être considérablement réduit. L'information devient ainsi plus détaillée et plus actionnable pour les décideurs.

Des données contextuelles plus riches

Les solutions ponctuelles comme les caméras de vidéosurveillance, les capteurs optiques et les faisceaux laser comptent peut-être correctement les personnes passant à un point unique, mais elles n'ont aucune notion d'où ces personnes viennent, pourquoi elles sont là et où elles vont ensuite. Il est également difficile d'en déduire de manière uniforme et fiable quoi que ce soit sur leurs affinités ou leur profil démographique. Les nouvelles technologies permettent un éventail bien plus large d'informations contextuelles, ce qui éclaire de meilleures décisions en dressant un portrait plus vivant de la mobilité des populations.

Un accès facilité à l'information

Mener des enquêtes ou installer et entretenir du matériel pour observer la mobilité coûte cher et pose de nombreux problèmes, de l'autorisation aux risques de sécurité en passant par l'alimentation électrique. La disponibilité des données est aussi limitée par l'emprise du réseau physique de capteurs : chaque fois que vous voulez étudier un nouvel endroit, tout le processus d'installation doit être répété. Avec les nouvelles technologies, les insights actuels et historiques sont déjà disponibles – partout où vous choisissez de regarder.

Un meilleur rapport qualité-prix

Tout cela signifie qu'il est plus rapide et plus simple pour les fournisseurs de livrer des données de mobilité meilleures et plus utiles – et pour les clients d'y accéder. Le monde réel est vaste et de nombreuses entreprises et organisations en dépendent pour leur activité. Le rôle des données de mobilité n'a jamais été aussi pertinent, et il est stimulant de voir les innovations les rendre meilleures et plus accessibles.Conseils sur les données de mobilité pour trouver des insights décisifsSi vous êtes arrivé jusqu'ici, vous devriez avoir une bonne compréhension de ce que sont les données de mobilité, de la façon dont les différentes méthodes de mesure se comparent, des raisons pour lesquelles votre organisation devrait les utiliser et de leur utilité réelle. Dans ce chapitre, nous partageons donc quelques-uns de nos meilleurs conseils pour tirer pleinement parti de nos données de mobilité. Nous vous aidons à les analyser et vous indiquons ce à quoi prêter attention.

1. Repérez les points d'engorgement

Les données de mobilité excellent à mettre en évidence les points d'engorgement. Certains itinéraires vers ou dans votre ville ou votre entreprise deviennent-ils congestionnés à certaines heures ? Existe-t-il des moyens d'y remédier ? Pourriez-vous encourager d'autres modes de déplacement, mettre en place des alternatives ou introduire des innovations comme les trottinettes électriques, dont la popularité a fortement progressé ces dernières années comme moyen d'améliorer la mobilité dans une zone donnée ? En identifiant clairement ces points d'engorgement par l'analyse des données, vous savez que chercher une solution en vaut la peine. Vous pouvez ensuite analyser les données a posteriori pour mesurer l'efficacité de votre solution.

2. Comparez l'avant et l'après

Vous pourriez recevoir un jeu de données une fois et penser que cela suffit. La vraie force des données de mobilité vient de l'analyse continue – ou « longitudinale ». Les comparaisons avant/après sont une stratégie essentielle et permettent vraiment de dresser le portrait fidèle de ce qui se passe dans votre ville ou votre pôle commercial. En observant les données de mobilité avant et après vos interventions, vous disposez d'indicateurs de performance rares et précieux, qui vous disent exactement si le projet a réussi et s'il produit l'effet recherché. C'est bien préférable à lever le doigt en l'air pour deviner : identifier les changements à apporter et en mesurer objectivement les effets constitue une base plus juste et plus équilibrée pour décider. Vous pouvez aussi prolonger l'analyse après le projet, en continuant d'itérer et d'améliorer les résultats obtenus – ou, à l'inverse, de régler des problèmes que vous n'aviez pas anticipés.

3. Combinez données de fréquentation et données démographiques

De manière générale, plus vos données sont riches et détaillées, mieux c'est. Des données plus riches permettent de dresser des portraits plus vivants et mieux documentés. C'est pourquoi nous recommandons de combiner les données de fréquentation ou de mobilité avec des données démographiques. Vous comprenez ainsi non seulement comment les gens entrent, circulent et sortent de votre ville ou de votre établissement, mais aussi qui ils sont, bien plus en profondeur, afin de mieux les servir. Cette combinaison révèle des comportements auxquels vous n'auriez peut-être pas pensé dans votre planification ou vos projets.

