Machine Translated by Google

« Les données et les

analyses alimentent tout ce
que nous faisons. Ce livre est le
guide incontournable sur les
données pour 2015. »
– Henrik von Scheel,
membre du conseil consultatif de
Google

données

EN UTILISANT

Mégadonnées INTELLIGENTES

Analyses et
Mesures à réaliser
De meilleures décisions
et amélioration
Performance

bernard
marrer
Machine Translated by Google

************************************************** *******************

************************************************** ********************
Machine Translated by Google

************************************************** *******************

« Même si Bernard est clairement en avance sur le Big Data, la brillance de son livre
réside dans son timing. Juste au moment où nous commençons à nous sentir déçus par
cette promesse trop médiatisée, il met le Big Data au centre de l’attention et expose son
approche éprouvée (« SMART ») pour nous aider à saisir la plus grande opportunité (ou
menace) de notre génération. . Plus d'excuses!'

Richard Phillips, directeur des analyses, Barclaycard

« Quelle lecture stimulante et agréable ! Le modèle SMART, puissant mais simple,

permettra à chacun de profiter du Big Data de nombreuses manières différentes, de
l'amélioration de la rentabilité et de la fidélisation de la clientèle à la victoire dans des
matchs sportifs ! Chaque chapitre déclenchera de nouvelles idées et identifiera de
nouvelles opportunités pour mieux exploiter les données dans votre entreprise.

Marcus Barlow, directeur des opérations chez American Express

« Les données et les analyses alimentent tout ce que nous faisons. Ce livre est le guide
incontournable sur les données pour 2015. Un travail

brillant ! » Henrik von Scheel, membre du conseil consultatif de Google, EMEA et

Gazprom, PDG de LEADing Practice

«Bernard Marr est passé maître dans l'art de synthétiser un ensemble complexe de
sujets en points saillants que les praticiens doivent connaître. Dans son dernier livre,
Bernard a résumé l'océan du Big Data en une méthodologie SMART simple et pratique
qui aidera les organisations à extraire une valeur réelle d'une gamme vertigineuse de
données, d'outils et de technologies. Wayne Eckerson, consultant

principal, groupe Eckerson

«Bernard Marr a récidivé : il a pris un sujet complexe et l'a décomposé en éléments

simples afin que les chefs d'entreprise puissent concevoir des stratégies pratiques
pour exploiter les opportunités présentées par le Big Data. Ce livre est une lecture
incontournable pour quiconque tente de comprendre et d'exploiter le Big Data.

Dave Kellogg, PDG, HostAnalyitcs

« C'est un livre SMART écrit par un auteur SMART. Bernard Marr va au­delà du battage
médiatique du Big Data, en fournissant des études de cas réels et des points d'action
pour le manager à la recherche d'un avantage concurrentiel.

Lars Rinnan, PDG, Nextbridge

************************************************** ********************
Machine Translated by Google

************************************************** *******************

« Ce livre vous aidera à percer le mystère du Big Data. Cela soulève simplement
toute confusion causée par des mots à la mode et des termes techniques lancés
à propos du moment où les gens parlent de Big Data. Le livre fournit de nombreux exemples
d'organisations donnant un sens à une variété de données pour atteindre des objectifs réels.
impact sur les entreprises. L'approche « SMART » du livre vous aidera à éviter les
erreur courante et coûteuse de rassembler une montagne de données sans
idée de quoi en faire.

Robert Stackowiak, vice­président de l'architecture de l'information et des grands

Données, Oracle

"Etant intelligent, Bernard Marr a créé un livre agréable qui décrit

le monde du Big Data et de l'analyse et comment cela va complètement changer
notre monde des affaires.

Professeur Kai Mertins, président, Interop VLab

« Le Big Data est­il un mot à la mode ou a­t­il des applications pratiques en entreprise ?
Bernard Marr va au­delà du battage médiatique du Big Data pour offrir aux entreprises une
solution intelligente pour comprendre où nous en sommes, où nous essayons
atteindre et quelles données et outils nous pouvons utiliser pour nous aider à y parvenir.

Roberto Croci, responsable, Google Analytics (SEEMEA)

«Je recommanderais ce livre à tous ceux qui cherchent à mettre en place une stratégie
efficace basée sur les données. La méthodologie SMART est un moyen simple de
rassemblant les concepts clés d'une stratégie analytique.'

Benjamin Mercier, vice­président, directeur principal de l'analyse numérique chez

Barclays

"Le Big Data de Bernard Marr constitue un guide clair et pratique pour les managers
cherchant à tirer parti de l’explosion des données et de l’analyse des données pour la
productivité. De manière convaincante, Marr va au­delà des compréhensions traditionnelles
de l'émergence du Big Data dans les pratiques commerciales en tant que problème technique.
et l’interprète comme une question de gestion ancrée à la fois dans le leadership et la
stratégie. Le message est que les données n'ont aucun sens sans la capacité de les
comprendre ou de communiquer ce qu'est cette compréhension.

Robert M. Mauro, PhD, directeur et fondateur, Global Leadership

Institut, Boston College

************************************************** ********************
Machine Translated by Google

************************************************** *******************

« Dans un monde où 90 % de toutes les données ont été créées au cours des deux dernières
années, le Big Data et l'analyse offrent d'énormes opportunités aux consommateurs, aux
entreprises et aux gouvernements. Le livre Big Data de Bernard devrait être une lecture
incontournable pour tout manager car il vous fournit un guide pragmatique pour prendre
conscience de la vraie valeur du quatrième facteur de production : la donnée ! C'est un livre
très pratique qui vous emmènera au­delà du battage médiatique du Big Data. L'utilisation du
modèle SMART de Bernard sur l'analyse des données vous aidera à améliorer
considérablement vos performances grâce à une prise de décision basée sur les données !'

Berry Diepeveen, associé, Intelligence d'entreprise et analyses, Ernst &

Jeune

« Il s'agit d'un livre pratique, perspicace et pragmatique sur le Big Data qui fournira une vue à
360 degrés de l'impact du Big Data sur notre vie et notre entreprise.
Bernard est un formidable simplificateur et leader d'opinion qui présente le sujet complexe du
Big Data d'une manière que tout le monde peut comprendre.

Nandhini Sampath, responsable principal de la transformation commerciale et de l'analyse,

Cisco Systems

« Bernard s'appuie sur ses années d'expérience pour fournir une feuille de route pratique
permettant de réaliser rapidement de réels retours sur votre parcours Big

Data. » Kurt J. Bilafer, vice­président, ClearStory Data

« On peut briser le battage publicitaire associé à la dernière mode managériale qu'est le Big
Data, avec l'aide de Bernard Marr qui rappelle que « la vraie valeur n'est pas dans les gros
volumes de données mais dans ce que l'on peut désormais en faire ». . Et « la réalité est que
la plupart des entreprises sont déjà riches en données, mais pauvres en informations ». La
recommandation est de se concentrer sur les SMART Data, pas sur le Big Data. Ce faisant,
quels que soient votre taille ou votre budget, vous pouvez exploiter les avantages et devenir
une entreprise SMART. Paul Barnett, fondateur et PDG,

Strategic Management Forum

« Au milieu d'un monde non structuré de nouvelles possibilités, j'ai finalement trouvé un cadre
cohérent qui contribuera à faire du Big Data une réalité dans l'exécution de notre stratégie
commerciale. Il ne s'agit pas de technologie, mais de savoir comment transformer notre
entreprise pour faire face au nouveau siècle d'opportunités.

Pedro Pereira, responsable SAP Big Data, SAP

************************************************** ********************
Machine Translated by Google

************************************************** *******************

« Contrairement à tant d'autres livres sur le Big Data, celui­ci se concentre sur la valeur
commerciale du Big Data. Ce livre pratique propose une approche étape par étape et
d'innombrables exemples concrets sur la façon de transformer les données en
informations intelligentes qui peuvent transformer non seulement les entreprises, mais
aussi la façon dont nous traitons les problèmes sociaux, politiques et de santé. Bernard
a écrit un livre incontournable pour quiconque souhaite comprendre la révolution des
données et de l'analyse.
`
Lucile Hyon­Le Gourrierec, Responsable Marketing Big Data & Analytics,
IBM France

« De nombreux conseils d'administration et dirigeants des secteurs public et

privé se sont mis la tête dans le sable lorsqu'il s'agissait d'informatique – au
détriment des actionnaires et des contribuables. Ne faites plus la même erreur
avec le Big Data ! Il ne fait aucun doute que le Big Data et l’analyse, portés par
l’innovation technologique et des modèles économiques, remodèlent et
bouleversent profondément les industries, les économies et la société à un
rythme sans précédent. Bernard Marr propose un aperçu stimulant et captivant
de la puissance du Big Data au cœur de cette révolution intelligente. Le Big Data est une lecture fa

Marie Johnson, directrice du numérique, Center for Digital Business et

anciennement directrice mondiale des services publics et de Microsoft
Gouvernement électronique

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA
EN UTILISANT LE SMART BIG DATA,
ANALYTIQUES ET METRES POUR
PRENEZ DE MEILLEURES DÉCISIONS
ET AMÉLIORER
PERFORMANCE

BERNARD MARR

************************************************** ********************
Machine Translated by Google

************************************************** *******************

Cette édition a été publiée pour la première

fois en 2015 © 2015 John Wiley & Sons

Ltd Siège social

John Wiley & Sons Ltd, The Atrium, Southern Gate, Chichester, West Sussex, PO19 8SQ, Royaume­Uni Pour plus de
détails sur nos bureaux

éditoriaux mondiaux, pour le service client et pour des informations Pour savoir comment demander l'autorisation de
réutiliser le matériel protégé par le droit d'auteur dans ce livre, veuillez consulter notre site Web à l'adresse
www.wiley.com.

Tous droits réservés. Aucune partie de cette publication ne peut être reproduite, stockée dans un système de
recherche ou transmise, sous quelque forme ou par quelque moyen que ce soit, électronique, mécanique, photocopie,
enregistrement ou autre, sauf dans les cas autorisés par la loi britannique sur le droit d'auteur, les dessins et les brevets
de 1988. sans l'autorisation préalable de l'éditeur.

Wiley publie dans une variété de formats imprimés et électroniques et par impression à la demande. Certains éléments
inclus dans les versions imprimées standard de ce livre peuvent ne pas être inclus dans les livres électroniques ou dans
l'impression à la demande. Si ce livre fait référence à un support tel qu'un CD ou un DVD qui n'est pas inclus
dans la version que vous avez achetée, vous pouvez télécharger ce matériel sur http://
booksupport.wiley.com. Pour plus d'informations sur les produits Wiley, visitez www.wiley.com.

Les désignations utilisées par les entreprises pour distinguer leurs produits sont souvent revendiquées comme
des marques. Tous les noms de marques et de produits utilisés dans ce livre et sur sa couverture sont des noms
commerciaux, des marques de service, des marques commerciales ou des marques déposées de leurs propriétaires
respectifs. L'éditeur et le livre ne sont associés à aucun produit ou fournisseur mentionné dans ce livre. Aucune des
sociétés référencées dans le livre n’a approuvé le livre.

Limite de responsabilité/Exclusion de garantie : Bien que l'éditeur et l'auteur aient fait de leur mieux pour préparer ce
livre, ils ne font aucune déclaration ou garantie quant à l'exactitude ou à l'exhaustivité du contenu de ce livre et déclinent
spécifiquement toute garantie implicite de qualité marchande. ou d'aptitude à un usage particulier. Il est vendu étant
entendu que l'éditeur n'est pas engagé dans la fourniture de services professionnels et que ni l'éditeur ni l'auteur ne
pourront être tenus responsables des dommages qui en découlent. Si des conseils professionnels ou toute autre
assistance experte sont nécessaires, les services d’un professionnel compétent doivent être recherchés.

Données de catalogage avant publication de la Bibliothèque du

Congrès Marr, Bernard.
Big data : utiliser le big data intelligent, les analyses et les mesures pour prendre de meilleures décisions et
améliorer les performances / Bernard Marr.
pages cm
Comprend un index.
ISBN 978­1­118­96583­2 (pbk.)
1. Technologie de l'information – Gestion. 2. Mégadonnées. 3. Gestion—Méthodes statistiques.

4. Prise de décision – Méthodes statistiques. I. Titre.

HD30.2.M3744 2015 658,4′
0380285574—dc23
2014040562

Une notice de catalogue pour ce livre est disponible auprès de la British Library.

ISBN 978­1­118­96583­2 (emballage sous emballage)

ISBN 978­1­118­96582­5 (ebk) ISBN 978­1­118­96578­8 (ebk)

Conception de la couverture :
Wiley Image de la couverture : iStockphoto.com/marigold

88 Situé dans MinionPro Light 10,5/14 pt par Aptara Inc., New Delhi, Inde Imprimé en
Grande­Bretagne par TJ International Ltd, Padstow, Cornwall, Royaume­Uni

************************************************** ********************
Machine Translated by Google

************************************************** *******************

Aux personnes les plus importantes de

ma vie : Ma femme Claire et nos trois enfants
Sophia, James et
Oliver ; ainsi qu'à mon frère Marc, Julie et Alan, tous mes
merveilleux amis, et à la mémoire de mes parents.

************************************************** ********************
Machine Translated by Google

************************************************** *******************

************************************************** ********************
Machine Translated by Google

************************************************** *******************

CONTENU

Introduction : Bienvenue dans un monde plus intelligent 1

1 Une entreprise plus intelligente 9
2 S = COMMENCER PAR LA STRATÉGIE 23
3 M = MESURER LES MÉTRIQUES ET LES DONNÉES 57
4 A = APPLIQUER LES ANALYSES 105
5 R = RÉSULTATS DU RAPPORT 155
6 T = TRANSFORMER L'ENTREPRISE 199
Conclusion 231

A propos de l'auteur 236

Remerciements 238

Indice 239

ix
************************************************** ********************
Machine Translated by Google

************************************************** *******************

************************************************** ********************
Machine Translated by Google

************************************************** *******************

INTRODUCTION:
BIENVENUE DANS UN
UN MONDE PLUS INTELLIGENT

Le monde devient plus intelligent.

Cette évolution est visible partout et aucune industrie ou secteur n’est à l’abri.
Prenons par exemple une industrie aussi ancienne et bien établie que la pêche.
Bien que l'être humain pêche depuis l'origine, ce n'est qu'au XVIe siècle que les
pêcheurs disposaient de bateaux capables d'aller en mer. Cette avancée a
radicalement changé le sort de la pêche et a rendu possible pour la première
fois des captures importantes et rentables. Les navires se dirigeaient vers les
zones de pêche en utilisant à peine plus qu'une boussole, un sextant et quelques
« connaissances internes » transmises de génération en génération par les
familles de pêcheurs. S'ils naviguaient de nuit, ils utiliseraient des techniques de
navigation céleste et traceraient une route selon les étoiles afin d'arriver au bon
voisinage.
Lorsque les pêcheurs arrivaient sur les lieux de pêche, ils jetaient leurs filets et
espéraient que tout se passerait mieux.

À la fin du XIXe siècle, la pêche était commercialisée. Les petits bateaux de

pêche ont cédé la place à d'énormes chalutiers dotés de capacités de
traitement embarquées, la découverte de la longitude et de la latitude étant rendue possible.

1
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

la navigation est considérablement facilitée et, au cours des dernières décennies, la

technologie a transformé la pêche d'un art à une science. Les bateaux de pêche

modernes sont riches en technologie, utilisant des systèmes de navigation et un GPS de

haute technologie. Souvent, de petits capteurs sont fixés sur le poisson pour savoir où il se trouve.

les hauts­fonds se trouvent à un moment donné et le sonar est utilisé pour déterminer la

densité du haut­fond et où et quand lancer les filets. Les pêcheurs modernes savent où

se trouvent les poissons, ils savent où ils seront demain et quand lancer leurs filets pour

obtenir la meilleure capture possible de leur poisson cible. La pêche a évolué pour

devenir plus intelligente. Et ce n'est qu'un exemple. Aujourd'hui, le monde est plus

intelligent dans tous les domaines, depuis la performance sportive jusqu'aux soins de

santé à domicile. Même l'amour et le rôle parental deviennent plus intelligents !

Un sport plus intelligent

La technologie intelligente est désormais largement utilisée dans le sport pour trouver et

recruter des talents ainsi que pour surveiller et améliorer les performances, tant pour les

amateurs que pour les professionnels. Il est désormais possible d'acquérir un ballon de

basket doté de plus de 200 capteurs intégrés qui fournissent aux joueurs et aux

entraîneurs des informations détaillées sur leurs performances. Au tennis, un système

appelé SlamTracker peut enregistrer les performances d'un joueur en fournissant des

statistiques en temps réel et des analyses complètes des matchs. Si vous avez déjà

regardé du rugby (union ou ligue), vous vous êtes peut­être demandé ce qu'est la bosse

entre les omoplates des joueurs : il s'agit d'un système de suivi GPS qui permet aux

entraîneurs d'évaluer les performances en temps réel. L'appareil mesurera la vitesse

moyenne des joueurs, si les performances du joueur sont supérieures ou inférieures à

leurs niveaux normaux, ainsi que la fréquence cardiaque, afin d'identifier les problèmes

potentiels avant qu'ils ne surviennent. Tout cela peut aider les entraîneurs à éviter les

blessures et à prendre des décisions de substitution appropriées. Une technologie

similaire existe dans la Premier League anglaise et est utilisée par de nombreux sports

olympiques comme le cyclisme.

2
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INTRODUCTION

Mais la technologie n’est pas réservée aux professionnels. Il existe de nombreux appareils

portables capables de surveiller la santé et le bien­être en déplacement.

Par exemple, je porte un bracelet de fitness « Up » qui m'indique combien de pas j'ai fait

chaque jour, combien de calories j'ai brûlées et à quel point j'ai bien dormi chaque nuit. Il

est synchronisé avec mon pèse­personne, de sorte que si je prends du poids, il me le

dira et m'invitera à augmenter mon activité ou à diminuer ma consommation alimentaire.

Une santé plus intelligente

Les soins de santé deviennent également plus intelligents et sont en passe de

révolutionner nos vies.

Le professeur Larry Smarr, l'un des informaticiens les plus influents des États­Unis et

l'homme le plus surveillé de la planète, a pu auto­diagnostiquer la maladie de Crohn – bien

avant l'apparition des symptômes et suffisamment tôt pour pouvoir la gérer efficacement.

la condition. Smarr déclare :

"Dans un monde dans lequel vous pouvez voir ce que vous vous faites au fur et à

mesure, l'espoir est que les gens assumeront davantage de responsabilités

personnelles pour eux­mêmes, en restant en bonne santé.

C'est donc presque comme si nous étions au premier jour d'un tout nouveau
monde médical, et ce qui en ressortira, c'est une société bien plus saine, axée sur

le bien­être plutôt que sur la guérison de la maladie lorsqu'il est bien trop tard.

Cette capacité à surveiller notre propre santé annonce une nouvelle et passionnante

frontière de la médecine préventive basée sur les données.

1BBC Two (2013) Horizon Monitor Me raconté par le Dr Kevin Fong (2013).

3
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Nous avons compris depuis longtemps qu’en théorie, mieux vaut prévenir que

guérir, mais la collaboration entre la technologie et la santé est en train de transformer cela

un aperçu de la pratique. Cette année, près de 42 millions d’appareils portables sans fil de

sport, de fitness et de bien­être devraient être expédiés dans le monde entier. Selon ABI

Research, « au cours des cinq prochaines années, nous consacrerons des efforts à

l'introduction de ces dispositifs portables d'activité grand public sans fil.

les données collectées atteindront un marché de 52 millions de dollars d'ici 2019. » Nuage

des services tels que Ginger.io permettent déjà aux prestataires de soins de surveiller leurs

patients grâce à des applications basées sur des capteurs sur leur smartphone.

téléphones.2 Et Proteus fabrique un scanner « ingérable » de la taille

d'un grain de sable, qui peut être utilisé pour savoir quand et comment

les patients prennent leurs médicaments. Cela donne aux prestataires des informations sur

les « taux d'observance » (à quelle fréquence les patients suivent les ordres de leur

médecin) et peut même alerter un membre de la famille pour le leur rappeler.

Mais il ne s'agit pas seulement de notre capacité à surveiller et à gérer nos

meilleure santé; Big Data, analytique et révolution intelligente

changent actuellement les soins de santé grâce à des innovations telles que des scanners

de pointe pour les lésions cérébrales, les unités pour bébés prématurés et le cancer

systèmes de détection et de diagnostic. Les possibilités sont infinies.

Des maisons plus intelligentes

Tout devient également plus intelligent à la maison. Des voitures que nous conduisons

vers et depuis la maison, aux systèmes de chauffage, gadgets, appareils électroménagers et

même le tapis !

2Palmer, S., White, E., Romanski, P., Benedict, K. et Gardner, D. (2014) L'intégration des
appareils de santé portables grand public favorisera l'adoption du Big Data dans le secteur
de la santé, déclare ABI Research. http://bigdata.ulitzer.com/node/3058905

4
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INTRODUCTION

L’évolution de la base vers la smart est particulièrement visible dans le cas des
voitures. Au départ, la Ford Model T était noire, avec levier de vitesse, quelques
boutons et pas de ceinture de sécurité. Aujourd'hui, nous avons des voitures avec des
tableaux de bord qui ressemblent à un cockpit d'avion, avec des caméras et des
capteurs pour faciliter le stationnement, alertant le conducteur s'il s'approche trop du
trottoir ou d'une autre voiture. Certaines voitures se gareront en parallèle et freineront

automatiquement. D'autres se synchroniseront avec les informations routières et

vous redirigeront vers un meilleur itinéraire pour éviter les points noirs de la circulation
ou un accident. Les capteurs sur le moteur surveilleront votre conduite, ce qui à son
tour réduira (ou augmentera) votre assurance et ajustera dynamiquement vos
intervalles d'entretien en fonction de votre style de conduite.

Il existe des thermostats intelligents qui surveillent la maison et chauffent uniquement

les zones utilisées. La température de votre maison peut être modifiée pendant que
vous êtes encore au travail afin que lorsque vous arrivez un soir d'hiver, la maison
soit confortable. Cette capacité à surveiller et à modifier dynamiquement la température
peut permettre d’économiser de l’énergie et de l’argent. Il est évident que résoudre
la crise énergétique ne consiste pas seulement à trouver de nouvelles sources
d’énergie telles que l’énergie éolienne et solaire, mais également à économiser
l’énergie dont nous disposons et à l’utiliser plus efficacement.

Les téléviseurs intelligents utilisent la reconnaissance faciale pour garantir que vos
enfants ne regardent jamais quelque chose qui ne convienne pas à leur âge et les
tapis intelligents peuvent vous alerter si votre parent âgé ne prépare pas son café
matinal habituel.

Si l’on considère tous les jouets, gadgets et appareils intelligents, il y a désormais

plus de machines connectées à Internet que de personnes. Et toutes ces choses

intelligentes collectent des données et communiquent entre elles.

5
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Un amour plus intelligent

Même quelque chose d'aussi personnel et magique que tomber amoureux devient

plus intelligent. Tout le monde espère trouver l'âme sœur et pourtant, pour beaucoup

la recherche est loin d’être simple. Le site de rencontres en ligne eHar­mony associe des

personnes sur la base de vingt­neuf variables différentes

tels que les traits de personnalité, les comportements, les croyances, les valeurs et les relations sociales.

compétences. Chaque personne qui rejoint eHarmony remplit un questionnaire de profil

complet, qui fournit les données pour l'analyse.

modèle pour trouver des correspondances potentielles.

La spécialiste américaine du numérique, Amy Webb, a même poussé les algorithmes de

données en ligne encore plus loin. Après un premier rendez­vous particulièrement terrible

où son « prince charmant » commandait les articles les plus chers

du menu, les a appréciés et a fait une course après s'être excusé pour aller aux toilettes,

Webb a créé son propre système de notation personnel basé sur ce qui était important

pour elle chez un partenaire de vie potentiel.

En outre, elle a analysé d'autres profils pour voir ce qui attirait l'attention, a testé les

modifications apportées à son propre profil pour voir ce qui faisait une différence dans le

nombre et la qualité des demandes de renseignements et n'a été qu'accord.

sortir avec quelqu'un s'il a obtenu un score supérieur à un certain nombre. Et cela a

fonctionné... Amy Webb est maintenant mariée et heureuse.

le couple a une fille.3

Une parentalité plus intelligente

L’art complexe de la parentalité devient également plus intelligent. Pour identifier

et réduire les risques prénatals et postnatals potentiels, de nombreux bébés autour

3http://www.ted.com/talks/amy webb comment j'ai piraté les rencontres en ligne.html

6
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INTRODUCTION

Le monde est constamment surveillé à travers une myriade de mesures et de points de données,

notamment la fréquence cardiaque et la respiration. Ces mesures vitales sont capables de prédire

les infections 24 heures avant que le bébé ne présente des symptômes visibles et peuvent permettre

une intervention précoce, souvent vitale.

Une fois que votre bébé est arrivé sain et sauf, il peut également dormir sur un matelas rempli de

capteurs qui surveillent ses habitudes respiratoires et sa fréquence cardiaque et alertent les parents

en cas de problème. Imaginez combien de morts subites tragiques pourraient être évitées grâce à

cette technologie intelligente. Nous pouvons même acheter des couches numériques qui enverront

un tweet sur notre téléphone intelligent lorsque notre bébé aura besoin de changer ! Évidemment, un

bon parent n'a pas vraiment besoin d'un tweet pour lui communiquer cette information, mais la

dernière génération de ces couches analyse automatiquement les urines et alerte le parent d'une

augmentation du taux de sodium, d'une éventuelle déshydratation, ainsi que de l'apparition

d'éventuelles infections. – et tout cela avant même l’apparition de symptômes physiques.

Le mariage des données et de la technologie change radicalement notre monde et le rend plus

intelligent. Et les entreprises doivent devenir plus intelligentes

aussi.

Revenons un instant à l'analogie avec la pêche. . . Lorsque la pêche est devenue une industrie, la

concurrence était suffisamment faible et les stocks de poisson suffisamment élevés pour que le

pêcheur n'ait pas besoin d'être dans un endroit précis pour profiter d'une journée en mer prospère.

Leur expérience, leur équipement et le nombre de poissons dans les océans signifiaient qu'ils

réussiraient à moins qu'ils ne soient confrontés à des conditions météorologiques particulièrement

mauvaises.

Aujourd’hui, face à une concurrence intense et à des stocks de poissons limités qui doivent être gérés

de manière responsable, les pêcheurs ont dû évoluer et devenir plus intelligents. Et il en va de même
pour toutes les entreprises, tous secteurs confondus.

7
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Aujourd'hui, les entreprises qui réussissent vraiment comprennent où se

trouvent leurs clients et, peut­être plus important encore, ce qu'ils font et où ils
vont. Ils savent ce qui se passe au moment même où cela se produit et ils
permettent à ces informations de guider leur stratégie et d'éclairer leur prise
de décision.

Les entreprises qui n’adopteront pas la révolution SMART seront laissées

pour compte.

8
************************************************** ********************
Machine Translated by Google

************************************************** *******************

1
UNE ENTREPRISE PLUS INTELLIGENTE

Le Big Data est au cœur de la révolution intelligente. L'idée de base derrière

l'expression « Big Data » est que tout ce que nous faisons laisse de plus en plus une
trace numérique (ou des données), que nous (et d'autres) pouvons utiliser et analyser
pour devenir plus intelligents. Les forces motrices de ce meilleur des mondes sont
l’accès à des volumes toujours croissants de données et notre capacité technologique
toujours croissante à exploiter ces données à des fins commerciales.

