L’Analytics, l’enjeu futur de la data
Par Régis Amour, Consultant senior CG2 Conseil
Nous parlons aujourd’hui de Data, de Lake, de Cloud, d’IOT, mais nous ne sommes qu’au début d’une révolution numérique. Le stockage n’est plus qu’un problème écologique. L’accès se fait dans des cloud Privés / Public ou hybride sans distinction. Mais que faisons-nous de ces données ? A qui / quoi servent-elles ?
La volumétrie des données stockées en 2018 était de 33 Zeta octets soit 33 000 milliards de gigaoctets. Ce volume sera multiplié par 5 d’ici 5 ans. Les objets connectés, 20 milliards en 2020, émettent de plus en plus d’informations sous des formats plus ou moins structurés.
La vélocité est primordiale pour en tirer le meilleur parti. La création des cloud public, privé, hybride permet d’accéder aux données immédiatement sans se préoccuper ni de les dupliquer ni de les transférer et donc de se focaliser sur leur traitement.
Ces informations sont dans des formats plus ou moins structurés. 80% des données sont non-structurées, les images, les sons, les avis et en conséquence, leur utilisation est d’autant plus complexe. L’adoption du machine learning permet de leur attribuer des métadonnées et donc de les transformer.
Ces données issues de la digitalisation proviennent de tous les secteurs que ce soit l’automobile, le retail, la finance ou les transports. Les problématiques adressées en descriptif, prédictif ou prescriptif proviennent de tous les services de l’entreprise.
La segmentation cliente, l’analyse des sentiments ou le Churn vont permettre au marketing de mieux cibler leurs prospects, de comprendre et d’améliorer leur e-réputation et de garder leur vivier client.
Le next best action ainsi que le up and cross selling vont aider le commerce à optimiser leurs interactions clients mais aussi à proposer les produits les plus adaptés.
La maintenance prédictive va permettre aux équipes de production d’optimiser leurs opérations et leur stock.
Enfin la prédiction en besoins RH et le turn- over donnent aux RH de meilleures prévisions pour gérer leur plan de charge.
Ne sont décrits ici que quelques use cases pour illustrer la panoplie de sujets et de périmètres pouvant être traités. L’ensemble des services générateurs et / ou consommateurs de données sont potentiellement intéressés par l’Analytics. Les données sont parties intégrantes du patrimoine des entreprises, il faut en prendre conscience afin de les valoriser et d’en extraire la valeur.
Cette approche n’est pas une fin en soi mais plutôt le début d’un process. Après avoir posé une problématique, les données et le modèle appliqué vont permettre de comprendre le pourquoi et comment y remédier. L’Analytics permet de répondre efficacement à des problèmes complexes et d’optimiser la prise de décision pour faire évoluer une activité. La phase suivante nécessite la mise en œuvre de plan d’action ciblé pour ne plus reproduire, améliorer et prévenir les process impactés.
L’Analytics n’en est qu’à ses débuts. Les outils permettant de traiter et d’exploiter la volumétrie ainsi que les cas d’usage apparaissent progressivement. La puissance des machines augmente pour accéder, traiter et visualiser des volumes toujours plus importants. Les modèles se développent et de nouveaux usages se créent régulièrement. La prochaine étape est l’industrialisation de ces use cases puis l’utilisation du machine learning et de l’IA pour l’exploitation temps réel des données.
La BI répond à la question « que s’est-il passé ? »
L’Analytics ajoute les réponses à « pourquoi cela s’est-il passé ? », « que va-t-il se passer ? » « Comment améliorer ce qui s’est passé ? »
