les premières étapes pour se lancer dans le big data

Ecrire un article sur le big data, c’est courir le risque de se retrouver noyé parmi les 1 690 milliards d’occurrences que nous propose Google pour ce mot clef. Pour éviter de tomber dans cet écueil, nous allons cantonner notre champ d’analyse à un sujet précis : les premières étapes pour se lancer dans le big data.

première étape : établir une cartographie des données disponibles dans l’entreprise

Avant d’étudier la valeur que l’on peut retirer de nos données, il est nécessaire de lancer une étude afin d’identifier les différents types de données disponibles au sein de l’entreprise (cf. exemple de cartographie des données ci-dessous).

Cela nécessite de travailler avec chaque département pour bien comprendre leur métier et les types de données générées en favorisant une logique de partage de l’information. L’objectif est  de casser les « silos » qui peuvent exister au sein de chaque organisation pour « mapper » une cartographie des données non pas par département mais par typologie ou usage.

deuxième étape : déterminer les données à valeur pour l’entreprise

Vient ensuite une réflexion sur la façon d’extraire de la valeur de ces données clefs. Cette valeur peut être directe, c’est-à-dire générer des revenus, ou indirecte via des savings,  l’accroissement du taux de satisfaction des clients ou la réduction du taux de churn (taux qui mesure la part de clients perdus dans le secteur des télécommunications et qui ainsi retranscrit le maintien de la clientèle et la fidélisation aux offres). Pour dégager cette valeur, plusieurs pistes sont possibles.

On peut, par exemple, exploiter ses données afin de mieux connaître ses clients et donc améliorer son CRM, se concentrer sur des données M2M qui vont permettre d’accroître la qualité de services, etc.

Dans un premier temps, il est important que cette réflexion soit menée à l’échelle de l’entreprise. Enrichir ses données avec d’autres fournies par des partenaires extérieurs ne peut se produire que dans un second temps, lorsque les données internes ont été clairement identifiées et les objectifs définis.

troisième étape : identifier des premiers cas d’utilisation faciles à tester

L’idée est de parvenir rapidement à une mise en application concrète. Cela passe généralement par l’intégration d’une solution big data (Hadoop ou autres) de petite taille sur lequel les données qui ont été retenues comme pertinentes vont pouvoir être testées, transformées et analysées.

Pour apporter un retour d’expérience rapide, ces tests doivent (I) être effectués avec des données de valeur, faciles à collecter, (II) être restreints à un secteur, une filiale ou un pays et (III) porter sur des projets avec des ROI court terme.

Il est important de souligner que chaque entreprise peut se lancer dans le big data. La clef est de commencer avec des projets simples impliquant des tailles et une complexité de jeux de données faibles.

De plus, si l’entreprise ne dispose pas du savoir-faire en interne, elle peut externaliser certaines étapes à des sociétés de services (business & IT consulting, etc.) qui peuvent intervenir de l’identification des données aux premiers tests concrets.

Cette approche pragmatique permet de ne pas se perdre dans la masse des données et de profiter d’un retour d’expérience rapide. Ainsi, l’entreprise pose de solides bases pour un déploiement plus large de ses projets de transformation.

Pour aller plus loin, découvrez notre livre blanc (en Anglais) : What can Businesses do to Capture the Full Potential of Big Data?

Maureen
Orange Consulting

Crédit photo : © alphaspirit - Fotolia.com