Il ne fait aucun doute que le Big Data est en train de changer le monde. Elle transforme
déjà complètement notre façon de vivre, de trouver l’amour, de guérir le cancer, de
mener des recherches scientifiques, d’améliorer nos performances, de diriger des

villes et des pays et de gérer des entreprises. En conséquence, il y a énormément de

battage médiatique et d’agitation autour du Big Data. Tout le monde en discute. C’est
LE sujet brûlant abordé dans chaque salle de réunion, dans chaque publication
économique, de The Economist à Fortune en passant par la Harvard Business
Review. Le Big Data fait même son chemin dans les médias grand public.

Mais malgré le bruit autour du Big Data, la plupart des gens ne le comprennent
toujours pas vraiment et très peu de gens savent quoi faire à ce sujet.

9
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

il. Personnellement, je n'aime pas ce terme car il est trop simpliste et potentiellement trompeur.

Certes, nous suivons et stockons désormais des données sur tout, ce qui nous permet d’avoir

potentiellement accès à de grands volumes de données – d’où le terme Big Data. Mais la

véritable valeur ne réside pas dans les grands volumes de données, mais dans ce que nous

pouvons désormais en faire. Ce n’est pas la quantité de données qui fait la différence mais notre

capacité à analyser des ensembles de données vastes et complexes au­delà de tout ce que

nous pourrions faire auparavant. Des innovations telles que le cloud computing, combinées à

une vitesse de réseau améliorée ainsi qu'à des techniques créatives d'analyse des données, ont

abouti à une nouvelle capacité à transformer de grandes quantités de données complexes en

valeur. De plus, l'analyse peut désormais être effectuée sans qu'il soit nécessaire d'acheter ou

de construire de gros supercalculateurs. Cela signifie que n’importe quelle entreprise, organisme

gouvernemental ou même n’importe qui peut désormais utiliser le Big Data pour améliorer sa

prise de décision.

Notre capacité à analyser ce que l'on appelle les « données non structurées » est particulièrement

puissante (plus de détails à ce sujet au chapitre 3). Fondamentalement, les données non

structurées sont les données que nous ne pouvons pas facilement stocker et indexer dans des

formats ou bases de données traditionnels et comprennent les conversations par courrier

électronique, les publications sur les réseaux sociaux, le contenu vidéo, les photos, les

enregistrements vocaux, les sons, etc. Combiner ces données désordonnées et complexes avec

d'autres plus c’est dans les données traditionnelles que réside une grande partie de la valeur. De

nombreuses entreprises commencent à utiliser l'analyse Big Data pour compléter leur analyse

de données traditionnelle afin d'obtenir des informations plus riches et améliorées et de prendre
des décisions plus intelligentes.

En fait, ce que Big Data devrait réellement signifier, ce sont SMART Data et même si je pense

que le terme Big Data disparaîtra avec le temps, la production et l'utilisation croissantes de

SMART Data sont définitivement là pour rester.

dix

************************************************** ********************
Machine Translated by Google

************************************************** *******************

UNE ENTREPRISE PLUS INTELLIGENTE

Qui utilise le Big Data ?

Les grands acteurs du secteur, notamment Amazon, Google, Walmart,

et Facebook, font déjà sensation. Walmart, par exemple, gère plus d'un million de transactions

clients chaque heure.

et les importe dans des bases de données dont on estime qu'elles contiennent plus de

2,5 pétaoctets de données.1 L'entreprise est désormais capable de combiner des données

provenant de diverses sources, y compris les achats passés des clients et

les données de localisation de leur téléphone portable, le contrôle interne des stocks de Walmart

dossiers, médias sociaux et informations provenant de sources externes telles que

selon la météo et lancer des promotions commerciales sur mesure. Par exemple,

si vous avez acheté des produits liés au barbecue chez Walmart, vous vous trouvez dans un

rayon de 3 miles d'un magasin Walmart qui a le

Nettoyant pour barbecue en stock et que le temps est ensoleillé, vous pourriez recevoir

un bon de réduction sur un nettoyant pour barbecue livré chez votre smart

téléphone!

Dans un autre exemple, un de mes clients, une entreprise de télécommunications leader,

utilise l'analyse Big Data pour prédire la satisfaction des clients et

perte de clientèle potentielle. Basé sur les modèles de téléphone et de SMS comme

En plus de l'analyse des médias sociaux, l'entreprise a pu classer les clients en différentes

catégories. Les analyses ont montré que les gens

dans une catégorie de clients spécifique, ils étaient beaucoup plus susceptibles d'annuler leur

contrat et de passer chez un concurrent. C'est extrêmement utile

Ces informations aident désormais l'entreprise à surveiller de près les niveaux de satisfaction

de ces clients et à prioriser les actions qui les empêcheront de partir et les garderont satisfaits.

Livre blanc 1SAS (2012) Le Big Data rencontre le Big Data Analytics : trois technologies clés
pour extraire la valeur commerciale en temps réel du Big Data qui menace
pour submerger les architectures informatiques traditionnelles.

11

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Aujourd’hui, même les voitures de milieu de gamme disposent d’environ 40

microprocesseurs qui mesurent les performances. Ces appareils électroniques
représentent généralement environ un tiers du coût d’une voiture neuve. Bien
entendu, toutes ces données générées, collectées et analysées par les
constructeurs automobiles leur offrent des avantages concurrentiels significatifs.
Un constructeur automobile travaillant avec une société d'analyse externe a
remarqué qu'un capteur dans le réservoir de carburant fabriqué par un fournisseur
allemand ne fonctionnait pas bien du tout. Le constructeur aurait pu en informer le
fournisseur et lui demander de réparer le problème, mais l'amélioration aurait alors
été répercutée sur d'autres constructeurs automobiles qui font appel à ce
fournisseur. Au lieu de cela, le fabricant a inventé un correctif logiciel qui a résolu
le problème, a reçu un brevet pour le correctif et a vendu le brevet au fournisseur.2

Le Big Data change la nature même de l'activité, de l'industrie manufacturière aux

soins de santé, en passant par la vente au détail, l'agriculture et au­delà. La vitesse
à laquelle les données sont et peuvent être collectées sur toutes les activités
imaginables signifie qu'il existe de plus en plus de possibilités d'affiner les
procédures et les opérations afin d'exploiter jusqu'à la dernière goutte d'efficacité.

Comment les entreprises utilisent le Big Data

Différentes industries ont répondu à l’appel de différentes manières.

Le commerce de détail et les ventes cherchent à collecter autant d'informations
que possible sur la vie de leurs clients afin de répondre plus efficacement à leurs
besoins changeants. Les fabricants cherchent à rationaliser leurs opérations. Les
paramètres d'étalonnage des équipements peuvent être enregistrés et affinés, et
les environnements de stockage des produits surveillés pour déterminer les
conditions optimales conduisant à un minimum de détérioration et de gaspillage.

2Mayer­Schonberger, V. et Cukier, K. (2013) Big Data : une révolution qui transformera

notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.

12
************************************************** ********************
Machine Translated by Google

************************************************** *******************

UNE ENTREPRISE PLUS INTELLIGENTE

Pour les entreprises mondiales, cela peut signifier collecter et analyser des données
provenant d'usines du monde entier, ce qui permet d'étudier des écarts
mineurs et de comprendre leurs résultats.

En 2013, par exemple, le géant pharmaceutique Merck a eu recours à l’analyse

pour réduire considérablement la quantité de gaspillage provoquée par les écarts.
dans des conditions d’environnement de fabrication. Cela a pris trois mois
et impliquait 15 milliards de calculs sur des données de production individuelles
à partir de 5,5 millions de lots de vaccins. Cela leur a permis de découvrir

conditions optimales pendant le processus de fermentation et doivent

augmenter considérablement leur rendement, une fois que la FDA aura approuvé
les modifications proposées au processus de fabrication.

Dans l'industrie automobile, un rapport de 2014 du Center for

Automotive Research a déclaré que les progrès rendus possibles grâce
les solutions informatiques avancées et le Big Data représentaient « un moteur
d'innovation ». Le rapport a souligné la complexité croissante des voitures et
l'industrie comme le plus grand défi auquel sont confrontés les constructeurs
automobiles.

L’efficacité de chaque machine – et humain – impliquée dans

le processus de fabrication peut être enregistré afin que les entreprises le sachent
ce qui fonctionne et peut apporter des améliorations là où elles se trouvent
nécessaire.

Et dans le domaine agricole, l’analyse des données aide l’industrie à répondre aux
Le défi consiste à augmenter la production alimentaire mondiale de 60 %, comme
le disent les prévisionnistes, ce sera nécessaire d'ici 2050 en raison de la
croissance démographique. Fabricant de tracteurs et de machines agricoles, John
Deere installe déjà des capteurs sur ses machines. Les données mises à la
disposition des agriculteurs via ses services myjohndeere.com et Farmsight

13

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

les aide à établir des conditions optimales pour leurs cultures. De plus, ces données
sont également utilisées par John Deere pour prévoir la demande de pièces de
rechange.

Bien entendu, en affaires, une fois qu’un produit a été cultivé ou fabriqué, il doit
être vendu et distribué. Les pétaoctets de données clients, y compris vous et moi,
déjà collectées par les grands détaillants, leur indiquent qui voudra acheter quoi, où
et quand.
Amazon, par exemple, utilise son système S3 pour suivre des millions d'articles
en stock dans des dizaines d'entrepôts et de distribution.

centres dispersés dans le monde entier. Les opérateurs peuvent suivre les
livraisons en temps réel pour voir où elles se trouvent et où elles devraient aller.

Au point de vente, les détaillants peuvent utiliser les données pour déterminer où le
stock doit être affiché, quels magasins vendront la plupart de tel produit et suivre
les mouvements des clients dans les magasins.
Les cartes de fidélité ne sont pas nouvelles, mais une analyse toujours plus
sophistiquée des habitudes des clients permettra aux détaillants d'accroître leur capacité à

prédisez ce que vous achèterez. Cela a progressé au point où Amazon pense qu'il
sera bientôt en mesure de prédire ce que vous achèterez avec suffisamment de
précision pour vous l'expédier avant même que vous l'ayez acheté !

La connectivité désormais possible change également le monde du business. En

2014, Cisco a annoncé un fonds de 150 millions de dollars pour les start­ups
travaillant à améliorer l'intégration entre le monde virtuel et physique.
Pour une entreprise, la possibilité d’avoir ses systèmes de production, de contrôle
des stocks, de distribution et de sécurité tous connectés et parlant entre eux
signifiera une plus grande efficacité et moins de gaspillage. GE qualifie cette
convergence de données et de machines de «

14
************************************************** ********************
Machine Translated by Google

************************************************** *******************

UNE ENTREPRISE PLUS INTELLIGENTE

Internet", et prétend que cela pourrait permettre à l'industrie mondiale d'économiser 150 milliards de livres sterling en

gaspillage.

Tous les secteurs de l’industrie apprennent à tirer parti des avantages du Big Data

analyse, et il semble certain que trouver des méthodes innovantes de

la collecte, l'enregistrement et l'analyse des données vont jouer un rôle important

des affaires dans un avenir prévisible.

Même quelque chose d'aussi subjectif et « humain » que les ressources humaines est

transformé par le Big Data et l’analytique. Trouver et garder les bonnes personnes est un

problème majeur pour la plupart des entreprises. La gestion des talents est semée

d'embûches et le coût des échecs

la gestion et le leadership sont énormes. On estime que le

Le coût moyen de l’échec des dirigeants est de 2,7 millions de dollars.3 Les estimations

publiées sur l’ampleur d’un mauvais leadership vont de 33 %4 à 67 %5.

En d’autres termes, entre un et deux tiers de tous les dirigeants actuels
échoueront dans leur rôle.

Mais ce n'est pas seulement un coût financier. Les nominations infructueuses de dirigeants

engendrent à elles seules des coûts cachés importants, qui peuvent inclure la perte

opportunités, de mauvaises relations publiques, des dommages à la marque, une faible

productivité et un désengagement et une aliénation des employés. L'impact de

un mauvais leadership sur le moral des employés peut être grave : 40 pour cent des

Les travailleurs américains ont classé leur travail comme stressant et 75 pour cent

des adultes qui travaillent ont déclaré que la partie la plus stressante de leur travail était leur

superviseur immédiat.6

3Smart, BD (1999) Topgrading. Upper Saddle River, New Jersey : Prentice­Hall.

4Sorcher, M. (1985) Prédire le succès des dirigeants. New York : Wiley.
5Hogan, R. et Hogan, J. (2001) Évaluation du leadership : une vision du côté obscur.
Journal international de sélection et d'évaluation, 9, 40­51.
6Hors des rails : éviter le coût élevé d’un leadership défaillant

15

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Trouver la mauvaise personne pour un poste peut être un désastre. Si vous vous
trompez de dirigeant ou de leader, cela peut être catastrophique.

Considérant que les employés sont le plus grand atout d'une entreprise et, comme
le confirment les statistiques, potentiellement son plus grand handicap, il est facile
de voir à quel point les entreprises sont enthousiasmées par les solutions Big Data
telles qu'Evolv.

Evolv est un outil logiciel qui aide à évaluer et à comprendre les employés et les
candidats en analysant un demi­milliard de points de données dans 18 secteurs
dans 13 pays différents sur tout, depuis les prix de l'essence, les taux de chômage
et l'utilisation des médias sociaux, jusqu'au temps qu'une personne met pour
voyager. au travail, ou à la fréquence à laquelle ils parlent à leurs supérieurs.
Bien que les méthodes de collecte de données incluent les controversés « badges
intelligents » qui surveillent les mouvements des employés et déterminent quels
employés interagissent les uns avec les autres, les clients d'Evolv tels que Bank
of America sont impressionnés.

Bank of America aurait amélioré ses indicateurs de performance de 23 % et réduit

son niveau de stress (mesuré en analysant la voix des travailleurs) de 19 %,
simplement en permettant à davantage d'employés de prendre leurs pauses
ensemble.7

Le logiciel est utilisé pour prédire une série de choses, notamment la durée
pendant laquelle un employé est susceptible de rester à son emploi. Evolv a
également glané des informations remarquables et inattendues, comme le fait
que dans certaines carrières, comme le travail dans les centres d'appels, les
employés ayant un casier judiciaire sont plus performants que ceux qui n'en ont pas ! Ou la

7Kuchler, H. (2014) Les pionniers des données nous regardent travailler. Temps Financier.
http://www. ft.com/cms/s/2/d56004b0­9581­11e3­9fd6­00144feab7de.html#axzz2tdOLCswb

16
************************************************** ********************
Machine Translated by Google

************************************************** *******************

UNE ENTREPRISE PLUS INTELLIGENTE

le fait que les employés qui changent le navigateur par défaut de leur ordinateur
en un navigateur non standard tel que Firefox ou Chrome obtiennent de meilleurs
résultats dans tous les domaines que ceux qui utilisent un navigateur standard

tel qu'Internet Explorer et Safari.8 (Bien sûr, c'est désormais publié). Les gens
ayant des connaissances classiques pourraient « jouer » avec le prédicteur et
changer leur navigateur par défaut avant les entretiens, ce qui rendrait le
prédicteur inutile.)

Bien que ce type d'analyse Big Data se concentre actuellement sur les rôles en
contact avec le client, ce n'est qu'une question de temps avant qu'il atteigne les
échelons supérieurs de la direction. Il est certain que l'amélioration des
performances des cadres supérieurs a un « effet disproportionné sur
l'entreprise », de sorte que les solutions Big Data seront certainement prises en
considération. Selon l'Economist Intelligence Unit, plus de la moitié des services
RH ont déjà signalé une augmentation de l'analyse des données depuis
2010.

Ne pas paniquer!

Le défi, bien sûr, est que lorsque les chefs d’entreprise lisent des histoires
comme celles­ci ou entendent parler des choses cool – et un peu effrayantes –
que font les dieux du Big Data comme Google, Amazon et Facebook, ils
paniquent !

La plupart des chefs d'entreprise connaissent le Big Data – ils devraient vivre
sous un rocher pour ne pas le savoir. Ils comprennent sa promesse inhérente et
peuvent même être pleinement conscients du fait que leur entreprise

8Javers, E. (2014) Dans le monde farfelu des données étranges : qu'est­ce qui est analysé ».
CNBC. http://www.cnbc.com/id/101410448

17

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

est riche en données. Mais la plupart des chefs d’entreprise ne savent pas quoi faire

avec ça! On nous dit depuis des années que nous vivons à l’ère de l’information ;
cela nous rappelle l'importance de l'information, du savoir et du rôle des travailleurs
du savoir. Nous savons que nous devons trouver un moyen d’accéder et d’utiliser
les informations dont nous disposons déjà et de gérer l’explosion d’informations que
nous pourrions avoir, ou qu’on nous dit que nous devrions avoir, à l’avenir.
L'information prend de l'ampleur et s'accélère, elle croît de façon exponentielle et
pourtant, nos recherches suggèrent que moins de 20 pour cent des données que
les entreprises détiennent actuellement sont utilisées pour éclairer la prise de
décision. Et ces 20 % ne prennent en compte que les KPI structurés traditionnels ou
les données financières. Si cela est vrai pour les données structurées qui sont
relativement faciles à extraire, les informations tirées des données non structurées
représentent une riche source inexploitée d’or d’informations qui est actuellement
largement ignorée.

Bien entendu, cette escalade de données et de possibilités d’informations infinies

pose son propre ensemble de problèmes. Si nous sommes déjà noyés sous des
données que nous n’utilisons pas, que sommes­nous censés faire du reste ?

Certains restent à l’écart, sentant la pression de l’inaction croître à chaque article

qu’ils lisent sur la révolution du Big Data.
Les chefs d'entreprise courageux (ou fous) décident de se lancer et de déterminer à
quoi ils peuvent avoir accès et comment ils peuvent l'utiliser, mais inévitablement,
ils se perdent complètement et finissent par se noyer dans leurs propres informations,
incapables de les convertir en informations et en sens. .
Malheureusement, dans ce cas, le résultat de l’action ou de l’inaction est le même :
débordement et confusion !

Ce livre est conçu pour vous aider à changer ce résultat.

18
************************************************** ********************
Machine Translated by Google

************************************************** *******************

UNE ENTREPRISE PLUS INTELLIGENTE

Concentrez­vous pour récolter les fruits

Le Big Data offre aux entreprises une opportunité sans précédent d'extraire des informations sur le

comportement de leurs clients, susceptibles de transformer leurs résultats commerciaux. MAIS ce n’est

pas parce que nous pouvons mesurer, surveiller et accéder à tout que nous devrions le faire. Il est

beaucoup trop facile de se laisser embobiner par la prolifération de technologies intelligentes et de

possibilités infinies qui envoient les entreprises dans des terriers qui sapent les ressources, sans aucun

résultat définissable ou utile. Le danger est donc de nous perdre dans un océan de données qui n’apportent

aucune valeur.

D’une part, le Big Data change le monde parce que nous disposons désormais de beaucoup plus de

données et de nouveaux formats de données. Mais de l'autre

rien n’a beaucoup changé car nous cherchons toujours à utiliser les données et les informations pour

éclairer la prise de décision des entreprises. La seule vraie différence est que nous disposons désormais

de nouveaux formats de données que nous pouvons utiliser

et une nouvelle technologie pour analyser réellement ces données et les exploiter.

En tant que chefs d'entreprise, nous devons comprendre que le manque de données n'est pas un problème.

le problème. La plupart des entreprises disposent de suffisamment de données pour les utiliser de manière

constructive ; nous ne savons tout simplement pas comment l'utiliser. La réalité est que la plupart des

entreprises sont déjà riches en données, mais pauvres en informations. Il est peut­être vrai que des

entreprises comme Amazon, Google et Facebook bénéficient d’un avantage concurrentiel considérable en

raison des données auxquelles elles ont désormais accès, mais elles disposent également de budgets

considérables et d’équipes de data scientists dont le seul travail est d’analyser ces données. Pour la plupart

des entreprises, cela n’est ni possible, ni réaliste, ni nécessaire. Il y a probablement suffisamment de

données dans votre entreprise à l’heure actuelle pour que vous puissiez exploiter la puissance du Big Data

sans technologie exceptionnelle ni budgets exorbitants. Et même si votre entreprise n'a pas tenu de très

bons registres

19

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

ou ne contient pas une énorme quantité de données existantes, il existe certainement

suffisamment de sources externes pour exploiter la puissance du Big Data dans votre
entreprise.

Donc, fondamentalement, peu importe que vous ayez déjà accès à des quantités
insondables d'informations ou que vos systèmes de collecte de données aient été
un peu sommaires jusqu'à présent, le Big Data peut révolutionner votre entreprise –
mais seulement si nous nous concentrons sur les données SMART. pas le Big Data.
Pour ce faire, nous avons besoin d’un cadre pratique qui puisse nous aider à lutter
contre le monstre du Big Data afin que nous puissions l’exploiter afin d’acquérir de
nouvelles connaissances qui guideront l’entreprise vers l’avenir.

Nous avons besoin d’un moyen de naviguer dans les océans de données pour trouver
les poches de sens. Comme le pêcheur moderne, nous avons besoin d'un moyen
sophistiqué mais pratique pour déterminer quels clients nous essayons d'attraper,
découvrir ce que nous devons savoir pour localiser ces clients, prédire leur
comportement et obtenir des résultats nets.

Ce livre fournit le système de navigation dont nous avons un besoin urgent (voir
Figure 1.1) qui vous permettra de créer une entreprise SMART et d'exploiter
l'incroyable puissance du Big Data, quels que soient votre taille ou votre budget.

Le modèle SMART reflétera la structure du livre. Chaque

Ce chapitre présentera chaque partie du modèle et fournira une structure pratique

que vous pouvez utiliser pour tirer parti du Big Data dans votre entreprise.

Afin de mettre fin au chaos, à la confusion et au volume considérable de données

qui peuvent exister ou existent, nous devons donc « commencer par

20
************************************************** ********************
Machine Translated by Google

************************************************** *******************

UNE ENTREPRISE PLUS INTELLIGENTE

S MARCHÉ

Commencer avec Mesurer Analyser Signalez votre Transformer

Stratégie les métriques et Vos données Résultats votre
Données entreprise
et
votre prise
de décision

Technologie

Figure 1.1 Le modèle SMART

stratégie'. Au lieu de commencer par les données, commencez par vos objectifs
commerciaux et ce que vous essayez spécifiquement d'atteindre. Cela vous
dirigera automatiquement vers les questions auxquelles vous devez répondre, ce
qui réduira immédiatement les exigences en matière de données à des niveaux gérables.
zones.

Une fois que vous savez ce que vous essayez d'atteindre, vous devez déterminer
comment accéder à ces informations afin de pouvoir « mesurer les mesures et les
données ». Une fois que vous savez quel type de données est disponible et que
vous avez accédé à ces données, vous devez « appliquer des analyses » pour
extraire des données des informations utiles qui peuvent vous aider à répondre
à vos questions stratégiques. Bien sûr, les informations seules sont inutiles à
moins que vous ne « rapportiez les résultats ». Ces trois étapes de l’activité
SMART reposent sur la technologie. La technologie vous aidera à collecter les
données que vous devez mesurer, elle facilitera l'analyse d'une manière que vous
n'avez probablement jamais envisagée auparavant et elle vous permettra de

21

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

convertissez les informations en visualisations de données qui peuvent être

facilement et rapidement comprises et exploitées.

Lorsque vous abordez les données (grandes et petites) et les analyses dans une
perspective plus étroite, plus ciblée et plus pratique, vous pouvez vous débarrasser
du stress et de la confusion entourant le Big Data, récolter des bénéfices
considérables et « transformer votre entreprise ».

22
************************************************** ********************
Machine Translated by Google

************************************************** *******************

2
S = COMMENCER PAR
STRATÉGIE

Une entreprise plus intelligente commence par une stratégie. Et c'est vrai que ce soit

vous êtes un géant du Big Data comme Amazon ou Google ou une petite famille

tenir un magasin du coin.

Il est facile de se perdre et de se laisser submerger par la science des données et

analytique. Considérant que cela était vrai avant le Big Data, cela l’est de façon exponentielle

aujourd’hui. Les chefs d’entreprise du monde entier sont embarrassés. Ils ont lu que les géants du

Big Data ne jettent jamais aucune donnée,

comment tout ce qui se trouve dans ces entreprises riches en données est capturé et analysé

parce qu'il est précieux et offre potentiellement des informations uniques et puissantes pour le

développement commercial. Même les erreurs ne sont pas ignorées... Prenez en compte les noms

mal orthographiés et les requêtes de recherche – c'est sûrement le cas.

données pouvant être supprimées. Pas pour Google, ce n'est pas le cas. Au lieu d'ignorer

ils l'ont utilisé pour compiler le meilleur correcteur orthographique au monde !1

Pour la plupart des chefs d’entreprise, l’idée même de collecter et de stocker

tout est vraiment terrifiant. Notamment parce qu'ils ont déjà

1Mayer­Schonberger V, Cukier K (2013) Big Data : une révolution qui transformera

notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.

23
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

avoir une montagne de documents d'archives qui traînent dans des dossiers
poussiéreux au sous­sol, sans parler de devoir gérer toutes les nouveautés
générées chaque jour ! Même un instant de réflexion sur les problèmes potentiels
auxquels une entreprise est potentiellement confrontée dans le monde du Big Data
est épuisant et stressant... Qu'est­ce qui constitue tout, quel type de format, où
sera­t­il stocké, comment sera­t­il stocké, qui l'utilisera, qui en sera propriétaire,

comment allons­nous le payer, qu'en ferons­nous, par où commencer ?

Le fait est que pour les géants du Big Data comme Tesco, Walmart ou Amazon,
chaque petite donnée peut très bien avoir de la valeur dans une certaine mesure
ou une autre. Mais uniquement parce que ces entreprises disposent de l’expertise
analytique, de l’argent et des capacités technologiques nécessaires pour investir
dans une capacité de stockage suffisante et exploiter ces énormes ensembles de
données pour fournir des informations. De plus, ils sont à la pointe de ce nouveau
monde et attirent souvent les meilleurs talents.

Mais à priori, 99,9 % de toutes les entreprises du monde ne se trouveront jamais

dans cette situation. La grande majorité des entreprises n’auront jamais le temps,
l’argent, l’expertise et/ou l’envie de traiter les données comme le font ces géants.
Mais cela ne veut pas dire que le Big Data est quelque chose que vous pouvez
ignorer.

En outre, il existe encore une énorme quantité de Big Data que les petites
entreprises peuvent utiliser et qui n'a jamais été mise à disposition auparavant. Par
exemple, si vous exploitez une petite épicerie, vous pouvez désormais télécharger
les données météorologiques du service Met Office et les utiliser pour

faites des prédictions sur ce que vous devez stocker. Ainsi, même les petites
entreprises peuvent exploiter le Big Data et l’utiliser pour améliorer leur offre.

La très bonne nouvelle est que ce à quoi vous avez actuellement accès ou n'avez
pas accès n'a pas vraiment d'importance, comme le montre la figure 2.1.

24
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

Votre entreprise a­t­elle ou a­t­elle

accéder à beaucoup de données ?

Non/Je ne sais pas Oui

Les données sont­elles

stockées numériquement et

l'analyse est­elle prête ?

