N’est pas Google ou Facebook qui veut. Utiliser les données pour créer de la valeur reste un défi pour de nombreuses entreprises. Comment mettre les projets de Big data davantage au service du métier ?

En France, moins d’une entreprise sur deux utilise aujourd’hui des outils de Big data. Par ailleurs, évaluer le retour sur investissement des projets de Big data reste un challenge majeur pour 47% des entreprises françaises. Le manque de compétences est l’une des principales causes évoquées pour expliquer ces difficultés : sans architectes et data scientists (et même avec), la mise en œuvre de ce type de projets reste en effet un challenge sur le plan technique. La préparation des données, les successions de tests pour trouver l’algorithme permettant d’extraire des informations intéressantes et qui ne soient pas déjà connues, tout ceci nécessite en effet du temps et de l’expertise.

Plus ennuyeux, beaucoup de décideurs peinent à comprendre les résultats provenant des analyses Big data, qui sont parfois trop déconnectés des enjeux métiers.

Pour contrer ces freins, voici quatre pistes :

Automatiser au maximum les processus d’intégration de données

La mise en place d’outils spécialisés permet de réduire significativement la nécessité de développer des connecteurs spécifiques : autant de temps gagné en amont, afin de pouvoir plus rapidement entamer la phase d’exploration.

Peaufiner l’étude de rentabilité

Plus l’analyse cherchera à résoudre un point douloureux bien identifiable pour les métiers, plus la valeur du Big data sera aisée à démontrer. Dans tous les cas, il est préférable de partir d’un cas d’usage précis plutôt que de laisser l’équipe de data scientists se débrouiller comme elle le peut pour trouver une application pertinente. Dans la même optique, tout projet de Big data pour lequel les métiers peinent à saisir la valeur doit être remis en cause, voire interrompu.

Proposer les résultats sous forme visuelle

Sous forme de graphique, les données sont plus aisées à interpréter et à partager. Il faut donc autant que possible privilégier ce type de restitution, au moins pour présenter une vue d’ensemble des résultats. Les utilisateurs pourront ensuite s’ils le souhaitent creuser plus en profondeur en naviguant dans un tableau détaillé.

Penser à mettre à jour les analyses

Les délais de mise à disposition des résultats possèdent leur importance, mais dans le cas des projets de Big data il faut également s’intéresser à d’autres indicateurs. Parmi ceux-ci, le nombre d’utilisateurs qui continuent de consulter un rapport six mois après sa création, le nombre de requêtes pour pousser plus loin un rapport existant ou encore les actions concrètes enclenchés par le management à la suite d’un rapport.

Source : TechRepublic

AUCUN COMMENTAIRE