Big Data : 4 mythes à combattre

Vous n’avez pas besoin de beaucoup de données, d’un budget énorme ou de grandes équipes pour trouver de la valeur dans vos données. Pour entrer dans le Big Data, il vous faut de la curiosité, des compétences analytiques et des données fiables.

C’est ce que rappelle un consultant spécialisé sur le site « The Entreprisers Project ». Extraits…
[…] si vous avez passé du temps, même à distance, avec des données ( par exemple, marketing, opérations, finances, etc.), vous avez probablement été trop exposé au terme. Vous avez également probablement entendu un certain nombre de choses sur le Big Data qui ont empêché votre organisation d’intégrer tout ce qu’elle a à offrir dans vos processus et votre culture.
Ce ne sont pas (en général) des vérités mais des mythes qui continuent à circuler au sein des organisations et sur Internet. Voici quelques-uns des mythes clés que j’entends souvent :

• Le Big Data est réservé aux grandes entreprises
• Gros budget, grandes équipes, grandes plateformes
• Plus de données c’est mieux
• Les machines sont meilleures que les humains

Examinons chacun de ces quatre mythes et voyons pourquoi ils existent toujours – et pourquoi vous pouvez les ignorer en toute sécurité.

Mythe 1: le Big Data est réservé aux grandes entreprises

Ce mythe s’apparente au mythe n ° 2 (gros budget, grandes équipes, grandes plates-formes) mais les deux méritent d’être discutés (et détruits) séparément. Les initiatives Big Data sont tout aussi valables pour une petite entreprise que pour les plus grandes entreprises du monde.
En tant que petite organisation, les données dont vous disposez ne sont peut-être pas aussi volumineuses que d’autres, mais la méthode d’analyse et d’utilisation de ces données reste la même. Que votre entreprise compte 20, 200 ou 2 000 personnes, vous pouvez utiliser les mêmes processus et plates-formes qu’Amazon pour analyser vos données, réduire les dépenses, augmenter les ventes, augmenter les revenus et créer de nouvelles voies de croissance innovantes.

Mythe 2: gros budget, grandes équipes, grandes plateformes

Comme je l’ai mentionné ci-dessus, ce mythe se mêle généralement au mythe n ° 1. Au fil des ans, j’ai entendu des gens dire qu’ils ne pouvaient pas «faire du big data», car ils «ne font pas partie des grandes entreprises aux budgets énormes». En réalité, il ne faut pas grand-chose pour démarrer. Je connais une entreprise de moins de 10 personnes dont les revenus se chiffrent à quelques millions et qui possède l’un des processus de traitement des données et de traitement des données informatiques les plus sophistiqués que je n’ai jamais vus. Ils «utilisent» le Big Data sans problème, sans les grandes équipes, les gros budgets et les grandes plates-formes.
La capacité de mettre en service des systèmes basés sur le cloud rend cette opération extrêmement simple et économique pour toute organisation. Cette équipe de 10 personnes a dû dépenser un peu d’argent pour commencer et redonner à certains de leurs employés les compétences nécessaires pour exploiter pleinement leurs données, mais cet investissement n’était pas considérable et a été remboursé à de nombreuses reprises.

Mythe 3 : Plus de données c’est mieux

Dans la plupart des cas, investir dans une bonne gestion des données vous apportera plus de valeur que d’investir dans plus de données.
Quand les gens commencent à regarder la quantité de données qu’ils ont collectées, il n’est pas rare de penser «Hé! Nous devrions utiliser * toutes * les données ! » Bien que j’applaudisse cet enthousiasme, ajouter de nouvelles données n’est pas toujours la solution.
Il est facile de penser qu’en ajoutant plus de variables à un projet de prévision, on obtient plus de précision, mais ce n’est pas toujours le cas. Parfois, une meilleure précision conduit à des modèles moins fiables, car ces modèles peuvent être suroptimisés pour un ensemble de données spécifique, ce qui peut entraîner une catastrophe si les caractéristiques des données changent avec le temps. […]

Mythe 4 : Les machines sont meilleures que les humains

L’un des défis que j’ai vu récemment est que beaucoup de gens pensent qu’ils pourront adopter de nouvelles approches, telles que l’apprentissage automatique et l’intelligence artificielle, et les appliquer à leurs données. Les choses iront automatiquement mieux. Certaines personnes supposent à tort que les humains ne peuvent faire que beaucoup et que les machines peuvent faire beaucoup plus : c’est tellement loin de la vérité que c’est dangereux. Les machines ne peuvent faire que ce qu’un humain leur dit de faire. Bien que certaines recherches aient tenté de mettre au point des machines à penser, les organisations n’ont plus rien de tel à leur disposition. […]
 
Pour en savoir plus :
> l’article de Enterprisers
Vous souhaitez nous soumettre un article pour publication ou avez besoin d’assistance pour en écrire un ou plusieurs ? Contactez nous ci-dessous pour en discuter !