Quelles sont les limites du Big Data et de l'Analytique ?
Le Big Data offre bien des avantages sur le papier. Dans la réalité, le Big Data n'est pas exempt de limites qu'il s'agit de bien connaître avant même d'envisager de s'engager dans une solution technologique de ce type.
Non, le big data ne prend pas les décisions à votre place...
Les promoteurs de solutions technologiques, toujours en quête de nouvelles vaches à lait, n'hésitent jamais une seconde pour nous proposer des solutions "magiques". Il vaut mieux éviter de croire tout et n'importe quoi si l'on espère faire pleinement profit du "Big Data", sans le transformer en "Bug Data", et l'exploiter dans les limites de ses possibilités...
Où l'on redécouvre le mythe inoxydable de l'homo oeconomicus...
Avec le
Big Data et l’analytique, les responsables marketing, et autres spécialistes en création de besoins inutiles, ont réveillé un vieux mythe du management et des technologies :
"la prise de décision automatisée".
Fondé sur l'éternel homo oeconomicus, pour qui toute décision est nécessairement rationnelle, il suffirait de connaître les bonnes informations pour prendre, sans coups férir, la meilleure décision. Rien de moins...
Au diable Herbert Simon, prix nobel 1978 et la rationalité limitée ! Au diable Henri Poincaré et la méfiance vis à vis du déterminisme de Laplace concrétisé par Edward Lorenz avec la théorie du Chaos !
...Celui qui pleinement informé prend toujours la bonne décision !
Donc, selon ses promoteurs, le Big Data offre accès à toutes les données possibles et imaginables... Les « bonnes informations », sous-entendues les « informations décisives », s’y trouvent nécessairement. Il suffit de bien modéliser, et hop ! Il ne reste plus qu’à prendre la bonne décision.
Pourquoi donc attendre ? Voilà la bonne question. Enfin, c’est surtout une bonne question pour les vendeurs de solutions qui tentent de persuader la moindre PME du retard abyssal qu'elle risque de prendre si elle n'investit pas. La loi du marché ne pardonne pas, c'est bien connu ;-) (Voir aussi : Après l'ERP et le CRM, le Big Data et-il la nouvelle vache à lait de l'industrie informatique ? )
Mais bon ! Entrons dans le mythe qui n’est pas exempt lui-même de contradictions.
Big Data : 5 bonnes raisons de modérer son enthousiasme
Pour éviter que le
"Big Data" ne devienne le
"Bug Data", encore faut-il :
1) Disposer de suffisamment de données
Mais attention : des
données de qualité, à jour, cohérentes et raisonnablement stables. Il est tout aussi important de disposer de données historisées en nombre suffisant afin que l’on puisse appliquer différents modèles et, dans un premier temps, extraire quelques résultats prévisibles pour valider la démarche.
La question « Ça veut dire quoi suffisamment ? » est vraisemblablement l'une des principales inconnues de la prise de décision selon cette théorie archaïque de l’homo oeconomicus. Pour info, Google, Facebook, Amazon ou Alibaba parviennent à dénicher quelques corrélations intéressantes grâce à leur base de données plutôt conséquente. Le trafic de ces sites se chiffre en centaine de teraoctets journalier et même en pétaoctets, soit un ordre de grandeur de 1015 pour les deux premiers cités. On ne peut vraiment pas dire qu'il s'agit là d'exemples significatifs dont devraient s'inspirer les PME. Ce sont des exceptions et non des exemples ;-) ...
2) Mettre en oeuvre une infrastructure technologique à la pointe, au top
Soyons un peu plus pratique. Utiliser le Big Data, c’est aussi mettre en place une
infrastructure pleinement opérationnelle, capable de supporter la charge au vu de la quantité de données exigée et de l’indispensable rapidité des traitements, pour que l’outil soit utilisable.
3) Une direction complaisante qui ferme les yeux sur la colonne "dépenses"...
Il est prudent de prévoir des budgets plus que conséquents dédiés exclusivement à l’analyse Big Data, non seulement pour acquérir l’infrastructure mais aussi pour contracter les compétences technologiques. Elles sont indispensables pour mettre en œuvre et faire évoluer une architecture technologique pour le moins complexe.
4) S'assurer de ne pas regarder que son nombril...
Ensuite, il ne faut surtout pas se limiter aux données internes de l’entreprise, comme celles issues des ERP, CRM ou Supply Chain. Elles sont précieuses mais bien insuffisantes pour répondre à la première condition :
« disposer de suffisamment de données ».
Il s’agit donc de s’ouvrir sur les banques de données publiques, l'open data et plus généralement sur le web. Cela tombe sous le sens, mais pas pour tout le monde. La plupart des solutions décisionnelles sont centrées sur les données de l’entreprise. S’ouvrir sur l’extérieur est une condition à l’utilisation efficace de l’outil. C’est aussi ce que recommande le Gartner, plus optimiste que jamais sur l’avenir du Big Data en entreprise.
5)... Et s'offrir les meilleurs experts !
Et, last but not least, il faudra impérativement parvenir à contracter de vrais data-scientists. Des spécialistes multi-facettes qui sauront exploiter les algorithmes de machine learning, et bâtir des modèles suffisamment justes et orientés métiers pour répondre aux besoins spécifiques des décideurs de l’entreprise.
Stop ou encore ?
