Le paradigme relationnel sous –tend des stratégies et actions marketing d’entreprises menées afin de construire un lien fort et durable avec leurs clients. La profitabilité d’une entreprise repose aussi sur une orientation stratégique orientée vers l’anticipation et la satisfaction des besoins et attentes des segments de consommateurs visés. Les avancées technologiques permettent aujourd’hui de développer un marketing piloté par les données client et les données marketing collectées. Le data-driven marketing permet par exemple un marketing personnalisé et des offres / messages contextualisés. Des pistes de recherche nombreuses, notamment celles proposées ci-après, peuvent être envisagées.

Argumentaire

Le paradigme relationnel sous –tend des stratégies et actions marketing d’entreprises menées afin de construire un lien fort et durable avec leurs clients. La profitabilité d’une entreprise repose aussi sur une orientation stratégique orientée vers l’anticipation et la satisfaction des besoins et attentes des segments de consommateurs visés. Les avancées technologiques permettent aujourd’hui de développer un marketing piloté par les données client et les données marketing collectées. Le data-driven marketing permet par exemple un marketing personnalisé et des offres/messages contextualisés. Des pistes de recherche nombreuses, notamment celles proposées ci-dessous, peuvent être envisagées. 

Les axes thématiques

Axe 1 : Collecte de données, prédiction de comportements et relation client

Marketing personnalisé, segmentation de clients et ciblage, analyse comportementale du consommateur en ligne (réseaux sociaux), gestion de la relation client (GRC), marketing des objets connectés, prédiction du comportement des consommateurs, prévision des routines ou du parcours numérique, physique et/ou cognitif des consommateurs, satisfaction client, attrition (churn), nouvelles sources de données (objets connectés, réseaux sociaux, web, mobile, open data et self data), outils de tracking (utilisation des capteurs, GPS, puces RFID, cartes de fidélité, etc.), etc.

Axe 2 : Data-driven marketing : impact des données sur les variables du mix

Personnalisation du mix marketing en ligne et mobile, modéliser les effets des réseaux sociaux, recherche de mots clés, bouche à oreille en ligne, marketing prédictif, marketing contextualisé (géolocalisation, devices, etc.), nouveau parcours d’achat, création de valeur et mix marketing, stratégie de promotion, flexibilité des prix, innovation produit, publicité contextualisée et personnalisée (mobile, en ligne), etc.

Axe 3 : Perspective critique & impact sociétal de la data science

Transparence et responsabilité sociale des entreprises, éthique et technique de sollicitation des données, droit des individus et du consommateur, sécurité, protection et contrôle des données, qualification et nouveaux métiers, formation de data scientists et nouveaux contenus pédagogiques, etc.

A propos de la revue

La revue Management & Data Science est une revue pluridisciplinaire en sciences de gestion qui s’adresse également aux chercheurs et praticiens en informatique, mathématiques, économie, sociologie, sciences de l’information. L’objectif est de faire le lien entre professionnels et scientifiques autour des problématiques liées à l’impact des données massives sur le management.

3 numéros annuels permettent de sensibiliser les décideurs aux enjeux des données massives à la fois sous l’angle technique (collecte, intégration, modélisation, visualisation) et sur les aspects managériaux.

La revue Management & Data Science  a plusieurs objectifs.

• Produire des nouveaux concepts, méthodes, techniques et applications relatifs à la data science et à son impact sur le management;
• Contribuer à l’avancée des connaissances liées à la gestion des données massives et centraliser ces recherches;
• Diffuser des travaux originaux qui orientent la prise de décision en gestion

La revue est organisée autour de 3 entités qui participent à la définition et à la mise en œuvre de la politique éditoriale.

Le comité scientifique 

• Talel ABDESSALEM (Telecom ParisTech),
• Christine BALAGUÉ (Institut Mines-Telecom),
• Isabelle BARTH (Université de Strasbourg),
• Christophe BENAVENT (Université Paris Ouest),
• Ahmed BOUNFOUR (Université Paris-Sud),
• Samuel FOSSO WAMBA, (Toulouse Business School),
• Jean-Gabriel GANASCIA (Sorbonne Universités),
• Rony GERMON (Paris School of Business),
• Fabrice GUILLET (Ecole Polytechnique de l’Université de Nantes),
• Julien JACQUES (Université Lumière Lyon 2), 
• Hajer KEFI (Paris School of Business), 
• Caroline LANCELOT MILTGEN (Audencia Business School),
• Christian MARCON (IAE de Poitiers),
• Olivier MEIER (Université Paris-Est-Créteil),
• Nicolas MOINET (IAE de Poitiers),
• Philippe NASZALYI, (La Revue des Sciences de Gestion),
• Jean-Max NOYER (Université de Toulon),
• Gilles PACHÉ (Aix-Marseille Université),
• Fabrice ROTH (IAE de Lyon).

Le comité professionnel 

• Samir AMELLAL (Publicis France),
• Jean-David BENASSOULI (Accenture Digital),
• Louis-David BENYAYER (Without Model),
• Emmanuel BLOCH (Thales),
• Stéphane CHAUVIN (Mydataball),
• Henri LAUDE (BlueSoft),
• Pierre MORGAT (Customer Delight),
• Michel SEBAG (Sopra Steria),
• Frédérick VAUTRAIN (VISEO).

Le comité de rédaction

• Romain ZERBIB (Groupe IGS) – directeur de la publication,
• Olivier MAMAVI (Groupe IGS) – rédacteur en chef, C
• aroline RICHÉ (IAE d’Amiens) – rédactrice en chef adjoint.

Instructions aux auteurs

• 30 octobre 2017: Proposition d’un article de 4000 mots

• 30 novembre 2017: Notification aux auteurs
• 15 décembre 2017: Proposition de la version finale
• janvier 2018: Numéro à paraître 

Les propositions d’articles sont à envoyer à : redaction@management-datascience.org