Big Data, le diable est dans les détails

Le Big Data est une formidable source d'opportunités pour les entreprises. Il ne sera pourtant source d'innovation et de différenciation qu'à condition de s'attacher aux signaux faibles.

En 2015, 8000 milliards de giga-octets de données ont été collectées dans le monde et cette quantité est amenée à doubler tous les deux ans. Défini comme « l’ensemble des technologies, méthodes et pratiques destinées à stocker de très grandes masses de données et à les analyser très rapidement », le Big Data est une formidable source d’opportunités pour les entreprises.

Le Big Data comme une source d’optimisation

Prenons un exemple simple. Grâce au Big Data, l’enseigne Target est désormais capable de prédire quand l’une de ses clientes attend un bébé et peut ainsi lui proposer des bons de réductions personnalisés. Et cette pratique n’est pas cantonnée qu'au domaine du marketing : la SNCF équipe ses rails de capteurs connectés pour mieux planifier ses opérations de maintenance... Près de 30% des agriculteurs français collectent aujourd’hui des données sur la maturité de leurs plantations pour ajuster la dispersion d’engrais au mètre près… Le Rugby Club Toulonnais analyse le jeu de l’équipe grâce à des balises GPS...

Nous assistons cependant à un phénomène étonnant : l’utilisation du Big Data tend à homogénéiser les pratiques et les analyses. En effet, si nous récoltons le même type de données, il est fort probable que les analyses et actions que nous en déduisons soient similaires. Comment faire dans ces conditions pour innover et se différencier de ses concurrents ?

Le détail qui fait la différence : les signaux faibles

La réponse est à trouver dans ce qu’on appelle les signaux faibles. Il s’agit d’informations qui, parce que leur fréquence d’apparition est faible, ou parce qu’elles dévient par rapport à une moyenne, risquent de passer inaperçues au sein de la masse de données collectées. Elles sont pourtant cruciales, puisque là où le Big Data permet de détecter des comportements typiques et d’en déduire des conclusions générales, les signaux faibles permettent d’identifier un fait isolé qui est susceptible d’être annonciateur d’un évènement à venir (nouvelle tendance, problème) mais qui nécessite d’être exploré afin d’être qualifié.

Concrètement, grâce au Big Data je constate que les ventes de produits high-tech sur mon site sont plus importantes le week-end. La conclusion est simple : promouvoir cette catégorie de produit en fin de semaine. En revanche si je constate une baisse d’utilisation des outils de l’entreprise (envois d’e-mails en baisse, intranet peu fréquenté...) pour un collaborateur donné je serai face à un signal faible qui nécessitera d’être approfondi afin d’être exploité.

Comment exploiter un signal faible ?

1 - Formuler des hypothèses sur le signal faible

Il s’agit d’abord d'identifier les causes potentielles de cette variation d’activité : sommes-nous devant un cas de désengagement d’un collaborateur qui pourrait s’étendre au reste de l’entreprise ? S’agit-il plutôt d’un cas particulier nécessitant une démarche personnalisée ?

2 - Suivre l'évolution du signal faible

Il faudra ensuite suivre l’évolution du signal faible à la lumière de ces hypothèses : est-ce que cette baisse se confirme pour le collaborateur en question ? est-ce qu’elle s’étend à d’autres collaborateurs ?

3 - Valider ou invalider les hypothèses

Si le signal faible se confirme, une enquête sur le terrain et des entretiens personnalisés devraient me permettre de tirer des conclusions plus précises et de réagir en conséquence. Il est même possible que je découvre derrière ce signal faible une réalité que je n’avais pas envisagée comme l’adoption graduelle de nouveaux outils par les collaborateurs, laissant présager de nouveaux besoins et modes de travail.

Vous l'aurez compris, l’enjeu n’est pas tant dans la détection du signal faible que dans son traitement. Sans un suivi de son évolution et sans ‘enquête’ sur le terrain, il aurait en effet été impossible d’identifier le problème et encore moins de le résoudre.

Enfin, si dans son ensemble la masse de données collectées permet de déceler des grandes tendances actuelles, c’est dans l’étude des signaux faibles que résident les tendances de demain, capables de faire de vous un précurseur. Ces deux approches complémentaires ne doivent néanmoins pas occulter une chose : quelles que soient les données récoltées, ou la manière dont elles sont traitées, il n’y aura de création de valeur qu’à condition de les analyser et d’agir en conséquence.

UNKNOWNS

Sources :

  • "Traitement des Big Data et importance des signaux faibles", Horizons décisionnels
  • "Analytique RH : Big, Small ou Smart Data", BiHRdy
  • "Big Data : signaux faibles et lutte contre la fraude dans l'assurance", ZDNET
  • "Big Data : à quoi sert le traitement des signaux faibles ?", ZDNET

Learning expedition : innovation « à emporter » !

On m’avait beaucoup dit que l’écosystème d’innovation de Lisbonne rappelait, par son dynamisme et son état d’esprit, celui de Berlin il y a quelques années. La Learning expedition (LEX) des gagnants des Prix Innovation Groupe de Société Générale a été l’occasion de toucher du doigt cet écosystème, rencontrer ses leaders, voir des startups qui y grandissent et rencontrer des FinTech déterminées.

Lire l'article

Lire l'article sur la transformation digitale

Transformation digitale : 3 étapes structurantes

La transformation digitale est partout. Devenue un véritable concept valise, il existe pourtant, au-delà des dogmes, une structure à cette transformation pour se construire, en tant qu’entreprise, un avenir dans un nouvel ordre économique.

En savoir plus sur la transformation digitale