4. Classez les populations à l'aide des données de recensement (moyen, faible, élevé)

Dans le prolongement du point précédent, nous recommandons de classer les populations à l'aide des données de recensement. En croisant ces deux ensembles, vous comprenez encore mieux vos populations : ce qui les motive, leur revenu disponible et même leurs centres d'intérêt. En tant qu'urbaniste, cela vous aide à les servir bien mieux qu'avec les seules données de mobilité. En tant qu'investisseur financier, vous verrez plus clairement quels types d'actifs ou de titres privilégier. Une fois que vous maîtrisez le profil socio-économique et démographique des populations ainsi que leurs comportements de mobilité, vous êtes parfaitement placé pour améliorer les territoires que vous servez ou pour prendre de bien meilleures décisions commerciales.

5. Exploitez les insights de fréquentation horaires

Il est fréquent de se laisser absorber par la vue d'ensemble qu'offrent les données de mobilité. Pourtant, pour apprécier pleinement le détail et les nuances de leur valeur, il faut examiner les schémas à l'échelle horaire. À ce niveau de granularité, vous découvrez de vrais insights aux résultats réellement actionnables. Vous pouvez lancer des projets stratégiques répondant à des enjeux très précis, ou étayer des éléments de plans d'affaires aux conséquences concrètes. En analysant la fréquentation horaire, vous identifiez rapidement les heures de pointe et les heures creuses – les unes autant que les autres comptent. Vous pouvez alors optimiser vos pratiques, votre planification ou vos interventions pour les rendre plus efficaces.

6. Comprenez le temps de visite

Analysez et comprenez le temps de visite lorsque vous utilisez des données de mobilité. Comprendre combien de temps les visiteurs restent à chaque visite est aussi important que de connaître les niveaux de fréquentation des lieux qui vous intéressent. C'est ce qu'on appelle le temps de visite : tout simplement, le nombre de minutes que les personnes passent à un endroit donné. Il peut s'agir de savoir combien de temps les gens restent dans la rue commerçante ou le centre-ville que vous analysez. Le temps de visite offre un autre éclairage sur les comportements, utile aussi bien à la planification qu'aux stratégies commerciales. En règle générale, plus les gens restent longtemps dans une zone, plus vous avez d'occasions de les accompagner par un aménagement local pertinent ou des interventions ciblées. Reste à décider quoi faire de ces données. Si vous découvrez par exemple une zone à faible temps de visite, vous pourriez, en tant qu'urbaniste, envisager deux options.

1. Lancer un projet de revitalisation pour augmenter la fréquentation et le temps de visite.
2. Réorienter les efforts et les moyens vers d'autres lieux et projets offrant un meilleur retour sur investissement

Dans tous les cas, l'accès aux données de mobilité ouvre une voie entièrement nouvelle à la décision fondée sur les données.

7. Rapprochez données de fréquentation et données de ventes

Combinez et comparez les données de mobilité et de fréquentation avec les données de chiffre d'affaires et de ventes. Mettre au jour les corrélations entre ces séries est une véritable mine d'or commerciale. La règle générale veut que plus les gens consacrent de temps à une activité, plus elle compte pour eux – et, dans le retail, plus ils sont susceptibles de dépenser. Comprendre finement la façon dont ces deux indicateurs s'influencent est un élément clé de décisions commerciales éclairées par les données.

8. Examinez les données de zone de chalandise

Savoir comment les populations entrent dans votre zone, votre ville, la traversent et en sortent est utile ; savoir d'où elles viennent l'est tout autant. C'est ce qu'on appelle la cartographie ou la modélisation de la zone de chalandise. Une fois établi d'où vient l'essentiel des visiteurs, vous pouvez améliorer vos décisions, qu'il s'agisse d'une activité commerciale ou d'aménagement urbain. Un usage courant des données de zone de chalandise consiste à déterminer la distance à parcourir depuis un centre pour capter 50 ou 80 % des visiteurs. Une fois votre zone de chalandise actuelle comprise, vous pouvez exploiter les données disponibles pour l'améliorer ou l'ajuster. C'est particulièrement puissant lorsque l'on y ajoute des données de recensement et des données démographiques.

