Qu'est-ce que l'alternative data ? Guide, sources et méthodes de scraping
Définition de l'Alternative Data
L'alternative data est de plus en plus utilisée par les hedge funds ou les entreprises de "credit scoring" (évaluation de la solvabilité et du risque de non-remboursement). Il s'agit de données susceptibles d'intéresser les analystes mais qui ne sont pas officiellement publiées par l'entreprise analysée et qui ne sont pas "traditionnellement" utilisées pour les analyses financières. Tout en restant des données légalement accessibles. Comprenez que les investisseurs doivent les obtenir par des moyens détournés (comme le web scraping). En menant l'enquête..
Les sources d'alternative data
Comme le montre le graphique, l'alternative data ou données alternatives en français puise ses sources dans de nombreuses catégories :
L'utilisation d'applications mobiles : Une forte augmentation de l'utilisation ou de l'évaluation sur les stores d'une application peut probablement être de bon augure pour une entreprise évoluant dans les secteurs des jeux vidéos, du streaming ou encore de la livraison de nourriture..
Les cartes de crédit : Des agrégateurs de transactions de cartes bancaires permettent d'estimer les achats de nombreux points de ventes. Ces solutions restent néanmoins très chères.
Email Receipts : Des panels d'internautes sont recrutés pour partager leurs boites mails. Les reçus de paiement de plateforme e-commerce peuvent être scrutés pour estimer les ventes des produits d'une entreprise.
La géo-localisation : Les connexions à des point d'accès wifi peuvent permettre de connaitre la fréquentation de certains commerces. Pensez à Mac Donalds ou Starbuck par exemple...
Les données publiques : Souvent difficilement utilisables, présentes sous formes de PDF ou dispersées sur de nombreux fichiers excel, les données publiques peuvent constituer une véritable mine d'or pour un investisseur avisé. Pensez aux achats et aux ventes d'actions d'insiders de grosses entreprises par exemple, ou aux données relatives aux brevets et aux contrats publics.
Les données récoltées par satellite : On n'arrête pas le progrès, les photos satellite peuvent maintenant être utilisés pour tracker la supply chain d'une entreprise, estimer les rendements agricoles ou les avancements de travaux !
Restent les deux méthodes les plus plébiscités par les investisseurs, le Web Scraping et l'analyse de sentiments :
Alternative data et Web Scraping
Les entreprises de scraping (dont scrapster.io) utilisent des programmes informatiques pour massivement récupérer les données qui s'affichent sur des sites ciblés. Voici quelques données pertinentes qui peuvent être scrapés :
Les données de e-commerce : Des produits bien notés qui remontent en premiers dans les rankings suggèrent de bonnes ventes présentes ou à venir. A l'inverse, de grosses remises de prix suggèrent des niveaux de ventes faibles.
Les offres d'emplois : Une entreprise qui recrute est plus probablement en croissance qu'une entreprise qui ne recrute pas.
Les sites de notation d'entreprises : Des sites comme Glassdoor permettent aux employés de noter leur entreprise, une augmentation des notes peut constituer un indicateur de croissance.
La notoriété d'entreprise ou de certains produits : Un scraping massif des forums, du web et des réseaux sociaux peut permettre d'évaluer l'augmentation de la notoriété d'une entreprise ou d'un service.
Alternative data et sentiment analysis
L'objectif de l'analyse textuelle est d'analyser une grande quantité de textes (sites d'actualité, commentaires sur les réseaux sociaux, forums niches de produits spécialisés) pour en déduire les différents sentiments qui y sont associés.
Plusieurs études ont montré que l'étude des sentiments pouvait aider à prédire les cours à venir des entreprises. Des sentiments positifs étant liées à une future probable hausse. Depuis 2014 Bloomberg a d'ailleurs rajouté a son terminal l'analyse des sentiments de posts Twitter.
Scrapster.io permet à ses clients outre l'extraction des données textuelles la mise en place d'analyses de sentiments grâce à des programmes de Natural Language Processing (NLP) ou Traitement Automatique du Langage Naturel (TALN) en français.