Non/Je ne sais pas Oui dix%

90%

S MARCHÉ

Commencer avec Mesurer les Analyser Signalez votre Transformez

Stratégie métriques Vos données Résultats votre

et les données entreprise et
votre
prise de

décision

Technologie

Figure 2.1 Tous les chemins mènent à Commencer par une stratégie

Que votre entreprise dispose de nombreuses données prêtes à être analysées ou

qu'elle ne dispose pas de données n'a pas beaucoup d'importance au départ. Cela ne
change rien à la validité de commencer par une stratégie.

La seule exception à cette règle est si vous disposez déjà d’une grande quantité de
données numérisées à portée de main. Dans ce cas, cela peut avoir du sens

25

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

pour allouer une petite partie du budget de données et des ressources à la découverte
de données.

Si une entreprise a accès à une énorme quantité de données pouvant être extraites et
analysées, cela vaut certainement la peine de consacrer 10 % de ses efforts d'analyse
à la découverte de données. La découverte de données est un processus d'examen
des données dans l'autre sens. Lorsque vous démarrez la stratégie, vous déterminez
ce que vous devez savoir et donc quelles données vous devez collecter pour fournir
ces réponses. Dans la découverte de données, il vous suffit de regarder les données
sans questions ni agenda pour voir ce qu'elles vous disent sur votre entreprise. Ce
processus de découverte de données peut être un complément utile à l’approche plus
personnalisée décrite dans ce livre et peut potentiellement générer toutes sortes de

joyaux de données.

Facebook, par exemple, a examiné toutes les données dont il disposait via des millions
de mises à jour de statut et a pu déchiffrer un modèle de relations à partir de ce
chaos. À tel point que Facebook peut désormais prédire quand vous changerez votre

statut de « Célibataire » à « En couple » et probablement vice versa. Pour le moment,

il ne s’agit que d’une idée originale, mais il se pourrait qu’un jour Facebook puisse
concéder ces données sous licence à des entreprises qui fabriquent des produits qui
pourraient être particulièrement utiles à quelqu’un qui vient de se lancer dans une

relation (forfaits vacances en couple) ou qui vient de sortir d’une relation. un (mouchoirs
et glace Ben & Jerry's !). Facebook investit dans la découverte de données parce qu'il
le peut – ils disposent d'une énorme quantité de données, sans parler du temps, du
talent, de la technologie et de l'argent pour que cela en vaille la peine, mais ce n'est
absolument pas le point de départ pour la plupart des entreprises.

À l’avenir, ces types d’informations sur la découverte de données pourraient

certainement révolutionner votre entreprise et pourraient même finir par modifier votre
modèle économique. Mais il ne s'agit toujours que d'un complément à l'approche
commerciale SMART et non d'un substitut.

26
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

Ce qui est petit est beau dans un monde Big Data

Pour profiter des avantages du Big Data, il n’est pas nécessaire de tout collecter et
de produire la base de données la plus grande et la plus complexe au monde.
Comme je l'expliquerai dans ce chapitre, votre objectif est en fait le contraire : être
vraiment clair sur les données dont vous avez besoin, quelles données vous pouvez
et allez utiliser et créer la base de données la plus petite et la plus simple au monde !

Pensez aux données comme vos affaires et vos biens à la maison. Si vous vivez
dans votre maison depuis plus de cinq ans, il y a de fortes chances qu'il y ait une
accumulation de choses, dont certaines dont vous ne vous souvenez même pas,
jusqu'à ce que vous ouvriez la porte d'un placard et qu'elles vous atterrissent sur la
tête. Même lorsque nous décidons de désencombrer, cela peut être un cauchemar
parce que nous pensons : « Hmm, je ferais mieux de ne pas jeter ça car cela pourrait
être utile à l'avenir ». J'ai un ami, par exemple, qui a rassemblé toute une collection
de petits ramequins en verre provenant de desserts achetés comme la crème
`
brûlée. Son mari continue d'essayer de les jeter mais elle continue de les sauver
parce qu'ils pourraient être utiles. Parfois, ils le sont, mais il n’est pas vraiment
nécessaire d’en avoir 20 !

Si vous vivez dans votre maison depuis 20 ans, l'accumulation de ce type de choses
provenant d'achats imprudents, d'objets de seconde main, de cadeaux non désirés
ou de vieilles tenues peut être écrasante. Il existe même des émissions télévisées
sur des collectionneurs extrêmes qui ont tellement de choses (pour la plupart des
déchets) qu'ils ne peuvent plus accéder à certaines parties de leur maison ! Le
volume considérable de choses que nous accumulons n’est souvent perceptible
qu’une fois que nous décidons de déménager ou de réduire nos effectifs. Le défi qui
nous attend peut sembler impossible. Souvent, ce n'est que lorsque nous mordons
enfin la balle et entrons dans le loft pour vraiment regarder le matériel que nous
réalisons qu'il est complètement dépassé et obsolète !

27

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Il en va de même pour les données. Dans la plupart des cas, les données ont
une durée de vie. Il est très important de comprendre cela, car le Big Data fait
vraiment monter la pression pour les entreprises qui se demandent quoi faire de tous.

leurs données et le stress augmentent de façon exponentielle d'année en année, car ils ont

le sentiment d'être ensevelis sous des quantités de plus en plus grandes de données

supplémentaires. Ce n’est pas vraiment vrai, car pour la plupart des entreprises, les données

clients datant, disons, de plus de cinq ans ne seront de toute façon pas très utiles. La raison

pour laquelle les géants du Big Data font en sorte que le Big Data fonctionne si bien pour eux

est qu'ils ont accès à d'énormes quantités de données clients actuelles qui les aident à établir

le profil de leurs clients et à améliorer leurs performances. Pour les géants des données dotés

de la technologie et du talent nécessaires pour parcourir les données plus anciennes, cela

peut produire des informations intéressantes ou des tendances d'achat, mais ce n'est pas si

pertinent pour la plupart des entreprises.

Considérez­le comme une aspiration « amusante » pour l'avenir et non comme un objectif

essentiel à la mission du présent.

Ainsi, plutôt que de laisser cette accumulation incessante de données supplémentaires

amplifier davantage votre niveau de stress, oubliez simplement les données datant de plus de

5 ans et, plus important encore, prenez du recul et demandez­vous ce qui compte vraiment le

plus. Et utilisez ces informations pour orienter votre action et vos besoins en données.

Commencer par la stratégie vous permet de développer des stratégies qui vous aident à

identifier les données dont vous avez réellement besoin et, très souvent, cela signifiera une

combinaison de « petites » données traditionnelles ou de données existantes et de nouveaux

formats de données, de nouvelles données à évolution plus rapide et de Big Data.

Par exemple, des chercheurs de Harvard et de la Northeastern University ont démontré que

le projet Google Flu Trends de 2009 avait surestimé le nombre de cas pendant quatre années

consécutives.

Ce projet visait à identifier les épidémies de grippe à partir de données basées sur le Big Data.

28
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

Requêtes de recherche Google. Et la logique est bonne après tout, que font la
plupart des gens lorsqu'ils commencent à se sentir mal... ils le recherchent sur Google !
Ils rechercheront généralement les symptômes avant même de prendre rendez­
vous avec leur médecin. La plupart des gens ne recherchent « grippe » sur Google
que s'ils se sentent mal ou si un proche se sent mal. Cela dit, tous ceux qui se
sentaient mal et qui ont recherché « grippe » sur Google n'auraient pas eu la
grippe, donc la surestimation n'est pas une surprise.
Beaucoup ont cherché à minimiser la pertinence du Big Data en utilisant des
exemples comme ceux­ci. Mais même les chercheurs qui ont identifié la
surestimation ont reconnu que la combinaison des données Google Flu Trends
basées sur le Big Data avec les données traditionnelles des Centres de contrôle
des maladies (CDC) a amélioré la prévision globale.2

Le Big Data à lui seul n’est pas infaillible ni une solution miracle, mais lorsqu’il est
utilisé de manière stratégique et combiné avec les sources de données existantes,
il peut offrir des informations extrêmement utiles.

Si vous souhaitez utiliser le Big Data pour améliorer votre entreprise et vous forger
un avantage concurrentiel, vous devez comprendre quels sont vos grands objectifs
stratégiques. Une fois que vous les avez définies, vous devez isoler les grandes
questions auxquelles vous souhaitez trouver des réponses afin de pouvoir découvrir
quelles données – petites ou grandes – vous apporteront les réponses à ces
questions. Commencer par la stratégie vous permet donc d'identifier vos besoins
en informations stratégiques à l'aide du tableau stratégique SMART.

Le conseil stratégique SMART

Afin d'aider les entreprises à mieux comprendre leurs besoins en données, j'ai
développé le tableau stratégique SMART (voir Figure 2.2). Ce modèle a déjà aidé
beaucoup de mes clients à naviguer dans le

2La réaction contre le Big Data. (avril 2014) L'économiste.

29

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Panneau d'objectif

Objectif : Quel est notre objectif ? (Énoncé de mission)

Ambition : Quelle est notre ambition ? (Énoncé de vision)

Panneau Client Panneau des finances Panel Concurrence

et Risques
Marché cible : Quel client ciblons­nous ? (Segment, marché, région, niche, canaux, etc.)

Objectifs financiers : Comment allons­ Facteurs de

nous obtenir des résultats financiers ? concurrence et
Proposition de valeur : Qu'offrons­nous à nos clients ? (Qualité, Prix, Innovation, Risques : qu'est­ce que c'est

Relation, Service, etc.) (Revenus, bénéfices et trésorerie menacer notre

Génération, Actionnaire réussite ?

Valeur)
Panneau des opérations

(Marché,
Partenaires : Quels sont nos partenaires clés avec lesquels nous devons
(Coût, Productivité, Efficacité) concurrence et
entretenir une relation ? (Fournisseurs, Distributeurs, Communautés, etc.)
clientèle

des risques)
Compétences de base : dans quels processus internes devons­nous exceller ? (Développer
des produits et des services, générer de la demande, répondre à la demande,
réglementaire et social, etc.) (Risques
opérationnels)

Panneau de ressources
(Risques financiers)

Systèmes informatiques et Infrastructures : quoi Personnes et talents : Culture, valeurs, (Risques informatiques)

données : quels sont les sont quels sont les éléments leadership : quels sont les
principaux systèmes l'infrastructure clé clés en matière de principaux résultats (Risques liés aux personnes)
informatiques et données livrables ? des livrables ? personnes et de talents ? attendus en
(Systèmes, réseaux, sources (Propriété, Machinerie, (Recruter, Développer, matière de culture et de
de données, etc.) Terrain, etc.) Retenir, Engager, etc.) leadership ? (Valeurs, Comportements, etc.)

Tableau stratégique SMART (vierge)

Panneau d'objectif

But:

Ambition:

Panneau Client Panneau des finances Concours

et panel des risques
Marché cible: Objectifs financiers :
Concours
facteurs et
Proposition de valeur: Des risques:

Panneau des opérations

Les partenaires:

Les compétences de base:

Panneau de ressources

Systèmes informatiques et Infrastructure: Personnes et talents : Culture, valeurs,

Données:
Direction

Figure 2.2 Le Conseil stratégique SMART

30
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

des eaux agitées de grandes (et petites) données afin qu'ils puissent récolter les fruits
sans stress.

L'objectif du tableau stratégique SMART est de vous aider à prendre du recul et à vous

demander quels sont vos besoins en informations stratégiques. Vous ne pouvez pas

identifier vos besoins en informations si vous n'êtes pas clair sur votre stratégie.

N'oubliez pas que la valeur des données ne réside pas dans les données elles­mêmes,

mais dans ce que vous en faites. Pour que les données soient utiles, vous devez d'abord

savoir de quelles données vous avez besoin, sinon vous êtes tenté de tout savoir et ce

n'est pas une stratégie, c'est un acte de désespoir voué à l'échec. Pourquoi passer tout

votre temps et vous donner du mal à collecter des données que vous ne pourrez ou ne

pourrez pas utiliser pour fournir des informations commerciales ? Vous devez vous

concentrer sur les choses qui comptent le plus, sinon vous vous noierez sous les

données. Les données sont un atout stratégique, mais elles n'ont de valeur que si elles

sont utilisées de manière constructive et appropriée pour produire des résultats.

C'est pourquoi il est si important de commencer par une stratégie. Si vous êtes clair sur

ce que vous essayez d’accomplir, vous pouvez réfléchir aux questions SMART

auxquelles vous avez besoin de réponses. Par exemple, si votre stratégie consiste à

augmenter votre clientèle, les questions SMART auxquelles vous aurez besoin de

réponses pourraient inclure : « Qui sont actuellement nos clients ? », « Quelles sont les

données démographiques de nos clients les plus précieux ? et « Quelle est la valeur à
vie de nos clients ? ». Quand

Si vous connaissez les questions auxquelles vous devez répondre, il est alors beaucoup

plus facile d'identifier les données auxquelles vous devez accéder afin de répondre à

ces questions clés. Vos besoins en données, vos coûts et vos niveaux de stress sont

considérablement réduits lorsque vous passez de « tout collecter au cas où » à

« collecter et mesurer x et y pour répondre à la question z ». Le Big Data passe de

« impossible pour nous » à « absolument possible pour nous ».

Par exemple, j'ai travaillé avec une petite entreprise de vente au détail de mode qui ne

disposait d'aucune donnée autre que ses données de vente traditionnelles. Ils voulaient

31

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

augmenter les ventes mais ne disposait pas de données SMART sur lesquelles s'appuyer pour les aider

atteindre cet objectif. Ensemble, nous avons déterminé que les questions SMART auxquelles

ils avaient besoin de réponses incluaient :

Combien de personnes passent réellement devant nos magasins ?

Combien s’arrêtent pour regarder par la fenêtre et pendant combien de temps ?

Combien d'entre eux entrent alors dans le magasin, et

Combien achètent alors ?

Ce que nous avons fait, c'est installer un petit appareil discret dans les vitrines des magasins

qui suivait les signaux des téléphones portables lorsque les gens passaient devant le magasin.

boutique. Tout le monde, du moins tous ceux qui passent devant ces magasins particuliers

avec un téléphone portable sur eux (ce qui est le cas aujourd'hui presque tout le monde), serait

capté par le capteur de l'appareil et compté,

répondant ainsi à la première question. Les capteurs mesureraient également combien de

personnes s'arrêtaient pour regarder par la fenêtre et comment

combien de personnes sont ensuite entrées dans le magasin et les données de ventes

enregistrerait qui a réellement acheté quelque chose.

En combinant les données de capteurs peu coûteux et facilement disponibles

placé dans la fenêtre avec les données de transaction, nous avons pu mesurer le taux de

conversion et tester les affichages des fenêtres et diverses offres

pour voir lesquels ont augmenté le taux de conversion. Non seulement ce détaillant de mode

a­t­il augmenté massivement ses ventes en adoptant une approche intelligente

ils combinaient de petites données traditionnelles avec des Big non traditionnels

Les données mais aussi ils ont utilisé les informations pour réaliser des économies significatives

en fermant un de leurs magasins. Les capteurs ont enfin pu dire

leur que la fréquentation rapportée par la société d'études de marché

32
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

avant l'ouverture à cet endroit était erroné et le trafic de passage était

insuffisant pour justifier le maintien du magasin ouvert.

La métaphore du poirier

Le tableau de stratégie SMART est vraiment très intuitif et suit les lois de la
nature. Si vous regardez un poirier, par exemple, le but d’un poirier est de
faire pousser des poires. Mais il se passe beaucoup de choses à l’intérieur
du poirier qui rendent ce résultat possible. Il en va de même pour votre
entreprise. Le panneau d'objectif de votre tableau de stratégie SMART est le
résultat visible ou le résultat souhaité de votre entreprise, de la même manière
que les poires sont le résultat visible du poirier.

Le panneau des ressources en bas représente les éléments stabilisateurs

de votre entreprise. Comme les racines d’un arbre, elles sont souvent
cachées à la vue et pourtant elles fournissent les nutriments ou les
ingrédients qui rendent le résultat possible. De la même manière que les
racines des poiriers puisent les nutriments et l’eau du sol et les dirigent vers
la bonne partie de l’arbre au bon moment, vos ressources commerciales
tangibles et intangibles sont dirigées vers le bon endroit pour obtenir le
résultat.

Au milieu, entre les ressources et les résultats se trouvent les panneaux

client, finances et opérations de votre tableau stratégique SMART, qui
représentent le cœur des opérations de votre entreprise qui rendent l'objectif
possible – un peu comme le tronc du poirier. Vos produits et services ne sont
pas arrivés par hasard ou par magie, tout comme les poires ne sont pas
arrivées sur l'arbre par magie, ils sont le résultat naturel d'un réseau visible
et invisible de connexions et d'interactions.

connexions – tout comme votre produit ou service. Chacun des principaux

33

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Les départements et fonctions au sein des services clients, des finances et des

opérations représentent les principales branches du poirier et sont cruciaux pour la

création du produit final. Au sein de ces départements et domaines, il existe des
compétences de base permettant de :

Développer des produits et des services : Etude de marché, conception et

développement de nouveaux produits et services.

Générer de la demande : analyser les informations sur le marché, développer

et gérer les relations clients, surveiller les tendances des clients, le marketing
et l'image de marque.

Répondre à la demande : rechercher des biens et des services, produire des

biens et des services, gérer les chaînes d'approvisionnement, gérer les
processus commerciaux, gérer le réseau de livraison, fournir des services et
du support.

Réglementaire et social : gérer la santé et la sécurité, la responsabilité sociale

de l'entreprise, réduire l'impact environnemental.

Ces domaines centraux et ces compétences de base donnent la force à votre

entreprise et relient les ressources aux départements qui rendent votre objectif
possible de la même manière que le tronc donne la force à l'arbre et relie les racines
aux branches qui rendent les poires possibles.

Votre entreprise est une unité complète interdépendante créant votre produit ou
service de la même manière qu'un poirier est une unité complète interdépendante
créant des poires. À lui seul, le tronc ne pouvait pas créer des poires, pas plus que
les branches isolées du tronc ou des racines. Les poires ne sont possibles que lorsque

les racines se connectent au tronc qui se connecte aux branches pour créer des
poires. De la même manière, votre entreprise ne produira pas votre produit ou service
de manière efficace et

34
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

rentable à moins que vos racines, votre tronc et vos succursales ne soient
connectés et intégrés et que tout le monde connaisse votre stratégie et
comment chaque partie de l’entreprise se connecte et contribue à ces objectifs.

Cela dit, pour réussir, vous devez comprendre plus que votre produit et service
– ce qui nous amène au panel de concurrence et de risque. Il s’agit de la partie
du processus stratégique qui est souvent oubliée dans les cartes stratégiques
traditionnelles ou les tableaux de bord prospectifs. Et pourtant, quiconque en
affaires sait qu’il existe des risques et des défis qui viennent de l’extérieur et
qui n’ont pas grand­chose à voir avec l’entreprise. Escroquer­

poursuivant l'analogie avec le poirier... le panel concurrence et risque est

comme la météo ou une maladie inattendue. Le poirier n’a aucun contrôle sur
la météo, ni sur le fait que les arbres voisins ont été infectés par un nouveau
virus ou, grâce à un engrais miracle, ils produisent désormais des poires
nettement plus grosses et plus juteuses. Dans le monde des affaires également,
il existe des risques internes et externes qui peuvent avoir un impact sur ce qui
est réalisé et sur le moment où cela est réalisé.

Tableau de stratégie SMART en action

Avant même de penser aux données que vous pourriez ou devriez collecter,
vous devez déterminer les questions SMART auxquelles vous devez répondre
en considérant chacun des différents panels du SMART Strat­egy Board.
Chaque panneau fournit un plan qui déclenchera quatre ou cinq questions
SMART par panneau. Ces questions constitueront ensuite la base de votre
stratégie Big Data/analytics. Il y a six panneaux dans le Smart Strategy Board :

1 Le panneau d'objectif

2 Le panel client

35

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

3 Le panneau des finances

4 Le panneau des opérations

5 Le panneau de ressources

6 Le Panel Concurrence et Risques.

1 Le panneau d'objectif

Le panneau d'objectif plante le décor et fournit un cadre inspirant ou un contexte

global concernant votre stratégie d'entreprise ou autre.

votre entreprise vise ou cherche à atteindre. Veuillez noter que

les entreprises ne développent généralement pas de questions SMART pour ce panel ;

son rôle consiste davantage à définir le contexte et l’orientation générale.

La meilleure manière d’y parvenir est de détailler votre mission et votre vision.

déclaration – chacun faisant un travail distinctement différent.

Votre énoncé de mission est une déclaration d’intention claire et concise expliquant

pourquoi votre organisation existe. Un énoncé de mission devrait

communiquez vos intentions avec force, en fournissant une feuille de route pour

guider l’action et la prise de décision alors que vous vous efforcez d’atteindre le but

ou l’objectif stratégique. Il s'agit avant tout d'un document interne conçu

motiver les parties prenantes et définir les mesures clés du succès organisationnel.

En tant que tel, il doit inclure votre public cible, quoi

les produits ou services que vous fournissez à ce public et ce qui fait

votre produit ou service est unique.

Votre énoncé de vision définit également l'objectif, mais du point de vue de l'ambition

ou de ce que vous voulez que votre entreprise soit dans le futur.

avenir. En tant qu'image inspirante de vos aspirations, l'énoncé de vision donne une

orientation aux parties prenantes internes et externes. Interne

36
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

les employés peuvent être inspirés à donner le meilleur d’eux­mêmes grâce

à un énoncé de vision fort et significatif ; les clients peuvent finir par vous choisir
la concurrence en fonction de votre vision et de vos actionnaires
peuvent être encouragés à investir. L’énoncé de vision donne une direction
sur ce que l'entreprise valorise et donc quel comportement elle

adhère et attend de ses parties prenantes.

2 Le panel clients

Le panel clients vous invite à réfléchir à ce que vous savez actuellement sur
les clients ciblés par votre stratégie et
ce dont vous pourriez avoir besoin pour atteindre votre objectif stratégique. Il
y a deux parties à considérer : le marché cible et
proposition de valeur.

Compte tenu de votre stratégie (y compris votre mission et votre vision)

Quelle est votre cible sur le marché? Envisagez­vous de séduire un segment
particulier – si oui, pourquoi et que savez­vous de ce segment ? Ciblez­vous
une région géographique particulière ou un
démographique? Si oui, que devez­vous savoir sur ces clients potentiels pour
améliorer vos chances de succès ?

La deuxième partie du panel client vous incite à clarifier

votre proposition de valeur ou ce que vous allez proposer à votre marché
cible. Pourquoi ces clients vont­ils acheter chez vous ? Faire
vous pensez qu'ils apprécieront votre qualité, votre prix, votre innovation, votre service ou

autre chose? Qu'est­ce qui contribuera à la satisfaction du client et

loyauté? Savez­vous?

Penser à vos clients par rapport à votre stratégie vous permettra

déclencher des questions SMART des clients – ou des questions dont vous avez besoin

37

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Questions des clients SMART :

• Quels clients sont les plus susceptibles de se désinscrire, et quand ?
• Comment pouvons­nous identifier au mieux les clients cibles ?
• Quels facteurs favorisent la fidélisation des clients ?
Panneau d'objectif
• Quelles perceptions les clients ont­ils de nos produits,
services, marques ?
Objectif : Quel est notre objectif ? (Énoncé de mission)
• Quelle est la valeur prévue du client à vie pour chaque
de nos clients ?
Ambition : Quelle est notre ambition ? (Énoncé de vision)
• Quels éléments de service les clients apprécient­ils le plus ?
• Etc.

Panneau Client Panneau des finances Panel Concurrence

et Risques
Marché cible : Quel client ciblons­nous ? (Segment, Marché,
Région, niche, chaînes, etc.) Objectifs financiers : comment Facteurs de
obtenons­nous des résultats financiers ? concurrence et

Proposition de valeur : Qu'offrons­nous à nos clients ? (Qualité, Prix, Innovation, Relation, Risques : qu'est­ce que c'est

Service, etc.) (Revenus, bénéfices et trésorerie menacer notre réussite ?

Génération, Actionnaire

Valeur)
Panneau des opérations

(Marché,
Partenaires : Quels sont nos partenaires clés avec lesquels nous devons entretenir une
(Coût, Productivité, Efficacité) concurrence et
relation ? (Fournisseurs, Distributeurs, Communautés, etc.)
clientèle

des risques)
Compétences de base : dans quels processus internes devons­nous exceller ? (Développer
des produits et des services, générer de la demande, répondre à la demande, réglementaire
et social, etc.) (Risques
opérationnels)

Panneau de ressources
(Risques financiers)

Systèmes informatiques et Infrastructure : Quels sont les Personnes et talents : Culture, valeurs, (Risques informatiques)

données : quels sont les principaux quels sont les éléments clés leadership : que sont­ils ?
principaux systèmes livrables en matière en matière de personnes les principaux résultats (Risques liés aux personnes)
informatiques et données livrables ? d’infrastructure ? et de talents ? attendus en
(Systèmes, réseaux, sources (Propriété, Machinerie, Terrain, (Recruter, Développer, matière de culture et de
de données, etc.) etc.) Retenir, Engager, etc.) leadership ? (Valeurs, Comportements, etc.)

Figure 2.3 Questions des clients SMART : Dérivation des performances clés
Questions de votre tableau stratégique SMART

réponses à (voir Figure 2.3). Ces questions éclaireront ensuite

sur le type de données que vous devrez collecter pour répondre
ces questions.

3 Le panneau des finances

Le panneau financier vous invite à réfléchir à ce que vous savez

actuellement sur les implications financières de votre stratégie et
ce que vous devrez peut­être encore découvrir.

Comment votre stratégie génère­t­elle de l’argent ? Quelle est l'entreprise

modèle et êtes­vous sûr qu'il est exact ? Quelles hypothèses ont

38
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

Questions sur les finances SMART :

• Quel est le prix optimal du produit/service à
maximiser la croissance des revenus et les marges bénéficiaires ?
• Quelles sont les marges bénéficiaires prévues pour
produit X ?
• Quelle est notre stratégie d'investissement optimale ?
Panneau d'objectif
• Quels éléments de notre offre de services pouvons­nous
Objectif : Quel est notre objectif ? (Énoncé de mission) couper pour économiser de l'argent mais sans affecter
satisfaction du client?
Ambition : Quelle est notre ambition ? (Énoncé de vision) • Comment pouvons­nous minimiser les difficultés financières ?
• Etc.

Panneau Client Panneau des finances Panel Concurrence

et Risques
Marché cible : Quel client ciblons­nous ? (Segment, Marché,
Région, niche, chaînes, etc.) Comment Facteurs de
les objectifs financiers : Comment allons­
nous produire des résultats financiers ? concurrence et
Proposition de valeur : Qu'offrons­nous à nos clients ? (Qualité, Prix, Innovation, risques : Qu'est­ce
Relation, Service, etc.) (Revenus, bénéfices et trésorerie qui menace notre
Génération, Actionnaire succès ?

Valeur)
Panneau des opérations
(Marché,
Partenaires : Quels sont nos partenaires clés avec lesquels nous devons entretenir
une relation ? (Fournisseurs, Distributeurs, Communautés, etc.) (Coût, Productivité, Efficacité) concurrence
et client

Compétences de base : dans quels processus internes devons­nous exceller ? des risques)

(Développer des produits et des services, générer de la demande, répondre à la

demande, réglementaire et social, etc.) (Risques
opérationnels)

Panneau de ressources (Risques financiers)

Systèmes informatiques et Infrastructure : Quels sont Personnes et talents : Culture, valeurs, (Risques informatiques)

données : quels sont les les principaux quels sont les éléments leadership : quels sont les
principaux systèmes livrables en clés en matière de principaux résultats (Risques liés aux personnes)
informatiques et données livrables ? matière d’infrastructure ? personnes et de talents ? attendus en
(Systèmes, réseaux, sources (Propriété, Machinerie, (Recruter, Développer, matière de culture et de
de données, etc.) Terrain, etc.) Retenir, Engager, etc.) leadership ? (Valeurs, Comportements, etc.)

