Big Data, Science des données, aide à la décision en entreprise, business intelligence, data warehouse, reporting, OLAP, web analytics, data visualization, data mining, internet des objets, informatique cognitive, intelligence artificielle...

Abonnez-vous gratuitement à Decideo !


Decideo

 


L’analytique et la data science au cœur de l’entreprise intelligente


Rédigé par Michael O'Connell, TIBCO Software le 26 Février 2016

Ces dernières années, le Big Data a orienté la révolution numérique vers le « tout intelligent ». Derrière le Big Data, une idée fondamentale : tout ce que les consommateurs et les entreprises font laisse des traces numériques pouvant être exploitées. Bien que ce ne soit pas faux, ce raisonnement omet cependant l’aspect le plus important du processus, à savoir la transformation des données brutes en informations exploitables.



Michael O'Connell, Chief Data Scientist chez TIBCO Software
Michael O'Connell, Chief Data Scientist chez TIBCO Software
Le Big Data a pris une telle place dans le langage des entreprises qu’il semble à présent faire référence à tout projet en rapport avec les données. Cette confusion présentait des avantages dans les premiers temps car elle permettait aux entreprises de comprendre la valeur de leurs données. Aujourd’hui, c’est un inconvénient. Les projets liés aux données sont associés à la complexité, un coût élevé ou l’incertitude d’un retour sur investissement.

Le Big Data ne transforme pas les données en informations exploitables. Il ne crée pas de valeur. La science des données, en revanche, fait tout cela sans même avoir besoin d’être complexe, coûteuse, ni même volumineuse.

La science des données n’est pas affaire de scientifiques. C’est une affaire d’intuition et de passion

Pour générer un maximum de valeur, la data science, ou science des données, s’appuie sur trois piliers : l’intuition, la manipulation des données et l’analytique. Se concentrer sur la science pure et dure telle que la méthode statistique est une erreur courante. Le développement des connaissances autour d’une activité particulière et l’analyse des données pertinentes sont en fait plus importants.

Savoir manipuler les chiffres est une chose, comprendre ce qu’ils révèlent sur l’entreprise et savoir quelles actions engager sur la base de ces enseignements en est une autre. L’expérience et la connaissance du métier ont leur rôle à jouer, tout comme la curiosité et la passion. Les meilleurs résultats viennent parfois de personnes inattendues, simplement en raison de leur motivation et de leur persévérance.

Transformer les informations en actions avec l’analytique

Tirer des informations des données puis transformer ces connaissances en actions nécessite plusieurs étapes :
1. Posez-vous la bonne question en décidant à quel problème vous attaquer. Assurez-vous de donner la priorité aux problèmes importants pour l’entreprise.
2. Obtenez les données auprès de sources appropriées. Les Big Data organiques sont peu chers et non intrusifs mais souvent non pertinents pour le problème de l’entreprise. La principale tâche initiale est donc de rechercher les données les plus pertinentes.
3. Epurez ces sources de données. La manipulation des données disponibles pour traiter le problème en question est une tâche longue mais cruciale. Les meilleures méthodes analytiques ne sauraient compenser des données de mauvaise qualité.
4. Définissez clairement les variables de réponse et les facteurs expliquant le problème considéré. Une définition très précise est essentielle pour en tirer des enseignements exploitables.
5. Etablissez des visualisations et des tableaux de bord mettant en évidence les principales variables de réponse et les facteurs clés de sorte que chacun puisse en dégager rapidement des enseignements sur les problématiques.
6. Créez des modèles prédictifs et des règles qui intègrent ces enseignements en vue d’une analyse et d’une action continues.
7. Publiez ces tableaux de bord, modèles et règles pour une utilisation au quotidien dans l’entreprise.
8. Réactualisez les données aussi souvent que possible pour le problème à traiter. Certaines données n’évoluent pas rapidement et/ou ne peuvent pas être exploitées immédiatement. Dans d’autres cas, il est possible d’agir dans la journée voire dans l’instant.
9. Définissez des alertes et des notifications de sorte que les acteurs concernés soient informés de l’existence d’opportunités ou de menaces pour l’entreprise.