9. Commencez petit et montez en puissance

Notre dernier conseil : commencez petit et montez progressivement en puissance. Les données de mobilité sont une ressource formidable au potentiel presque illimité pour améliorer les décisions, les plans stratégiques, les tactiques d'investissement, l'aménagement urbain et bien plus. Il est cependant facile de se retrouver submergé et de passer à côté d'insights importants si vous démarrez avec un volume considérable. C'est pourquoi nous recommandons de commencer avec des volumes réduits et de les augmenter avec le temps. Vous pouvez ainsi monter en puissance de manière stratégique et améliorer vos performances durablement, sans manquer de corrélations, d'insights ou de points de données précieux. Si vous pensez pouvoir bénéficier de tous les insights qu'apportent les données de mobilité, n'hésitez pas à nous contacter.Les questions sur les données de mobilité, répondues par nos experts

1. Que peut-on faire avec des données de localisation ou de mobilité ?

Les données de mobilité (terme générique qui recouvre les données de fréquentation, les insights de temps de visite, l'analyse de zone de chalandise, la démographie et plus encore) sont une ressource utile qui permet aux organisations de comprendre comment les populations se déplacent dans une zone, une ville ou même un centre commercial. Elles servent fréquemment à éclairer des décisions commerciales ou d'aménagement. Elles apportent des insights et de la compréhension et aident les professionnels de tous les domaines concernés à mieux décider.

2. Les données de mobilité contiennent-elles des informations sensibles ou privées ?

Les données de mobilité désignent précisément les résultats statistiques calculés à partir de l'analyse d'un large éventail de sources qui décrivent, de différentes manières, comment les populations se déplacent et interagissent avec le monde réel. Par conséquent, elles ne contiennent rien qui permette d'identifier des individus ni aucune autre information personnelle.

3. Quelle est l'exactitude des données de localisation ?

Les données de mobilité peuvent offrir une représentation extrêmement fidèle de la réalité. Les comparaisons entre leurs résultats et une série d'indicateurs macroéconomiques officiels et de chiffres d'affaires nets du retail peuvent être fortement corrélées, avec une valeur de corrélation supérieure à 0,9 et un MAPE inférieur à 5 %. C'est nettement mieux que les estimations consensuelles classiques.

4. Pourquoi les données de localisation et de mobilité sont-elles importantes ?

Les données de mobilité donnent aux organisations une compréhension approfondie de leurs marchés et de leur positionnement. C'est important, car cela aide les entreprises à améliorer leurs démarches stratégiques et, peut-être plus important encore, les collectivités locales et les villes à mieux servir leurs territoires.

5. D'où viennent les données de mobilité ?

Les données de mobilité peuvent être dérivées de presque n'importe quelle source de données, dès lors que celle-ci renseigne d'une manière ou d'une autre sur la façon dont les populations se déplacent et interagissent avec l'environnement physique. Les sources classiques comprennent les enquêtes, l'analyse de flux de caméras ou de vidéosurveillance, les capteurs optiques ou infrarouges spécialisés, les réseaux WiFi publics et les données des opérateurs télécoms. Les sources émergentes comprennent les données issues des véhicules, la tachéométrie et les appareils mobiles.

6. Pourquoi les entreprises veulent-elles des données de mobilité ?

Les entreprises veulent des données de mobilité pour améliorer leurs décisions et, en conséquence, accroître leur rentabilité et l'engagement de leurs clients. Cela passe généralement par une meilleure planification et de meilleures décisions commerciales.

7. À quel type de données appartiennent les données de mobilité ?

Les données de mobilité sont une ressource puissante utilisée par les professionnels et les chercheurs en sciences humaines pour comprendre comment les populations utilisent l'environnement physique et s'y déplacent. Elles sont fournies sous forme de données statistiques calculées et synthétisées, faciles à visualiser ou à interpréter pour éclairer la décision.Comment présenter les données de mobilité pour créer un vrai changementLa présentation et la représentation des données peuvent être aussi importantes que les données elles-mêmes. Une visualisation puissante et réfléchie peut transformer des données en information, et l'information en récits efficaces et convaincants. Voici donc dix techniques de visualisation classiques pour démarrer, suivies de six méthodes propres aux données géospatiales et de mobilité.

1. Graphique en courbes

Le graphique en courbes est très populaire et très utilisé, car c'est un excellent outil pour comparer des données dans le temps et faire apparaître des tendances. Il permet aussi de comparer plusieurs séries sur une même période.

2. Histogramme vertical

Autre graphique très répandu : l'histogramme vertical. C'est un bon outil pour comparer des éléments et des données dans le temps, avec plusieurs valeurs sur les axes x et y et une catégorie de ventilation supplémentaire sur l'axe y. Il est efficace pour repérer les pics et les tendances, surtout combiné à une courbe.

3. Histogramme horizontal

L'histogramme horizontal est adapté à la comparaison de nombreux éléments, les catégories étant généralement placées sur l'axe y et leurs valeurs sur l'axe x. Vous pouvez utiliser d'autres catégories pour regrouper ou ventiler les valeurs.