Figure 2.4 Questions SMART Finance : dériver des questions SMART

à partir de votre tableau stratégique SMART

que vous avez réalisé sur les revenus, les bénéfices et la croissance de votre entreprise

vous mettez en œuvre la stratégie ? Combien coûtera la production et

livrer vos produits et services ? En êtes­vous sûr ou est­ce un

deviner? Évidemment, un bon panel de clients aidera à obtenir

le panneau financier à droite et stimuler la croissance des revenus, les bénéfices et les rendements
pour les actionnaires.

Réfléchir à votre situation financière par rapport à votre stratégie déclenchera des

questions financières SMART – ou des questions dont vous avez besoin.

réponses à (voir Figure 2.4). Ces questions éclaireront ensuite

quel type de données vous devrez collecter pour répondre à ces questions

des questions.

39

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

4 Le panneau de commande

Le panneau des opérations vous invite à réfléchir à ce que vous devez réellement
faire en interne pour mettre en œuvre votre stratégie et à ce que vous devrez
peut­être découvrir. Comme le panel de clients, le panel d’opérations comprend
deux éléments : les partenaires et les compétences de base.

Vous devez d’abord déterminer quels fournisseurs, distributeurs, partenaires ou

autres intermédiaires sont essentiels à la mise en œuvre de votre stratégie.
Travaillez­vous actuellement avec ces personnes ou devrez­vous créer des
relations ? Si les relations existent déjà, dans quelle mesure sont­elles saines à
l’heure actuelle ?

De plus, vous devez réfléchir aux compétences de base dans lesquelles vous
devez exceller si vous souhaitez exécuter la stratégie que vous avez choisie. Y a­
t­il des lacunes ? Si oui, dans quelle mesure sera­t­il facile de combler ces lacunes ?
Le savez­vous ou faites­vous des hypothèses ? Quels processus devront être
perfectionnés si vous voulez répondre aux attentes de votre marché cible ?

Une fois que vous comprenez clairement les éléments individuels mis en évidence
dans les panneaux Client, Finance et Opérations, vous devez réfléchir à leur
impact les uns sur les autres. N'oubliez pas que le client, les finances et les
opérations sont au cœur de l'entreprise et qu'ils doivent travailler ensemble.

Réfléchir à vos opérations par rapport à votre stratégie et à la façon dont elles
s'articulent avec vos clients et vos finances déclenchera des questions sur les
opérations SMART – ou des questions auxquelles vous avez besoin de réponses
(voir Figure 2.5). Ces questions permettront ensuite de comprendre ce que

40
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

Questions sur les opérations SMART :

• Comment optimiser notre chaîne d'approvisionnement ?
• Quelles campagnes marketing sont les plus réussies ?
• Comment minimiser les déchets de production ?
Panneau d'objectif
• Comment optimiser nos itinéraires de livraison ?
Objectif : Quel est notre objectif ? (Énoncé de mission) • Quels produits de notre pipeline sont les plus susceptibles
de réussir ?

Ambition : Quelle est notre ambition ? (Énoncé de vision) • Quelle est la force des relations avec notre clé
Fournisseurs?
• Etc.

Panneau Client Panneau des finances Panel

Concurrence et Risques
Marché cible : Quel client ciblons­nous ? (Segment, Marché,
Région, niche, chaînes, etc.) Facteurs de
Objectifs financiers : Comment allons­nous
obtenir des résultats financiers ? concurrence et

Proposition de valeur : Qu'offrons­nous à nos clients ? (Qualité, Prix, Innovation, Relation, Risques : qu'est­ce que c'est

Service, etc.) (Revenus, bénéfices et trésorerie menacer notre réussite ?

Génération, Actionnaire
Valeur)
Panneau des opérations

(Marché,
Partenaires : Qui sont nos partenaires clés dont nous avons besoin pour maintenir une
(Coût, Productivité, Efficacité) concurrence et
relation avec? (Fournisseurs, Distributeurs, Communautés, etc.)
clientèle

des risques)
Compétences de base : quels processus internes devons­nous
exceller dans ? (Développer des produits et des services, générer de la demande,
Répondre à la demande, réglementaire et social, etc.) (Risques
opérationnels)

Panneau de ressources
(Risques financiers)

Systèmes informatiques et Infrastructure : Quels sont les Personnes et talents : Culture, valeurs, (Risques informatiques)

données : quels sont les principaux quels sont les éléments leadership : quels sont les
principaux systèmes livrables en matière clés en matière de principaux résultats attendus (Risques liés aux personnes)
informatiques et données livrables ? d’infrastructure ? personnes et de talents ? en matière de
(Systèmes, réseaux, sources (Propriété, Machinerie, Terrain, (Recruter, Développer, culture et de leadership ?
de données, etc.) etc.) Retenir, Engager, etc.) (Valeurs, Comportements, etc.)

Figure 2.5 Questions sur les opérations SMART : dériver des questions SMART
à partir de votre tableau stratégique SMART

type de données que vous devrez collecter pour répondre à ces

des questions.

5 Le panneau des ressources

Le panneau des ressources vous invite à réfléchir aux ressources que vous

dont vous avez besoin pour mettre en œuvre votre stratégie et ce dont vous pourriez avoir besoin

découvrir. Le panneau de ressources comprend quatre éléments : systèmes et données

informatiques ; Infrastructure; les gens, les talents et les cultures ; et

valeurs et leadership.

41

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Questions sur les ressources SMART :

• Où pouvons­nous recruter au mieux les talents dont nous avons besoin ?
• Quels sont les niveaux d'engagement de nos employés ?
• Quelle est la probabilité que nos employés les plus performants partent ?
Panneau d'objectif
• Quelle est notre image de marque employeur ?

Objectif : Quel est notre objectif ? (Énoncé de mission) • Comment pouvons­nous optimiser la consommation d'énergie dans nos usines ?
• Quel est l'emplacement optimal pour notre centre de distribution ?
• Quels sont nos comportements organisationnels ?
Ambition : Quelle est notre ambition ? (Énoncé de vision)
• Quelle est la perception de notre style de management ?
• Etc.

Panneau Client Panneau des finances Panel Concurrence

et Risques
Marché cible : Quel client ciblons­nous ? (Segment, Marché, Etc.

Région, niche, chaînes, etc.) Facteurs de

Objectifs financiers : Comment allons­nous
obtenir des résultats financiers ? concurrence et

Proposition de valeur : Qu'offrons­nous à nos clients ? (Qualité, Prix, Innovation, Relation, Risques : qu'est­ce que c'est

Service, etc.) (Revenus, bénéfices et trésorerie menacer notre réussite ?

Génération, Actionnaire
Valeur)
Panneau des opérations

(Marché,
Partenaires : Quels sont nos partenaires clés avec lesquels nous devons entretenir une
(Coût, Productivité, Efficacité) concurrence et
relation ? (Fournisseurs, Distributeurs, Communautés, etc.)
clientèle

des risques)
Compétences de base : Dans quels processus internes devons­nous exceller ?
(Développer des produits et des services, générer de la demande, répondre à la demande,
réglementaire et social, etc.) (Risques
opérationnels)

Panneau de ressources
(Risques financiers)

Systèmes informatiques et Infrastructure : Quels sont les Personnes et talents : Culture, valeurs, (Risques informatiques)

données : quels sont les principaux quels sont les éléments leadership : quels sont les
principaux systèmes livrables en matière clés en matière de principaux résultats attendus (Risques liés aux personnes)
informatiques et données livrables ? d’infrastructure ? personnes et de talents ? en matière de
(Systèmes, réseaux, sources (Propriété, Machinerie, Terrain, (Recruter, Développer, culture et de leadership ?
de données, etc.) etc.) Retenir, Engager, etc.) (Valeurs, Comportements, etc.)

Figure 2.6 Questions de ressources SMART : dériver des questions SMART

à partir de votre tableau stratégique SMART

En prenant chacun à tour de rôle, vous devez considérer : Quels systèmes informatiques et quels

Sources de données dont vous aurez besoin pour mettre en œuvre votre stratégie ? Quoi

infrastructure – propriété, machinerie ou usine, allez­vous

besoin? Quels sont vos besoins en termes de personnel et de talents ? As­tu

les bonnes personnes et sinon, pouvez­vous les trouver ? Aurez­vous besoin de

former votre personnel actuel ou recruter de nouvelles personnes ? Et enfin, quoi

sont les principaux résultats attendus en termes de culture et de leadership qui permettront d’y parvenir

stratégie?

Penser aux différentes ressources auxquelles vous aurez besoin d’accéder

par rapport à votre stratégie déclenchera des ressources SMART

des questions – ou des questions auxquelles vous avez besoin de réponses (voir Figure 2.6).

42
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

Encore une fois, ces questions mettront en lumière le type de données que vous devrez

collecter pour répondre à ces questions.

6 Le panel concurrence et risques

Le panel sur la concurrence et les risques vous invite à réfléchir à la concurrence à laquelle

vous serez confronté lorsque vous chercherez à mettre en œuvre votre stratégie et aux

risques auxquels vous pourriez être confronté en cours de route.

Cette perspective de concurrence et de risque est la perspective qui manque le plus

souvent dans les cartes stratégiques et pourtant elle constitue une menace potentielle

sérieuse à la réussite de l’exécution stratégique. Compte tenu de ce que vous cherchez à

réaliser, qui est votre principal concurrent et pourquoi ? Qu’est­ce qui menace

potentiellement votre réussite ? Existe­t­il des risques spécifiques liés au marché, aux

clients, à la concurrence ou à la réglementation qui pourraient faire dérailler votre

stratégie ? Quels sont les risques opérationnels, financiers ou liés aux talents auxquels

vous êtes confronté ?

Réfléchir à vos concurrents et aux différents risques auxquels vous pourriez être confronté

déclenchera des questions SMART sur la concurrence et les risques – ou des questions

auxquelles vous avez besoin de réponses (voir Figure 2.7). Ces questions mettront ensuite

en lumière le type de données que vous devrez collecter pour répondre à ces questions.

Les questions intelligentes sont la réponse

Compte tenu de la fureur qui entoure le Big Data et l’analyse, il est incroyablement facile

de se sentir dépassé et intimidé. Chaque fois que vous allumez la télévision ou ouvrez un

journal de gestion, vous découvrez une nouvelle histoire d'informations impressionnantes

rendues possibles par le Big Data. Mais le

43

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Questions SMART sur la concurrence et les risques :

• Quelles tendances de consommation menacent notre
modèle d'affaires?

• Quels sont nos plus grands risques en matière de sécurité informatique ?

• Lequel de nos principaux fournisseurs est le plus susceptible d'avoir

des difficultés de livraison ?
• Quel est le fil conducteur de notre marque employeur ?
Panneau d'objectif • Quels sont nos principaux risques financiers ?
• Etc.
Objectif : Quel est notre objectif ? (Énoncé de mission)

Ambition : Quelle est notre ambition ? (Énoncé de vision)

Panneau Client Panneau des finances

Panel
Concurrence et Risques
Marché cible : Quel client ciblons­nous ? (Segment, Marché, Etc.

Région, niche, chaînes, etc.) Facteurs de

Objectifs financiers : Comment allons­nous
obtenir des résultats financiers ? concurrence et

Proposition de valeur : Qu'offrons­nous à nos clients ? (Qualité, Prix, Innovation, Relation, Risques : qu'est­ce que c'est

Service, etc.) (Revenus, bénéfices et trésorerie menacer notre réussite ?

Génération, Actionnaire
Valeur)
Panneau des opérations

(Marché,
Partenaires : Quels sont nos partenaires clés avec lesquels nous devons entretenir une
(Coût, Productivité, Efficacité) concurrence et
relation ? (Fournisseurs, Distributeurs, Communautés, etc.)
clientèle

des risques)
Compétences de base : dans quels processus internes devons­nous exceller ? (Développer
des produits et des services, générer de la demande, répondre à la demande, réglementaire
et social, etc.) (Risques
opérationnels)

Panneau de ressources
(Risques financiers)

Systèmes informatiques et Infrastructure : Quels sont les Personnes et talents : Culture, valeurs, (Risques informatiques)

données : quels sont les principaux quels sont les éléments leadership : quels sont les
principaux systèmes livrables en matière clés en matière de principaux résultats attendus (Risques liés aux personnes)
informatiques et données livrables ? d’infrastructure ? personnes et de talents ? en matière de
(Systèmes, réseaux, sources (Propriété, Machinerie, Terrain, (Recruter, Développer, culture et de leadership ?
de données, etc.) etc.) Retenir, Engager, etc.) (Valeurs, Comportements, etc.)

Figure 2.7 Questions de concurrence et de risque SMART : dériver SMART

Questions de votre tableau stratégique SMART

La réalité est que la plupart des entreprises n’auront jamais l’argent, les capacités technologiques

ou le talent nécessaires pour exploiter sans fin des ensembles de données vastes et désordonnés.

l’espoir de dénicher une pépite digne d’intérêt. Et c'est OK.

Se concentrer sur les questions SMART permet d’oublier le Big Data

et nous concentrer sur les données SMART afin de déterminer exactement ce que nous
besoin de savoir et de se concentrer là­dessus.

Peu d’entreprises ont le temps, l’envie ou les ressources de collecter

des quantités infinies de données afin de répondre à des questions auxquelles ils n'ont pas répondu

besoin de demander ou s'en fiche de répondre. Ce n'est pas productif

ou pratique.

44
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

La vérité est que nous sommes tellement fascinés par les données que nous avons
oubliées, qu'en réalité la question est bien plus importante que la réponse que les
données peuvent, pourraient ou devraient fournir. Et vous devez savoir à quelles
questions vous avez besoin de réponses avant de vous plonger dans les données –
volumineuses ou autres.

Les questions SMART vous permettent d'articuler exactement ce que vous devez
savoir concernant chacun de vos objectifs stratégiques afin que vous puissiez vous
concentrer sur ce qui sera stratégiquement important et écarter le reste. Ces questions
vous aident donc à identifier vos besoins en informations afin que vous puissiez
identifier les métriques et les données (M dans SMART) que vous devez collecter
pour vous aider à répondre à vos questions SMART.

Les questions SMART vous aident, vous et votre équipe de direction, à :

Voyez le bois des arbres pour savoir ce qui est important et ce qui ne l'est
pas.

Comprenez la pertinence des données recherchées car les questions SMART

indiquent à chacun ce qui est le plus important de votre entreprise
les préoccupations sont.

Communication ouverte et discussion guidée.

Prenez de meilleures décisions fondées sur des données probantes.

Pour chaque panneau (sauf le panneau d'objectif) de la stratégie SMART

Conseil:

1 Identifiez un petit nombre de questions SMART (généralement deux

à cinq).

45

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

2 Engagez le personnel clé de chaque « panel » dans la création des questions

SMART pour faciliter l'adhésion.

3 Dans la mesure du possible, posez vos questions SMART de manière claire et

concis.

4 Utilisez vos questions SMART pour guider vos besoins en données afin de fournir

des informations pertinentes et significatives plutôt que d'être submergé par les

données.

Analyses SMART et Google

Les entreprises qui réussissent aujourd’hui prennent des décisions fondées sur des
faits et des informations fondées sur des données, et non sur des opinions, des
intuitions ou même des expériences. Que vous ayez accès à des tonnes de données
ou non, si vous commencez par une stratégie et identifiez les questions SMART
auxquelles vous avez besoin de réponses pour obtenir vos résultats, vous serez
alors sur la bonne voie pour améliorer les performances et exploiter la puissance
principale des données.

Chaque manager a désormais la possibilité d’utiliser les données pour étayer sa prise

de décision avec des faits réels. Et Google est une entreprise qui sait parfaitement

exploiter la chaîne de valeur analytique.

Google est l'une des entreprises les plus prospères au monde. L'entreprise compte 28

000 employés ou « Googleurs » répartis dans 60 bureaux répartis dans plus de

30 pays. Contrairement à la plupart des services RH, l'équipe RH de Google déclare

que « toutes les décisions relatives aux personnes chez Google sont basées sur des

données et des analyses ».

Google savait que la plupart des décisions RH sont basées sur des opinions. "J'ai juste

un bon pressentiment à propos de ce type", une intuition ou une hypothèse

46
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

d'ajustement basé sur le préjugé inconscient de la personne qui prend la décision finale

la décision joue généralement un rôle plus important dans le recrutement que n’importe lequel d’entre nous

voudrait l'admettre.

Par défaut, les RH ont toujours été un entrepôt de données – qui travaille dans le

entreprise, depuis combien de temps ils sont là, combien de jours de maladie ont

ils ont pris, combien ils gagnent, quand ont­ils été promus pour la dernière fois,

combien de personnes ils dirigent, leurs qualifications, etc.

Comme la plupart des entreprises, Google s'est également rendu compte que les données

brutes structurées ne suffisaient pas à elles seules. Il était important de tirer un aperçu

à partir de ces données, ils ont donc appliqué des indicateurs de performance clés. Les

métriques se sont révélées très intéressantes car elles apportaient encore plus
informations en termes de ratios, de comptes ou de tendances de ce qui a été

qui se produit dans l'entreprise au fil du temps. Le défi avec les métriques est que lorsque le

tableau de bord des métriques est distribué fréquemment

suffisamment pour un nombre suffisant de personnes, ils deviennent insensibles

tableau de bord. Google estime que les statistiques sont importantes car

ils servent de point de départ pour comprendre ce qui se passe mais ils n'aident pas

nécessairement à prendre des décisions ou à conduire

action.

Google a ensuite analysé les métriques et les données pour identifier les relations

et les corrélations au sein des données, identifier les tendances et les populations

particulières. Finalement, cela a conduit à des idées qui influencent les décideurs et l'action.

Et ces informations sont ensuite intégrées dans

processus, politique d'entreprise ou nouvelles initiatives afin que les avantages soient générés
dans l'entreprise.

Le projet Oxygen est un exemple de ce processus qui commence par une opinion et se

termine par une action.

47

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Étude de cas : Projet Oxygène

Le projet Oxygène a été mené par le People and Innovation Lab

(PiLab), qui fait partie du groupe Google People Analytics. PiLab
est un groupe de spécialistes des sciences sociales, qui font souvent équipe avec
des chercheurs universitaires pour répondre à certaines questions ou problèmes à
plus long terme de Google. Ils relèvent des défis qui ne constituent pas
nécessairement des préoccupations immédiates pour l'entreprise mais qui pourraient néanmoins
améliorer les performances et conduire à des avancées.

Le PiLab se penchait souvent sur des questions importantes pour la productivité,

la performance et le succès, mais pas nécessairement urgentes. Leur
mission est de « mener des recherches innovantes qui transforment notre

pratique à la fois au sein de Google et au­delà ».

L'un des mythes ou opinions de Google qui ont émergé dès le début
À l'époque de l'entreprise, les managers n'avaient pas beaucoup d'importance.
En tant qu'entreprise technologique, les emplois ayant le statut le plus élevé que tout le monde

les emplois recherchés étaient les emplois technologiques et non les emplois de gestion des ressources humaines. Dans

En fait, les cofondateurs de Google, Larry Page et Sergey Brin (tous deux
spécialistes de l'informatique et de la technologie en ingénierie) étaient si sûrs que
les gestionnaires n'avaient pas beaucoup d'importance pour l'entreprise qu'ils ont décidé
pour se débarrasser de tous et faire de chacun un contributeur individuel. Cela n'a
pas bien fonctionné et les managers ont été réintégrés
entreprise. Mais le stigmate persistait : ils ne faisaient vraiment pas
autant et les managers n’étaient pas aussi précieux ni valorisés que les techniciens.
L'opinion ou l'hypothèse qui prévaut à
cette fois­ci, il n’y avait pas vraiment d’impact prouvé sur ce qui
les gestionnaires de personnes amenés à la table, par opposition aux techniciens
professionnels.

48
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

Le PiLab a donc décidé de déterminer si la stigmatisation était justifiée ou non.

Et pour ce faire, ils ont commencé par une question : « Les managers ont­ils
réellement un impact positif chez Google ? »

La première chose qu’ils ont faite a été d’examiner des sources de données
déjà existantes : évaluations de performances et enquêtes auprès des
employés. De nombreuses entreprises ont examiné ces types de sources de
données sous deux angles différents : de bas en haut (enquête auprès des
employés) et de haut en bas (évaluation des performances). En traçant les
résultats sur un graphique, tous les managers semblaient être assez étroitement
regroupés et il semblait qu'ils se débrouillaient bien. Mais le graphique ne
répond pas à la question : « Les managers ont­ils réellement un impact positif chez Google ? »

Afin de répondre à cette question, ils ont dû examiner les données de plus près
et les découper en sections, en examinant spécifiquement le quartile supérieur
(les meilleurs gestionnaires) et le quartile inférieur (les pires gestionnaires).
Une analyse plus approfondie a été réalisée sur les performances des meilleurs
et des pires managers, en fonction de la productivité de leurs équipes, de la
satisfaction de leurs employés, de la probabilité que leurs employés restent
dans l'entreprise, etc. Et les résultats ont été étonnants.
Même si la plupart des managers semblaient être étroitement regroupés sur le
graphique, une enquête plus approfondie, y compris une analyse de régression,
a mis en évidence des différences statistiquement significatives entre les
meilleurs et les pires managers du cluster.

Cette analyse a clairement répondu à la question. Les managers comptent et

ils peuvent avoir un impact positif chez Google.

Mais l’information à elle seule n’allait pas vraiment changer quoi que ce soit.
Ils ont donc posé de nouvelles questions auxquelles ils voulaient répondre :
"Qu'est­ce qui fait un bon manager chez Google ?"

49

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Si l’équipe du PiLab pouvait isoler les problèmes qui font la différence

Par conséquent, ces informations pourraient ensuite être utilisées pour aider les

managers en difficulté à améliorer et orienter les recrutements futurs. Ils n’avaient

aucune idée de la manière dont les bons managers devenaient bons ni de ce qui les
rendait si efficaces par rapport aux autres.

Pour répondre à cette nouvelle question, le PiLab a lancé deux études

qualitatives différentes. La première était d'introduire un prix appelé le Grand

Manager Award où les subordonnés directs pouvaient nommer un manager en

rédigeant des exemples de comportement qui, selon eux, qualifiaient ce manager pour

le prix. Ces données ont ensuite été codées et analysées pour découvrir s’il existait

des exemples courants de grandes choses accomplies par de grands managers.

Dans le même temps, ils ont introduit une étude par entretien en double aveugle dans

laquelle ils ont interrogé des managers du quartile supérieur et inférieur, même si ni

le manager ni l'enquêteur ne savaient à quel quartile appartenait la personne interrogée.

Encore une fois, les transcriptions des entretiens ont été codées et analysées dans le

but de comprendre ce que faisaient les grands managers par rapport à ce que faisaient

les moins grands managers.

Sur la base de ces données, ils ont identifié huit comportements généralement adoptés

par les meilleurs managers de Google et trois pièges dans lesquels les managers en

difficulté avaient tendance à tomber.

Chez Google, un grand manager :

1 Est un bon entraîneur.

2 Donne du pouvoir à l’équipe et ne fait pas de microgestion.

50
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

3 Exprime son intérêt/souci pour le succès des membres de l'équipe et

bien­être personnel.

4 Est productif et axé sur les résultats.

5 Est un bon communicateur – écoute et partage des informations.

6 Aide au développement de carrière.

7 A une vision/stratégie claire pour l’équipe.

8 Possède des compétences techniques importantes qui l'aident à conseiller les

équipe.

Il est facile de regarder cette liste de huit attributs et de penser qu'ils sont évidents. Et

certainement, si vous demandiez à la plupart des gens de nommer les attributs qui

caractérisent un bon manager, ces huit seraient probablement parmi les 20 ou 30

comportements mentionnés. L'analyse des personnes a permis d'identifier définitivement

les huit comportements qui ont le plus grand impact sur les managers de Google.

Les pièges qui pourraient causer des difficultés à un manager sont les suivants :

1 A eu une transition difficile (par exemple, soudainement promu ou embauché

de l'extérieur avec peu de formation).

2 Manque de philosophie/approche cohérente en matière de gestion du rendement

et de développement de carrière.

3 Consacre trop peu de temps à la gestion et à la communication.

Ce qui rend ces informations si puissantes chez Google, c'est qu'ils les ont poussées

encore plus loin et ont commencé à mesurer les personnes sur ces attributs. Google a

mis en œuvre des enquêtes d'évaluation ascendantes dans lesquelles les subordonnés

directs de chaque manager évaluent son manager deux fois par an.

51

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

année et le manager obtient les résultats. Il ou elle s’attend alors à ce qu’il prenne
des mesures pour améliorer les points faibles – en particulier autour de ces huit traits
positifs et trois pièges. Google a continué à organiser le Great Manager Award pour
récompenser ceux qui font ces choses particulièrement bien, offrant ainsi des
modèles supplémentaires aux autres managers.

En outre, Google a repensé les programmes de formation des managers et créé de

nouveaux plans de communication pour faire savoir aux gens sur quoi ils sont jugés
et quelles sont certaines des meilleures pratiques de Google.

De cette façon, Google est passé de l'opinion : « Les managers n'ont pas d'impact
sur les performances » à l'utilisation des données et des mesures pour prouver que
les bons managers avaient un impact statistiquement significatif sur les performances
de l'équipe, l'engagement des employés, le taux de désabonnement et la productivité.
En extrayant les informations de cette analyse, Google a ensuite pu identifier et
articuler ce qui faisait un excellent manager chez Google et ce qui causait des
difficultés aux managers moins compétents. Ces informations ont ensuite été
intégrées à la culture de Google grâce à une mesure continue de ces facteurs, qui
agit comme un système d'alerte précoce pour détecter à la fois les managers
performants et ceux en difficulté. Pour ceux qui sont en difficulté, ils ont accès à une
formation et à un soutien améliorés, ainsi qu'à de nombreux modèles dont ils peuvent
apprendre, identifiés et célébrés via le Great Manager Award.3

Et tout cela a été possible parce qu’ils sont partis de la bonne question ; affiner leur
question jusqu'à ce qu'ils arrivent à une réponse pratique et vérifiable

3Dekas, K. (2011) Strata Jumpstart : Kathryn Dekas, Analyse des personnes : utiliser
les données pour piloter la stratégie et l'action RH. You Tube http://www.youtube.com/
watch?v=l6ISTjupi5g

52
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

hypothèse qui a amélioré les performances de gestion au sein de Google.

Lorsque vous commencez par une question ou une hypothèse et que vous cherchez
à trouver et à analyser uniquement les données qui peuvent répondre directement à
cette question, vous vous éloignez du débordement de « toutes les données » et de
la panique dont vous aurez besoin pour tout collecter et tout analyser. , à une enquête
beaucoup plus gérable et sensée. C'est le pouvoir des questions SMART.

Un fait qui n'a clairement pas échappé au président exécutif de Google, Eric Schmidt4,
qui déclare : « Nous dirigeons l'entreprise par des questions, pas par des réponses.
Ainsi, dans le processus stratégique, nous avons jusqu'à présent formulé 30
questions auxquelles nous devons répondre... Vous les posez sous la forme d'une

question plutôt que d'une réponse concise, et cela stimule la conversation.

