Selon Forester Research, trois raisons expliquent l’échec des projets Big Data
Les points 2 et 3 n’ont rien de surprenant, mais que dire du point 1? Après tout, les technologies Big Data et Analytique n’ont-elles pas pour but de trouver l'aiguille dans la meule de foin?
Lorsque vous utilisez un engin de recherche, la première question donne des résultats qui vous permettent d'affiner la recherche, et par la suite, vous répétez le processus jusqu'à ce que vous obteniez les informations escomptées.
Il en est de même pour les Méga Données. Sans le contexte, vous ne pouvez pas savoir si vous allez obtenir du bruit ou un signal clair.
La première étape consiste à définir une question claire à laquelle les technologies Big Data et Analytique vont pouvoir répondre. Autant dire que ce ne peut être une question ouverte comme : Comment augmenter mes ventes? Est-ce que ce produit particulier va connaitre le succès?
Il s’agit de définir précisément la requête en termes de nature du défi actuel rencontré (par exemple analyse de risque, maîtrise des coûts, efficacité des processus…) qui ne peut être résolu avec l’infrastructure et les outils en place, puis de se demander si ajouter des sources supplémentaires de données va permettre d’obtenir de meilleurs résultats.
Pour déterminer le type de question que vous voulez adresser, il est recommandé d’utiliser les critères suivants :
En plus de poser la bonne question, il vous faut définir le périmètre du projet. Selon une enquête Infochimps, l’absence d’une telle définition est considérée par 58% des répondants comme une cause d’échec de leur projet.
Le rôle de l'équipe multidisciplinaire que vous aurez constituée est de définir les objectifs du projet et son champ d'application ainsi que de planifier le projet de Méga Données, y compris les données sources dont vous aurez besoin.
La meilleure approche consiste à créer un cas d'utilisation qui définit la question de l'entreprise et sert de support à la preuve de concept. Voici deux des cas d'utilisation les plus fréquents, dont vous pourriez vous inspirer.
C’est un excellent point de départ, vous permettant d’utiliser les données issues des ventes, de la comptabilité et d’autres départements, mais aussi des données externes.
Les entreprises peuvent ainsi surveiller les tendances de consommation à l'aide de points de récompense, des sondages, des médias sociaux, des requêtes web et des autres ensembles de données.
Vous pouvez utiliser les données générées par les machines et d’opération, en conjonction avec celles des ventes pour créer des analyses de transaction en temps réel des processus d’affaire.
Les compagnies peuvent ainsi faire des économies substantielles en intégrant des solutions de Méga Données à la fabrication, et en se servant donc des données de machine d'usine, afin de réduire les coûts de fabrication et améliorer le contrôle de la qualité.
Une fois que vous avez défini le défi que vous voulez relever et construit votre cas d'usage, il est temps d'évaluer les ressources disponibles afin de déterminer ce que vous avez déjà et ce dont vous avez besoin.
Ce point sera abordé dans notre prochain article.