4. Diagramme circulaire

Les diagrammes circulaires sont l'un des meilleurs moyens d'afficher des données proportionnelles, avec ou sans pourcentages, la taille de chaque secteur représentant une valeur et sa relation avec les autres catégories. Pour être efficaces, ils doivent former un total qui a du sens et comporter idéalement six catégories au maximum.

5. Graphique en aires

Le graphique en aires ressemble beaucoup à la courbe, à ceci près que la zone située sous la ligne est colorée. Cela permet de les empiler et facilite les comparaisons. Utilisez-le pour afficher des valeurs absolues ou relatives sur une période définie.

6. Tableau croisé dynamique

Le tableau croisé dynamique est l'un des moyens les plus simples et les plus efficaces de créer des visualisations utiles. Il permet de résumer et d'analyser rapidement de grands volumes de données. Vous pouvez aussi le combiner à une mise en forme couleur pour l'enrichir.

7. Nuage de points

Utilisez un nuage de points lorsque vous souhaitez afficher à la fois la distribution et la relation entre deux variables. Vous pouvez utiliser des cercles pour représenter les catégories comparées et leur taille pour représenter une valeur numérique : une valeur plus élevée correspond à un cercle plus grand, une valeur plus faible à un cercle plus petit.

8. Carte de points

La carte de points est un bon moyen de visualiser des données géographiques sur une zone donnée sous forme de points sur une carte. Là encore, la couleur et la taille permettent de représenter plusieurs valeurs simultanément.

9. Treemap

Le treemap est un graphique multidimensionnel qui utilise des rectangles imbriqués pour représenter des données hiérarchiques. Il peut remplacer un histogramme lorsqu'il s'agit de comparer de nombreuses catégories.

10. Diagrammes de Sankey

Le diagramme de Sankey est un moyen efficace de représenter les relations entre des éléments – lieux, activités ou tout ce que vous voulez. Il sert souvent à représenter statistiquement des concepts comme les parcours utilisateurs : quelle proportion de personnes partant du point « a » rejoint le point « b », et ainsi de suite. Ces diagrammes doivent leur nom à Matthew Sankey, dont l'usage de cette technique a servi à représenter la marche de Napoléon sur Moscou en 1812. Après ces techniques assez classiques, voici des méthodes plus avancées, davantage propres aux données géospatiales ou de mobilité. Apprenez à utiliser ces approches pour raconter des histoires et provoquer le changement avec les données.

1. Cartes choroplèthes

Commençons par les cartes choroplèthes, parfois appelées cartes en aplats. Elles conviennent bien pour visualiser une gamme de valeurs sur une zone géographique donnée. Vous pourriez par exemple représenter facilement les taux de chômage par département sur une carte. Les choroplèthes aident aussi à faire apparaître des tendances par code postal, par pays ou par sous-région.

2. Cercles proportionnels

À l'image du nuage de points qui utilise des cercles de tailles différentes pour représenter plusieurs valeurs, les cartes à cercles proportionnels y ajoutent la dimension géographique en plaçant les cercles directement sur une carte. C'est excellent pour combiner plusieurs points de données et des tendances spatiales de manière lisible.

3. Distributions de points

Les distributions de points servent à communiquer des tendances de densité dans des données ponctuelles très denses. Elles peuvent représenter des publications sur les réseaux sociaux, du trafic web ou encore des données de télémétrie de véhicules – autant de bons cas d'usage.

4. Animations

Particulièrement efficaces sur les réseaux sociaux, les animations montrent comment les données évoluent selon une dimension donnée, généralement le temps. Elles peuvent illustrer la croissance d'entreprises sur une période ou l'évolution des taux d'emploi. Elles sont excellentes pour montrer comment des points de données ont évolué.

5. Extrusions 3D

Les extrusions 3D sont un outil puissant lorsque les données comportent un élément z naturel, comme l'altitude. Elles peuvent aussi servir à comparer les densités de population de différentes régions en ajoutant des extrusions directement sur une carte, ce qui offre un regard éclairant sur les données.

