Big Data : sans Business Case, point de salut !

Data

Paul Sinaï

Big Data : sans Business Case, point de salut !

La fièvre du Big Data n’épargne plus grand monde et son corollaire magique de la Data Science alimente encore plus les phantasmes de toutes sortes. Les commentateurs rivalisent de superlatifs et de fascination par les possibilités que ça offre : « Vous n’imaginez pas tout ce qu’on peut faire ! ».

Seulement voilà, l’imagination, l’expression et la structuration des attentes business viennent souvent à manquer. Si Jadis, les couts prohibitifs de stockage et de calculs forçaient de la discipline dans la définition de cibles et un usage à bon escient des ressources, on a vu apparaitre au milieu des années 2000, la mode des Data Lakes où bon nombre de CIO et CDO se sont lancé dans la collecte et l’amoncellement de données avec un proverbial « On verra plus tard à quoi ça peut servir ». Bon nombre de projets se confrontent au risque au syndrome du train fou que plus personne ne sait ou ne veut arrêter !

Mesurer le succès

On a mis la bouteille de Champagne au frais pour célébrer mais on doit au moins savoir à quoi on va lever un toast ! Si le motif de célébration est le nombre de Giga ou Peta Bytes accumulés alors il faut se demander si on n’a pas juste envie de taper l’apéro ! En effet, il faut absolument éviter les « Vanity Metrics » et préférer des KPI facilement connectable à une meilleure rentabilité du business ou l’élimination d’un risque par exemple. Cela peut être :

  • Concentrer les efforts d’acquisition de nouveaux clients sur des segments de prospects découverts comme à fort potentiel par des modèles prédictifs.
  • Comprendre les causes des rebus sur une chaine de production
  • Détecter les phénomènes annonciateurs d’incidents à venir (remboursements de crédit, interruption de production, panne de machines…)

« Combien on peut gagner ou économiser » peut-être un point de départ de la construction d’un jeu de KPIs à mesurer et surveiller.

Un terrain de jeu pour expérimenter

L’entreprise agile doit fournir un terrain de jeu pour que les petits grains de folie puissent s’exprimer. « Et si on essayait de trouver dans nos données des indicateurs d’appétence pour nos produits chez des populations que nous ne visons pas ? ». Peut-être qu’une aberration dans la composition du chiffre d’affaires d’un point de vente va révéler comment un agencement original des produits en étagères a des effets insoupçonnés ! Mais il est important que si de telles initiatives ne donnent pas de résultats, que cela ne soit pas vécu comme un échec mais plutôt comme une saine réserve d’expériences à accumuler et utiliser pour diriger les futures réflexions.

Une plateforme Data agile et « innovation-friendly »

La plateforme technique peut être la clé de voute du succès des projets data. Elle peut, comme on l’a vu dans l’introduction s’accaparer l’intrigue du projet et devenir un malsain centre d’attention ou au contraire offrir un environnement prêt à accueillir les idées d’expérimentation les plus innovantes dans des cycles d’implémentation courts et avec des budgets faciles à mobiliser.

Une façon de matérialiser une telle promesse est de faire appel à la nouvelle génération de plateformes orientée data comme ForePaaS. En effet, l’architecture moderne all-in-one reposant sur les containers et les micro-services sur le cloud ainsi que le mode de facturation par abonnement, permettent de s’adapter à toutes les tailles et typologies de projets Data sans risquer le déraillement.

Chez les DSI et CDO dotés de tels dispositifs, le cri de ralliement devient alors : « On peut faire tout ce que vous pouvez imaginer ! »

Contacter un expert