Bon, il ne faut pas non plus jeter le bébé avec l’eau du bain, en ce qui concerne le big data, ce serait absurde. Il est juste prudent, pour ceux qui ont les moyens de dépasser les 5 conditions ci-dessus, de se préparer à domestiquer l’outil.
Il est bon d’inciter les décideurs à mettre un peu les mains dans le cambouis pour mieux connaître la technologie. C’est là le seul moyen de maîtriser un tant soit peu ses capacités et ses limites.
Bref, il s’agit de se méfier des discours des vendeurs de salades, et de garder les pieds sur terre, comme pour tous les outils de la boîte du manager. Aucun outil ne prendra la décision à votre place. En revanche, si on peut mieux mesurer le risque de celle-ci, c’est tout bénéfique. Ensuite, à voir si le jeu en vaut la chandelle…
Voir aussi
À lire...
Pour bâtir un solide support décisionnel, il vaut mieux disposer de méthode. L'ouvrage de référence auprès des managers, consultants, chefs de projets décisionnels, formateurs et enseignants. 40.000 exemplaires vendus...
Les nouveaux tableaux de bord des managers
Le projet décisionnel en totalité
Alain Fernandez
Eyrolles 6ème édition
495 pages
Dispo :
www.amazon.fr, www.eyrolles.com
& PDF ou ePub
Format Kindle
Un livre court mais précis pour résister aux mythe et mieux comprendre la réalité et les enjeux du Big Data et du "monde des algorithmes"...
À quoi rêvent les algorithmes
Nos vies à l'heure des big data
Dominique Cardon
La république des idées
105 pages
Dispo :
www.amazon.fr
Pour Evgeny Morozov l'essor totalement débridé des technologies n'est qu'un moteur de plus de l'économie ultra libérale. Il n'est que temps que nous, les citoyens, reprenions les technologies et nos données en main...
Le mirage numérique
Pour une politique du Big Data
Evgeny Morozov
Les Prairies Ordinaires
144 pages
Dispo :
www.amazon.fr
Un livre accessible pour mieux comprendre le principe du Big Data et du Machine Learning...
Big Data et Machine Learning
Les concepts et les outils de la data science
Pirmin Lemberger, Marc Batty, Médéric Morel, Jean-Luc Raffaëlli
Dunod 3ème édition 2019
272 pages
Dispo :
www.amazon.fr
Un bon ouvrage de vulgarisation du big data pour les managers...
Stratégie Big Data
Thomas Davenport
Pearson
264 pages
Dispo :
www.amazon.fr
Piloter l'Entreprise Innovante...
La prise de décision en équipe ne s'improvise pas. Pour parvenir à ce mode de management délégataire, crucial pour les organisations actuelles, privées comme publiques, un indispensable travail de fond prélable est nécessaire. La méthode SOCRIDE centrée sur les questions incontournables de Confiance et de Reconnaissance est ici expliquée, illustrée et détaillée :
Les tableaux de bord du manager innovant
Une démarche en 7 étapes pour faciliter la prise de décision en équipe
Alain Fernandez
Éditeur : Eyrolles
Pages : 320 pages
Consultez la fiche technique »»»
Pour acheter ce livre :
Format ebook : PDF & ePub,
Format Kindle
Voir aussi...
Les fiches du dossier: Big Data
- Comment tout résoudre avec le Big Data ?
Attention aux vendeurs d'illusions ! Le marketing et son storytelling sont -en marche- pour colporter les nouvelles chansons de gestes contant les ... - Hadoop, définition
Hadoop est un projet Open Source géré par Apache Software Fundation basé sur le principe Map Reduce et Google File System, deux produits Google ... - Bases de données NoSQL, le principe
Que sont les bases de données Not only SQL ? Quelles sont les applications où elles s'avèrent plus performantes que les bases de données ... - Un regard critique du Big Data
Le Big Data est une révolution en soi, aucun doute à ce sujet. Cela dit en pratique, il ne faut pas non plus dire et faire n'importe quoi. Pour ... - Le Big Data expliqué: Quoi ? Pourquoi ? Comment ?
Le big data expliqué aux managers en 3 questions/réponses : Quoi ? Pourquoi ? et Comment ? Bref tout ce qu'il s'agit de savoir afin ... - MapReduce, définition
MapReduce est un modèle de programmation massivement parallèle adapté au traitement de très grandes quantités de données. Les programmes adoptant ... - La technologie mise en oeuvre pour le Big Data
Les technologies qui permettent de bâtir une solution de type Big Data ou Données Massives en français, ont leur origine au sein même des moteurs ... - Formation Big Data en ligne
Formation au Big Data. Un guide d'autoformation disponible en ligne à l'usage des managers qui n'ont guère le temps d'investir dans un programme ... - Le big data et la décision en entreprise
Les apports du big data au processus décisionnel en entreprise, des changements en perspective... - Qu'est-ce que le Big Data ? Définition et Principe
Le Big Data, la solution miracle à tous nos problèmes ? Sans dénigrer les avantages indéniables de cette révolution technologique, il est ... - Les bases de données In-Memory
In-memory désigne un système de base de données spécialement conçu pour profiter pleinement des capacités étendues des mémoires vives disponibles ... - Meilleurs livres du Big Data
Les livres de référence Big Data et machine learning, sept ouvrages pour bien comprendre les principes et les enjeux. Les quelques livres consacrés ...
Partagez cet article...
(total partages cumulés > 105)