Big Data : 1234567
Inutile de dire que la priorité immédiate à propos des grandes données est de nature opérationnelle. Les responsables des études de marché, de l’ingénierie des procédés, de la tarification, de la gestion des risques, de la logistique et d’autres fonctions complexes doivent maîtriser une nouvelle gamme complète de techniques statistiques. De nombreux analystes qui ont été formés très récemment, c’est-à-dire au cours de la dernière décennie, constatent que leurs compétences sont désormais obsolètes. Les services informatiques doivent contrôler le traitement des données à une échelle complètement différente et souvent en temps réel, plutôt que par lots et hors ligne. Les gestionnaires non spécialistes doivent avoir une certaine compréhension des possibilités et des pièges des grandes données afin de traduire leur performance en avantages économiques pratiques. La visualisation des données devient une interface clé entre le spécialiste et le non-spécialiste. Mais tôt ou tard, toutes les entreprises en arriveront là. Comme pour la transition des tableurs papier vers Excel, les nouvelles compétences seront des « exigences minimales » plutôt qu’une source d’avantage concurrentiel durable.

[En lien avec ce sujet]
Le plus gros problème réside dans la possibilité que de grandes données puissent créer des « perturbations », tant en termes de menaces que d’opportunités. La déconstruction et la polarisation des économies de masse sont les deux vecteurs fondamentaux d’une attaque probable. La déconstruction permet à une organisation opportuniste de s’attaquer à un maillon vulnérable de la chaîne de valeur d’une autre entreprise, même si ses secteurs d’activité ne sont pas liés. La polarisation négative des économies de masse permet aux petites entreprises, voire à des communautés d’individus non rémunérés, de s’attaquer ensemble à une tâche donnée d’une manière que les entreprises ne peuvent facilement imiter. La polarisation positive des économies de masse permet aux entreprises disposant d’ensembles de données vraiment importants de se frayer un chemin dans de nouveaux secteurs d’activité, abandonnant souvent le produit ou le service gratuitement en échange de l’accès à davantage de données. Dans une alliance entre les grands et les petits, ces entreprises mettent souvent ces données au service des communautés, attaquant ainsi le modèle économique traditionnel des deux côtés.

En réponse, l’entreprise doit appliquer les mêmes mesures à sa propre structure. Elle doit déconstruire ses chaînes de valeur, mettre une partie de ses ressources au service de l’énergie des communautés et, d’une manière ou d’une autre, pousser ses ressources au-delà d’un seuil de masse critique beaucoup plus élevé. Peu importe si le but est d’attaquer ou de défendre. Vous devrez peut-être éliminer les frontières commerciales et redéfinir les relations avec les clients et les fournisseurs. Ou encore externaliser des fonctions jusqu’alors considérées comme « fondamentales ». Certaines d’entre elles nécessiteront une décentralisation radicale, voire un transfert d’autorité en dehors des limites de l’entreprise. Dans d’autres, il faudra une centralisation radicale des ressources. L’idée clé, en fait, le corollaire de la déconstruction et de la polarisation, est que ces stratégies apparemment contradictoires se complètent mutuellement.

Au fur et à mesure que les grandes données transforment le monde de l’entreprise, elles changent aussi deux de ses aspects fondamentaux : l’organisation interne et l’architecture même de l’entreprise.

D’un point de vue organisationnel, les grandes données obligent les entreprises à consolider leurs bases de données afin de réaliser des économies de masse internes. Ils doivent établir une « source unique de vérité » (SPOT) en temps réel. Il peut s’agir d’un immense défi, car les informations relatives à un même client peuvent être verrouillées dans différentes lignes de produits et différents canaux. La plupart des entreprises n’ont pas la possibilité de connecter leurs données en ligne et hors ligne de manière cohérente. Il n’est pas possible de reconstruire les bases de données existantes à partir de zéro, de sorte que les gestionnaires ont tendance à articuler une voie de migration des données par laquelle l’investissement dans une nouvelle architecture plus fonctionnelle est rentable à mesure qu’elle est mise en œuvre. Vous devez fermer l’entrepôt de données existant, mais vous devez le faire par étapes. Cela peut sembler peu judicieux d’un point de vue économique, mais il faut l’évaluer stratégiquement. Sinon, un nouveau venu dansa le domaine jouira d’un immense avantage. Inversement, les compétences analytiques nécessaires pour interroger cette base de données intégrée afin de trouver des informations utiles doivent en fin de compte être décentralisées et transférées à différentes unités opérationnelles. Cela prendra du temps, car à l’heure actuelle, ces compétences sont rares et doivent donc être dosées. Les entreprises doivent élaborer des plans explicites pour gérer cette évolution.

[En lien avec ce sujet]
Les conséquences des grandes données sur l’architecture des industries sont liées à la capacité de tirer parti des compétences supérieures des autres acteurs. Cela peut nécessiter l’externalisation de l’innovation, son transfert aux petits acteurs, en particulier aux clients, en mettant à leur disposition des API et des bases de données propriétaires. Externalisez également le traitement et la gestion des installations à un fournisseur d’infonuagique qui bénéficie d’économies d’échelle et d’expérience supérieures. Il peut également s’agir d’investir dans des sociétés de données pour atteindre ensemble une masse critique qui ne serait pas viable sur une base individuelle. Dans tous les cas, la définition de l’entreprise change pour s’adapter à l’évolution de l’avantage concurrentiel au-delà des limites du modèle économique traditionnel.

Il y a une dernière question qui dépasse les limites de cet essai, mais dont on ne saurait trop insister sur l’importance : les droits relatifs aux données. Dans la plupart des contextes commerciaux, il est totalement ambigu de savoir qui est le propriétaire des données personnelles et quels sont les droits dont il dispose pour les utiliser. En théorie, il existe un contrat qui régit la relation entre l’objet des données et l’utilisateur des données. Mais dans la pratique, ce contrat ne signifie presque rien. Les personnes concernées par les données ne lisent pas les contrats, n’ont souvent pas d’autre choix que de les signer, et ne sont pas au courant de l’utilisation réelle qui est faite de ces informations. Mais si les conditions de l’échange de données étaient resserrées, comme certains législateurs l’ont proposé, leur exploration à diverses fins légitimes serait tronquée. Il est peu probable que ces ambiguïtés juridiques et perceptuelles soient clairement résolues dans les années à venir. Entre-temps, l’utilisation des données personnelles par les entreprises  et les gouvernements dépendra fondamentalement du contexte dans lequel ces données sont recueillies et utilisées, tout comme du degré de confiance dont jouissent les organisations qui les traitent. La détermination de ce contexte et l’établissement de cette confiance constitueront des défis clés. En fin de compte, la légitimité avec laquelle les entreprises utilisent leurs données, aux yeux des clients et de la société, déterminera la vitesse à laquelle la grande révolution des données va transformer notre monde.
Big Data : 1234567
Prospective|Société, 2019