6. Cartes de chaleur

La carte de chaleur est une forme très courante de visualisation de données de localisation. Elle montre des tendances spatiales à l'aide de dégradés de couleurs et facilite l'identification de groupes de données corrélées. Un urbaniste pourrait s'en servir pour repérer les secteurs très fréquentés ou congestionnés de sa ville, ce qui éclaire ses décisions futures.L'importance de la véracité, de l'exactitude et de la précision des donnéesDes données ne valent jamais mieux que leur véracité. Si elles sont peu fiables et inexactes, les conclusions tirées, les schémas identifiés ou les récits déduits seront au mieux inopérants. Les décisions prises à partir de données inexactes seront elles-mêmes inexactes et reposeront sur des bases trompeuses. C'est pourquoi il est essentiel d'établir la véracité des données, en particulier lorsqu'elles servent à prendre des décisions importantes.

Qu'est-ce que la véracité des données ?

Qu'entend-on par véracité des données ? En bref, c'est le degré d'exactitude ou de fidélité attribué à un jeu de données. Cela concerne à la fois la qualité des données et leur fiabilité. Pour évaluer la fiabilité, plusieurs éléments doivent être pris en compte. Par exemple : quelle est la source des données ? De quel type de données s'agit-il ? Comment ont-elles été traitées ? Les anomalies, incohérences et biais ont-ils été pris en compte ou correctement éliminés ? Il est essentiel de comprendre ces enjeux et de pouvoir répondre à ces questions lorsque vous utilisez des données. Dès qu'un doute subsiste sur l'un de ces points, l'utilité et la fiabilité des données pour la décision s'en trouvent affectées. Ce n'est pourtant pas le seul élément à connaître. L'autre élément à considérer pour la véracité des données de mobilité est la stabilité. La stabilité désigne la mesure dans laquelle les briques sous-jacentes des données – souvent les sources – évoluent dans le temps. C'est important, car lorsque les données de mobilité servent à décider en fonction de l'évolution des tendances, les statistiques doivent être comparables à périmètre constant. Vous pourriez par exemple utiliser des données de mobilité pour savoir quelle était la fréquentation d'un supermarché il y a deux ans et la comparer à celle d'aujourd'hui. L'ensemble de la série pourrait être représenté par une courbe ou un graphique chronologique, mais si les données d'il y a deux ans provenaient d'un comptage par vidéosurveillance et celles d'aujourd'hui du WiFi, il est très difficile de comparer les deux niveaux à périmètre constant. Le dernier aspect à connaître est la pertinence des données au regard de votre question métier précise. Prenez le temps de poser des questions et de bien comprendre les données, puis demandez-vous si ces points de données sont réellement représentatifs de l'activité que vous devez mesurer pour répondre à votre problématique. Si ce n'est pas le cas, envisagez de ne pas les utiliser, ou de les combiner à d'autres recherches ou données pour obtenir une image plus juste.

Pourquoi la véracité des données est-elle importante ?

La véracité des données est très importante et fait partie des quatre grands « V » du big data, aux côtés de Velocity, Volume et Variety. Comme des décisions importantes peuvent reposer sur les schémas et insights que les données font apparaître, des données inexactes, peu fiables ou inadaptées conduiront à de mauvaises décisions, avec de véritables conséquences pour l'entreprise. Avant d'utiliser des données pour décider, vous devez vous assurer qu'elles ont été validées, standardisées et, souvent, normalisées afin de pouvoir éclairer d'autres travaux. Ce processus peut toutefois être long et exigeant, et les entreprises sont parfois trop promptes à l'éviter, faute de temps et d'expertise. Ne vous laissez pas arrêter pour autant ! Les données de mobilité sont une ressource extrêmement large et puissante, capable de produire des résultats très précieux pour votre activité. Nous recommandons vivement de travailler avec des fournisseurs comme Huq Industries, ou d'utiliser leurs données, qui prennent toujours le temps d'établir la véracité de leurs données et de s'assurer qu'elles sont exactes, fiables et immédiatement exploitables.

Comment mesurer la véracité des données ?

Lorsque l'on place deux jeux de données de mobilité côte à côte, il est difficile d'en évaluer les différences. Tous deux peuvent comporter une colonne pour la date, peut-être une catégorie, un lieu ou un objet – puis un nombre. Mais voilà : ces nombres diffèrent ! Lequel est le bon ? Il est important d'évaluer la véracité de toute donnée sur laquelle vous fondez vos décisions, avant d'agir. S'appuyer sur une information erronée peut conduire à des erreurs coûteuses et embarrassantes. Voici comment éviter cette situation.

