En 2014, les réflexions liées aux données ont suscité un vif intérêt au sein des organisations. A l’image du Big Data qui a cessé d’être seulement un concept et trouve désormais ses premières applications concrètes dans les entreprises françaises. Les tendances 2015 de Deloitte dans la Data et l’Analytics témoignent de cette aspiration qui devrait se prolonger au cours des prochains mois.
Le cabinet Deloitte et La société Red Hat présentent les grandes tendances et les nouveaux défis que soulève l’utilisation du big data et de l’analytics au sein des organisations.

Deloitte


22 Reda Gomery« L’année 2014 a confirmé l’intérêt croissant pour la donnée au sein des organisations, du secteur privé comme du secteur public, et ce quel que soit la taille et le domaine d’activité. Pour autant, le  mouvement n’est pas encore généralisé. Avec des entreprises qui continuent de capter et de stocker de plus en plus de données, les réflexions se poursuivent suscitant de nombreuses questions et de fortes attentes. En 2015, on envisage aussi un fort développement des usages de l’analytique dans tous les métiers des entreprises confirmant ainsi un vif intérêt pour la transformation des données en connaissances. » estime Reda Gomery, Associé responsable Data et Analytics chez Deloitte.

 

5 grandes tendances dans la Data et l’Analytics identifiées par Deloitte

  1. Big Data : la preuve par l’expérimentation

L’expérimentation Big Data s’annonce comme l’une des fortes tendances en 2015. De nombreuses entreprises sortent de l’attentisme : la digitalisation les submerge de données, tandis que la crise les incite à en tirer meilleur parti pour capter de la croissance ou améliorer leurs marges. Elles entrent donc en phase expérimentale, souvent sans attendre d’avoir résolu toutes les questions stratégiques, organisationnelles ou technologiques soulevées par le Big Data. En mode pilote, elles cherchent à identifier de façon empirique des cas d’usage profitables. Que ces tentatives aboutissent ou échouent, les entreprises engrangent de l’expérience et en tirent de précieux enseignements tels que l’importance de la pluridisciplinarité.

 

  1. L’extension de la performance et de la connaissance métier grâce à l’Analytics

Les Analytics se démocratisent au sein des entreprises, notamment grâce au développement de nouveaux outils qui favorisent leur prise en main par des non-spécialistes, comme par exemple les outils de Data Visualisation. Les métiers et diverses fonctions (Finance, RH, Achats, etc.) inscrivent ces approches analytiques au cœur de leurs enjeux, convaincus qu’elles recèlent leurs futurs gains de performance. De plus, le croisement de données toujours plus hétérogènes et volumineuses, de même que les approches collaboratives, élargissent les perspectives. Enfin, le rayon d’action des Analytics s’étend : au-delà de la description, la prédiction, voire la prescription, sont désormais accessibles marquant ainsi le début de l’ère des « Big Analytics ».

 

  1. La gouvernance des données : préoccupation majeure des entreprises

L’inflation du volume de données dont disposent les entreprises pose des problèmes tels que l’envolée des coûts de stockage, l’« infobésité » nuisible à l’extraction d’intelligence, la conformité réglementaire, ou la sécurisation… De plus en plus d’entreprises prennent conscience de ces enjeux et s’en saisissent. Ainsi, assurer une gouvernance appropriée des données est devenue une priorité. La première étape consiste à localiser les données, souvent dispersées entre les collaborateurs, voire détenues par des partenaires. Puis il faut déterminer leur valeur actuelle, mais aussi éventuellement future. Enfin, il convient de fixer les responsabilités et les règles d’usage, tout en favorisant l’autonomie et l’innovation. La nomination d’un « chief data officer » peut aussi être une piste intéressante à suivre.

 

  1. La monétisation des données : vers de nouveaux modèles business

Dans plusieurs secteurs précurseurs (télécoms, services financiers), les entreprises prennent conscience de la valeur de leurs données pour des partenaires externes. Elles testent des modèles économiques qui leur permettraient de générer des revenus additionnels, tout en respectant un cadre réglementaire évolutif et les aspirations de leurs clients en matière de respect de la confidentialité. L’agrégation de données, afin de les rendre anonymes, ou la prestation de services d’analyse de données constituent quelques-unes des solutions de monétisation mises en œuvre. Des « pure players » apparaissent également afin d’acquérir, de recouper et d’enrichir les données, avant de livrer des analyses clés en main.

 

  1. Open Data & Open Innovation : partager ses données pour créer de la valeur

En matière de Data, les frontières interne/externe s’estompent et les approches collaboratives se multiplient. Ces dernières peuvent associer par exemple le secteur public et le secteur privé : des collectivités et des opérateurs publics partagent leurs données en vue de dynamiser leur territoire ou d’améliorer leur qualité de service. Encore hétérogènes et peu structurées, ces initiatives sont appelées à se rationaliser. Par ailleurs, des entreprises mutualisent leurs données au sein de « régies » pour enrichir leurs offres respectives. Enfin, de grands groupes sollicitent des étudiants ou des start-ups à l’occasion de challenges « d’open innovation » ou de « hackathons ».

 

Red Hat


La place centrale des data scientists en entreprise

22 Greg KleimanLa frontière entre Big Data et données continuera de s’estomper. Les DSI voudront consolider et intégrer les sources de données traditionnelles (les entrepôts de données, par exemple), relier systèmes analytiques aux tableaux de bord de Business Intelligence, et appliquer les technologies Big Data de nouvelle génération, telles que Hadoop, aux volumes de données. Cette exploitation du Big Data fera émerger de nouveaux modèles d’entreprise et segments de marché. Le rôle des data scientists va se diversifier : on fera appel à des nettoyeurs de données (data hygienists) pour optimiser la qualité des données, à des explorateurs de données (data explorers) pour sélectionner les données pertinentes ou encore des experts en campagnes (campaign experts) pour produire des résultats à partir des renseignements extraits des données. L’innovation Open Source dans le secteur du Big Data devrait s’accélérer, de même que l’adoption des technologies émergentes, de type Storm et Spark.
– Greg Kleiman, directeur de la stratégie de la division Stockage et Big Data, Red Hat

 

L’intégration et le traitement des données seront des avantages compétitifs significatifs.

2015 sera marquée par l’essor des montres, lunettes et autres accessoires connectés qui peuplent l’Internet des objets et dont les données vont venir alimenter le flot du Big Data. Les entreprises qui sauront intégrer ces données, les traiter judicieusement et les traduire rapidement en orientations stratégiques se démarqueront de la concurrence. Elles auront besoin d’une infrastructure IT à base : de plates-formes Cloud IaaS et PaaS, pour développer et exécuter avec flexibilité et agilité leurs applications et processus métier ; de plates-formes d’applications mobiles et de services adaptés et performants ; de technologies légères d’intégration au Cloud, pour donner aux clients le sentiment d’une grande transparence au niveau de l’interaction des données, des applications et des processus métier. Et enfin elles auront également besoin de plates-formes décisionnelles et d’automatisation permettant la modification rapides des processus métier et des décisions pour stimuler l’engagement client.
– Pierre Fricke, directeur du marketing produit de la division Middleware, Red Hat

 

 

22 Irshad RaihanTout comme elle a inspiré Netflix pour la série à succès House of Cards, l’analyse du Big Data devrait faire naître de nouveaux modèles d’entreprise et segments de marché.
– Irshad Raihan, directeur senior du marketing produit de la division Stockage et Big Data, Red Hat