Management de l'entreprise

Comment dissocier le bruit de l'information ? Avec bon sens

Par Partagez : Envoyer le lien de cet article par e-mail   
.

la décision, les données et le bruit...

Pour prendre une bonne décision, il faut disposer de données propres, précises et validées. Ok. Bien sûr. Nous sommes tous d'accord. Mais est-ce suffisant ? Il n'est peut-être pas inutile de savoir aussi lire et trier les données avant de pouvoir espérer en extraire la substantifique moelle. A ce sujet, une petite pointe de bon sens ne sera pas superflue...
Bruit et données La mise en place de la structure de collecte des données et d'alimentation du système décisionnel est une phase essentielle du projet. Longue et coûteuse, c'est aussi la plus ingrate.

Au cours d'un projet Business Intelligence un poil conséquent, l'équipe de développement achevait de bâtir une première tranche de la structure d'alimentation, fournissant des données *propres* et donc *utilisables* au système global d'aide à la décision. Le coût et la durée de l'opération, conséquents comme il se doit, suggérèrent quelques réflexions de techno-fiction.

Une prise de décision automatisée ? Absurde !

Un développeur pensa à haute voix : - "Avec des données aussi nickel, je crois de plus en plus que, finalement, un jour viendra où l'on parviendra à automatiser la prise de décision !"
Je ne sais pas pour vous, mais pour moi, l'association des mots « décision » et « automatiser » me titille toujours un brin l'épiderme.
Il précisa alors, afin de modérer un tant soit peu son propos : - "Bon OK, je ne parle pas des décisions stratégiques, mais en tout cas pour les décisions opérationnelles, cela me semble évident. "

Sans vouloir engager une longue polémique sur le sujet, je me permis un simple bémol en ajoutant que la décision dite opérationnelle n'était pas toujours une évidence. Elle comporte toujours une part de risques qu'un système automatique ne saurait évaluer.

Les décisions procédurales

Les seuls cas à risques limités sont les décisions dont la solution est déjà comprise dans l'énoncé, du type: si A faites 1 si B faites 2... Il suffit alors de lire les données pour être assuré de prendre la bonne décision. D'ailleurs dans ce cas, parler de décision est un abus de langage. De toutes façons, en entreprise, le nombre de décisions de ce type (procédurales par exemple) se réduit comme une peau de chagrin. »

Cela dit, après réflexion, il faut bien se rendre compte que, même dans ce dernier cas, la décision n'est pas aussi évidente que cela. Il s'agit en effet d'extraire l'information décisive de la masse de données délivrées. Pas toujours si simple.

Lorsque l'on parle de la difficulté de la décision on évoque le plus souvent la situation d'incertitude due à une information incomplète. Intéressons-nous pour une fois aux difficultés induites par la surabondance de l'information. Les informations décisives sont perdues dans la masse des informations collectées. Comment les identifier ? Une question particulièrement cruciale à l'heure de prise de décision avec le Big Data

Une enigme à résoudre

Pour vous donner une idée de la difficulté, je vous propose un retour sur les bancs de la communale avec un petit problème de train qui arrive à l'heure...

En voici l'énoncé :
1) Un train de marchandises, composé d'une motrice et de 14 wagons chargés, part de Marseille à 8h35 pour rejoindre la gare de Villeneuve Saint-Georges, plate-forme de triage. Le train s'arrête en gare d'Aix-en-Provence durant 5 minutes pour laisser la voie libre à un express puis, il s'arrête de nouveau à Lyon Perrache durant 15 minutes pour changer de conducteur. Il roule à une moyenne de 75 km/h et le trajet total dure exactement 10h00.

2) Une mouche modifiée génétiquement a un comportement particulièrement curieux. Elle part de Villeneuve-Saint-Georges (gare d'arrivée) à la même heure de départ que le train, soit 8 h 35. Elle vole à 300km/h de moyenne et se dirige directement vers le train. Chaque fois qu'elle rencontre le train elle retourne sans délai à son point de départ pour revenir de nouveau vers le train qui bien sûr entre temps a progressé. Elle répète son manège inlassablement jusqu'à ce que le train arrive à destination. Ses allers-retours sont de plus en plus courts et en conséquence plus fréquents. Son parcours peut être représenté graphiquement comme un signal amorti peu à peu.

