Passer du « big data » à une approche « smart data »

Face à une quantité grandissante de données, il est essentiel d’adopter une approche « smart data » et de permettre le développement d’une culture de la donnée transversale à l’entreprise.

Ajay-Bali
Ajay Bali, Data Analytics Leader EMEIA chez EY

Dans un monde de plus en plus complexe, une meilleure analyse de la donnée est primordiale. Le concept de Big Data est un leitmotiv. Dans l’esprit des acteurs économiques, il doit permettre de mieux comprendre la clientèle, d’anticiper ses attentes, de générer de nouveaux revenus. Paru dans l’ITnation Mag de Novembre 2016

Le principe est simple : au départ d’une grande quantité d’informations, de sources multiples, les entreprises doivent parvenir à déceler de nouveaux vecteurs de compétitivité, anticiper des tendances pour prendre des décisions toujours plus appropriées. « On peut définir le concept de Big Data autour de quatre caractéristiques : la quantité de données, la rapidité de traitement de celles-ci, la qualité de l’information et sa valeur », commente Ajay Bali, Data Analytics Leader EMEIA* chez EY. Jusque-là, le concept a souvent été considéré sous l’aspect technologique. Beaucoup d’acteurs se sont dotés de nouvelles capacités de stockage et de traitement des données disponibles. « Or, l’analytics, s’il est considéré uniquement sous l’aspect quantité de données et rapidité de traitement, ne permet pas grand-chose. La problématique n’est pas technologique. Envisager le problème uniquement sous cet angle revient à acheter un ordinateur sans exactement savoir à quoi il va servir. Pour cette raison, il y a lieu, dans un premier temps, de développer de l’intelligence autour de la donnée disponible, autrement dit de penser “smart data” avant “big data”. »

L’intelligence d’abord

Avant les outils de traitement, il convient donc de se demander ce que l’on cherche et quels résultats on souhaite obtenir. « La première question à se poser est sans doute : quelles sont les données qui vont m’être utiles ?, poursuit Ajay Bali. Quel jeu de données dois-je utiliser pour trouver ce que je dois savoir afin d’améliorer le développement de mon business. » Les réponses à ces questions permettent souvent de relativiser l’aspect quantitatif. « Dans une approche analytique, l’augmentation des données traitées ne va pas forcément de pair avec l’amélioration des résultats. Il est donc essentiel d’adopter une approche smart à l’égard des données, de considérer la valeur de chacune d’elles pour mieux capitaliser dessus. Seule la donnée à valeur ajoutée doit être considérée, afin de faire mieux, d’aller plus loin, plus vite », poursuit Ajay Bali.

Pour arriver à un résultat, il ne faut donc pas forcément traiter une importante quantité de données, dans un premier temps du moins. Ce n’est qu’en établissant une réelle culture de la donnée, à l’échelle de l’entreprise, que l’on pourra envisager des challenges faisant appel à une quantité croissante de données.

Se poser les bonnes questions

Mais comment une approche big data peut évoluer en une démarche smart data ? « Il n’y a pas de formule magique, assure l’expert en data analytics d’EY. Chacun doit donc s’inscrire dans une démarche qualitative pour mieux saisir les opportunités liées à un traitement plus efficient de la donnée. Il faut être sélectif, à l’égard de ce que l’on cherche comme des données que l’on va utiliser. Il faut s’éloigner du bruit généré par une trop grande quantité de données. »

Des objectifs clairement définis permettent d’être sélectif à l’égard des données que l’on va traiter.
Pour résumé, profiter pleinement de la valeur de la donnée implique de commencer par se demander ce qu’il est possible de faire avec. Pour y parvenir, plus que de nouveaux outils technologiques, les acteurs doivent se doter de compétences dédiées à l’exploitation de la donnée et développer de l’intelligence autour de ces enjeux.

Laisser place à l’expérimentation

Une approche smart data, à travers laquelle la donnée disponible est questionnée au regard de problèmes établis et d’objectifs déterminés, permet même d’ouvrir un champ d’opportunités souvent insoupçonné. « Rapidement, les spécialistes de la donnée, en lien avec le métier, découvriront comment il est possible d’améliorer les processus existants à travers une meilleur exploitation de la donnée. Il leur appartient de développer de nouvelles capacités, pour mieux évaluer ce dont demain sera fait. En favorisant l’émergence d’une culture de la donnée à travers l’entreprise, avec pour objectif d’apprendre au départ de l’information disponible, l’entreprise peut s’offrir de nouvelles perspectives, innover en connaissance de cause. Aux entreprises de mieux expérimenter, et surtout de laisser place à l’expérimentation, au départ des informations disponibles et d’encourager chacun, en son sein, à interroger la donnée. » Progressivement, l’entreprise doit adopter des approches data-driven, desquelles pourront découler de nombreuses opportunités.

Du smart data au machine learning

Confrontée à une problématique ou nourrissant le désir d’améliorer un processus, une équipe peut mieux envisager une solution en accédant aux données. Si la donnée utile existe, il faut qu’elle puisse y accéder. Si elle n’existe pas, elle pourra envisager la manière d’aller la chercher ou de la créer. « De cette manière, on crée et nourrit de l’intelligence au cœur de l’entreprise. De nouveaux processus, à la valeur utile, peuvent être mis place pour gagner en efficacité », poursuit Ajay Bali. L’approche est au fondement même du machine learning. « On évoque ici la création de nouveaux processus, de systèmes capables d’apprendre par eux-mêmes au départ des données traitées et analysées, d’algorithmes mathématiques établis pour répondre à des problématiques données. Une approche smart data alliée au machine learning est de nature à améliorer les processus de l’entreprise, d’augmenter ses revenus, de réduire les coûts ou de mieux gérer les risques. »

L’intelligence développée autour de la donnée, son traitement automatisé avec la possibilité aujourd’hui offerte par la technologie de l’enrichir et de mieux l’exploiter, constituent aujourd’hui des atouts puissants pour l’ensemble des acteurs. « Il est évident que le machine learning, au-delà d’une approche intelligente de traitement de la donnée, permettra aux acteurs économiques de mieux gérer la quantité d’informations disponible. L’entreprise et ses collaborateurs, en s’appuyant sur de nouveaux outils et algorithmes, doivent gagner en efficacité, dans l’analyse des opportunités, pour une meilleure prise
de décision. Si la donnée peut indiquer la meilleure route à suivre, le machine learning vous permet de l’arpenter plus vite. »