Selon l'étude IDC sur l'univers numérique réalisée en 2013, seuls 22 % des informations
de l'univers numérique étaient susceptibles d'être analysées et seulement 5 % ont été
réellement analysées. IDC prédit que le pourcentage utile atteindra plus de 35 %
d’ici 2020 et que plus de 10 % seront analysés pour produire des informations
véritablement utiles. Il est donc de plus en plus important que nous apprenions à tirer
parti des nouvelles technologies Big Data et analytiques ainsi que des nouvelles
sources, types et formes de données et que nous les appliquions de manière SMART
à de nouveaux secteurs de l’entreprise. Ce meilleur des mondes présente
d’importantes opportunités et d’importantes menaces. Il existe, comme nous
l’explorerons dans le prochain chapitre, une grande quantité de données précieuses
dans l’univers numérique, mais il faudra de l’intelligence, de la détermination et des
compétences pour y parvenir.

4Press, Gil (2012) Actualités Big Data de la semaine : scientifiques des données sexy et sociales.
Forbes.com, 24 novembre 2012.

53

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

trouvez­le et utilisez­le.5 Si vous commencez par une stratégie, cela devient

possible.

Avant de lancer votre entreprise dans ce meilleur des mondes, commencez par
une stratégie, articulez et clarifiez votre objectif. Assurez­vous que vous et votre
équipe de direction comprenez ce que votre entreprise cherche à réaliser. Une
fois que vous avez atteint cet objectif, identifiez quatre ou cinq questions SMART
pour chacun de vos panels SMART Strategy Board concernant les clients, les
finances, les opérations, les ressources, la concurrence et les risques. Une fois
que vous savez ce que vous devez savoir dans ces domaines d'activité critiques,
utilisez ces questions pour déterminer les mesures et les données que vous
mesurez...

Points clés et appel à l’action

Une entreprise plus intelligente commence toujours par une stratégie, quelle que soit
sa taille.

Au lieu de commencer par les petites ou grandes données auxquelles

vous pourriez ou devriez accéder (ce qui est une recette pour l'échec et
le dépassement), commencez par déterminer ce que votre entreprise
cherche à réaliser.

Utilisez le SMART Strategy Board pour considérer vos objectifs

stratégiques pour chaque domaine clé de votre entreprise et donc les
informations dont vous avez besoin pour répondre à vos quatre ou cinq
questions SMART pour chaque domaine.

Quelle est votre stratégie client et de quelles informations avez­vous

besoin pour vous aider à mettre en œuvre cette stratégie ?

5IDC The Digital Universe Study (avril 2014) sponsorisée par EMC2.

54
************************************************** ********************
Machine Translated by Google

************************************************** *******************

S = COMMENCER PAR LA STRATÉGIE

Quelle est votre stratégie financière et de quelles informations avez­

vous besoin pour vous aider à mettre en œuvre cette stratégie ?

Quelle est votre stratégie opérationnelle et de quelles informations

avez­vous besoin pour vous aider à mettre en œuvre cette stratégie ?

De quelles ressources aurez­vous besoin pour atteindre vos objectifs

clients, financiers et opérationnels ?
Et de quelles informations aurez­vous besoin pour ce faire ?

À quelle concurrence et à quels risques serez­vous confronté lorsque vous

chercherez à mettre en œuvre votre stratégie ? Et de quelles informations

aurez­vous besoin pour ce faire ?

La seule exception à la stratégie est si vous disposez déjà d’un vaste

réservoir de données numérisées. Dans ce cas, utilisez 10 % de votre
budget pour la découverte de données pour voir si les données génèrent
des corrélations ou des opportunités commerciales inattendues.

N’oubliez cependant pas que les données ont une durée de conservation.
Passer énormément de temps et d'argent à numériser d'anciens dossiers
clients d'il y a 20 ans n'est probablement pas la meilleure utilisation de votre
ressources.

55

************************************************** ********************
Machine Translated by Google

************************************************** *******************

************************************************** ********************
Machine Translated by Google

************************************************** *******************

3
M = MESURE
MÉTRIQUES ET DONNÉES

Dans la fureur autour du Big Data, il est facile d’oublier qu’il ne s’agit que de données.
Il peut y avoir plus de données que jamais auparavant et de nouvelles formes de
données, mais ces données ne sont vraiment utiles que si nous pouvons les utiliser
pour répondre aux questions SMART.

Cependant, ce qui suit pourrait mettre en perspective le « battage médiatique » du

Big Data. Si l’on prend toutes les données créées dans le monde entre l’aube de la
civilisation et l’année 2010, la même quantité de données sera bientôt générée chaque
minute. Prenons l'exemple de l'astronomie : jusqu'en 2000, de nombreuses données
avaient été collectées sur le sujet et pourtant, lorsque le Sloan Digital Sky Survey a
commencé en 2000, son télescope au Nouveau­Mexique a collecté plus de données
au cours de ses premières semaines de fonctionnement qu'il n'en avait déjà été.

accumulées dans l’histoire de l’astronomie. Au cours de la décennie qui a suivi, 140

téraoctets d’informations ont été collectés. Au cas où vous vous demanderiez quelle
quantité de données cela représente, cela équivaut à 700 000 films, ce qui
nécessiterait un peu moins de 160 ans de visionnage continu pour tous les voir.
Quand le

57
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Le successeur du télescope du Nouveau­Mexique sera mis en service en 2016 et pourra

acquérir 140 téraoctets tous les cinq jours !1 Et la raison de cette explosion de données

est la datafication du monde et notre capacité toujours croissante à analyser ces

données émergentes. Et c’est essentiellement cette combinaison critique de facteurs qui

a donné naissance au « Big Data ».

L'idée de base derrière l'expression « Big Data » est que tout ce que nous faisons dans

notre vie laisse ou laissera bientôt une trace (ou des données) numérique qui peut être

utilisée et analysée.

La capacité d’exploiter des quantités toujours croissantes de données transforme

complètement notre capacité à comprendre le monde et tout ce qu’il contient. Et même

si les entreprises capturent et analysent des données depuis des années, cette datation

mondiale signifie que la vitesse à laquelle nous générons de nouvelles données est

effrayante. Par exemple, 30 milliards de contenus sont téléchargés chaque jour sur

Facebook uniquement ! L’univers numérique double de taille tous les deux ans.

À ce rythme, d’ici 2020, il y aura presque autant de bits d’information dans

l’univers numérique qu’il y a d’étoiles dans l’univers physique.2

En outre, les progrès considérables réalisés en matière de stockage informatique et de

puissance de traitement nous ont permis pour la première fois d'analyser des ensembles

de données volumineux, complexes et désordonnés. Avant d'examiner comment exploiter

les métriques et les données, nous examinons d'abord les différents types et formes de

données, puis discutons de ce qu'est réellement le Big Data ainsi que des problèmes de

confidentialité liés à la collecte de grands ensembles de données.

1Mayer­Schonberger, V. et Cukier, K. (2013) Big Data : une révolution qui transformera

notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.
2IDC The Digital Universe Study (avril 2014) sponsorisée par EMC2.

58
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Types de données

Le Big Data, la science des données et l'analyse commerciale fonctionnent avec des données
structurées et non structurées. Mais les affaires SMART se produisent lorsque nous

Combinez des ensembles de données existants avec des données non structurées ou semi­
structurées provenant de sources internes et externes.

Données structurées

Les données structurées fournissent la plupart de nos informations commerciales actuelles, mais

sont souvent considérées comme « anciennes » et un peu ennuyeuses – surtout en comparaison

avec leur cousine rock star, les données non structurées – il est facile d'ignorer les données

structurées. Mais c’est une erreur, car de nombreuses informations Big Data sont générées en

combinant des données structurées et non structurées.

Données situées dans un champ fixe au sein d'un enregistrement ou d'un fichier défini

est appelée données structurées. Cela inclut les données contenues dans les relations

bases de données et feuilles de calcul.

Voici des exemples de données structurées :

Données du point de vente

Données financières

Données client.

Comme son nom l'indique, les données structurées font référence à des données ou des

informations qui ont un modèle de données prédéfini ou qui sont organisées d'une manière

prédéterminée.

59

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Un modèle de données est un modèle des types de données commerciales que

votre entreprise enregistrera et de la manière dont ces données seront stockées,
traitées et consultées. Dans ce modèle de données, les champs de données que
vous souhaitez capturer doivent être définis et toutes les conventions définies
concernant la manière dont ces données seront stockées. Par exemple, si vous
consultez une base de données client standard, les champs définis incluront le nom,

l'adresse, les numéros de téléphone des contacts, l'adresse e­mail, etc. Dans ces
champs, des conventions peuvent également être définies, par exemple le champ
du numéro de téléphone. n'acceptera que des informations numériques. Ces
conventions peuvent également inclure des menus déroulants qui limitent les choix
de données pouvant être saisies dans un champ, garantissant ainsi la cohérence

de la saisie. Par exemple, un champ « Titre » dans une structure de nom peut
uniquement vous proposer certaines options, telles que M., Mme, Mademoiselle,
Mme, Dr, etc.

Les données structurées donnent des noms à chaque champ d'une base de données
et définissent les relations entre les champs. En conséquence, les données
structurées sont faciles à saisir, à stocker et à analyser.

Jusqu’à relativement récemment, la technologie n’avait tout simplement pas la

capacité de stocker, et encore moins d’analyser, autre chose que des données structurées.
Tout ce qui ne rentrait pas dans les bases de données ou les feuilles de calcul était
généralement soit jeté, soit stocké sur papier ou sur microfiche dans des classeurs
ou des installations de stockage.

Les données structurées sont souvent gérées à l'aide du langage de requête

structuré (SQL) – un langage de programmation créé à l'origine par IBM dans les
années 1970 pour gérer et interroger les données dans les systèmes de gestion de
bases de données relationnelles. SQL a représenté un énorme pas en avant par
rapport au stockage et à l'analyse de données sur papier, mais tout dans les affaires
ne peut pas s'intégrer parfaitement dans un domaine prédéfini.

60
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Données non structurées et semi­structurées

Les données non structurées et semi­structurées sont comme les enfants

populaires à l’école ! Tout le monde en parle et ils représentent la nouvelle
frontière sexy vantée par le Big Data. On estime que 80 % des informations
pertinentes pour les entreprises proviennent de données non structurées ou
semi­structurées.

Il représente toutes les données qui ne peuvent pas être si facilement insérées dans des colonnes,

des lignes et des champs. Il contient généralement beaucoup de texte, mais peut également contenir

des données telles que des dates, des chiffres et des faits ou différents types de données telles que

des images. Ces incohérences rendent difficile l’analyse à l’aide de programmes informatiques

traditionnels.

Voici des exemples de données non structurées et semi­structurées :

Photos et images graphiques

Vidéos

Sites Internet

Fichiers texte ou documents tels que courriers électroniques, PDF, blogs, publications sur

les réseaux sociaux, etc.

Présentations PowerPoint.

Les données semi­structurées sont un croisement entre les données non structurées et structurées.

turé. Il s'agit de données qui peuvent avoir une certaine structure pouvant être utilisée à des fins

d'analyse, mais qui ne disposent pas de la structure stricte du modèle de données. Dans les

données semi­structurées, des balises ou d'autres types de marqueurs sont utilisés pour identifier

certains éléments au sein des données, mais les données n'ont pas de structure rigide. Par exemple,

une publication Facebook peut être classée par

61

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

auteur, données, longueur et même sentiment, mais le contenu est

généralement non structuré. Un autre exemple est celui d'un logiciel de
traitement de texte qui inclut des métadonnées détaillant le nom de l'auteur,
lors de sa création et de sa modification, mais le contenu du document n'est toujours pas structu

Données internes

Les données internes représentent tout ce dont votre entreprise dispose actuellement ou pourrait accéder.

Cela inclut les données privées ou exclusives qui sont collectées et détenues par l'entreprise dont vous

contrôlez l'accès.

Voici des exemples de données internes :

Commentaires des clients

Données de ventes

Données d'enquête auprès des employés ou des clients

Données vidéo de vidéosurveillance

Données transactionnelles

Données du dossier client

Données de contrôle des stocks

Données RH.

Encore une fois, comme les données structurées, cela n’est pas considéré comme très sexy et tout le

monde se concentre presque entièrement sur les données externes dont ils ne disposent pas

actuellement. Encore une fois, c'est une erreur.

62
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Données externes

Les données externes sont l’ensemble infini d’informations qui existent en dehors de votre entreprise.

Les données externes sont soit publiques, soit privées. Les données publiques sont des données que n’importe

qui peut obtenir – soit en les collectant gratuitement, en payant un tiers pour les obtenir ou en demandant à un

tiers de les collecter pour vous. Les données privées sont généralement quelque chose que vous devrez

obtenir et payer auprès d’une autre entreprise ou d’un fournisseur de données tiers.

Voici des exemples de données externes :

Données météorologiques

Données gouvernementales telles que les données de recensement

Données Twitter

Données de profil sur les réseaux sociaux

Google Tendances ou Google Maps.

Une grande partie du battage médiatique du Big Data se concentre sur les données non structurées et sur

l’attrait et la promesse des données externes, souvent au détriment ou au rejet des données internes ou

structurées.

Il est très important de comprendre qu’aucun type de données n’est intrinsèquement meilleur ou plus précieux

qu’un autre. La clé est de commencer par votre stratégie et d'établir vos questions SMART afin que ces

questions vous guident vers les données les mieux structurées, non structurées, internes ou externes pour

répondre à ces questions et mettre en œuvre la stratégie.

63

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Mais avant d'explorer comment y parvenir, prenons un moment pour apprécier les

nouvelles formes de données qui sont désormais à votre disposition alors que vous

cherchez à répondre à ces questions.

Datification : Les nouvelles formes de données

La plupart des activités humaines et informatiques laissent déjà une trace numérique (ou

des données) qui peuvent être collectées et analysées pour fournir des informations sur

tout, de la santé à la criminalité en passant par les performances des entreprises. Parmi

les rares activités qui ne laissent pas actuellement de trace numérique, elles le feront

bientôt.

Le monde est « dataifié » et il existe désormais de nombreuses formes de données

utiles. Certains formulaires de données sont nouveaux, comme les publications sur les

réseaux sociaux ; d'autres existent depuis longtemps. Par exemple, nous sommes

capables d'enregistrer des conversations depuis longtemps, mais le manque de capacité

de stockage ou de moyen de réellement analyser ces enregistrements limitait leur utilité.

Mais tout cela est en train de changer.

Les données sont désormais extraites de :

Nos activités

Nos conversations

Photos et vidéo

Capteurs

L'Internet des objets.

Données d'activité

De plus en plus d’activités dans lesquelles nous nous engageons laissent une trace de données.

64
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Par exemple, lorsque nous allons en ligne, notre navigateur enregistre ce que nous
recherchons et les sites Web que nous visitons. La plupart des sites Web enregistrent
le nombre de personnes qui visitent le site, où se trouvent ces personnes (en utilisant
le FAI de l'ordinateur), combien de temps la personne est restée sur le site et
comment elle a navigué ou cliqué sur le site. Ces informations sont souvent utilisées
pour évaluer les performances du site Web et supprimer les zones que personne ne
visite tout en améliorant les pages qui semblent susciter le plus d'intérêt.

Si nous décidons de faire du shopping en ligne, il existe un enregistrement de ce que nous

partageons ou aimons et bien sûr de ce que nous achetons, combien nous l'avons payé,

quand nous l'avons acheté, quand il a été livré et souvent ce que nous avons alors pensé

du produit ou du produit. service grâce aux commentaires des utilisateurs.

Si nous décidons de lire un livre, il y a de fortes chances que nous nous tournions de plus

en plus vers un Kindle, un iPad, un smartphone ou une autre liseuse électronique. Il existe

désormais des millions de livres disponibles au format numérique. Certains livres, tels que

les manuels technologiques, qui évoluent rapidement, ne sont souvent même jamais

publiés sous forme de livre imprimé physique.

On estime que 130 millions de livres uniques ont été publiés depuis l’invention de

l’imprimerie Gutenberg en 1450.

En 2012, soit seulement sept ans après le début du projet Google Book, Google avait
numérisé plus de 20 millions de titres, soit plus de 15 % de l'ensemble du patrimoine écrit

mondial !3 Amazon nous donne également un accès étendu aux livres anciens sous forme

numérique.

Lorsque nous utilisons une liseuse, nous ne lisons généralement pas seulement une image

numérique de la page : le texte est dataifié. Cela signifie que nous pouvons changer la

taille de la police, ajouter des notes, surligner du texte ou effectuer une recherche dans le livre.

3Mayer­Schonberger, V. et Cukier, K. (2013) Big Data : une révolution qui transformera

notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.

65

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Cette datafication signifie également que des données sont collectées sur ce que nous lisons,

combien de temps nous lisons, si nous sautons des pages, quelles pages nous annotons et

ce que nous choisissons de mettre en évidence. Ces informations pourraient certainement

s'avérer utiles aux auteurs et aux éditeurs. J'aimerais savoir comment les gens utilisent mes

livres, quelles sections les gens sautent lorsque les lecteurs arrêtent de lire un livre. Cela me

permettrait – ainsi qu’à n’importe quel auteur – de réviser le contenu afin de raccourcir ou

d’améliorer certaines parties afin que les lecteurs aient une meilleure expérience. De plus,

les auteurs et les éditeurs peuvent être en mesure d'identifier des domaines d'intérêt à partir

de passages fréquemment mis en évidence dans de nombreux livres afin d'identifier de

nouvelles tendances thématiques sur lesquelles commander de nouveaux travaux.

Si nous écoutons de la musique à l’aide de notre smartphone ou de notre lecteur de musique

numérique, des données sont également collectées sur ce que nous écoutons, combien de

temps nous écoutons et quelles pistes nous évitons. Et des artistes comme Lady Gaga

utilisent ces données pour créer des listes de lecture pour des concerts et influencer la

création de futures chansons.

Même marcher pour se rendre au travail ou aller à la salle de sport générera des données si

nous portons un appareil intelligent comme le bracelet « Up » ou si nous utilisons une

application sur notre téléphone intelligent. Ces applications et appareils peuvent mesurer le

nombre de pas que nous faisons chaque jour, le nombre de calories que nous brûlons, la

qualité de notre sommeil, enregistrer nos activités et nos exercices, fournir des informations
et célébrer les étapes importantes. Certains appareils mesurent également notre fréquence cardiaque et

souvent notre variation de fréquence cardiaque (VRC). Le VRC mesure les infimes

variations dans l'intervalle entre chaque battement cardiaque et s'est avéré être une mesure

importante pour prédire les problèmes de santé. Par exemple, depuis 1965, il est courant

en obstétrique de surveiller le VRC d'un bébé pendant le travail pour déceler les premiers

signes de détresse fœtale.4

4Neilson, JP et Mistry, RT (2000) Électrocardiogramme fœtal et enregistrement de la fréquence

cardiaque pour la surveillance fœtale pendant le travail. Base de données Cochrane des revues
systématiques (2).

66
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

En 1997, Jacqueline Dekker, professeur d'épidémiologie du diabète au centre

médical universitaire VU d'Amsterdam, et ses collègues ont découvert que le VRC
était capable de prédire la mort, non seulement chez les bébés ou les victimes de
crise cardiaque, mais également « toutes causes confondues ».5 De toute évidence,
les données sur le VRC seraient utiles à tous et des appareils tels que les montres
intelligentes seront capables de collecter ces données.
données.

Beaucoup de ces appareils portables sont désormais connectés à Internet, ce qui

leur permet de générer et de partager eux­mêmes des données. Il est également
presque inévitable que de nombreux appareils et applications portables actuels
soient engloutis par la montre intelligente de la même manière que les iPod ont été
engloutis par les iPhones.

La société qui fabrique le groupe « Up », Jawbone, collecte désormais des données

sur le sommeil de millions de personnes à travers le monde (dont moi). Cela signifie
qu'ils ont un accès inégalé à des années de données sur le sommeil – chaque nuit !
Aucune entreprise sur la planète n’a jamais disposé d’un tel type de données ou
d’un tel volume de données.

Jawbone est ensuite capable d'analyser les données pour mieux comprendre le sommeil,

nos habitudes de sommeil et ce qui perturbe ces habitudes. Par exemple, Jawbone

pourrait examiner les données et déterminer combien d'heures de sommeil sont perdues

en moyenne lorsque le Superbowl est diffusé aux États­Unis ou combien de temps il faut

normalement aux voyageurs pour retrouver des habitudes de sommeil normales s'ils volent

entre New York et San Francisco ou entre Londres et

Sidney.

5Dekker, JM, Schouten, EG, Klootwijk, P., Pool, J., Swenne, CA et Kromhout, D. (1997)
La variabilité de la fréquence cardiaque à partir de courts enregistrements
électrocardiographiques prédit la mortalité toutes causes confondues chez les hommes d'âge moyen et âgé
L'étude Zutphen, American Journal of Epidemiology 145 (10).

67

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Données de conversation

De plus en plus, nous laissons également des enregistrements numériques de nos

conversations – que ce soit par SMS lorsque nous écrivons un message SMS, sur les

réseaux sociaux ou par un enregistrement audio d'un appel téléphonique.

Pensez simplement aux milliards d’e­mails envoyés et stockés chaque semaine. En fait,

vingt millions d’e­mails ont été écrits le temps de lire cette phrase.6

Nous utilisons les médias sociaux pour communiquer et interagir les uns avec les autres,

ce qui crée des quantités insondables de données. Consultez ces statistiques :

Plus d'un milliard de tweets sont envoyés toutes les 48 heures.

Un million de comptes sont ajoutés chaque jour à Twitter.

Toutes les soixante secondes, 293 000 mises à jour de statut sont publiées sur
Facebook.

Deux nouveaux membres rejoignent LinkedIn chaque seconde (172 800 par jour)

72 % des adultes en ligne utilisent les sites de réseaux sociaux.

25 % des utilisateurs de Facebook ne se soucient jamais d’aucun type de contrôle

de confidentialité.

L'utilisateur moyen de Facebook crée chaque mois 90 éléments de contenu,

notamment des liens, des actualités, des albums photo, des notes et des vidéos.

6Centre IACP pour les faits amusants sur les médias sociaux http://www.iacpsocialmedia.org/
Resources/FunFacts.aspx .

68

************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Étonnamment, les habitants de la ville de New York ont reçu des tweets
sur le tremblement de terre d’août 2011 à Mineral, en Virginie, 30 secondes
avant de le ressentir.7

Il existe également déjà des millions de sites Web et de blogs qui contribuent à la
conversation. On estime que 571 nouveaux sites Web sont créés chaque minute
de la journée. Chaque minute, les propriétaires de Tumblr publient environ 27
778 nouveaux articles de blog et 3 millions de nouveaux blogs sont mis en ligne
chaque mois.8

À cela s’ajoutent les données collectées lors de nos conversations téléphoniques.

Si vous appelez un service client, on nous dit toujours que la conversation peut
être enregistrée. Souvent, ces données sont exploitées pour le contenu et les
sentiments, et même analysées pour déterminer le niveau de stress dans la voix
de quelqu'un afin d'évaluer à quel point les clients sont irrités !

Les données audio sont également utilisées pour améliorer les logiciels de
reconnaissance vocale et de traduction. Par exemple, Google a décidé de se
lancer dans la traduction en 2006 dans le cadre de sa mission « d'organiser
l'information mondiale et de la rendre universellement accessible et utile ». La
plupart des logiciels de traduction utilisent des pages de texte parfaitement
traduites pour créer les algorithmes, mais Google a utilisé l'intégralité de l'Internet
mondial et bien plus encore. Leur système aspirait toutes les traductions – bonnes
et mauvaises – qu’il pouvait trouver afin d’entraîner les ordinateurs de traduction.
En raison du volume considérable de données auxquelles ils ont pu accéder et
utiliser, la traduction de Google est plus précise que tout autre système. À la
mi­2012, son ensemble de données couvrait plus de 60 langues et acceptait même

7IACP Centre for Social Media Fun Facts http://www.iacpsocialmedia.org/Resources/

FunFacts.aspx .
8Centre IACP pour les faits amusants sur les médias sociaux http://www.iacpsocialmedia.org/
Resources/FunFacts.aspx .

69
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

saisie vocale en 14 langues pour une traduction fluide.9 Ce n'est toujours pas parfait, mais à

mesure que le système apprend de la traduction correcte et de la traduction incorrecte, il y a

de fortes chances que ce soit le cas à l'avenir.

Données d'images photo et vidéo

Encore une fois, les données collectées et stockées sont stupéfiantes. Les appareils photo

numériques et les téléphones intelligents prennent et partagent plus de photos et de vidéos

que jamais. Consultez ces statistiques :

Chaque jour, 350 millions de photos sont téléchargées sur Facebook, ce qui équivaut

à 4 000 photos par seconde.

Les utilisateurs de Flickr téléchargent chaque jour 3,5 millions de photos sur le site.

Environ 100 heures de vidéo sont téléchargées sur YouTube chaque minute.

Plus de 45 millions de photos sont téléchargées chaque jour sur Instagram.

En juin 2013, les utilisateurs d'Instagram avaient partagé plus de 16 milliards de

photos.10

Certes, partager ce que nous avons mangé pour le dîner ou une photo de notre nouveau

Un chiot labrador ne changera pas le monde, mais cette pléthore de photos, de vidéos (et de

données textuelles) sauve déjà des vies en cas de catastrophe

zones.

9Mayer­Schonberger, V. et Cukier, K. (2013) Big Data : une révolution qui transformera

notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.
10Centre IACP pour les faits amusants sur les médias sociaux http://www.iacpsocialmedia.org/
Resources/FunFacts.aspx .

70
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Lorsque le typhon Hiayan a frappé les Philippines en 2013, par exemple, plus de
6 000 personnes ont été tuées et 1,1 million de maisons ont été endommagées
ou détruites en quelques heures. Au Royaume­Uni, une équipe de bénévoles créait
une carte vitale des zones endommagées en utilisant uniquement les médias sociaux.
Parce qu’il est désormais très courant que les gens partagent leurs expériences
au fur et à mesure qu’elles se déroulent presque en temps réel, des photos, des
tweets (#Hiayan) et des vidéos sur la catastrophe ont été publiés sur les réseaux
sociaux. Au lendemain de Hiayan, les volontaires recevaient en moyenne un million
de photos, messages, tweets, vidéos, etc., chaque jour !

Après avoir filtré les millions de messages grâce à l’intelligence artificielle pour
sélectionner ceux qui pourraient être importants, l’équipe de bénévoles a ensuite
évalué ce qu’elle avait vu. Par exemple, pour une photographie, on leur
demanderait : « Combien de dégâts voyez­vous ? » et il leur suffisait de cliquer sur
le bouton approprié : « aucun », « léger » ou « grave ». Pour les messages textuels
tels que les tweets ou les mises à jour de Facebook, il a été demandé au volontaire
de décider si le texte était « non pertinent », « demande d'aide », « dégâts aux
infrastructures », « déplacement de population », « pertinent mais autre », etc.
Chaque élément de données (image, vidéo ou message) a ensuite été évalué par
trois à cinq personnes différentes pour s'assurer que l'évaluation était cohérente
et donc probablement exacte.

En repérant d'où provenaient les données aux Philippines (à l'aide de capteurs

GPS dans les photos ou à travers le texte), le travail des volontaires a ensuite créé
une carte en ligne, non seulement de la zone sinistrée mais des besoins dans
chaque zone.