Chacune de ces étapes est empreinte de bon sens et profondément axée sur le problème en question. C’est ainsi que la data science apporte de la valeur ajoutée à l’ensemble des secteurs d’activité et des domaines fonctionnels de l’entreprise. Les données dynamiques sont par exemple idéales pour améliorer l’engagement omnicanal des clients et leur proposer des offres adaptées alors même qu’ils sont en train de visiter un site Web. Une autre entreprise pourra, elle, se focaliser sur l’optimisation du traitement des commandes et du réapprovisionnement en fonction de la demande, du stock et des achats, voire optimiser les prix en fonction de l’évolution de la demande et des circonstances. Sans parler de tous les usages que nous n’avons pas encore inventés.




Commentaires

1.Posté par Bartlett Harriet le 01/03/2016 15:14
Bonjour,

Le Big data et comment le traiter est bien expliqué, c'est un très bon article.

Si vous souhaitez en savoir plus sur le Messaging Intelligence, c'est a dire l'analyse de vos flux d'emails, n'hésitez pas à venir voir notre produit AUDIT4MAIL et prendre contact avec nous.

2.Posté par Philippe NIEUWBOURG le 01/03/2016 15:33
Ce type de commentaire purement promotionnel n'est pas efficace, même contre-productif. Prenez plutôt le temps de produire du contenu de qualité, comme l'article auquel vous essayez de vous coller avec un lien. Ce serait beaucoup plus efficace pour vous faire connaître de la communauté.

3.Posté par Bartlett Harriet le 01/03/2016 15:58
Bonjour,

je ne l'avais pas vu comme ça. mais maintenant que vous me le dites c'est vrai que ce n'est pas très productif.

J'ai reçu la newsletter et j'ai lu l'article, je l'ai donc commenté et je me suis dit que peut être certain voudrais voir d'autres tableau de bord. Ce n'était vraiment pas intentionnel, je suis loin d'être une spammeuse et m'excuse. c'était vraiment en mode proposition.

c'est bien la première fois que je commente un article, je sens bien que je me suis trompée. supprimer le, je ferais plus court la prochaine fois.

4.Posté par Thierry Vallaud le 22/03/2016 08:13
On ne peut être que d'accord sur le fait que toutes les données ne sont pas "big", que la connaissance métier prime et que le bon sens est nécessaire pour analyser les données.
Après il faut qu'en même de la statistique sinon on risque de rester sur des contasts trop empiriques et enfin la data viz (le tableau) important en restitution ou dans la phase exploratoire des données (mais ce ne sont pas les mêmes tableaux) ne suffisent souvent pas pour être certain des phénomènes observés : là aussi la statistique joue tout son role.
Il faut aussi du recul sur la données, un recul temporel, le temps réel est souvent très trompeur.
C'est le "prosélitisme" de l'éditeur de BI en temps réel....parfois une peu exagéré.
J'aime bien le sens global de l'article néanmoins.

Nouveau commentaire :
Facebook Twitter

Vous pouvez commenter ou apporter un complément d’information à tous les articles de ce site. Les commentaires sont libres et ouverts à tous. Néanmoins, nous nous réservons le droit de supprimer, sans explication ni préavis, tout commentaire qui ne serait pas conforme à nos règles internes de fonctionnement, c'est-à-dire tout commentaire diffamatoire ou sans rapport avec le sujet de l’article. Par ailleurs, les commentaires anonymes sont systématiquement supprimés s’ils sont trop négatifs ou trop positifs. Ayez des opinions, partagez les avec les autres, mais assumez les ! Merci d’avance. Merci de noter également que les commentaires ne sont pas automatiquement envoyés aux rédacteurs de chaque article. Si vous souhaitez poser une question au rédacteur d'un article, contactez-le directement, n'utilisez pas les commentaires.