Big Data - La Data Socialisation, prochaine révolution du Big Data ? - 26 avril 2017

La Data Socialisation, prochaine révolution du Big Data ?

Invité Auteur

La révolution du Big Data a bousculé les entreprises qui ont dû apprendre à utiliser l’énorme quantité d’informations qu’elles étaient désormais capables de collecter et d’analyser…

Cette énorme quantité de données disponibles a été l’élément déclencheur d’une plus grande vague : celle de la transformation digitale, rendue possible grâce aux avancées technologiques réalisées ces dernières années dans des domaines tels que le marketing automation, la modélisation prédictive, l’intelligence artificielle ou le machine learning (« apprentissage automatique » en français).

Les voitures autonomes, la médecine personnalisée grâce à l’impression 3D et la « quatrième révolution industrielle » (ou industrie 4.0) se basent tous sur le Big Data. Mais la hausse de la quantité des données disponibles n’est qu’un début. La manière dont nous consommons et traitons ces données doit également évoluer si nous souhaitons découvrir le véritable potentiel du Big Data.

Le concept de Data Socialisation

C’est en tout cas le constat que dresse Bernard Marr, auteur et expert de la donnée, dans un récent article « Is Data Socialization The NextBigThing In Data Analytics? » publié sur Forbes.com, que nous avons sélectionné pour vous et dont nous vous livrons ici la traduction. Après avoir dressé le constat de l’importance du Big Data (voir plus haut), l’auteur introduit le concept de «Data Socialisation».

Le terme n’est pas nouveau. Déjà, en 2011, le site CMS Wire insistait sur l’importance de la socialisation des données sur l’optimisation de l’expérience client. Le terme « Data Socialisation », de plus en plus utilisé outre-Atlantique, signifie qu’on s’assure que la bonne donnée arrivera devant la bonne personne au sein de l’entreprise – le/la décisionnaire – au bon moment (concept comparable à la fameuse phrase « Proposer la bonne offre à la bonne personne – le prospect – au bon moment » bien connue des marketeurs). Si l’on commet une erreur à cette étape, et malgré toutes les bonnes intentions du monde, on peut être sûr que sa stratégie de transformation digitale (comprendre ici pilotée par la donnée) rejoindra les rangs des nombreux projets Big Data qui ont échoué.

Repenser la manière de partager les données en entreprise

Facebook, Twitter et LinkedIn ont dépensé des milliards de dollars à améliorer des systèmes permettant à leurs utilisateurs de partager des données entre eux – des photos aux philosophies sur la vie. Ces milliards d’informations ont été enregistrées dans leurs bases de données mondiales, puis passées au microscope pour apprendre comment, quand et pourquoi nous communiquons – autrement dit échangeons des données – les uns avec les autres. Pourquoi ne pas utiliser cette technologie et ce savoir pour repenser la manière dont nous partageons et communiquons ces informations au sein d’une organisation ?

Traditionnellement, en entreprise, les missions autour de l’analyse des données étaient confiées au technophile de l’IT qui travaillait souvent avec des datas « silotées » auxquelles personne d’autre n’avaient facilement accès, et qui avaient peu d’espoir d’être comprises. Une telle situation s’expliquant très certainement du fait que la plupart des progrès réalisés en la matière proviennent des départements statistiques et « computer science » des universités ou des départements R&D des grandes sociétés technologiques.

Démocratiser l’accès à l’information professionnelle

Mais de plus en plus, les organisations regardent comment « démocratiser » cet accès à la donnée. Il est devenu évident qu’intégrer les datas et leur analyse à l’ensemble de l’entreprise, et s’assurer de pouvoir mesurer leurs effets dans chaque process, s’avère souvent plus productif que de tenter d’imposer de manière centralisée des directives émanant de la direction. Et ce, qu’il s’agisse de donner aux forces de vente un accès direct aux informations personnalisées (mais pas obligatoirement personnelles – les analyses pouvant être réalisées à partir de données anonymisées) sur les clients, ou de permettre aux ingénieurs de déterminer à quel moment une machine essentielle va tomber en panne.

L’idée est d’adopter une approche sélective et collaborative de l’utilisation des données en entreprise, en utilisant les codes des plateformes social media, à base de «likes» et de «partages». Le but : optimiser la circulation en interne des bonnes idées en matière d’utilisation des données, qu’elles proviennent d’un employé ou du top management.

En ajoutant des fonctionnalités sociales à sa stratégie Big Data, l’entreprise s’assure du partage instantané des dernières mises à jour. Les modifications récentes sont portées à l’attention des bonnes personnes, et elle peut obtenir, grâce à différents métriques « sociaux » (portée, interaction…), une image assez précise du gain de valeur de ses ressources ou initiatives data.

Elle s’assure enfin qu’un autre principe vital d’une stratégie data est respecté : l’intendance des données. Taguer la donnée afin de préciser qui a le droit d’y accéder ou de l’utiliser, et de quelle manière, évite tout problème de conformité. Dans un environnement de la donnée socialisée, les autorisations permettent de délimiter de manière efficace l’accès à la data, à l’image des fonctionnalités sur la vie privée proposées sur les réseaux sociaux traditionnels.

Source : Forbes.com

L’équipe NP6
http://www.np6.fr/

Enregistrer

Enregistrer