Des données massives ? Smart Data !

Les processus commerciaux des entreprises ont fondamentalement changé en raison de la mondialisation et de la numérisation. Les barrières à l'entrée pour les nouveaux acteurs du marché ont diminué. Les plateformes numériques qui, en tant que réseau, sont utiles à plusieurs millions de personnes, évincent les fournisseurs analogiques du marché ou disruptent des secteurs entiers. Aujourd'hui, pour rester compétitives, les entreprises doivent s'adapter et se développer avec agilité. Les données sont la matière première qui permet de faire progresser l'agilité et les cycles d'apprentissage organisationnel des entreprises.

Imaginez que la Terre soit un immense champ de neige : Des enfants, des hommes et des femmes laissent des empreintes avec leurs bottes d'hiver. Des traces d'animaux s'y retrouvent. Un réseau de traces multiples et étendues se forme en très peu de temps. A un moment donné, la surface blanche et lisse s'est transformée en un enchevêtrement de traces très denses. On ne sait plus quelle trace mène où, ni quel enfant appartient à quel parent. 

Afin d'identifier les traces dans ce chaos apparent et de pouvoir établir des relations, il faut, par des questions précises, limiter la diversité des traces et éliminer un grand nombre d'empreintes. C'est la seule façon de reconnaître d'éventuels modèles et de trouver des réponses aux questions. Il a fallu quelques millions d'années au superordinateur du Guide du routard à travers la galaxie pour donner la réponse "42" à la question "sur la vie, l'univers et tout le reste". Personne ne pouvait rien faire avec la réponse "42". La question a été posée de manière non concrète. 

Exilé de l'entrepôt de données dans le Data Swamp

De nombreuses entreprises font exactement le contraire. Elles collectent des données au hasard et remplissent des entrepôts de données et des lacs de données. Une grande partie des données est générée en temps réel. Elles proviennent de capteurs, d'appareils, de vidéo/audio, de réseaux, de fichiers journaux, d'applications transactionnelles, du web et des médias sociaux. Beaucoup de ces données finissent dans un data swamp (marais de données). Il s'agit des données qui ne sont plus exploitables pour une analyse commerciale pertinente avec des ressources raisonnables.

L'enchevêtrement des traces n'est pas seulement devenu trop important, il est également obsolète. Les données ont surtout une valeur lorsqu'elles sont traitées en temps réel. Les données obsolètes ne sont pas d'une grande utilité pour les entreprises, à une époque où les développements sont très dynamiques. Leurs ressources sont mieux utilisées si elles se concentrent sur la collecte de données pertinentes. 

En regardant le champ de neige : les entreprises ne devraient saisir que les pistes qui correspondent spécifiquement aux besoins de l'entreprise et qui sont importantes pour leur secteur.

Qu'est-ce que le Big Data ?

Transposées dans la terminologie actuelle, les quantités énormes de données collectées sont des Big Data. Elles se caractérisent par un volume important, une grande diversité (données non structurées), une vitesse élevée (fréquence de traitement des données) et un degré de véracité élevé (fiabilité/pouvoir de représentation des données). 

Il en résulte une certaine valeur des données : Toutes les données collectées n'ont pas de valeur. La bonne qualité des données, leur exactitude et leur exhaustivité sont autant de facteurs importants pour des analyses ultérieures correctes. Le big data ne permet pas à lui seul d'acquérir des connaissances. Pour tirer des enseignements utiles des données, il faut des smart data.

Réduction et structuration des données

Une première étape pour rendre les Big Data utilisables est de réduire leur volume. Seules les informations utiles à la résolution des problèmes sont conservées. Le cas échéant, la diversité des données doit également être limitée par un processus de screening. La valeur et la véracité des données augmentent avec ce premier nettoyage (voir infographie). 

Les données non structurées disponibles sont maintenant structurées et nettoyées. Pour cela, on utilise par exemple des procédés tels que la reconnaissance de texte et de parole (Natural Language Processing). Les données sont maintenant à la disposition de l'entreprise en tant que Smart Data. Une plate-forme d'analyse en aval exploite les données pour en faire des connaissances qui sont immédiatement comprises. Les décideurs de l'entreprise sont en mesure d'en déduire des insights (connaissances) afin d'exploiter les potentiels. 

Un exemple à cet égard :

Analyse de l'expérience client (Customer Insights) : Dans ce cas, les Big Data sont générées lors de toutes les transactions et de tous les points de contact des clients avec l'entreprise. Les smart data sont les données qui permettent d'analyser quels clients se trouvent dans quelle phase du cycle de vie du client ou quel est leur degré de satisfaction. Les connaissances ainsi acquises permettent à l'entreprise d'exploiter des potentiels. 

Recenser les défis, utiliser les données intelligentes 

Afin de tirer profit des données collectées, les entreprises sont tenues de formuler des questions en rapport avec les défis actuels et futurs. Les données doivent être collectées, organisées et mises à la disposition des décideurs sous forme de données intelligentes. La pression du temps pour proposer des solutions utiles aux clients et agir de manière proactive sur le marché ne cesse d'augmenter. Pour y parvenir, les connaissances issues des données doivent être intégrées de manière continue et automatisée dans les processus commerciaux et de gestion quotidiens. Ce n'est qu'ainsi que les entreprises sont en mesure de les optimiser ou de lancer de nouveaux développements.

Un exemple à cet égard :

Analyse de l'expérience des employés (Employee Insights) : Seules les données (smart data) qui présentent une grande pertinence en termes de satisfaction, d'engagement et de motivation des collaborateurs sont collectées à partir des points de contact avec les collaborateurs. Grâce aux analyses correspondantes, une entreprise est en mesure d'agir de manière proactive sur les tendances. 

Utilité des données intelligentes

• Réduire les incertitudes dans la prise de décision
• La gestion et la prise de décision basées sur des données augmentent l'acceptation des décisions (transparence totale)
• Les scénarios prédictifs aident à identifier ce qui se passera ensuite. 
• Réduction des coûts grâce à une efficacité accrue dans le traitement et l'analyse des données 
• Accélérer les cycles d'apprentissage organisationnel grâce à des décisions plus rapides