Cela signifiait que lorsque les secours en cas de catastrophe arrivaient dans le

Aux Philippines, ils n'ont pas eu besoin de perdre des jours à comprendre ce qui
se passait et où se trouvaient les zones les plus touchées. Ils savaient déjà

71

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

à partir de la carte – créée par des personnes à l'autre bout du monde – qui avait besoin
d'eau, qui avait besoin de nourriture, où se trouvaient les cadavres et où les gens avaient

été déplacés, où se trouvaient les plus gros dégâts et quels hôpitaux étaient les moins

endommagés, et donc plus en mesure de aider les blessés.11

À quel point cela est cool?

En plus de toutes les données photo et vidéo créées par les individus via leur technologie

numérique ou leur téléphone intelligent, il existe également toutes les images des caméras

de vidéosurveillance. Autrefois, les entreprises pouvaient enregistrer sur vidéo leurs

locaux ou leur magasin de détail et stocker l'enregistrement pendant environ une semaine

avant de l'enregistrer sur des enregistrements plus anciens. Désormais, certains des plus

grands magasins connaissant les données conservent toutes les images des caméras de

vidéosurveillance et les analysent pour étudier la façon dont les gens se déplacent dans

les magasins, où ils s'arrêtent, ce qu'ils regardent et pendant combien de temps afin de

pouvoir modifier les offres et augmenter les ventes. Certains utilisent même un logiciel de

reconnaissance faciale. Il ne faudra donc probablement pas longtemps avant qu'une

combinaison de sources de données telles que les images de caméras de vidéosurveillance,

les informations sur les cartes de fidélité et les logiciels de reconnaissance faciale nous

voient être les bienvenus dans un magasin sur nos téléphones intelligents. et dirigés vers

des offres spéciales ou des promotions particulières qui pourraient nous intéresser en

fonction de nos habitudes d'achat antérieures !

Données du capteur

De plus en plus de données sont générées et transmises par les capteurs. Il y a des

capteurs partout.

11BBC Two (2014) Bang go the Theory, mai 2014, série 8 : Big Data.

72
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Vous êtes­vous déjà demandé ce qui rend votre téléphone intelligent (ou tout
autre objet intelligent d'ailleurs) intelligent ? Fondamentalement, ce qui les rend
intelligents est l’inclusion de divers capteurs qui capturent des données. Dans
votre smartphone par exemple il y a :

Capteur GPS

Capteur accéléromètre

Gyroscope

Capteur de proximité

Capteur ambiant, et

Capteur de communication en champ proche (NFC).

Le capteur GPS (Global Positioning System) nous permet (et aux autres) de
savoir où nous utilisons le système de navigation par satellite GPS.
Les capteurs GPS de notre téléphone peuvent localiser notre position à quelques
mètres près (en supposant que nous soyons avec notre téléphone bien sûr !). Le
capteur accéléromètre est un capteur de mouvement et mesure l'accélération.

ation ou à quelle vitesse le téléphone se déplace. C'est cette technologie qui vous
permet de prendre de meilleures photos avec votre téléphone intelligent car c'est
ce capteur qui déclenche l'obturateur lorsqu'il détecte que l'appareil photo est
immobile ou stable. Le capteur gyroscope est utilisé pour maintenir l’orientation
et pour faire pivoter l’écran. C'est ce capteur qui

est souvent utilisé dans les applications de jeux où vous devez incliner l'écran
pour diriger le personnage ou diriger la voiture. Comme son nom l’indique, le
capteur de proximité détecte la proximité et la proximité avec d’autres objets ou
emplacements. Les capteurs ambiants sont ceux qui détectent les changements
d'ambiance ou d'atmosphère. C'est donc ce capteur qui ajuste le rétroéclairage
de votre téléphone ou économise de l'énergie lorsqu'il n'est pas utilisé activement.
Et enfin le capteur NFC est l'un des

73

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

derniers protocoles de communication utilisés dans les téléphones intelligents. Ce sont

ces capteurs NFC qui, lorsqu'ils sont activés, vous permettent de transférer des fonds

simplement en cognant votre téléphone ou en approchant votre téléphone d'un

distributeur automatique de paiement approprié.

Il existe également des capteurs dans le milieu naturel, par exemple dans les océans,

pour mesurer en temps réel la santé, la température et les changements des océans. Au

Japon également, des capteurs sont installés dans le sol pour collecter des données sur

la santé du sol et les entreprises combinent ces données avec des données

météorologiques. Les agriculteurs peuvent ensuite s'abonner au service pour obtenir des

informations permettant d'optimiser le rendement, notamment la quantité et le moment

d'épandage d'engrais sur leurs cultures.

De plus en plus de machines sont équipées de capteurs pour surveiller les performances

et fournir des informations sur le meilleur moment pour entretenir ou réparer les machines.

Par exemple, Rolls Royce fabrique près de la moitié des moteurs d'avions à réaction de

passagers dans le monde, y compris le Trent 1000, le moteur qui propulse bon nombre

de nos vols transatlantiques. Lorsqu’ils fonctionnent, ces moteurs atteignent des

températures incroyablement élevées – la moitié de la température de la surface du soleil

et 200 degrés au­dessus de cette température lorsque le métal utilisé pour faire fondre le

moteur ! La seule raison pour laquelle il ne fond pas est que les moteurs sont refroidis par

des passages et des canaux spéciaux qui éloignent la chaleur du métal.

Inutile de vous dire qu'il est vital de savoir que tout fonctionne et fait son travail, car vous

ne voudriez pas que l'avion que vous prenez pour rendre visite à vos amis à New York

fonde à 30 000 pieds !

Le moteur regorge donc de composants vitaux, tous conçus avec une précision absolue,

notamment un ordinateur de bord qui est le

74
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

cerveaux du moteur, le contrôlant et également collectant et surveillant les

données provenant de capteurs enfouis profondément dans le moteur mesurant
40 paramètres 40 fois par seconde, notamment les températures, les pressions
et les vitesses de la turbine.

Toutes les mesures sont stockées dans l'ordinateur et transmises par satellite
au siège de Rolls Royce à Derby, en Angleterre. Et cela est vrai pour l'ensemble
de la flotte de moteurs Rolls Royce, ce qui représente beaucoup de données si
l'on considère qu'un moteur propulsé par Rolls Royce décolle ou atterrit quelque
part dans le monde toutes les deux secondes et demie.

Chaque fois que ces milliers de moteurs sont en vol, ils collectent des données
qui sont continuellement renvoyées au siège et surveillées en permanence à
l'aide d'analyses de données intelligentes qui recherchent tout ce qui se passe
d'inhabituel dans le moteur, ou tout signe indiquant qu'il pourrait être nécessaire
de le faire. entretenu tôt ou réparé. À Derby, les ordinateurs passent ensuite au
crible les données pour rechercher des anomalies. S’il y en a, ils sont
immédiatement signalés et un être humain vérifiera les résultats et, si
nécessaire, téléphonera à la compagnie aérienne et déterminera ce qui doit être
fait – normalement avant que le problème ne dégénère en un véritable problème.

Ces capteurs permettent donc une maintenance dynamique basée sur les
performances réelles moteur par moteur plutôt que sur un système de rotation
automatique basé uniquement sur le temps. Au lieu de mettre hors service un
équipement coûteux tous les trois ou six mois, ces capteurs permettent aux
compagnies aériennes d'entretenir leur flotte à un coût bien plus élevé.

efficacement et, plus important encore, ces capteurs rendent les avions
beaucoup plus sûrs.12

12BBC 2 (2014) Bang Goes the Theory, mars 2014, série 8 : Big Data.

75

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Les voitures modernes regorgent également de capteurs similaires qui mesurent tout,

de la consommation de carburant aux performances du moteur, ce qui encore une fois

permet un entretien dynamique et de meilleures performances à long terme.

Des capteurs embarqués alertent également le conducteur s'il s'approche trop près

une autre voiture ou un objet et peut même garer la voiture en parallèle sans

le conducteur doit faire n'importe quoi !

Dans le secteur de la vente au détail, les données sont depuis longtemps collectées via des codes­barres ;

cependant, les capteurs connus sous le nom d'identification par radiofréquence

(RFID), de plus en plus utilisés par les détaillants et autres, génèrent 100 à 1 000 fois

plus de données que les codes­barres conventionnels.

système.13

Il y a des capteurs partout.

L'Internet des objets

L'Internet des objets (IoT) est le résultat d'un plus grand nombre d'objets fabriqués

avec des capteurs intégrés et de la capacité de ces objets

pour communiquer les uns avec les autres.

IDC décrit l'IoT comme :

'un réseau connectant ­ avec ou sans fil ­ des appareils

(choses) caractérisées par un approvisionnement, une gestion et une

surveillance automatiques. Il est intrinsèquement analytique et intégré et ne

comprend pas seulement des systèmes et des dispositifs intelligents,

13Livre blanc SAS (2012) Le Big Data rencontre le Big Data Analytics : Trois technologies clés
pour extraire la valeur commerciale en temps réel du Big Data qui menace de
submerger les architectures informatiques traditionnelles.

76
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

mais l'activation de la connectivité, les plates­formes pour l'activation des

appareils, des réseaux et des applications, l'analyse et le commerce social, ainsi

que les applications et les solutions industrielles verticales. Cela va bien au­delà
de la communication traditionnelle de machine à machine. En fait, c’est bien

plus que l’industrie traditionnelle des technologies de l’information et des

communications (TIC) elle­même. »14

Ce concept explore ce qui est et sera possible grâce aux progrès de la technologie

intelligente basée sur des capteurs et aux progrès massifs en matière de connectivité

entre les appareils, les systèmes et les services qui vont bien au­delà du statu quo. Par

exemple, des groupes de recherche tels que Gartner et ABI Research estiment que

d’ici 2020, il y aura entre 26 et 30 milliards d’appareils connectés sans fil à l’IoT.

Et les réseaux d'informations qui en résultent promettent de créer de nouveaux modèles

économiques et d'améliorer les processus et les performances de l'entreprise, tout en

réduisant les coûts et potentiellement les risques.

Le jour viendra, dans peu de temps, où votre alarme sera synchronisée avec votre

compte de messagerie et si une réunion anticipée est annulée, votre alarme se

réinitialisera automatiquement à une heure ultérieure, ce qui reportera également la

machine à café à la nouvelle heure de réveil. . Votre réfrigérateur saura ce qu'il contient
et passera des commandes en ligne pour réapprovisionner les stocks sans que vous

ayez à faire quoi que ce soit. Vous enfilerez votre costume, avec une puce de paiement

dans la manche afin que vous puissiez glisser le paiement pour le déjeuner sans carte
de crédit.

Votre appareil portable ou votre montre intelligente surveillera votre santé tout au long

de la journée, surveillera votre apport calorique et veillera à ce que vous restiez actif et

ne restiez pas assis trop longtemps à votre bureau. Alors que tu montes dans ta voiture

14IDC (2014) The Digital Universe Study, avril 2014. Parrainé par EMC2.

77

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Pour rentrer chez vous la nuit, la voiture vérifiera automatiquement l'itinéraire avec
des informations sur la circulation et la météo pour vous ramener chez vous aussi
rapidement et en toute sécurité que possible. En arrivant à la maison, la température
sera parfaite et votre réfrigérateur vous indiquera ce que vous pouvez préparer pour
le dîner en fonction de ce que vous avez actuellement en stock.

Alors que vous vous installez pour regarder la télévision avec votre famille, vous êtes
peut­être en train de regarder un film classé 18 lorsque votre enfant de 5 ans entre et
votre téléviseur intelligent suspendra le film et changera de chaîne. Oh, et si votre
mère âgée reste à la maison pendant votre absence, votre tapis intelligent mesurera
et surveillera ses mouvements et ses habitudes – peut­être qu'elle va à la cuisine à

10h30 tous les matins pour préparer une tasse de café ou qu'elle y va toujours. au lit
à 23 heures. Si ces habitudes changent, vous serez alerté pour nous contacter et
vérifier que tout va bien.

Les réseaux filaires et sans fil qui connectent l'Internet de

Les objets utilisent souvent le même protocole Internet (IP) qui connecte Internet –
d’où son nom. Ces vastes réseaux créent d’énormes volumes de données qui sont
ensuite disponibles pour analyse. Lorsque les objets utilisent des capteurs pour
détecter l'environnement et communiquer avec

Les uns les autres, ils deviennent des outils permettant de comprendre la complexité
et d’y répondre rapidement. Les systèmes d’informations physiques qui en résultent
commencent aujourd’hui à être déployés et certains d’entre eux fonctionnent sans
intervention humaine.

Des micro­caméras en forme de pilule parcourent déjà le tube digestif humain et

renvoient des milliers d’images pour identifier les sources de maladies. Les
équipements agricoles de précision dotés de liaisons sans fil vers les données
collectées par des satellites distants et des capteurs au sol peuvent prendre en
compte les conditions des cultures et ajuster la manière dont chaque partie individuelle

78
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

d'un champ est cultivé. Il existe même des panneaux d'affichage au Japon qui
surveillent les passants, évaluent leur adéquation aux profils des consommateurs
et modifient instantanément les messages affichés en fonction de ces évaluations.
Les progrès de la technologie des réseaux sans fil et la plus grande standardisation
des protocoles de communication permettent de collecter des données à partir de
ces capteurs presque n'importe où et à tout moment. Des puces de silicium de plus
en plus petites acquièrent de nouvelles capacités, tandis que les coûts diminuent.
L’augmentation massive de la puissance de stockage et de calcul, dont une partie
est disponible via le cloud computing, rend possible l’analyse des chiffres à très
grande échelle et à un coût décroissant.15

Tous se réunissent pour créer du Big Data.

L'anatomie du Big Data

Lorsque l’on considère les types et les formes de données qui existent aujourd’hui,
il est facile de voir à quel point les gens sont dépassés et embarrassés par les
possibilités du Big Data. Cependant, comme je l'ai dit, je pense que le terme
disparaîtra et que ce que nous considérons aujourd'hui comme du Big Data ne
sera demain que des « données ».

Pour commencer, ce qui est rare et passionnant deviendra désormais monnaie

courante. De plus, le terme est peut­être simple et facile à retenir, mais il est trop
simpliste et met beaucoup trop l'accent sur le volume de données. Mais le volume
n’est que l’un des quatre V du Big Data :

Volume – relatif aux grandes quantités de données générées chaque

seconde.

¨
15Chui M, Loffler M et Roberts R (2010) L'Internet des objets. McKinsey
Quarterly, mars 2010.

79

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Vitesse – relative à la vitesse à laquelle les nouvelles données sont

générées et se déplacent dans le monde. Par exemple, la détection des
fraudes par carte de crédit suit des millions de transactions pour des raisons inhabituelles.

modèles en temps quasi réel.

Variété – liée aux types de données de plus en plus différents générés depuis les données

financières jusqu'aux flux de médias sociaux ; des photos aux données des capteurs ; des

séquences vidéo aux enregistrements vocaux.

La véracité – liée au désordre des données générées – il suffit de penser aux publications

Twitter avec des balises de hachage, des abréviations, des fautes de frappe, un langage

textuel et un discours familier.

Nous n'avons pas besoin de Big Data – nous avons besoin de SMART Data !

Contrecoup du Big Data

Comme toute nouvelle frontière, celle du Big Data est également attaquée. Certains pensent qu'il s'agit

d'une tempête dans une tasse de thé et que la théorie du Big Data est si éloignée de la réalité pour la

plupart des entreprises qu'elle ne rapportera jamais grand­chose, voire aucun fruit, à la grande majorité

des entreprises.

Certes, certaines entreprises disposent déjà de ces énormes ensembles de

données ; cependant, la plupart des entreprises n’auront jamais accès au volume

et à la variété de données dont disposeront Amazon, eBay ou Facebook. Mais

comme je l'ai déjà dit, ce n'est pas grave, car la plupart des entreprises ne le font pas.
ont besoin d’accéder à des océans de données.

L’autre domaine d’attaque concerne les données des consommateurs et la vie privée.

80
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

La réputation du Big Data a souffert avec les révélations de

le lanceur d'alerte Edward Snowden que la sécurité nationale américaine

Agency (NSA) utilise systématiquement l’analyse Big Data

pour « espionner » les communications de chacun et effectuer des actions ciblées

surveillance des particuliers et des entreprises. Nous pouvons tous être certains

que les États­Unis ne sont pas la seule agence gouvernementale au monde à collecter et

à utiliser le Big Data. Par exemple, l'ancien ministre français des Affaires étrangères,

Bernard Kouchner, a déclaré : « Soyons honnêtes, nous aussi, nous écoutons.

Tout le monde écoute tout le monde. Mais nous n'avons pas la même chose

signifie comme les États­Unis, ce qui nous rend jaloux.

Malgré les articles médiatiques très médiatisés du type Snowden, au moment où j'écris ceci dans

2014, la plupart des gens ignorent complètement la quantité de données

à leur sujet est disponible gratuitement en ligne. Même si quelqu'un prend le

Il est temps de finaliser les paramètres de confidentialité sur les réseaux sociaux et est

délibérément vague et prudent quant au partage excessif – une quantité phénoménale

d’informations est encore collectée, stockée et analysée. La plupart d’entre nous, par

exemple, sont presque totalement inconscients du

fait que le capteur GPS de leur téléphone intelligent permet de

identifier l'endroit où une photo a été prise à quelques mètres près, peu importe

de savoir si la personne partageant la photo ajoute un tag, un message ou une légende. Ils

ne réalisent pas à quel point leurs réseaux sociaux sont ouverts et librement accessibles.

que sont les sites médiatiques, quelle part de ce qu’ils publient est enregistrée et analysée –

même lorsque la plateforme indique à ses utilisateurs que la photo ou la vidéo sera

s'autodétruit en 10 secondes ! Ces images peuvent ne pas être accessibles à

l'utilisateur après un temps défini mais ils sont enregistrés. Ils n'ont aucune idée que

leur navigateur Web surveille chacun de leurs mouvements ou même que les gens peuvent

facilement pirater la caméra de leur ordinateur portable et les regarder !

En 2013, un étudiant américain de 19 ans a été accusé de piratage de Miss

Webcam de Teen USA. Le FBI a découvert qu'il avait utilisé des

81

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

un logiciel permettant de faire fonctionner à distance des webcams afin d'obtenir des

photos et des vidéos nues d'au moins sept femmes alors qu'elles changeaient de

vêtements. Certaines de ces femmes qu'il connaissait personnellement et d'autres qu'il

a trouvées en piratant des pages Facebook.16 Au Royaume­Uni, en 2014, un autre

homme a été condamné avec sursis pour la même chose. Il est probablement préférable

de couvrir votre webcam lorsque vous ne l'utilisez pas, juste au cas où !

Jusqu’à présent, les gens n’ont pas vraiment pris conscience des dangers ou de la

valeur inhérente de leurs propres données et sont heureux de partager librement ces

données en échange des services qu’ils souhaitent, comme Facebook.

Facebook est déjà un gigantesque paradis d'exploration de données avec des

quantités incroyables de données à leur disposition, toutes fournies avec enthousiasme

par les utilisateurs de Facebook. Rappelez­vous les statistiques précédentes : 350

millions de photos par jour, 293 000 mises à jour de statut par minute et 25 % des

utilisateurs ne se soucient jamais de la confidentialité !

Facebook sait à quoi nous ressemblons, qui sont nos amis, quelles sont nos opinions,

quels sont nos intérêts, quand est notre anniversaire, si nous sommes en couple ou
non, où nous sommes, ce que nous aimons et n'aimons pas, et bien plus encore. Cela

représente énormément d’informations (et de pouvoir) entre les mains d’une seule

société commerciale.

Les gens peuvent commencer à être mal à l’aise face à la quantité de

données connues et détenues. Mais quelle différence

est­ce que ça ferait vraiment ? Prenez encore Facebook : même si nous arrêtions tous

d'utiliser Facebook aujourd'hui (ce qui est très peu probable), l'entreprise disposerait

toujours de plus d'informations sur les personnes que n'importe quel autre réseau privé.

16BBC (2013) Le pirate informatique de la webcam de Miss Teen USA est inculpé. http://
www.bbc.co.uk/newsbeat/24303512

82
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

entreprise sur la planète. Google s'en rapproche peut­être, mais il ne dispose pas de la

pléthore de données personnelles détaillées dont dispose Facebook. Bien sûr, il ne s'agit

pas uniquement de Facebook.

Le défi est qu’une fois que les entreprises ont accès aux données, elles ne s’arrêteront

pas. Et il n'est pas nécessaire d'être titulaire d'une carte de fidélité pour que les entreprises

nous connaissent : outre les réseaux sociaux, elles peuvent également suivre notre

utilisation de nos cartes de crédit et utiliser un logiciel de reconnaissance faciale pour

enregistrer ce que nous faisons en magasin.

Une étude récente a montré qu'il est possible de prédire avec précision une
série d'attributs personnels très sensibles simplement en analysant les
« J'aime » sur lesquels nous avons cliqué sur Facebook. Les travaux menés

par des chercheurs de l'Université de Cambridge et de Microsoft Research montre

comment les modèles de « J'aime » sur Facebook peuvent prédire très précisément des

caractéristiques telles que votre orientation sexuelle, votre satisfaction dans la vie, votre

intelligence, votre stabilité émotionnelle, votre religion, votre consommation d'alcool et de

drogues, votre statut relationnel, votre âge, le genre, la race et les opinions politiques,

entre autres.17

Le fait est que les données collectivement détenues sur vous par les banques, les

sociétés de cartes de crédit, les compagnies d’assurance, les supermarchés et les

médias sociaux sont étonnantes et ne cessent de croître.

Même si les gens étaient suffisamment mal à l’aise pour provoquer des changements

dans la législation, il serait peut­être trop tard. Ce serait comme fermer la porte de la

grange une fois que le cheval s'est enfui. C'est possible

17Kosinski, M., Stillwell, D. et Graepel, T. (2013) Les traits et attributs privés sont
prévisibles à partir des enregistrements numériques du comportement humain. Publié
en ligne : http://www.pnas.org/content/early/2013/03/06/1218772110.abstract

83

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Cette législation peut exiger qu'au moins certaines des données les plus sensibles
soient anonymisées, c'est­à­dire les marqueurs qui identifient une personne réelle, à
supprimer, mais elles seront toujours utilisées et la datifaction du monde ne s'arrêtera

pas.

Comment utiliser les métriques et les données pour un

avantage stratégique

Que cela nous plaise ou non, que nous soyons prêts ou non, l’avenir passera par le
Big Data. Notre capacité à exploiter ce pouvoir avec intelligence, bon sens et sens
pratique nous permettra de le transformer en données SMART significatives.

Après avoir commencé par la stratégie et identifié les questions SMART concernant
les clients, les finances, les opérations, les ressources et les risques, vous devez
déterminer à quels indicateurs et données vous avez réellement besoin d'accéder afin
de répondre à ces questions, ce qui vous aidera à mettre en œuvre votre stratégie. .

Identifiez vos besoins en métriques et en données

La prochaine étape vers une entreprise plus SMART consiste donc à identifier les
données auxquelles vous devez accéder ou acquérir afin de répondre aux questions
SMART du chapitre précédent.

Sachant ce que vous savez désormais sur les données structurées, non structurées
et semi­structurées ainsi que sur les données internes et les données externes, il existe

une hiérarchie logique de l'endroit où vous devez d'abord regarder lorsque vous
cherchez à identifier les mesures et les données qui répondront à vos questions
SMART.

84
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Cette hiérarchie est :

1 Données structurées internes

C’est le plus facile à trouver et à analyser. C’est aussi probablement le

moins cher à acquérir.

2 Interne semi­structuré

3 Interne non structuré

4 Externe structuré

5 Externe non structuré.

De nombreux professionnels se concentrent trop sur le dernier port d’escale : les

données externes non structurées. C'est aussi une erreur. Si vous pouvez répondre

efficacement à vos questions SMART à partir de données structurées internes,

pourquoi diable perdriez­vous un temps précieux à chercher les réponses ailleurs ?

Une fois que vous aurez suivi ce processus, vous vous rendrez vite compte que
certaines données sont plus difficiles à obtenir que d’autres. Au­delà des données
internes et externes, structurées et non structurées, il existe sept manières principales

de collecter ces données :18

1 Données créées

2 Données provoquées

3 Données relatives aux transactions

4 Données compilées

18Meer, D. (2013) Qu'est­ce que le « Big Data » ? stratégie + entreprise. http://www. Strategy­
business.com/blog/What­Is­Big­Data­Anyway?gko=28596

85

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

5 Données expérimentales

6 Données capturées

7 Données générées par l'utilisateur.

Même s’il peut y avoir un certain chevauchement entre ces catégories, elles fournissent

un petit cadre sympathique. Examinons maintenant chacune de ces méthodes de

génération de données un peu plus en détail.

1 Les données créées sont « créées » car elles n'existeraient pas si nous

posé des questions aux gens et mis en place un mécanisme pour recueillir leurs

réponses. Des exemples de données créées incluent les données créées par des études

de marché, des groupes de discussion ou des enquêtes auprès des employés. Les

personnes qui s'inscrivent en ligne à des clubs ou à des programmes de fidélité sont

également des exemples de données créées dans la mesure où la personne fournit

volontairement des informations sur elle­même. Les données créées sont généralement
structurées ou semi­structurées et peuvent être internes ou externes.

2 Les données provoquées sont « provoquées » car elles n'existeraient pas si vous

n'invitiez pas les gens à exprimer leur point de vue. Des exemples de données

provoquées demandent aux clients d’évaluer et d’évaluer un produit ou un service.

Lorsque vous achetez un produit sur Amazon, par exemple, vous êtes invité à évaluer

à la fois le produit et la livraison du produit en utilisant un système cinq étoiles. Une

étoile indique que vous n'étiez pas très heureux et cinq étoiles indiquent que vous étiez

extrêmement heureux. Les données provoquées sont généralement structurées ou semi­

structurées et peuvent être internes ou externes.

3 Les données de transaction sont générées chaque fois qu'un client achète quelque

chose. Cela est vrai en ligne et hors ligne et fournit un aperçu puissant de ce qui a été

acheté, où et quand.

86
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Les données de transaction peuvent également être très éclairantes lorsqu’elles sont combinées à

d’autres données telles que la météo. Par exemple, il y a quelques années, Walmart a effectué une

découverte de données en examinant les données de transactions passées et en recoupant ces

données avec des données météorologiques. Ce qu’ils ont découvert, c’est que lorsqu’un avertissement

d’ouragan était émis, les ventes d’objets comme les lampes de poche augmentaient. Cela semble

attendu. Ce à quoi ils ne s'attendaient pas cependant, c'est de découvrir qu'il existait également une

corrélation entre les Pop­Tarts et les avertissements d'ouragan ! Walmart n'avait pas besoin de savoir

pourquoi les clients achetaient des Pop­Tarts supplémentaires alors qu'une tempête approchait, il leur

suffisait d'en stocker des boîtes devant le magasin, ce qui augmentait encore les ventes. Les données

de transaction sont

généralement des données structurées internes.

4 Les données compilées sont « compilées » parce qu'elles proviennent des bases de données

géantes que des sociétés comme Experian et Axciom maintiennent sur chaque foyer. Ces sociétés

compilent de grandes quantités de données provenant de différentes sources en utilisant souvent votre

nom et votre adresse comme identifiant commun. Ils fournissent aux sociétés de marketing une mine

d'informations qu'elles peuvent exploiter pour obtenir un avantage marketing, notamment les cotes de

crédit, l'endroit où vous vivez, l'historique de vos achats, les voitures que vous avez immatriculées à

votre nom, les dates de renouvellement de l'assurance et bien plus encore.

Les données compilées sont généralement des données structurées externes.

5 Les données expérimentales sont en réalité un hybride de données créées et traitées. Cela

implique de concevoir des expériences dans lesquelles différents ensembles de clients reçoivent

différents traitements marketing (créés) et d'observer les résultats dans le monde réel (transaction).