Question : Quelle distance (arrondie au km) la mouche a-t-elle parcourue ?

L'information est propre, nette, précise. Pourtant la quantité de détails constitue un bruit ambiant qui perturbe le décideur. L'information essentielle lui échappe. Pas toujours si facile d'en extraire la substantifique moelle. Toute la difficulté du problème ci-dessus réside d'ailleurs dans ce bruit confus et cette multiplication de détails qui masquent l'information essentielle.
Pourtant, les deux seules informations nécessaires pour résoudre ce problème sont la vitesse de la mouche et la durée du parcours. Rien de plus. En effet distance = vitesse x durée
La mouche vole à 300 km/h (ligne 9) durant 10 heures (ligne 6) qui est la durée du parcours total, elle a donc parcouru : 3000km

Les rapports périodiques produits par les entreprises ont aussi fortement tendance à noyer l'information sous une quantité de détails. Combien d'outils décisionnels sont encore bâtis en partant du principe : « Cette donnée est-elle utile ? Bon je ne sais pas, mais je l'ajoute quand même, ça pourra toujours servir, on ne sait jamais... » ?
Bien entendu, il y a vraisemblablement une information essentielle cachée dans toutes ces données, mais comment la détecter, comment l'extraire et l'interpréter ?
Alors comment s'en sortir ? Avec un peu de bon sens. Aussi bien au moment de la composition du rapport de type reporting ou du tableau de bord qu'au moment de sa lecture et de son interprétation.
C'est d'ailleurs la solution du problème ci-dessus (du niveau école primaire une fois les informations essentielles identifiées...).

Mais, pssst... Entre-nous, poussons un peu plus avant le raisonnement...
Dans quelques cas, pas si rares d'ailleurs, la bonne décision n'est-elle pas plutôt une question de bon sens que de disponibilité de l'information ?
Je me souviens ainsi d'une anecdote que l'on prête à Antoine Riboud, le père du fils.
Lors de la chute du mur, les entrepreneurs français avaient dépêché des experts dans les pays de l'ex bloc communiste afin d'identifier le potentiel de croissance et l'opportunité de s'implanter. La mutation venant tout juste de démarrer, les rapports, camemberts et autres barres-graphes étaient bien en mal d'indiquer une tendance précise. Les entrepreneurs, perplexes, jugèrent prudent d'attendre. Pourtant Antoine Riboud avait décidé d'implanter tout de même une usine. Entrepreneur de renom, que pouvait-il avoir vu dans ces chiffres plutôt plats ? Quelle information essentielle avait échappé aux autres ?
Il répondit : *Tous ces chiffres et prévisions, je ne sais pas trop. Ce que je sais, c'est que dans tous les cas, il faudra bien qu'ils mangent.*

Finalement la Business Intelligence peut-elle vivre sans le Bon Sens ?
Promis, la prochaine fois, je vous soumets un problème de robinets.


Points de vue



Partagez cet article...

Envoyer le lien de cet article par e-mail   
(total partages cumulés > 105)

La reproduction ou la traduction totale ou partielle de ce texte, images et documents est formellement interdite. Voir ici les conditions pour publier un extrait sur votre site ou blog. Ce texte et les images et documents qu'il contient est déposé auprès de l'IDDN

Suivez aussi les news du portail sur Twitter et rejoignez-nous sur Facebook

Google+    Twitter    Facebook

Excel ® est une marque déposée de Microsoft Corp ®
Gimsi ® est une marque déposée de Alain Fernandez



Copyright : Alain FERNANDEZ ©1998-2017- Tous droits réservés


  Suivez-nous :   Google+   twitter+  Facebook  Linkedin    e-mail  
»» Toutes les fiches du Blog »»