1. Comparez les données

Vous pouvez presque toujours trouver quelque part un jeu de données équivalent pour comparer vos données de mobilité. Il existe de nombreuses et bonnes sources de données ouvertes. Très souvent, l'institut national de statistique du pays concerné, comme l'Office For National Statistics (ONS) au Royaume-Uni, propose des ressources détaillées et de grande qualité en téléchargement. Il existe aussi de nombreuses bibliothèques en accès libre – comme Kaggle.com et les jeux de données publics de Google BigQuery. Les données ne correspondront pas exactement – sinon, pourquoi auriez-vous besoin d'une source commerciale ! –, mais elles devraient être suffisamment proches pour constituer un benchmark légitime. Les différences typiques : (a) elles sont anciennes et ne couvrent que jusqu'à [ l'année dernière ], (b) elles sont moins fréquentes et ne proposent que des intervalles trimestriels plutôt qu'hebdomadaires, (c) elles couvrent une zone géographique plus large, comme la ville ou le pays, plutôt que le pôle commercial que vous étudiez, ou (d) en raison des sources utilisées et de la préparation des données, l'indicateur reflète en réalité quelque chose de légèrement différent. Dans tous les cas, il devrait être possible d'agréger ou de résumer les données de mobilité que vous testez au même niveau que le jeu de référence, afin que la comparaison soit raisonnablement équitable. Une fois deux séries comparables obtenues, comment mesurer objectivement et statistiquement leurs similitudes ?

2. Calculez la corrélation de Pearson

La méthode la plus courante pour mesurer à quel point deux jeux de données se ressemblent consiste à calculer le coefficient de corrélation de Pearson. C'est certes une simplification, mais imaginez deux courbes sur un même graphique montrant le nombre de [ trajets en train ] effectués dans un pays au fil du temps. Toutes deux montent et descendent selon les jours de la semaine et les saisons, mais des différences nettes apparaissent. La fonction de corrélation de Pearson considère à la fois le sens (hausse ou baisse) et l'angle de variation entre les intervalles (la pente) pour produire un nombre décrivant leur degré de concordance. La valeur va de -1 (image en miroir) à 0 (aucune ressemblance) puis à 1 (correspondance parfaite). Dans la plupart des cas, si vous avez confiance dans les données auxquelles vous comparez vos données de mobilité, vous recherchez un nombre aussi proche que possible de 1. La plupart des outils de traitement intègrent la fonction de corrélation de Pearson : vous n'avez pas à l'écrire vous-même. Dans Excel ou Google Sheets, la fonction est simplement =COEFFICIENT.CORRELATION(série 1 ; série 2). Mais la corrélation de Pearson ne vous dit pas de combien les deux séries s'écartent sur l'axe Y !

3. Calculez l'erreur absolue moyenne en pourcentage (MAPE)

Qu'est-ce que l'erreur absolue moyenne en pourcentage ? Le MAPE est un indicateur souvent utilisé pour décrire l'écart entre deux courbes ou séries sur l'axe Y. C'est important lorsque les deux jeux comparés expriment des chiffres en valeur absolue, par exemple le nombre réel de trajets en train ou le chiffre d'affaires réel d'une entreprise. Les deux jeux pourraient être identiques du point de vue de la « forme » (voir la corrélation de Pearson ci-dessus), mais si l'un indique 100 trajets et l'autre 100 000 trajets le même jour, vous avez un problème ! Si les deux jeux comparés sont indexés au même moment, ils partiront tous deux de votre valeur de référence (souvent 100) et montreront simplement comment ils s'en écartent au fil du temps. Dans ce cas, vous n'aurez pas besoin de calculer le MAPE. Le MAPE calcule l'écart (positif ou négatif) entre les valeurs aux mêmes intervalles (par exemple le jour) et en fait la moyenne pour donner une vision de l'écart entre les deux courbes sur l'ensemble de la série. La plupart des entreprises qui prennent la validation des données très au sérieux (comme tout le monde devrait le faire) recherchent une corrélation de Pearson élevée et un MAPE faible pour établir que le jeu de données testé correspond bien à la référence.

4. Interrogez le fournisseur

Valider de nouvelles données en combinant corrélation de Pearson et MAPE est louable, et nous encourageons chacun à le faire. Mais dans les faits, toutes les entreprises n'en ont ni le temps ni les moyens. Tout fournisseur de données de mobilité de qualité, soucieux de la véracité de ses données, devrait les vérifier en continu de cette manière ou d'une manière équivalente, et être en mesure de communiquer ses résultats de test en toute transparence. Souvent, le plus simple est de le lui demander ! Cela vous en dira long sur l'approche de chaque fournisseur en matière de qualité et de véracité des données.Dix outils pour muscler la visualisation et la présentation des données de mobilitéIl ne suffit pas d'avoir des données à profusion : encore faut-il pouvoir les visualiser et les représenter de manière claire et convaincante (comme exposé au chapitre huit) pour en tirer tous les bénéfices. Pour vous y aider, il existe une multitude d'outils de visualisation et de présentation. Voici notre sélection des dix meilleurs pour démarrer. En visualisant et en présentant bien vos données de mobilité, vous avez bien plus de chances d'obtenir l'adhésion et l'intérêt des parties prenantes pour l'objectif que vous poursuivez.

