Le Big Data ne s’adresse pas qu’aux géants, bien au contraire

Pour percevoir les avantages du Big Data, même pour une PME ne détenant que quelques centaines de Go de données, il faut oublier les formules sensationnelles et reprendre la réflexion là où le besoin se fait sentir, sur les problématiques des métiers. 

Big-Data Les Clubs OLG

Oublier les modèles, penser contexte

Si en France l’image véhiculée du Big Data par les géants d’Internet à pu faire reculer la grande majorité des PME, c’est parce qu’elle s’appuie sur une conception erronée des objectifs à atteindre.
C’est principalement dû à la théorie des trois V qui semble conditionner le Big Data aux critères de volume, de vitesse et de variété de la donnée.
Pourtant, la grande innovation Big Data repose moins sur les caractéristiques de la donnée que sur le changement de paradigme entourant son traitement.

La grande problématique métier, à laquelle les spécialistes de la business intelligence n’ont encore jamais trouvé de réponse satisfaisante, est de pouvoir contextualiser la donnée, c’est-à-dire parvenir à lui donner du sens au regard des pratiques de terrains, des comportements des acheteurs, des hausses et baisses du marché, mais également en interne, des points de blocages au niveau des processus…

Le changement de paradigme repose sur le choix laissé aux métiers de ne plus se baser sur des référentiels construits sur des hypothèses, des modèles figés et des règles de gestion orientées a priori, mais de se concentrer sur la donnée disponible afin de parvenir, petit à petit, à dessiner un nouveau modèle de référence. Certains parlent d’artisanat de la donnée, l’art plutôt que la technique et c’est l’état d’esprit dans lequel une démarche Big Data invite à se mettre.

Investiguer la donnée

Cette méthode permet de s’extraire des ornières créées par l’absence de contrôle d’intégrité de la donnée, des référentiels produisant des résultats tronqués et dont les périmètres varient d’une direction métier à l’autre. Dans le modèle data-driven, il n’y pas d’effet pervers de la donnée. A partir d’un chiffre quelconque illustrant un fait, l’analyste descend progressivement dans une granularité de plus en plus fine lui permettant d’identifier la cause profonde du fait qu’il analyse.

Un exemple concret. Comment analyser et comprendre que sur un même produit bancaire vendu dans toutes les agences françaises, certaines agences réalisent leurs objectifs quand d’autres peinent à les atteindre ? Le modèle data-driven permet par-exemple, dans ce schéma, de mettre en évidence que les agences ayant les meilleurs scores sont celles qui associent le produit A aux produits B et C quand les autres les vendent séparément. De cette conclusion, un modèle peut enfin être créé, fiable et évolutif afin d’envisager d’industrialiser l’opération.

Dégager le sens de la donnée est un travail de filature et de recoupement jusqu’à obtenir une mise en contexte utile. Et plus généralement, le Big Data est assurément le concept qui devrait réconcilier la DSI et les directions métiers dans leurs visions de la donnée.

L’étape suivante, pour les entreprises les plus matures sur la question, sera de pouvoir récupérer des données tierces susceptibles, une fois recoupées avec les données internes, de produire d’autres niveaux de compréhension et cette fameuse vision à 360° d’une problématique. C’est là que de nouveaux marchés se dessinent et de nouvelles opportunités business apparaissent.