dimanche 25 mai 2014

Apporter de la grande valeur à vos BIG DATA... et SMALL DATA

A l’avènement du BIG DATA, de l’open data, de la dataviz, le Nosql …

Combien d’entreprise n’analysent pas leurs données ?
Combien n’ont pas de Data Warehouse ?
Combien ont des données de mauvaise qualité ?

Dans 83% des entreprises européennes, la BI est principalement utilisée pour du reporting interne et 38% des entreprises rencontrent des difficultés avec les données. (Source Rapport BiMA)

Pourquoi ?

Depuis de nombreuse année, lors de rencontre avec des clients, ils me posent tous les mêmes questions.
Avez-vous déjà travaillé dans une entreprise de mon secteur d’activité ?
Connaissez-vous mon métier, mon entreprise ?

Pense-vous que si je connais votre métier ou votre entreprise, je vais être force de proposition pour définir les indicateurs important qui vont permettre à votre entreprise d’être plus performante ?
Pensez-vous vraiment que les entreprises leader dans leur domaine, suivent les mêmes indicateurs que vous ?

Non, je ne connais pas votre métier et je ne connais pas votre entreprise, en revanche je sais exploiter les données, je sais les faire parler, leurs faire dire ce qu’elles cachent.

Même les données que vous exploitez tous les jours ont quelque chose à dire, mais vous ne le voyez pas.
Ce n’est ni un outil, ni un Data Warehouse, ni la dernière solution BI à la mode qui changera cela.

Je vais peut-être casser un mythe, mais il ne suffit pas d’acheter le dernier outil à la mode, pour analyser correctement ses données. Le BIG DATA ou la DATAVIZ n’y changeront rien, hormis peut-être un portefeuille plus léger.

Alors me direz-vous, que faut-il faire ?

Il n’y a pas UNE méthode pour analyser les données. Une fois ce constat fait, il est nécessaire d’ouvrir sont esprit sur le monde qui nous entoure, de sortir du cadre.

Rappelons d’abord quel est notre objectif. Nous souhaitons découvrir des informations importantes et pertinentes qui permettront à l’entreprise de prendre des décisions stratégiques. Le résultat de ces analyses doit être lisible et compréhensible immédiatement par notre interlocuteur, il doit pouvoir prendre des décisions à la lecture des résultats, sans qu’une analyse complémentaire soit nécessaire.

Il faut d’abord accepter certain concepts :
  • Vous ne connaissez pas vos données
  •  Vos données sont de mauvaise qualité (Même si vous avez le numéro 1 des ERP)
  •  Il ne faut pas se concentrer sur une analyse métier
  •  Il ne faut pas imaginer analyser les données suivant des critères standards, oublié la liste des KPI que vous avez toujours voulu mettre en place.
Ensuite, il sera indispensable d’avoir les bonnes cartes en main, chacun des éléments ci-dessous sera  indispensable à la réussite.
  • Une équipe pluridisciplinaire
  • Des outils variés
  • Des modèles de données spécifiques
J’appelle ça la Naïve Data Discovery, et vous ? 

Yann SESE

vendredi 9 mai 2014

La Naive Data Discovery et l'allégorie de la mine

L'allégorie de la mine



 La BI va consister à échanger avec les experts métiers et à programmer leur intelligence métier dans une multitude de robots : quoi chercher, comment reconnaître une pépite, quels sont les faux-positifs à éviter. Puis à lancer ces robots dans les galeries de la mine, qu’ils vont arpenter dans tous les sens, systématiquement, pour en extraire tout ce qui matche avec les règles données. Au fur et à mesure des faux-positifs et des découvertes, on améliore les règles données aux robots pour les rendre plus rapides et efficaces. Au final on pourra réutiliser ces robots dans d’autres mines.
 Le Data Mining va consister à carotter les collines puis à introduire les carottes dans de grosses machines : tamis intelligents, centrifugeuses, etc. Le contenu va être trié, catégorisé par taille, poids, densité, couleur, etc. Puis un expert métier va se pencher sur les résultats et les analyser, par exemple détecter qu’une mince bande dans la centrifugeuse est composée de poussière d’or. A partir de là, en compilant la provenance du contenu on va pouvoir estimer si ça vaut le coup d’exploiter la mine ou pas. 
La Naive Discovery va consister à aller faire un repérage d’1 journée dans les galeries. Cheminant au travers des galeries, sans systématisme mais avec méthode, armé d’un piolet et d’une lampe de poche, l’analyste va faire une première collecte de surface, creuser un peu quand il trouve une singularité. Lors de ce repérage on peut imaginer qu’il trouve, par exemple, un caillou étrange marron et plutôt mou. Une fois le repérage terminé,  on s’aperçoit qu’il s’agit d’une truffe. Et là une expertise supplémentaire nous démontre que les collines des mines sont couvertes de chênes truffiers et que le propriétaire gagnera plus en les exploitant plutôt qu’en creusant les mines. Voilà le genre de découvertes, de grande valeur et totalement inattendues, très éloignées de la vision métier initiale (les mines) qui peuvent être faites avec cette méthode. A noter qu’elle peut aussi être faite avec le Data Mining, mais la mise en place d’un data Mining suffisamment efficace à un prix.

Je ne connais peut être pas votre métier, mais je connais les données

 


Une démarche pragmatique et opérationnelle pour des résultats rapides et opérationnels

 
Merci à Nicolas S pour sa participation.
@yannsese