1. Google Data Studio

Google Data Studio est un excellent outil en ligne gratuit qui permet de créer des rapports et des tableaux de bord personnalisés et informatifs. Il a été lancé en mars 2016 comme solution pour les entreprises, une version gratuite ayant suivi en mai de la même année. Vous pouvez y visualiser des données avec des graphiques et des tableaux hautement configurables, pour raconter différentes histoires. Vous pouvez facilement connecter plusieurs sources de données, partager et collaborer avec d'autres utilisateurs ou collègues. Data Studio inclut toutes les visualisations habituelles – courbes, histogrammes, secteurs, tableaux et indicateurs – et propose des filtres et des sélecteurs de période faciles à utiliser. Vous pouvez aussi soigner le style de vos rapports avec des couleurs, une typographie et des images. Aucune compétence en programmation n'est requise, mais vous pouvez connecter des bases de données comme BigQuery, MySQL et PostgreSQL et croiser des données de sources différentes.

2. Kepler

Kepler est un outil open source puissant d'analyse géospatiale pour les jeux de données à grande échelle. C'est une plateforme web de visualisation de données de localisation à grande échelle, créée et ouverte par l'équipe de visualisation d'Uber. Conçue comme un framework open source de niveau industriel, elle convient bien à l'analyse exploratoire. Le principal inconvénient de Kepler est que tout le traitement doit s'effectuer en dehors de l'outil, et qu'il s'agit d'un outil de bureau n'acceptant que des données CSV et JSON. Cela peut devenir pénible et fastidieux avec de gros volumes, lorsqu'il faut sans cesse télécharger des fichiers CSV à tracer dans l'outil. Kepler vise généralement des utilisateurs métier ne maîtrisant ni le code ni le SQL. Cela dit, il est relativement bien adopté par les data scientists de Google et d'AirBnB pour la visualisation.

3. Mapbox

Mapbox fournit des cartes et des localisations aux développeurs et peut exploiter des données de localisation précises. Mapbox donne accès à des informations de localisation complètes et permet de créer et de personnaliser des cartes dynamiques ou statiques à l'aide de tilesets Mapbox. Ces cartes stylées peuvent ensuite être intégrées dans des applications web. L'offre comprend un niveau gratuit généreux, idéal pour les entreprises à faible volume d'utilisateurs. Vous accédez à une documentation bien organisée pour un outil facile à intégrer, même si la courbe d'apprentissage est assez raide. Mapbox est actuellement utilisé par Snap, Shopify et Meta (anciennement Facebook).

4. Carto

Carto est une plateforme SaaS open source de location intelligence bâtie sur PostGIS et PostgreSQP, anciennement connue sous le nom de CartoDB. Carto propose des outils de SIG, de cartographie web et de data science spatiale, et couvre un large éventail de cas d'usage grâce à ses capacités transversales de visualisation et d'analyse. Elle intègre aussi de nombreux filtres et widgets pour mieux analyser et visualiser les données. Il existe toutefois quelques inconvénients. Comme pour Kepler, tout le prétraitement doit se faire en dehors du système, en particulier avec des jeux de données complexes. De plus, l'analyse ne peut porter que sur un jeu de données à la fois. Carto se positionne comme une plateforme de location intelligence douée pour l'analyse comme pour la visualisation, sans exiger d'expérience préalable en SIG ou en développement, avec une interface pensée pour les développeurs web et les data scientists d'aujourd'hui.

5. Microsoft Power BI

Microsoft Power BI est une solution de visualisation idéale dans les environnements Microsoft existants. C'est un outil d'analyse et de visualisation puissant, capable de réunir des informations de plusieurs sources dans des tableaux de bord interactifs. Microsoft Power BI convient bien aux entreprises qui recherchent des rapports de KPI et d'indicateurs clés, et excelle à transformer des données complexes en graphiques et infographies faciles à comprendre. Son principal atout est la facilité avec laquelle on réunit des données de plusieurs sources dans un seul rapport, entièrement dans le cloud.

