Les entreprises devraient porter une attention toute particulière aux sources de données, car si elles ont encore des difficultés à identifier celles qui sont utiles à l’analyse, c’est l’ensemble de la chaîne analytique qui en est impactée.
Les entreprises ont encore du chemin à parcourir pour transformer leurs données en renseignements de valeur. Dans notre article publié hier, nous avons mis en évidence les mécanismes vertueux qui se déclenchent lorsqu’une organisation se met à exploiter les données pour la décision et l’action. Ces mécanismes, une fois déclenchés, créent une asymétrie entre celles qui exploitent les données et celles qui n’y parviennent pas. Les causes de cette asymétrie peuvent se résumer à quelques facteurs, comme l’incapacité à faire confiance aux données (voir l’étude de Capgemini The data-powered enterprise), ou l’inaptitude à industrialiser l’IA et l’apprentissage automatique.
Une des causes de cette industrialisation rendue impossible réside dans l’impossibilité de mettre en place les pipelines de données et d’analyse. C’est ce que constate l’étude menée en février et mars dernier par Qlik et IDC : « Les données : Le nouvel or bleu. La nécessité d’investir dans des pipelines de données et d’analyse ». Selon ce rapport, 32 % des entreprises interrogées reconnaissent qu’il est difficile pour elles d’identifier les sources de données qui sont potentiellement utiles, et pour 29 % d’entre elles, cette tâche est même très difficile. Parmi les obstacles rencontrés pour cette identification, ces entreprises citent l’évaluation du ROI (37 %), l’investissement dans la technologie (28 %) et l’identification de ressources de valeur (21 %).
La mauvaise qualité des données enraye les objectifs de l’analytique
Les principales raisons qui expliquent pourquoi les projets analytiques n’ont pas réussi à atteindre leurs objectifs sont, pour 35 % des entreprises, liées à la qualité des données qui ne serait pas assez bonne. Arrivent ensuite en 2e et 3e position un défaut dans l’analyse, puis les problèmes liés à l’accessibilité des données, à la sécurité et aux contrôles de conformité. C’est sans doute la raison pour laquelle 38 % des entreprises déclarent avoir l’intention d’investir massivement dans la transformation des données brutes en données prêtes pour l’analyse.
Quant aux domaines à améliorer pour atteindre les objectifs de l’analytique, les entreprises préfèrent améliorer dans un premier temps la quantité des données disponibles pour l’analyse (47 %), puis la formation des travailleurs qualifiés (41 %). Pour 40 % d’entre elles, l’extension de l’intelligence artificielle et du Machine Learning parmi les collaborateurs est le troisième chantier à mettre en œuvre.
