Pain points :

• Comment accroître sa croissance grâce à la personnalisation ?
• Comment faire revenir le client grâce à la personnalisation ?
• Comment se démarquer de la concurrence grâce à la donnée dont je dispose déjà ?

Pain points :

• Comment mettre les données au service de la stratégie d'entreprise et de son développement ?
• Quelles technologies mettre en oeuvre pour tirer parti de ces données et comment passer à l'échelle ?
• Quels enjeux de durabilité, d'éthique peuvent-elles servir ?

Pain points :

• Accélérer et simplifier l'accès aux données
• Consolider les dashboards et reports en évitant la multiplication de ces derniers avec les mêmes bases d'informations
• Optimisation de l'accès aux données de manière simplifiée, sécurisée et gouvernée

Pain points :

• Comment évaluer les CDP et élaborer un business case pour obtenir l'adhésion des parties prenantes internes
• Comment utiliser une CDP pour briser les silos internes et garantir la valeur des données dans tous les services
• Comment s'assurer que le saut à une CDP soit réussi et mesurer le ROI

Pain points :

• Comment prouver la pertinence d’un usage plus avancé des données grâce à des résultats concrets et rapides
• Comment mener des projets data avec des équipes peu matures et avec des moyens techniques limités sur ce nouveau type de problématique ? 
• Comment fédérer toutes les parties prenantes de l'entreprise autour d’un projet lancé par le marketing 

Pain points :

• A quoi vous donne accès la CDP ?
• Comment différenciez-vous une CDP par rapport à une autre ?
• Comment utiliser la donnée pour pouvoir l’activer ?

Pain points :

• La collecte, le catalogage et l'accès sécurisé aux données qui sont le principale frein à ce type d'initiative
• La manque de supervision des modèles et d'explicabilité de l'IA qui contrarie l'adoption du machine learning dans les processus métiers
• Le manque de collaboration entre les acteurs alors que de nombreuses itérations sont nécessaire pour assurer le succès à long terme de ces initiatives.

Pain points :

• Appliquer les modèles de machine learning a toutes les données existantes
• Enrichir ses données par du scoring
• Faire travailler l’intelligence artificielle au service de programmes marketing personnalisés

Pain points :

• Adaptation à la demande en temps réel
• Définition des zones de chalandises à haut potentiel
• Traite des candidatures rapide des points relais pour éviter qu’ils partent à la concurrence

Pain points :

• Une capacité de tracking de 100% de la donnée grâce au mode de tracking CNIL compliant de Wizaly
• La garantie d'un mode de pilotage objectif
• Un calcul de l’attribution qui garde sa pertinence basé sur des données exhaustives

Pain points :

• Comment commencer à utiliser des modèles de machine learning facilement, sans les développer in-house?
• Comment optimiser les opportunités de cross-sell et up-sell, et l'expérience client?

Pain points :

• Comment optimiser son mix média ?
• Comment piloter son mix média par rapport aux ventes ?
• Comment intégrer la rentabilité des ventes dans le pilotage média ?

Pain points :

• Automatiser et industrialiser le traitement de données
• Analyser et comprendre les fluctuations de marché 

Pain points :

• Comment combler la différence d'expérience de recherche entre les moteurs de recherches grand public comme Google et celui sur votre site web ?
• Comment structurer vos données pour une expérience on-site et off-site parfaite ?
• Quels algorithmes mettre en place pour les meilleures performances de votre fonction de recherche

Pain points :

• Fin des cookies tiers annoncée d’ici 2023
• Durcissement des réglementations sur la protection des données personnelles
• Inventaire vidéo le plus visible et engageant mais 80% des pre-rolls sont skippés

Pain points :

• Valorisation des data
• Déploiement à l’échelle
• Acculturation data

Pain points :

• Managing large Big Data infrastructure with a small team
• Consolidation of Big Data infrastructure components
• Deciding on migration to cloud services

Pain points :

• Comment les entreprises utilisent l’intelligence artificielle pour transformer leurs métiers ?
• Comment opérationnaliser et industrialiser l’utilisation de la data au sein de l’entreprise ?
• Quels sont les enjeux d’éthique et de confiance liés à l’utilisation de l’intelligence artificielle et de la donnée ?

Pain points :

• Collecte et enrichissement des données
• Pérenniser ses sources de revenus malgré la perte des données
• Personnalisation marketing : comment optimiser la confiance

Pain points :

• Le contexte data côté Rimowa qui justifie la nécessité d'implémenter CAPI
• Le process d'implémentation de CAPI et la collaboration avec fifty-five
• Les résultats d'une telle implémentation et quels impacts à court et long terme pour Rimowa

Pain points :

• Comment optimiser l'expérience client ?
• Comment le Marketing Manager d'aujourd'hui peut-il tirer avantage de l'IA pour personnaliser ses campagnes marketing

Pain points :

• Analyse du profil de la zone de chalandise : comprendre l’environnement de l’offre et de la demande autour d’un magasin ou d’un emplacement existant ou potentiel
• Modélisation spatiale : modéliser des ventes à plusieurs niveaux, comprendre les principaux moteurs de la demande
• Optimisation du réseau : prendre des décisions sur les stratégies de réseau tel que l’introduction de nouveaux formats, l’expansion de nouveaux territoires ou la rationalisation

Pain points :

• Des données qui influencent les décisions stratégiques
• Vers une priorisation plus claire des projets digitaux/data
• Maintenir l'envie d'expérimenter et de transformer