MtoM Mag - Le journal de l'MtoM.

Depuis que Gartner a introduit l’analyse augmentée à son « Hype Cycle » en 2017, son adoption s’est accélérée, ce qui a amené le cabinet de conseil à prédire que dès cette année, l’analyse augmentée serait « un moteur clé de l’acquisition de plateformes d’analyse et de BI, ainsi que de data science et de machine learning ».

Néanmoins, si de nombreuses entreprises réalisent d’importants investissements visant à améliorer leur capacité à analyser les données et à en tirer des enseignements exploitables, la plupart des organisations a encore tendance à sous-utiliser ces capacités. IDC a ainsi révélé que, par le passé, près de 90% des données non structurées n’étaient jamais analysées.

Identifier les lacunes de son pipeline de données

Une nouvelle étude, réalisée par IDC, révèle que les « fuites » affectant les pipelines de données sont un problème assez fréquent et qui touche tous les secteurs. La majorité des entreprises peine à créer et à trouver des données utiles qui pourraient leur permettre d’obtenir de meilleures informations. Ainsi, plus de 60% des dirigeants interrogés indiquent avoir rencontré d’importants obstacles pour investir dans des technologies leur permettant de créer des données, d’évaluer leur valeur et d’identifier des sources de données valables.

Une fois ces éléments identifiés, les entreprises se heurtent à des difficultés supplémentaires pour traiter ou transformer les données sous une forme exploitable pour l’analyse. Près de la moitié (42%) ont du mal à évaluer l’exactitude des données, et 37% ont des difficultés à intégrer des jeux de données hétérogènes aux formats standards, et la même part se retrouve confrontée à des jeux de données manquants ou incomplets.

Combien rapporte à l’entreprise la résolution de ses problèmes de pipeline ?

Les entreprises qui investissent dans l’amélioration de leur pipeline de données augmentent nettement leur capacité à exploiter les données pour informer leurs décisions : l’étude d’IDC indique que la plupart des entreprises disposant d’un pipeline de données solide (87%) obtiennent les meilleures scores en matière de prise de décision.

Elle met également en évidence le lien de corrélation clair entre la capacité à transformer les données en enseignements utiles pour la prise de décision, et l’obtention de meilleurs résultats business. D’ailleurs, les dirigeants interrogés soulignent que les investissements destinés à construire un pipeline de données solide ont un impact significatif sur les résultats financiers : les trois quarts des entreprises rapportent une amélioration moyenne de 21% de l’efficacité opérationnelle et du chiffre d’affaires, tandis qu’un nombre similaire d’entreprises déclarent une hausse moyenne de 22% de leurs bénéfices.

Cela vient confirmer les conclusions du Data Literacy Index, réalisé par la Wharton School, qui établit que les entreprises dont les employés sont « data literate » et bénéficient d’un meilleur accès aux données, enregistrent des hausses de 3 à 5% de leur valeur d’entreprise, ce qui représente entre 320 et 534 millions de dollars supplémentaires.

Combler les lacunes de l’entreprise

Pour combler les manques au niveau des pipelines de données des entreprises, les dirigeants peuvent s’appuyer sur quatres recommandations :

 Investir dans des solutions technologiques permettant d’améliorer le flux de données à tous les niveaux du pipeline : les entreprises qui se focalisent uniquement sur les outils d’analyse, plutôt que de s’intéresser à la qualité de leurs données et à leur acheminement, n’obtiendront de leurs données qu’une petite partie des enseignements et, par conséquent, des résultats potentiels.

 S’entourer d’une équipe d’experts des données et de l’analyse : Pour les entreprises, la recherche de talents est l’un des plus grands enjeux de la mise en œuvre de l’analyse des données. Si l’expertise en matière de données est un marché en plein essor, il est important pour les entreprises de réaliser des investissements afin de renforcer l’équipe chargée des données, par le biais d’embauches mais également en se servant de la data literacy pour former ses employés.

 Instaurer une culture de collaboration au sein de l’équipe en charge des données : il est indispensable de s’assurer que l’équipe dans son ensemble, des architectes des données aux ingénieurs des données jusqu’aux designers et aux développeurs, collabore à la création d’un pipeline solide et agile qui servira de base à la nouvelle génération d’intelligence active.

 Concevoir un pipeline qui s’adapte au changement : l’essor rapide de l’analyse augmentée ces dernières années se traduit inévitablement par le développement de nouvelles capacités de machine learning, d’intelligence cognitive et d’IA. Il est donc important de s’assurer que ses architectures de données et ses technologies cloud sont suffisamment agiles pour tirer parti des nouvelles innovations en vue de se démarquer de la concurrence.

Afin de tirer parti des futures capacités d’analyse augmentée et de machine learning du marché, les entreprises ont besoin d’un pipeline de données agile, automatisé et agnostique qui comble les lacunes en opérant sur n’importe quel cloud, système et source de données, en temps réel. Ce n’est qu’en comblant ces écarts que les entreprises parviendront à transformer leurs pipelines de données, les faisant passer de processus passifs et uniquement informatifs à une intelligence active qui mène à des actions concrètes et des résultats bénéfiques pour l’ensemble de l’entreprise.

http://www.qlik.com/