Les entreprises sont convaincues des possibilités offertes par l’exploitation des données. Plus de deux sur trois d’entre elles considèrent que leur exploitation est cruciale à leur développement.
C’est ce qu’indique l’étude Going beyond the data : Achieving actionable insights with data and analytics réalisée le cabinet KPMG qui indique clairement que les chefs d’entreprise des différentes zones du monde sont conscients des possibilités offertes par l’exploitation des données. Mais ils sont déjà au-delà de simples incantations ou espérances puisqu’ils sont plus de la moitié (56%) a avoir changé leur stratégie pour relever les défis posés par le big data. Même si l’une des difficultés majeures consiste à intégrer les technologies d’exploitation du big data dans les systèmes existants.
Pour les entreprises qui ont décidé de changer leur stratégie, la priorité a été donnée à l’acquisition de systèmes d’analytics ou en personnel compétents et dans une moindre mesure à affiner les paramètres de collecte des données. L’infographie ci-dessous récapitule les actions menées avec des différences de priorités assez significatives selon les régions du monde.
Face à cette nouvelle question, quels sont les principaux apports des systèmes d’analyse des données ? Ces systèmes permettent en priorité d’exploiter les données plus rapidement que les systèmes de BI traditionnels. Viennent ensuite la possibilité d’identifier des questions qui auraient être manquées, de déceler plus finement des problèmes existants et de réduire les coûts grâce à une plus grande efficacité.
Se lancer dans l’exploitation des données semble être désormais une évidence pour tous, mais avec quels objectifs ? Il s’agit d’améliorer les opérations ou de développer l’innovation et parfois les deux. Quant aux résultats observés, ce sont les réductions des coûts qui viennent en premier devant la gestion des ressources et une meilleure coordination entre les métiers (permettant de réduire le fonctionnement en silo depuis si longtemps décrié). Pour ce qui concerne les métiers, il est remarqué que l’impact le plus important se vérifie sur les directions en relation avec les clients alors que les services internes tels que direction financière ou DRH semblent moins impactés.
Si l’intérêt de l’utilisation de systèmes d’analytics ne fait plus débat, la manière de le faire est plus incertaine. Le principal défi semble être de sélectionner et d’implémenter la bonne solution pour analyser et interpréter les données collectées. Viennent ensuite l’identification des principaux indicateurs de risque et la capacité à réagir dans les meilleurs délais aux informations apportées au fil de l’eau et à prendre les bonnes décisions.
Dans la mise en œuvre de systèmes d’analytics, la première difficulté est d’identifier les bonnes données à collecter. Il faut reconnaître que la question n’est pas simple tant les données sont produites en volumes considérables provenant de sources extrêmement diverses et qu’il n’est pas facile de canaliser. Mais identifier n’est une qu’une partie du problème car il faut ensuite mettre toutes les solutions pour les collecter – manuellement ou automatiquement -, des « nettoyer », de les analyser et de les interpréter. Une tâche complexe et nouvelle qui nécessite des nouveaux profils dont les fameux data scientists qui ont à la fois des compétences très variées.
C’est une formidable opportunité qui s’ouvre aux entreprises mais conclut le cabinet KPMG « le problème majeur est qu’il n’existe pas de solution unique (« one-size-fits all ») dans l’exécution de cette stratégie ».
A l’inverse, les entreprises vont devoir définir différents scénarios et d’hypothèses qui leur permettront de mettre en œuvre une stratégie et de l’adapter en fonction des événements, le plus souvent imprévus, qui ne manquent d’intervenir en permanence. Une fois passée cette phase d’apprentissage dans l’exploitation du big data, les entreprises seront alors en capacité de mettre en œuvre les meilleures pratiques et de tirer le meilleur parti de ces nouveaux systèmes.
A lire également :
Ensevelies sous une avalanche de données
Comment penser un projet de big data ?
Les entreprises sont-elles prêtes pour le big data ?
Du décisionnel au big data
Du big data au bad data
BI et big data : évolution ou rupture ?