6. Tableau

Tableau est une plateforme d'analyse visuelle qui excelle à compiler des données issues de multiples sources : apprentissage automatique, intelligence artificielle et business intelligence. Son interface de visualisation est très conviviale et facile à prendre en main, donc très accessible aux entreprises. Tableau s'intègre à environ 250 applications, dont le CRM Salesforce. Il existe aussi une option plus abordable pour les petites structures, Tableau Public, qui propose de la visualisation gratuite.

7. Maptive

Maptive est un autre bon outil cloud de visualisation et d'analyse de données de mobilité. C'est un logiciel sophistiqué qui permet d'importer des données de tableur, immédiatement reportées sur une carte. Vous pouvez ensuite recourir à des techniques comme les cartes de chaleur, les cartes de clusters et les rayons de temps de trajet pour dégager des insights clés et améliorer vos décisions. Outil cloud, il facilite la collaboration et le partage.

8. Someka Heat Maps

Someka Heat Maps est une solution populaire dédiée aux cartes de chaleur, qui permet d'en générer d'efficaces et de parlantes directement dans Microsoft Excel. Vous importez simplement vos données et la carte se génère automatiquement, la coloration distinguant automatiquement les différentes unités géographiques. Reposant sur Excel, Someka est très simple et pratique à utiliser et constitue une solution efficace pour produire des cartes de chaleur.

9. API Google Maps

L'API Google Maps est l'outil le plus utilisé pour intégrer des cartes dans des applications. Produit Google, elle s'appuie sur une immense base de lieux et de solides fonctions d'itinéraire. Elle reprend toutes les fonctionnalités de Google Maps – géocodage, itinéraires, photos, Street View et informations sur les lieux – ce qui, combiné à la personnalisation de l'apparence des cartes, en fait un outil très puissant. L'usage est gratuit, mais l'affichage de lieux, de détails ou d'itinéraires est payant. Le grand avantage est, comme indiqué, l'étendue de la base de données, à la hauteur de ce qu'on attend d'un produit Google. Il existe cependant quelques inconvénients : le rendu est très lourd et consomme rapidement la batterie. Les marqueurs et les formes sont également 100 % statiques et, s'agissant d'un produit non open source, les fonctions d'itinéraire sont coûteuses. Elle est actuellement utilisée par Uber, Bolt et Trip Advisor, parmi beaucoup d'autres.

10. API OpenStreetMap

L'API OpenStreetMap est souvent présentée comme une alternative à Mapbox. C'est une solution open source alimentée par une communauté de bénévoles qui créent itinéraires, imagerie et autres données cartographiques. Le service et la carte sont accessibles au public, mais vous ne pouvez pas utiliser l'API pour obtenir des itinéraires en temps réel dans des applications commerciales : elle se limite à fournir des données vectorielles à des fins d'édition cartographique. En raison de ces limites, les utilisateurs finissent souvent par se tourner vers des services comme Mapbox, et son usage reste globalement limité puisque les itinéraires, le regroupement de points, etc. dépendent d'API tierces. La documentation est par ailleurs incomplète.

En résumé

Il existe de nombreux outils de visualisation de données – certains payants, d'autres gratuits. Certains sont spécialement adaptés aux informations cartographiques ou géospatiales. D'autres offrent un bon moyen d'afficher des visualisations statistiques classiques et d'interagir avec elles. Curieusement, alors que les données de mobilité renseignent sur des phénomènes bien réels et qu'on supposerait la carte comme leur support naturel, ces données sont en fait statistiques. Et donc, très souvent, la façon la plus claire et la plus efficace de montrer les tendances de mobilité passe par des conventions classiques : courbes, histogrammes et autres. Pour des données non statistiques, comme les cartes de chaleur de diffusion, la visualisation cartographique reste toutefois la seule option. Ces outils ne sont pas eux-mêmes des données de mobilité ; ce sont simplement les logiciels qui permettent de les visualiser et de les comprendre. Ces plateformes proposent de plus en plus de jeux de données gratuits ou commerciaux, mais ces données proviennent toujours de tiers. Si les outils de visualisation sont la voiture, les données de mobilité sont le carburant – et il vous faudra toujours les deux pour rouler !ConclusionVoilà : notre plongée en profondeur dans l'univers des données de mobilité. Vous devriez maintenant avoir une bonne compréhension de tout ce qu'elles recouvrent. Nous avons expliqué ce qu'elles sont, comment les différentes méthodes de mesure se comparent et comment les organisations peuvent les utiliser pour mieux décider. Nous avons également partagé de bonnes façons de les visualiser et nos outils préférés pour y parvenir. Ce guide ultime des données de mobilité continuera de s'étoffer avec le temps : revenez le consulter régulièrement pour disposer des dernières informations !