Bonnes pratiques pour votre stratégie en matière de Big Data
Les entreprises dites “insight-driven” connaissent une croissance annuelle moyenne de 30 % et sont en passe de générer 1 800 milliards de dollars de revenus d’ici 2022. Rien que ça.
Bien que de nombreuses organisations pensent faire partie de ce groupe “data-driven”, peu d’entre elles ont véritablement maîtrisé l’art d’exploiter le big data pour obtenir un avantage concurrentiel et atteindre des objectifs de haut niveau.
En fin de compte, le succès dépend de la mise en place d’une base solide où la culture et les objectifs stratégiques priment sur le dernier outil d’IA.
Nous allons passer en revue ici certaines des meilleures pratiques pour gérer les programmes d’analyse des big data et éviter le chaos qui résulte d’une mauvaise planification.
Définissez votre stratégie en matière de Big Data
Une étude de Deloitte a révélé que peu d’entreprises de produits de grande consommation ont maîtrisé les « petites données ». Bien que ce rapport se concentre sur un seul secteur, il illustre un point essentiel : vous ne pouvez pas élaborer une stratégie de big data si vous avez encore du mal à tirer parti de petits ensembles de données structurées.
Si vous ne vous concentrez pas sur la résolution d’un problème spécifique, la gestion de vos BI (Business Intelligence) peut rapidement devenir compliquée. Pour préparer le terrain au succès, votre stratégie de données doit devenir votre stratégie commerciale.
Commencez par identifier les objectifs commerciaux de premier plan et les cas d’utilisation potentiels. De quelles données aurez-vous besoin pour atteindre ces objectifs ? Quelles parties prenantes doivent être impliquées, et quels sont leurs rôles et responsabilités dans le contexte de ce projet ?
Résister à l’impulsion de collecter autant de données que possible (pas très RGPD au passage …). Vous ne pouvez pas prendre de décisions commerciales basées sur les données si vous ne pouvez pas vérifier si ces données sont dignes de confiance.
Identifier les îlots de données utiles et éliminer les silos
Lorsque vous commencerez à mettre en œuvre votre stratégie, vous voudrez identifier les “îlots de données” contenant des informations précieuses qui pourraient vous aider à rationaliser vos processus ou à fournir la solution parfaite à vos clients.
Exemple d’îlots de données : Lorsque les données des clients sont stockées dans la base de données des ventes et que le reste de l’organisation ne peut pas y accéder.
Ensuite, vous voudrez intégrer ces sources de données dans une “single source of truth » (source unique de vérité). Mais cette vision unifiée est plus une question d’alignement que d’exactitude. En substance, la mise en place de ce processus dès le début permet aux organisations de développer un langage commun pour discuter des initiatives stratégiques et définir comment mesurer le succès.
Assurez-vous que vous (et votre équipe) comprenez la différence entre « données » et « informations ». Bien que cela puisse sembler être une question de sémantique, la distinction est importante. Toutes les données ne peuvent pas être extraites et transformées en actions. En d’autres termes, vous devez éviter d’intégrer des ensembles de données qui n’apportent aucune valeur ajoutée.
La gestion des projets d’analyse des Big Data est un effort de collaboration
On ne le dira jamais assez : L’analyse des Big Data est un sport d’équipe !
Les Data Scientistes, l’informatique, le marketing et les autres parties prenantes doivent s’aligner sur les objectifs, ce qui signifie que les organisations doivent créer un environnement où la collaboration et les pratiques agiles font partie intégrante de la culture.
Nous le répétons sans cesse : la culture est l’un des aspects les plus difficiles de la transformation à grande échelle, qu’il s’agisse de l’adoption de l’Internet des objets (IoT), de la migration vers les microservices ou de l’élaboration d’une stratégie d’analyse du Big Data qui place votre marque sur la voie du succès.
Rendre les données accessibles
Compte tenu des complexités associées à la gestion des big data, il y a une pénurie croissante de professionnels ayant des compétences en science des données et en informatique. Ces professionnels sont nécessaires pour aider les entreprises à tirer le meilleur parti de leurs ensembles de données croissants.