C'est ce que nous avons fait avec le petit détaillant de mode : une fois que nous connaissions la

fréquentation, nous pouvions tester différentes vitrines pour voir lesquelles incitaient davantage de

personnes à entrer dans le magasin et à acheter. Les données expérimentales sont généralement

structurées ou semi­structurées et peuvent être internes ou externes.

87

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

6 Les données capturées sont « capturées » car elles font référence à des informations

recueillies passivement à partir du comportement d'un individu, telles que les termes de

recherche que vous saisissez dans Google ou les données de localisation générées par

votre téléphone via son GPS. Ce sont ces données capturées qui explosent à cause de

l’Internet des objets (IoT). La plupart des gens ignorent les données qui sont capturées à

leur sujet à leur insu ou sans leur permission. Les données capturées ne sont

généralement pas structurées et peuvent être internes ou externes.

7 Les données générées par les utilisateurs sont « générées par les utilisateurs » car

ce sont des données que les individus et les entreprises génèrent consciemment – ou du

moins sciemment. Il comprend les publications Facebook, les tweets, les vidéos publiées

sur YouTube et les commentaires formulés sur un article ou un blog. La plupart des

données générées par les utilisateurs ne sont pas immédiatement attribuables à un

individu. Par exemple, vous connaissez peut­être le hashtag mais pas la personne. Il peut

être utilisé pour fournir un contexte pour la conception de produits et les communications,

mais pas pour un ciblage direct. Les données générées par les utilisateurs sont
généralement non structurées et peuvent être internes ou externes.19

Dans cet esprit, considérez vos besoins en données pour chacun des panneaux de votre

tableau stratégique SMART.

Besoins en données clients

En ce qui concerne les données clients, il existe de nombreuses options de sources de

données de qualité, de complexité et de coût variables. Voir la figure 3.1 pour certaines

de ces options.

19Meer, D. (2013) Qu'est­ce que le « Big Data » ? stratégie + entreprise. http://

www.strategy­business.com/blog/What­Is­Big­Data­Anyway?gko=28596 .

88
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Figure 3.1 Exemples de données pour le panel client : Trouver des données
SMART pour répondre à vos questions SMART : http://www.marketingprofs .com/
articles/2014/24670/little­data­vs­big­data­nine­types­of­ données­et ­comment­
elles­devraient­être­utilisées

Données de recherche d'enquête

Les données de recherche d’enquête, qu’elles soient menées en interne ou par

l’intermédiaire d’un tiers expérimenté, produisent généralement des données
dignes de confiance. Souvent, les données sont de nature expérimentale et
peuvent inclure la conception de la recherche, les données normatives, la
modélisation mathématique, les contrôles de stimulus, les contrôles statistiques, l'expérience histo

89

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

normes d’assurance qualité. Les recherches par sondage sont également relativement
peu coûteuses.20

Pourriez­vous concevoir une enquête pour vous aider à répondre à vos

questions SMART ?

Données de ventes et transactionnelles

Les données sur les ventes sont utiles pour toute une série de raisons, mais elles constituent
rarement une mesure exacte des ventes réelles car elles ne tiennent pas compte des retours.

C'est une bonne mesure de ce qui s'est passé dans le passé, mais vous devrez combiner
ces données avec d'autres ensembles de données pour déterminer ce que cela signifie.

arrivé.

Vos données de ventes et de transactions vont­elles vous aider à répondre à

vos questions SMART ?

Données de suivi du globe oculaire

Il y a eu une amélioration constante de la technologie capable de mesurer où regardent

vos clients. Cela signifie que vous pouvez mesurer ce qui retient l’attention et ce qui
ne l’est pas. Certains de mes clients ont utilisé le suivi oculaire pour leurs sites Web
et un autre – un musée – utilise la technologie pour comprendre comment nous
regardons certaines des peintures clés de leur collection.

20Thomas, JW (2014) Little Data vs. Big Data : Neuf types de données et comment les
utiliser. http://www.marketingprofs.com/articles/2014/24670/little­data­vs­big­data­nine­
types­of­data­and­how­they­should­be­used .

90
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Pourriez­vous utiliser le suivi du globe oculaire pour répondre à vos

questions SMART ?

Besoins en données opérationnelles

Vos processus et procédures opérationnels généreront, ou pourraient générer,

une énorme quantité de données qui pourraient vous aider à prendre de meilleures
décisions et à améliorer votre efficacité. La figure 3.2 identifie certaines des options.

Figure 3.2 Exemples de données pour le panneau des opérations : Dérivation de

questions SMART à partir de votre Tableau stratégique SMART

91

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Données RFID (identification par radiofréquence)

Les données RFID sont actuellement utilisées dans les produits de consommation, les passeports

américains, les colis d'expédition et les cartes de crédit et de débit qui utilisent des transactions

« sans contact ». Il repose sur des puces électroniques qui émettent des ondes radio contenant des

informations particulières sur un produit ou une personne.

Les données RFID pourraient­elles vous aider à répondre à certaines des questions SMART ?

Données de la chaîne d'approvisionnement

Les données de la chaîne d’approvisionnement aident les entreprises à savoir où se trouvent les

produits et d’où ils viennent. Ce type de données est de plus en plus important dans la chaîne

d'approvisionnement alimentaire pour mesurer et suivre la traçabilité. Pensez au scandale de la

viande chevaline au Royaume­Uni en 2013, où plusieurs grands supermarchés ont dû retirer de leurs

magasins les burgers de bœuf surgelés lorsqu'ils ont découvert qu'ils contenaient de la viande chevaline.

Les données sur la chaîne d'approvisionnement pourraient­elles vous aider à répondre à

certaines des questions SMART ?

Données biométriques

La réponse galvanique de la peau, la dilatation des pupilles, la fréquence cardiaque, les mesures

EEG (ondes cérébrales) et la reconnaissance des émotions faciales sont tous mesurables et

présentent un domaine d'exploration très intéressant et passionnant.

Les données biométriques pourraient­elles vous aider à répondre à certaines questions

SMART ?

92
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Figure 3.3 Exemples de données pour le panneau financier : Dérivation de questions

SMART à partir de votre Tableau stratégique SMART

Besoins en données financières

Étant donné que l’objectif le plus reconnu des entreprises est de gagner de
l’argent, il est essentiel que chaque entreprise comprenne sa situation financière.
La figure 3.3 détaille certaines des solutions de données permettant d'identifier
les données financières.

Données sur les transactions financières

Les données sur les transactions financières incluent l'heure et la date de

transaction, une description de l’événement et une valeur numérique. Pour

93

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Par exemple, les commandes, les factures, les paiements, les livraisons, les enregistrements de voyage ou

les enregistrements de stockage sont tous des données de transactions financières.

Vos données de transactions financières vous aideront­elles à répondre à vos

questions SMART ?

Données boursières

Les données boursières comprendront des informations sur le cours des actions, les
mouvements et les tendances des prix ainsi que de nombreux indicateurs populaires
utilisés pour mesurer les performances du marché boursier.

Vos données boursières pourraient­elles vous aider à répondre à vos questions

SMART ?

Données de flux de trésorerie

La principale cause de faillite d’une entreprise est le manque de trésorerie. Les

données sur les flux de trésorerie permettent donc à une entreprise de surveiller les
entrées et sorties d'une entreprise afin de maintenir une position de trésorerie positive.

Vos données de trésorerie pourraient­elles vous aider à répondre à vos

questions SMART ?

Besoins en données sur les ressources

Connaître les ressources dont vous disposez et déterminer comment les utiliser le
plus efficacement fait partie intégrante de l'activité SMART.
Lorsqu'il s'agit de trouver des données sur vos ressources, la figure 3.4 suggère
certaines des options les plus populaires.

94
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Figure 3.4 Exemples de données pour le panneau de ressources : Dérivation SMART

Questions de votre tableau stratégique SMART

Données d'entretien

Les données des entretiens peuvent être collectées sous des formats quantitatifs et

qualitatifs. Le quantitatif implique la collecte de données impliquant

chiffres et réponses classées structurées. Qualitatif est la collecte de

données qui ne sont pas sous des formats numériques tels que des flux écrits.

retour, réponses aux questions ouvertes, observations ou enregistrements,

etc. Les données d'entretien sont un moyen courant de recueillir les commentaires de vos

ressources les plus importantes : les personnes de votre entreprise.

95

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Les données des entretiens pourraient­elles vous aider à répondre à vos questions

SMART ?

Données de performance d’auto­évaluation

Comme son nom l'indique, ce type de données fournit des réponses sur la façon dont

quelqu'un perçoit ses propres performances ou sur la façon dont il aime un produit ­ mais

elles sont fournies par une auto­évaluation plutôt que par une interaction.
entretien.

Vos données de performance d’auto­évaluation pourraient­elles vous aider à répondre

à vos questions SMART ?

Données de recrutement

Les données de recrutement seront conservées par les RH et peuvent vous aider à vous

indiquer dans quelle mesure votre recrutement est réussi ou non. Qu'est­ce que l'absentéisme

dans l'entreprise ? Qu’en est­il du turnover du personnel, des frais de formation, des congés

de maladie ? Ce sont toutes des données de recrutement.

Vos données RH ou de recrutement pourraient­elles vous aider à répondre à vos

questions SMART ?

Données des capteurs et des machines

De nombreuses machines et systèmes informatiques disposent de capteurs intégrés et de

capacités de collecte de données qui génèrent de grands volumes de données, souvent en

temps réel, sur les performances, la détection des pannes, l'utilisation des capacités et bien
d'autres domaines.

96
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Figure 3.5 Exemples de données pour le panel de concurrence et de financement des

risques : Dérivation de questions SMART à partir de votre Tableau stratégique SMART

Les données de votre capteur ou de votre machine pourraient­elles vous aider à

répondre à vos questions SMART ?

Besoins en données sur la concurrence et les risques

Si vous souhaitez garder une longueur d'avance sur la concurrence et contourner les problèmes

avant qu'ils ne surviennent, vous devez comprendre vos concurrents et vos risques. La figure 3.5

détaille certaines des options qui s'offrent à vous pour découvrir des données sur la concurrence

et les risques qui peuvent vous aider à mettre en œuvre votre stratégie.

97

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Données sur la fraude

Les entreprises constituent des référentiels de données sur les activités frauduleuses. Par

exemple, les compagnies d’assurance collectent des données de plus en plus sophistiquées sur

les réclamations frauduleuses et sur la manière de les prédire.

Les sociétés émettrices de cartes de crédit et les banques parviennent également à mieux

comprendre la fraude et les données qui la sous­tendent.

Les données sur la fraude pourraient­elles vous aider à répondre à vos questions SMART ?

Données des moteurs de recherche

Apparemment, chaque jour, 20 % des recherches Google n'ont jamais été effectuées auparavant.21

Cela indique que les gens pensent en dehors des normes et que ces recherches pourraient pointer

vers de nouveaux produits ou services ou des idées sur la façon d'améliorer les affaires.

Les données des moteurs de recherche pourraient­elles vous aider à répondre à vos

questions SMART ?

Réseaux sociaux

Sans l’aide d’un professionnel, vous pourriez perdre beaucoup de temps, d’efforts et d’argent sur

les données des réseaux sociaux. De nouveaux outils apparaissent constamment pour mesurer et

analyser cela, mais les données des médias sociaux doivent toujours être

21Qualman, E. (2013) Médias sociaux, 2013, You Tube, http://www.youtube.com/watch?

v=zxpa4dNVd3c .

98
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

sauvegardées ou triangulées avec d’autres sources de données. Son utilisation la plus

précieuse pour chaque entreprise est peut­être que, s’il est correctement surveillé, il peut

servir de système d’alerte précoce. Si les clients ne sont pas satisfaits d'un produit ou d'un

service, ils s'expriment généralement sur les réseaux sociaux, ce qui peut alerter l'entreprise

des échecs ou des domaines à améliorer.

Les données des réseaux sociaux pourraient­elles vous aider à répondre à vos

questions SMART ?

Métriques et données en action

Lorsque vous plongez pour la première fois dans l’univers du Big Data et de l’analyse, il peut

être extrêmement difficile de savoir ce qui peut et est mesuré et plus qu’un peu intimidant de

comprendre à quel point certains des grands acteurs sont si avancés à bien des égards. Le

but de ce livre et la raison pour laquelle j’ai voulu l’écrire est que rien de tout cela n’a

d’importance. Oui, il existe une gamme extraordinaire de données internes, externes,

structurées et non structurées qui peuvent, pourraient ou même devraient être mesurées,
mais si vous laissez vos questions SMART guider votre approche, il est alors remarquablement

facile de manœuvrer à travers la surcharge et d'obtenir les données exactes et spécifiques.

des éléments de données qui répondront à ces questions et apporteront une réelle valeur

commerciale.

Afin de déterminer à quelles données vous aurez besoin d'accéder, vous devez considérer

chacune de vos questions SMART séparément.

Parcourez les différents « panneaux » du tableau stratégique SMART et décrivez les

ensembles de données auxquels vous pourriez accéder et qui vous aideraient à répondre à

chaque question SMART. Utilisez la fiche technique suivante pour vous aider

99

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

vous comprenez les données à partir desquelles vous cherchez des réponses et où vous les

trouverez.

Question SMART à laquelle vous souhaitez répondre :

Sources de données qui vous aideront à répondre à la question SMART

Nom de l'ensemble de Ensemble de données 1 Ensemble de données 2 Ensemble de données 3

données Décrivez le type de

données Emplacement et
propriété : interne/
externe Format : structuré/non structuré
Quelle est cette méthode de collecte
de données ?
Où sont stockées ou situées les
données ?
Décrire les volumes de données
Décrire la vitesse/

fréquence/récence des données Décrire

la véracité/qualité des données Comment
les données seront­elles analysées ?
Coûts associés à la capture, au stockage
et à l'analyse des données

Il est plus que probable que vous deviez prendre en compte plusieurs ensembles de données.

Notez les ensembles de données que vous avez l’intention d’utiliser ou pourriez utiliser.
Décrire les données de chaque ensemble de données et noter leur emplacement

et à qui appartient­il. Les données sont­elles internes ou externes ? L’hypothèse est que

l’accès aux données internes est plus facile et moins coûteux, mais ce n’est pas toujours le

cas. Cela dépend vraiment des données que vous recherchez, de leur facilité de disponibilité

et du format dans lequel elles existent actuellement. Par exemple, si tous vos anciens dossiers

clients étaient sur microfiche, il se peut qu'ils soient internes et que vous en soyez propriétaire,

mais il pourrait être très coûteux de convertir toutes ces données au format numérique. Il se

peut qu'il y ait

100
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

une solution externe alternative qui pourrait s'avérer moins coûteuse à long terme.

Notez le format des données : sont­elles structurées ou non ?

Quelle est la méthode de collecte des données et où les données sont­elles stockées ou

actuellement situé ?

Décrivez le volume de données : quelle quantité de données allez­vous examiner ?

Les données évoluent­elles rapidement ? Est­elle collectée fréquemment et à quel
point est­elle récente ?

Notez la manière dont chaque ensemble de données sera analysé ainsi que les coûts

impliqués dans la capture, le stockage et l'analyse des données.

S'il s'avère que le coût d'un ensemble de données particulier est trop élevé, vous

souhaiterez peut­être explorer une option différente ou être vraiment sûr que la réponse

que vous tirerez des données est suffisamment importante sur le plan stratégique pour

justifier le temps, l'argent et les efforts.

Il est toujours préférable d’avoir deux ensembles de données plutôt qu’un, et

toujours mieux d’en avoir trois plutôt que deux. Trois ensembles de données vous
permettent de trianguler ou de vérifier les données sous différents angles. Ainsi, si
un ensemble de données est structuré en interne et un autre est interne non structuré et

un autre externe non structuré, vous obtiendrez presque certainement une image

beaucoup plus riche de ce qui se passe afin que vous puissiez répondre à vos questions

SMART de manière plus efficace et plus précise.

N'oubliez pas : ne vous préoccupez pas de toutes les mesures et données qui existent

actuellement – concentrez­vous uniquement sur les mesures et les données qui vous

aideront à répondre à vos questions SMART spécifiques, à améliorer vos performances

et à atteindre vos objectifs stratégiques.

101

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Points clés et appel à l’action

L'idée de base derrière l'expression « Big Data » est que tout ce que nous faisons dans

notre vie laisse, ou laissera bientôt, une trace (ou des données) numérique qui peut être

utilisée et analysée.

Cela dit, le Big Data n’est que des données et n’est utile que s’il répond aux questions

auxquelles vous avez besoin de réponses (questions SMART).

Afin de savoir à quelles réponses vous pourriez accéder, vous devez d’abord comprendre

les différents types et formes de données qui peuvent désormais être analysées pour en

tirer un meilleur aperçu. Ceux­ci inclus:

Données structurées : il s'agit de données situées dans des champs fixes

dans un enregistrement ou un fichier défini tel que des feuilles de calcul ou des bases
de données relationnelles.

Données non structurées et semi­structurées : il s'agit de données qui

ne se trouve pas, ou seulement partiellement, dans des champs fixes ou dans un

enregistrement ou un fichier défini tel que des images, des documents texte, des

publications sur les réseaux sociaux.

Données internes : il s'agit de données auxquelles vous pouvez ou pourriez accéder

depuis votre propre entreprise. Vous possédez déjà ces données même si elles se

trouvent actuellement dans des cartons au sous­sol !

Données externes : il s'agit de données créées ou générées en dehors de votre

entreprise et dont vous ne possédez pas ou auxquelles vous n'avez pas actuellement

accès. Certaines données externes sont en libre accès et d’autres non.

De plus, il est désormais possible d’exploiter des informations à partir de :

Activités

Conversations

102
************************************************** ********************
Machine Translated by Google

************************************************** *******************

M = MESURER LES MÉTRIQUES ET LES DONNÉES

Photos et vidéo

Capteurs

L'Internet des objets.

La prochaine étape consiste à associer votre connaissance des données

existantes à vos questions SMART. Réfléchissez aux données auxquelles vous

auriez idéalement besoin d'accéder afin de répondre au mieux à chacune de vos

questions intelligentes.

Ne vous inquiétez pas au départ de savoir si vous avez accès à ces données :

identifiez simplement les meilleurs indicateurs et données qui pourraient vous

aider à répondre à vos questions les plus urgentes, ce qui à leur tour vous aiderait

à atteindre vos objectifs stratégiques.

Utilisez le tableau de stratégie SMART pour examiner chaque domaine d'activité

tour à tour et déterminer quels seront les indicateurs et les données.

requis pour répondre également à vos questions sur les ressources, la concurrence

et les risques.

Remplissez la fiche technique pour chaque ensemble de données que vous identifiez.

Sur la base de vos fiches techniques, choisissez les meilleures options de

données à poursuivre en fonction de la facilité de collecte des données, de leur

rapidité et de leur rentabilité.

En règle générale, commencez par des données internes et structurées.

des données qui sont généralement plus faciles et moins coûteuses à analyser
que les données non structurées ou semi­structurées.

N'oubliez pas : si vous savez exactement ce que vous recherchez, c'est­à­dire à

quelles questions vous avez besoin de réponses, vous éviterez de vous laisser

submerger par la grande quantité de mesures et de données qui existent

actuellement.

103

************************************************** ********************
Machine Translated by Google

************************************************** *******************

************************************************** ********************
Machine Translated by Google

************************************************** *******************

4
A = APPLIQUER L'ANALYSE

Lorsque vous êtes clair sur votre stratégie, vous savez alors quel objectif vous
essayez d’atteindre. Cet objectif apporte également de la clarté sur les mesures et
les données que vous devrez collecter afin de répondre à vos questions SMART.
Entre les données structurées internes traditionnelles telles que les dossiers
financiers, les bases de données et les KPI et les nouvelles données non structurées,
souvent externes, telles que les données météorologiques, les séquences vidéo de

vidéosurveillance et les données de capteurs, l'entreprise se noie littéralement dans

la substance.

Dans les chapitres précédents, j'ai expliqué comment nous collectons les données,
mais disposer des données ne suffit pas. Vous devez appliquer des analyses afin
de transformer les données en informations commerciales significatives qui peuvent
vous aider à exécuter votre stratégie et à améliorer vos performances.

Les données et les analyses vont de pair. Après tout, il ne sert à rien de créer de
nouvelles opportunités, méthodes et capacités de collecte de données en constante
expansion si nous ne faisons pas quelque chose avec ces données ou n'en
apprenons pas quelque chose de nouveau. En tant que tel, le domaine de l’analyse
se développe parallèlement à la croissance des données.

105
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Rappelez­vous que dans le dernier chapitre, nous avons exploré les 4 V du Big Data :

volume, vélocité, variété et véracité. L'analyse fournit le cinquième

et peut­être le V le plus important du Big Data – la valeur.

Quand nous gérons le volume, la vélocité, la variété et la véracité des données

correctement, en appliquant des analyses, nous pouvons créer une valeur sans précédent

cela peut aider à façonner la stratégie et à éclairer la prise de décision.

Évolution de l'analyse

Comme le Big Data lui­même, l’évolution de l’analytique a été rendue possible par un certain

nombre d’innovations clés. Les progrès en matière de capacités de stockage et de traitement

signifient désormais que nous avons accès à de vastes ensembles de données qui

auparavant, nous n'en avions pas ou ne pouvions pas l'utiliser. Il existe également de meilleurs

réseaux pour connecter ces ensembles de données à des fins d'analyse et de nouveaux logiciels

tels que MapReduce, Big Table et Hadoop qui nous permettent de

interrompre l’analyse des données.

Dans le passé, si nous voulions accéder aux données ou pouvoir obtenir

les informations tirées de ces données devaient être contenues dans un format structuré

base de données relationnelle et nous devions utiliser des outils de requête SQL pour extraire

de n'importe quelle valeur. Ce n’est désormais plus le cas – les données peuvent être simplement

sur n'importe quelle forme, structurée, non structurée, texte, audio, vidéo, capteur, imagination,

désordonnée ou soignée et nous pouvons en extraire de la valeur.

En fin de compte : les données ne sont que des informations. Et il n’existe qu’un nombre défini

de façons dont les informations existent et/ou peuvent être présentées :

Données textuelles (y compris les chiffres)

Données sonores (fichiers audio et musique)

106
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

Données d'image (photographies et graphiques)

Données vidéo (combinaison de données audio et visuelles)

Données du capteur.

Les mots, les chiffres, les images, les photographies, les conversations, les sons et les vidéos sont
tous des sources de données ou d'informations bien connues et évidentes.

tion. Pris individuellement ou collectivement, ils offrent un trésor d’informations. Mais il y a aussi des

informations générées par des capteurs sur des choses que nous n'avions jamais considérées

comme des informations auparavant, comme la position d'une personne via les capteurs GPS de

son téléphone, la vibration d'un moteur, la tension exercée sur un pont aux heures de pointe ou la

température de l'océan à 17 heures dimanche dernier.

Quelqu'un quelque part sait tout ça maintenant ou peut tout savoir

ce genre de choses maintenant parce que les données des capteurs sont transformées en

un format de données quantifiées pouvant être analysées. Et comme les capteurs sont de plus en

plus présents sur tout, du moteur de votre voiture à votre réfrigérateur en passant par votre téléviseur,

les données que nous pouvons désormais analyser explosent et ce sont souvent ces données
combinées avec un ou quelques­uns des plus traditionnels.

des ensembles de données internationaux qui vont libérer de la valeur latente dans les entreprises

et la société.

À eux seuls, ces ensembles de données ou points de données peuvent être intéressants, mais les

véritables informations apparaissent lorsque vous appliquez des analyses, les combinez et extrayez

plus de valeur que la simple valeur des données d'origine. Examinons quelques types courants

d'analyses :

Analyse de texte

Analyse de la parole

Analyse vidéo/image.

107

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Analyse de texte

Comme son nom l’indique, l’analyse de texte ou l’exploration de texte est le processus

d’extraction d’informations et d’idées à partir d’un texte – souvent d’énormes quantités de texte.

Dans la plupart des entreprises, il existe déjà d'énormes quantités de textes ou de

données sous forme de documents, de rapports, de communications internes et
externes, de communications clients, d'e­mails, de sites Web, de mises à jour sur

les réseaux sociaux, de blogs, etc. Et pendant que tous ces mots sont structurés
pour avoir un sens pour un être humain, ils ne sont pas structurés d'un point de vue
analytique, car ils ne s'intègrent pas parfaitement dans une base de données
relationnelle ou dans les lignes et colonnes d'une feuille de calcul. Mais ils
représentent encore une énorme opportunité si nous parvenons simplement à
comprendre comment l’utiliser.

Traditionnellement, les documents texte peuvent être codés afin que nous puissions les

retrouver rapidement plus tard. Par exemple, un rapport peut recevoir des descripteurs tels

que « concurrents » ou « notes d'assemblée des actionnaires » afin qu'un être humain puisse

comprendre de quoi parle le document sans avoir à le lire. Lorsque le texte est numérisé, il est

également possible d'exécuter des requêtes pour retrouver certaines informations dans le

texte. Mais ce type d’enquête nécessite que nous sachions déjà ce que nous recherchons.

L'analyse de texte est désormais capable de nous révéler des choses que nous ne savions

pas déjà et, peut­être plus important encore, que nous n'avions aucun moyen de savoir

auparavant. L'accès à d'énormes ensembles de données textuelles et à des capacités

techniques améliorées signifie que nous pouvons désormais extraire du texte des modèles et

des tendances qui peuvent être incroyablement utiles en entreprise.

108
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

Les tâches typiques d'analyse de texte incluent :

Catégorisation du texte

Regroupement de texte

Extraction de concepts

Analyse des sentiments

Résumé du document.

Catégorisation du texte

Avec les ensembles de données textuelles en constante expansion, il est de plus en plus

important que nous puissions catégoriser les données pour une utilisation future. L'analyse

de texte attribue un document à une ou plusieurs classes ou catégories en fonction du

sujet ou en fonction d'autres attributs tels que le type de document, l'auteur, la date de

création, etc. La catégorisation du texte applique une certaine structure au texte, qui peut

ensuite être utilisée pour analyse ou requête.

Les filtres anti­spam utilisent la classification du texte pour évaluer le texte des e­
mails entrants et décider si l'e­mail est légitime ou s'il s'agit d'un message vendant
des médicaments à prix réduit, des épouses par correspondance ou d'autres

messages non invités. Ces filtres anti­spam sont conçus pour s'adapter
automatiquement à mesure que les types et le contenu des courriers indésirables
changent, apprenant ainsi efficacement du texte et de ses différentes itérations. Le
routage des e­mails utilise également cette technique pour réacheminer un e­mail
arrivant à une adresse générale vers un destinataire plus approprié en fonction du
sujet abordé dans le texte de l'e­mail.

La classification du texte détermine également automatiquement la langue dans laquelle

se trouve le texte, peut attribuer un genre et offrir une lisibilité

109

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

évaluation, qui peut être utilisée pour aider à trouver du matériel adapté à différents

groupes d’âge.

Regroupement de texte

Comme son nom l'indique, le regroupement de texte vous permet de regrouper

automatiquement d'énormes référentiels de texte en sujets ou catégories significatifs
pour une récupération ou un filtrage rapide des informations.

Un moteur de recherche en ligne utilise le clustering. Si vous saisissez « cellule »

dans un moteur de recherche, les résultats seront regroupés autour de « biologie »,
« batterie » et « prison », qui utilisent tous une définition différente du mot « cellule ».

