D’ici à 2017, 60 % des projets d’analytics seront sanctionnés par des échecs. Tel est le sombre scénario que décrit le Gartner qui propose quelques moyens d’y remédier.
Mener à bien un projet de business intelligence ou d’advanced analytics[1] n’est donc pas un long fleuve tranquille. Il concerne autant un changement d’état d’esprit et de culture que d’acquisition d’outils et de compétences.
Parallèlement, le big data[2] a le vent en poupe, le Gartner prévoit que 75 % des entreprises investir ou projette de le faire dans les deux ans à venir. Les investissements continuent donc à augmenter même si le rythme est un peu moins soutenu, environ 3 % pour l’année 2015. C’est ce qu’indique l’enquête réalisée par le Ganter intitulée « Survey Analysis: Practical Challenges Mount as Big Data Moves to Mainstream. ».
« Nous observons une évolution significative dans le contenu des projets et dans les pratiques, explique Nick Heudecker, directeur de recherche au Gartner. Ce qui était jusqu’ici qualifié de big data et impliquait des volumes importants de données hétérogènes devient assez courant alors que les solutions se diffusent dans les entreprises. Parmi les entreprises qui ont lancé des projets, 70 % font de la géolocalisation et 64 % de l’analyse de données textuelles non structurées ».
Parmi les objectifs les plus fréquemment poursuivis, on peut citer l’amélioration de l’expérience client, l’optimisation des processus métier et la réduction de coûts. A signaler que, à l’instar des années passées, c’est l’expérience client qui vient en tête des priorités.
La majorité des entreprises attendent un ROI positif (le contraire aurait paru surprenant !) et pourtant une proportion significative (4 sur 10) ne savent pas si ce ROI sera positif ou négatif. Ce qui suggère qu’elles n’ont pas mis en place de moyen de le mesurer.
Qui pour mener un projet de big data l’entreprise ? Il semblerait que les métiers prennent du poids. Selon l’étude du Gartner, la DSI menait les projets dans 37 % des cas contre 25 % pour les métiers. Cette année, les rôles se sont rétablis : 32 % pour les premiers contre 31 % pour les seconds.
________
[1] Advanced Analytics is theautonomous or semi-autonomous examination of data or content using sophisticated techniques and tools, typically beyond those of traditional business intelligence (BI), to discover deeper insights, make predictions, or generate recommendations. Advanced analytic techniques include those such as data/text mining, machine learning, pattern matching, forecasting, visualization, semantic analysis, sentiment analysis, network and cluster analysis, multivariate statistics, graph analysis, simulation, complex event processing, neural networks.
[2] Big data is high-volume, high-velocity and/or high-variety information assets that demand cost-effective, innovative forms of information processing that enable enhanced insight, decision making, and process automation.