Tout d’abord, les organisations doivent permettre aux employés de trouver facilement les informations dont ils ont besoin. Mieux encore, il faut leur fournir le contexte dont ils ont besoin pour comprendre pleinement les données et les utiliser pour prendre des décisions éclairées.
Les employés ont besoin d’une formation continue pour s’assurer qu’ils trouvent et exploitent les bonnes informations. Et les employeurs doivent penser à assembler une pile technologique qui facilite la vie de leurs employés - en améliorant leur travail, plutôt qu’en ajoutant une charge supplémentaire.
En outre, les dirigeants doivent fournir un accès sécurisé à de vastes ensembles de données de haute qualité pour encourager l’expérimentation et la découverte parmi les employés en dehors du service informatique.
Gouvernance des données
Ce n’est peut-être pas la partie la plus excitante du processus d’analyse des données et des meilleures pratiques, mais elle protégera votre marque contre les violations de conformité et les audits.
Comme de plus en plus de personnes au sein d’une organisation accèdent à des ensembles de données, construisent des modèles et exécutent des requêtes, vous devrez vous assurer que vous avez mis en place les bonnes pratiques de gouvernance des données pour maintenir l’intégrité de vos données et de vos modèles.
La gouvernance est essentielle, car elle permet aux organisations de définir des règles, des autorisations et des politiques pour protéger vos données via des flux de travail automatisés.
Quelques domaines à privilégier :
Catalogues et dictionnaires de données.
Un dictionnaire centralisé aide les organisations à catégoriser, étiqueter et organiser les données pour en faciliter l’accès. Il aide également les utilisateurs à identifier les métadonnées des ensembles de données existants et garantit que tout le monde est sur la même longueur d’onde lorsqu’il s’agit de termes, de descriptions et de conditions commerciales. Même si cela peut sembler anodin, ce langage commun élimine la confusion, encourage la collaboration et maintient la cohérence entre les différentes plateformes et bases de données.
Gestion des modèles.
Envisagez d’utiliser un outil qui automatise les processus de surveillance des modèles et peut envoyer des alertes lorsqu’un modèle commence à se dégrader. Vous voudrez éviter tout scénario potentiel dans lequel vous prenez des décisions sur la base d’un modèle qui ne fonctionne plus, en particulier si vous utilisez la modélisation pour déterminer quelque chose comme les résultats des patients.
Surveillance de l’utilisation des données
Mettez en place un outil de surveillance capable de vous alerter en cas d’utilisation non-autorisé de toutes vos données commerciales. Le plus souvent, ces données sont utilisé en interne par les collaborateurs, mais aussi, en dehors de l’entreprise par des tiers et des sous-traitants. Le risque est réel, alors que la mise en place est relativement simple. C’est ce que nous proposons avec la solution Ostraca.
Continuez à faire évoluer votre processus d’analyse des données et de vos meilleures pratiques.
Le Big Data continue de croître de manière exponentielle et n’est pas prêt de ralentir. Les stratégies de données doivent être traitées comme des documents vivants, tandis que les cultures doivent montrer une amélioration continue.
Encore une fois, vous devez vous assurer que vous restez concentré sur les mêmes objectifs que vous avez définis au tout début de ce processus. Posez-vous (et posez à votre équipe) les questions suivantes pour évaluer vos progrès :
- Quels sont les indicateurs de réussite ?
- Votre équipe pourrait-elle être plus efficace/productive ?
- Y a-t-il des possibilités d’ajouter de nouveaux ensembles de données aux stratégies existantes afin de fournir des informations encore plus riches ?
- Que pouvez-vous faire pour faire évoluer cette stratégie ?
- Comment suivez-vous les progrès ?
Vous pourrez ajuster votre processus de reporting, ajouter de nouvelles mesures et vous débarrasser des ensembles de données jugés inefficaces. Cependant, il n’est pas facile de développer ce type de stratégie qui puisse évoluer avec votre entreprise.
Au fil du temps, vous commencerez à introduire de nouveaux hubs de données, à automatiser davantage de processus et à vous attaquer aux plus gros problèmes auxquels votre entreprise et votre secteur sont confrontés.