Souvent, les sites Web contenant une grande quantité d’informations utilisent du texte

clustering pour aider leurs visiteurs à trouver plus rapidement ce qu’ils veulent. Par
exemple, usa.gov, le portail officiel du gouvernement américain, utilise le regroupement
de documents pour organiser automatiquement ses résultats de recherche en
catégories. Si vous effectuez une recherche sur « immigration », avant la liste des
résultats, une autre liste de catégories supplémentaires, notamment « visas », « Carte
verte (résident permanent) », « Loterie des visas pour la diversité » et « Citoyenneté »,
aide l'utilisateur à affiner la recherche. et trouvent plus rapidement ce qu'ils
recherchent.

Extraction de concepts

Cette technique vous permet d'extraire des concepts du texte. Le langage peut être
assez vague et signifier différentes choses selon le contexte dans lequel le langage
est utilisé. Les êtres humains sont facilement capables de comprendre ce que signifie
le contexte et les mots environnants.

110
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

Un ordinateur peut faire quelque chose de similaire lorsqu’il a beaucoup de

données à traiter afin d’égaliser les erreurs.

Les techniques d’extraction de concepts sont actuellement utilisées

commercialement dans les cabinets d’avocats où des millions de documents juridiques existent.
Les analyses d'extraction de concepts peuvent se concentrer sur les documents
susceptibles d'être les plus pertinents pour le nouveau cas, épargnant ainsi au
personnel coûteux un temps considérable pour tenter de localiser des précédents, etc.

Analyse des sentiments

L'analyse des sentiments, également connue sous le nom d'exploration d'opinions,

cherche à extraire une opinion ou un sentiment subjectif d'un texte. Rien que dans
la langue anglaise, il existe environ 615 000 mots. Si vous incluez des mots
techniques et scientifiques, il y en a des millions d’autres. Au total, environ 200

000 mots sont aujourd'hui couramment utilisés en anglais.1 Certains de ces mots
sont assez neutres, mais d'autres ont une connotation nettement positive tandis
que d'autres sont plus négatifs. Ce sont ces variations de sentiment que l’analyse
des sentiments basée sur le texte cherche à identifier.

L'objectif fondamental de l'analyse des sentiments est de classer la polarité de

toute donnée textuelle donnée comme positive, négative ou neutre. Cela peut être
appliqué à un document entier ou à des paragraphes ou phrases particuliers (voir
Figure 4.1).

Ce type d'analyse des sentiments de polarité du texte cherche à déterminer si la

personne qui écrit le texte est positive, négative ou neutre. Il existe un certain
nombre d'outils logiciels (mention sociale, Twitter Sentiment, Yacktracker et

Twitrratr) qui peuvent vous aider à mesurer le sentiment autour de votre produit
ou service.

1Bryson, B. (1990) Langue maternelle. Londres : Pingouin.

111
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

La superbe performance de Julie Jones lors du débat au poste de gouverneur

lui a pratiquement assuré une victoire majeure aux prochaines élections.
Malheureusement, la soirée ne s'est pas aussi bien déroulée pour son
adversaire John Adams, dont la performance nerveuse et incertaine a
pratiquement garanti une défaite et remis en question tout son avenir politique.

Figure 4.1 Exemple de sentiment positif et négatif associé à des mots

Twitrratr, par exemple, vous permet de séparer les tweets positifs

sur votre entreprise, marque, produit ou service des tweets
négatifs et neutres afin que vous puissiez voir vos performances
dans le Twitterverse (voir Figure 4.2).

Figure 4.2 Exemple de sentiment pour Starbucks utilisant Twitrratr

112
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

L'analyse avancée des sentiments « au­delà de la polarité » peut également aller

plus loin en établissant une classification selon l'état émotionnel de la personne
qui écrit le texte, comme « frustré », « en colère » ou « heureux ». Ce type d’analyse
devient de plus en plus populaire avec l’essor des médias sociaux, des blogs et
des réseaux sociaux où les gens partagent beaucoup plus facilement leurs pensées
et leurs sentiments sur toutes sortes de choses – y compris les entreprises et les
produits.

Si l'on considère que 53 % des utilisateurs de Twitter recommandent des produits

dans leurs tweets, que 93 % des décisions d'achat sont influencées par les médias
sociaux et que 90 % des clients font confiance aux recommandations de leurs
pairs, contre seulement 14 % qui font confiance à la publicité, c'est facile. pour
comprendre pourquoi mesurer le sentiment est si important.2

Des millions de personnes laissent des avis, notent des produits, font des
recommandations et expriment leur opinion sur des entreprises, des produits et
des services, et d'autres personnes utilisent ces expressions pour orienter leur
prise de décision. Vous devez savoir ce que les gens disent de vous et l’analyse
des sentiments peut vous aider à y parvenir.

L'opinion et l'expression en ligne sont devenues une sorte de monnaie virtuelle

pour les entreprises qui cherchent à commercialiser leurs produits, à identifier de
nouvelles opportunités et à gérer leur réputation.

À tel point que de nombreuses entreprises créent désormais des services ou des
capacités de surveillance des médias sociaux pour évaluer et gérer ce qui se dit à
leur sujet en ligne.

2Qualman, E. (2014) Médias sociaux http://www.youtube.com/watch?v=zxpa4 dNVd3c.

113
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Par exemple, la société de boissons pour sportifs Gatorade dispose d'un centre de
commandement des médias sociaux au sein de son siège social de Chicago depuis
2010. « Mission Control » est une salle au sein du département marketing qui agit
comme une salle de guerre qui surveille la marque en temps réel. Mesures Gatorade

conversations de blog sur une variété de sujets et montre à quel point ces
conversations sont brûlantes dans la blogosphère. La société effectue également
une analyse détaillée des sentiments sur des sujets clés et des lancements de
produits et de campagnes. Il suit également les termes relatifs à sa marque, y
compris les concurrents, ainsi que ses athlètes et les sujets liés à la nutrition
sportive. Fondamentalement, Gatorade sait ce que les gens disent de l'entreprise
et de ses produits partout dans le monde.

Et savoir tout cela a fait une grande différence. En surveillant leur campagne
« Gatorade a évolué », qui présentait une chanson de l'artiste rap David Banner,
Mission Control a pu constater que la chanson faisait l'objet de nombreuses
discussions sur les réseaux sociaux. En moins de 24 heures, ils ont travaillé avec
Banner pour sortir une version complète de la chanson et la distribuer aux abonnés
et fans de Gatorade sur Twitter et Facebook, respectivement. L'entreprise utilise
également les informations de Mission Control pour optimiser les pages de
destination et garantir que les abonnés sont envoyés vers les pages les plus
performantes. À titre d'exemple, l'entreprise affirme avoir été en mesure
d'augmenter de 250 % l'engagement dans sa formation sur les produits
(principalement par vidéo) et de réduire son taux de sortie de 25 % à 9 %.3

Dell est une autre entreprise qui prend très au sérieux les sentiments et les médias
sociaux. Leur centre de contrôle et de commande au sol des médias sociaux est
situé à Round Rock, au Texas et compte 70 employés.

3Ostrow, A. (2010) À l'intérieur du centre de commande des médias sociaux de Gatorade. Mashable, 15
juin 2010. http://mashable.com/2010/06/15/gatorade­social­media­mission­control/

114
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

surveiller les conversations sociales (principalement basées sur des textes) dans
le monde entier 24 heures sur 24. L'équipe traite chaque jour quelque 25 000
messages liés à Dell via Twitter, Facebook, blogs et autres médias sociaux – dans
11 langues différentes, répondant à la plupart des requêtes ou plaintes dans les
24 heures.4

Nous savons tous qu'un client satisfait en parlera probablement à quelques amis,
tandis qu'un client mécontent peut réellement se rendre en ville et causer de
graves dommages à la marque s'il obtient un quelconque écho sur les réseaux sociaux.
Ces centres de commandement permettent aux entreprises de mettre fin à ces
problèmes avant qu'ils ne s'aggravent. De plus, mettre les choses en place
rapidement peut en réalité accroître la fidélité à la marque et la satisfaction des
clients. Prendre une longueur d'avance et comprendre ce que ressentent et
pensent vos clients au fur et à mesure qu'ils le ressentent et pensent que cela peut
présenter d'énormes avantages commerciaux.

En adoptant les médias sociaux, les organisations de vente au détail engagent les
défenseurs de la marque, changent la perception des antagonistes de la marque
et permettent même à des clients enthousiastes de vendre leurs produits. Ils
surveillent également les médias sociaux comme Facebook et Twitter pour obtenir
une vue sans précédent du comportement, des préférences et de la perception
des produits des clients. Et les fabricants surveillent les réseaux sociaux pour
détecter les problèmes de support après­vente avant qu'un défaut de garantie ne
devienne publiquement préjudiciable.

Avec la myriade d'applications, il est facile de comprendre pourquoi de plus en

plus d'entreprises investissent dans les médias sociaux et cherchent à en tirer parti.

4Holmes, R. (2012) Les centres de contrôle de mission de type NASA pour les
médias sociaux décollent CNN Money http://tech.fortune.cnn.com/2012/10/25/nasa­
style­ mission­control­centers­for ­les­médias­sociaux­décollent/

115

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

sentiment et opinion en temps réel autour de leurs produits, services et marques.

Résumé du document

Encore une fois, comme son nom l'indique, cet outil d'analyse de texte vous permet de

résumer automatiquement des documents à l'aide d'un programme informatique pour

conserver les points les plus importants du document original.

Cela peut être particulièrement utile pour un cadre occupé qui souffre d'une surcharge

d'informations et le logiciel peut prendre en compte la longueur, le système d'écriture

et la syntaxe. Les moteurs de recherche utilisent également cette technologie pour

résumer les sites Web dans les listes de résultats.

Il existe deux approches de synthèse automatique : l'extraction et l'abstraction.

L'extraction fonctionne en sélectionnant un sous­ensemble de mots, d'expressions ou

de phrases existants dans le texte original pour former un résumé. Alternativement,

l’abstraction construit une représentation sémantique interne, puis utilise des

techniques de génération de langage naturel pour créer un résumé plus proche de ce

qu’un humain pourrait générer. Les résumés d'abstraction peuvent contenir des mots

qui ne sont pas explicitement présents dans l'original, contrairement aux résumés

d'extraction.

Ces outils de synthèse peuvent fournir des résumés génériques de texte ou créer des

résumés pertinents pour les requêtes, ce qui peut considérablement accélérer la

recherche. Imaginez que si vous vouliez savoir ce qui a été écrit sur un sujet particulier,

vous dirigeriez le résumé vers ce sujet et économiseriez potentiellement des milliers

d'heures de recherche.
temps.

116
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

Certains systèmes génèrent un résumé basé sur un document source unique,

tandis que d'autres peuvent utiliser plusieurs documents sources (par exemple,
un groupe d'articles d'actualité sur le même sujet). Ces systèmes sont appelés
systèmes de synthèse multidocuments.

Résumé
L'analyse de texte est particulièrement utile pour la récupération d'informations,
la reconnaissance de formes, le marquage et l'annotation, l'extraction
d'informations, l'évaluation des sentiments et l'analyse prédictive. Essentiellement,
il s'agit d'obtenir plus d'informations à partir du texte et d'aider le texte à être
encore plus utile au­delà de sa signification réelle.

Par exemple, je connais une organisation qui utilise des outils d'analyse de
texte pour numériser et analyser le contenu des e­mails envoyés par son
personnel ainsi que les publications sur les réseaux sociaux qu'il publie sur
Facebook ou Twitter. Cela leur permet de comprendre avec précision les
niveaux d’engagement du personnel. De plus, ils n'ont plus besoin des
enquêtes traditionnelles auprès du personnel, dont la réalisation et l'analyse
peuvent s'avérer coûteuses et longues.

Dans un autre exemple d'analyse de texte, un chercheur des Microsoft

Research Labs à Washington a découvert qu'il était possible de prédire
quelles femmes étaient à risque de dépression postnatale simplement en
analysant leurs publications sur Twitter. Au lieu d’utiliser un algorithme
analysant les recherches ou les achats de la mère, la recherche s’est
concentrée sur les signaux verbaux que la mère utiliserait des semaines
avant l’accouchement.

Celles qui semblaient prêtes à lutter contre la maternité avaient tendance à

utiliser des mots qui faisaient allusion à une anxiété et un malheur sous­jacents. Là

117

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Il y avait plus de négativité dans le langage, une augmentation de l'utilisation du

« je » ainsi qu'une augmentation des mots comme « déçu », « misérable » et
« haine » et divers jurons qui indiquaient une dépression croissante chez la
future mère.

Comme l'a reconnu Eric Horvitz, codirecteur de Microsoft Labs, ce type

d'informations peut être extrêmement utile pour aider les femmes en cette
période de vulnérabilité et également pour briser la stigmatisation entourant la
dépression postnatale. Ce serait une étape relativement simple pour un groupe
d’aide sociale de créer une application qui pourrait fonctionner sur un téléphone
intelligent et alerter les femmes enceintes de l’apparition d’une potentielle
dépression postnatale et les orienter vers des ressources pour les aider à y faire face.5

À l’aide du texte saisi dans les moteurs de recherche, l’analyse de texte a

également été utilisée pour découvrir les effets secondaires jusqu’alors inconnus
de la prise simultanée de deux médicaments. Par exemple, il a été découvert
que de nombreuses personnes recherchaient le médicament hypocholestérolémiant
« Pravachol » et l'antidépresseur « Paroxetine » à côté de mots tels que
« fatigué », « soif », « étourdi », « démangeaisons » et « essoufflé ». ", a révélé
un lien avec une hypertension artérielle, résultant du mélange de ces deux
médicaments particuliers, qui n'avaient pas fait l'objet d'essais cliniques.6 Et
dans un autre exemple de santé, la clinique Carilion, en Virginie, affirme avoir
utilisé des algorithmes de traitement du langage naturel. pour examiner plus de
2 millions de rencontres avec des patients, y compris les dossiers médicaux, les
notes des cliniciens et les documents de sortie, qui ont identifié 8 500 patients à
risque de problèmes cardiaques avec un taux de précision de 85 %.7

5Knapton, S. (2014) « Selon les scientifiques, « la dépression postnatale peut être prédite
en surveillant le fil Twitter des femmes ». Le télégraphe.
6Ibid.

7Jackson, K., Panizar, J., Struckhoff, R. et Silva, P. (2014) « IBM étend la pratique fédérale
des soins de santé aux États­Unis », http://gov.ulitzer.com/node/3071692.

118
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

Analyse de la parole

Tout comme les textes, les enregistrements audio des conversations peuvent désormais être analysés.

En plus d'analyser les sujets abordés, il est désormais possible d'utiliser l'analyse de

la parole pour analyser le contenu émotionnel du discours.

En analysant le ton et les intonations du discours, les centres d'appels, par

exemple, peuvent évaluer lesquels de leurs clients sont en colère ou frustrés. La
quantité de parole et le lieu de la parole par rapport au silence, c'est­à­dire les
temps d'attente des appels ou les périodes de silence, peuvent également aider
les entreprises en contact avec les clients à fournir un meilleur service et à
rendre leurs clients plus satisfaits. En conséquence, les conversations qu'on
nous a dit « peuvent être enregistrées à des fins de formation » peuvent en
réalité être utilisées à des fins de formation et fournir des informations utiles au
lieu d'être perdues ou enregistrées.

En analysant et en catégorisant les conversations téléphoniques enregistrées entre les

entreprises et leurs clients, il est désormais possible de découvrir des informations

stratégiquement significatives sur les produits, les processus, les problèmes

opérationnels, les domaines à améliorer et les performances du service client. Ces

informations donnent aux décideurs un aperçu de ce que les clients pensent réellement

de leur entreprise afin qu'ils puissent réagir rapidement. De plus, l'analyse vocale peut

identifier automatiquement les domaines dans lesquels les agents du centre de contact

peuvent avoir besoin d'une formation ou d'un encadrement supplémentaire, et peut

surveiller automatiquement le service client fourni lors des appels.

Les applications d'analyse vocale peuvent détecter des mots­clés ou des expressions

prononcés, soit sous forme d'alertes en temps réel sur l'audio en direct, soit sous

forme d'étape de post­traitement sur la parole enregistrée. Cette capacité d'analyse peut aider

119

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

les programmes gèrent l'imprévisibilité des gens – la radio et la télévision, par

exemple, ne veulent pas diffuser quelqu'un en train de jurer si elles peuvent l'aider et
l'analyse de la parole peut aider à reconnaître les schémas de parole qui peuvent
conduire à ce résultat et interrompre cette personne. avant qu'un quelconque
dommage ne soit causé.

En plus de fournir des informations commerciales utiles, l'analyse vocale peut être
utilisée commercialement dans les logiciels de reconnaissance vocale pour
téléphones Dicta ou dans les applications pour votre téléphone intelligent. De plus,
c'est cette capacité à transformer les mots prononcés en texte qui nous permet
d'exprimer votre demande de recherche ou vos commandes à Siri sur l'iPhone, par
exemple, qui écoutera votre voix et fournira les résultats. De nombreuses voitures
modernes offrent également une fonction de synthèse vocale afin que si vous recevez
un message texte sur votre téléphone, la voiture convertisse le texte en parole afin
que vous puissiez entendre votre message sans perturber votre conduite.

Résumé
Tout comme l’analyse textuelle, l’analyse vocale apporte de la valeur non seulement
à ce qui est réellement dit dans les conversations, mais aussi à la façon dont cela a
été dit et à l’émotion qui se cache derrière ce qui a été dit. En tant que tel, il fournit
des informations qui n’étaient tout simplement pas possibles il y a dix ans, et les
avantages sont significatifs.

Si l'analyse de la voix d'une personne peut nous dire quand elle est stressée,
effrayée, heureuse, triste ou même quand elle ment, au­delà des mots qu'elle utilise
lorsqu'elle parle, alors l'analyse de la parole a un énorme potentiel en matière de
prévention du crime et de la fraude. .

Imaginez ce qui pourrait être fait avec l'analyse de la parole lors des entretiens avec
la police. Lorsque la police interroge un suspect ou un témoin

120
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

ces conversations sont enregistrées. L’analyse vocale pourrait donc aider à déterminer

si quelqu’un est trop stressé ou s’il ment. De toute évidence, être dans un commissariat

de police rend même le

innocent et nerveux, les algorithmes devraient donc trouver des modèles statistiquement

significatifs, mais ce type d'innovation n'est pas loin

loin.

Imaginez comment il pourrait être utilisé dans les compagnies d'assurance où les sinistres

les lignes d'assistance ou les centres d'appels pourraient disposer d'un logiciel d'analyse

vocale exécuté en arrière­plan de tous les appels pour surveiller et signaler les potentiels
fraude.

En 2011, Verizon, une société de communication américaine, a déposé un brevet

pour lui permettre de vous regarder regarder la télévision via votre décodeur existant

boîte. Le décodeur est celui qui vous connecte à Internet et vous permet d'accéder à la

télévision à la demande, etc., et il

collecte des données sur ce que vous regardez, pendant combien de temps et comment

souvent, vous avancez rapidement dans les coupures publicitaires, mais Verizon veut

pour écouter vos conversations afin de pouvoir les diffuser en temps réel

publicité applicable à votre téléviseur. Ainsi, par exemple, si vous et

votre conjoint se disputait, le décodeur le ferait

récupérez cela à l'aide de l'analyse vocale et diffusez une annonce sur les conseils en

matière de mariage. Ou si tu parlais de l'envie de continuer

vacances, une annonce faisant la promotion de la Barbade peut apparaître dans l'annonce

pause de votre émission de télévision préférée. Potentiellement le décodeur

pourrait contenir des capteurs permettant à la fois d'entendre et de voir ce que les gens

font chez eux et d'utiliser ces données pour cibler

publicité.

Il existe clairement des utilisations bonnes et inquiétantes de l'analyse vocale et

le fait qu'il s'agisse d'un outil approprié pour vous dépendra de ce que

Des questions SMART auxquelles vous avez besoin de réponses.

121

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Analyse vidéo/image

Autrefois, les seules données vidéo collectées étaient les données de

vidéosurveillance de sécurité. Le but de ces données était de surveiller les locaux
commerciaux ou commerciaux pour détecter les vols à l'étalage, les dommages
malveillants ou les actes répréhensibles des employés. La plupart des systèmes de
sécurité effectuaient des enregistrements en boucle, ce qui signifiait qu'ils
enregistraient en continu sur des cassettes vidéo ou des disques durs numériques,
puis après un nombre défini de jours, l'enregistrement revenait en boucle et réenregistrait les anciennes

S’il n’y avait aucun incident dans la zone enregistrée, les données étaient inutiles et
étaient donc effacées encore et encore. Cependant, avec les progrès de l’analyse
des vidéos et des images, tout cela est en train de changer. Les données sont
désormais considérées comme utiles d’une manière qui n’avait même pas été
envisagée auparavant. Comme tous les changements liés au Big Data et à l’analyse,
cela s’explique principalement par l’avancée considérable des capacités de stockage.
Il y a dix ans, il aurait été inouï d'enregistrer et de stocker toutes ces images de
vidéosurveillance – il aurait fallu un entrepôt uniquement pour conserver les vieilles
bandes, qui se dégraderaient si elles n'étaient pas conservées dans un environnement
à température contrôlée – ce qui coûtait cher. De plus, comme il n’y avait aucun
moyen de vraiment l’analyser, cela ne servait à rien.

Si l’on considère que la quantité d’informations stockées augmente quatre fois plus
vite que l’économie mondiale et que la puissance de traitement des ordinateurs
augmente neuf fois plus vite8, il est facile de comprendre comment toutes ces
données vidéo stockées pourraient désormais devenir utiles.

Dans le passé, la seule véritable analyse des données vidéo ou image consistait à
utiliser des balises décrivant la vidéo ou l’image. Donc,

8Mayer­Schonberger, V. et Cukier, K. (2013) Big Data : une révolution qui transformera

notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.

122
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

par exemple, si quelqu'un télécharge une vidéo sur YouTube, des balises descriptives sont

attachées au fichier et conçues pour décrire le sujet de la vidéo. Ainsi, lorsque vous

recherchez « écureuil fou » sur YouTube, le moteur de recherche parcourt le vaste référentiel

de clips en utilisant ces balises afin d'identifier, espérons­le, les clips qui correspondent au

terme de recherche « écureuil fou ». Le système de recherche n’analyse pas (et n’a jamais

analysé) toutes les séquences vidéo à la recherche d’exemples d’écureuil fou ; ils recherchent

dans les balises téléchargées par l'utilisateur des résultats possibles. YouTube ne regarde

pas réellement les images, donc le fait que la personne trouve ce qu'elle cherche est

déterminé par la précision des balises décrivant le contenu. Bien entendu, ces balises sont

sujettes à l’interprétation de l’utilisateur, il n’existe donc pas de méthode unifiée de marquage :

c’est un choix personnel.

Les derniers outils d'analyse vidéo changent tout cela car ils utilisent désormais des

algorithmes qui parcourent la vidéo, scène par scène, plan par plan et capturent réellement

ce qu'il y a dans la vidéo. Ensuite, ils indexent ces informations et les utilisent pour identifier

des modèles ou des références croisées avec d’autres outils d’analyse.

Cette analyse de contenu vidéo (VAC) est utilisée jusqu'à présent pour :

Identification (reconnaissance faciale)

Analyse du comportement

Conscience de la situation.

Reconnaissance de visage

La reconnaissance faciale est une application informatique qui peut identifier ou vérifier

automatiquement une personne à partir d'une image numérique ou d'une image vidéo.

123

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Traditionnellement, les algorithmes de reconnaissance faciale sélectionnaient les

traits du visage et analysaient leur position relative, leur taille, leur forme, etc. Ou
encore, l'algorithme prenait une galerie d'images de visage, les normalisait et
enregistrait uniquement les éléments distincts pour la reconnaissance faciale. Les
algorithmes de reconnaissance sont soit géométriques, qui examinent les
caractéristiques distinctives, soit photométriques, qui est une approche statistique
qui distille une image en valeurs et compare les valeurs avec des modèles pour
éliminer les variances.

Bien sûr, les êtres humains vieillissent et changent et ils peuvent également modifier
leurs caractéristiques grâce à la chirurgie. La nouvelle tendance qui revendique une
bien plus grande précision est donc la reconnaissance faciale 3D. À l’aide de
capteurs 3D pour capturer des informations sur la forme et la topographie d’un
visage, ces informations sont ensuite utilisées pour identifier des caractéristiques
distinctives sur la surface d’un visage, telles que le contour des orbites, du nez et du menton.

L'avantage de la reconnaissance faciale 3D est qu'elle peut identifier un visage

sous différents angles, peu importe que le système fonctionne de jour ou de nuit.
La technique de correspondance 3D peut être sensible à l'expression du visage,
même si ce n'est qu'une question de temps avant que ce ne soit plus un problème.
Une autre tendance émergente appelée analyse de la texture de la peau utilise les
détails visuels de la peau d'une personne pour l'identifier. Ce processus transforme
les lignes, motifs et taches uniques apparents sur la peau d'une personne en un
énoncé mathématique.

Pour que la reconnaissance faciale fonctionne, la technologie a besoin de grands

ensembles de données, appelés galerie d’images, contenant des photographies ou
des images vidéo de visages déjà identifiés par leur nom. Le logiciel convertit
ensuite automatiquement la topographie de chaque visage de la galerie en un code
mathématique unique, appelé empreinte faciale. Cette empreinte faciale peut
ensuite être utilisée ailleurs pour identifier quelqu'un d'un groupe existant ou ultérieur.

124
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

photos ou lorsqu'ils sont filmés par CCTV en train de faire leurs courses.

Sans surprise, compte tenu de leurs ensembles de données existants, des

entreprises comme Google et Facebook sont déjà en avance en matière de
reconnaissance faciale. En utilisant les photographies que les utilisateurs
téléchargent volontairement sur Facebook, par exemple, ils peuvent créer une
image 3D de leur visage, puis scanner le reste d'Internet pour trouver d'autres
photos de ces personnes afin de voir où elles apparaissent et qui d'autre elles
pourraient connaître. . Ainsi, par exemple, si vous téléchargez des photos sur
Facebook, ils pourront faire correspondre cette photo à votre site Web d'entreprise,
à votre profil de rencontre en ligne ou vous trouver dans des articles de presse ou
des billets de blog. De cette façon, les entreprises sont en mesure de trianguler les
données dont elles disposent sur vous et d’en savoir encore plus.

La reconnaissance faciale permet à ces entreprises de suggérer des tags de nom

pour les photos de groupe que vous téléchargez sans même avoir à taguer la
photo vous­même. Google a déposé une demande de brevet sur une méthode qui
lui permettrait d'identifier les visages dans une vidéo et qui permettrait aux gens de
se connecter à des appareils en clignant de l'œil ou en faisant une autre forme
d'expression faciale. Et les chercheurs de Facebook ont rapporté que leur système
de reconnaissance de formes DeepFace atteint une précision de reconnaissance
de visage proche de celle d'un humain. Et si cela vous rend un peu nerveux, qu'en
est­il de l'application NameTag, qui était disponible sous une forme initiale pour les
personnes essayant les Google Glass. En utilisant, entre autres, la technologie de
reconnaissance faciale, les utilisateurs n'auraient qu'à jeter un coup d'œil sur un
étranger à travers les Google Glass et NameTag renverrait instantanément une
correspondance complète avec le nom de cet étranger, sa profession et les
informations publiques de son profil Facebook !9

9Singer, N. (2014) « Ne jamais oublier un visage », New York Times, http://www. nytimes.com/
2014/05/18/technology/never­forgetting­a­face.html ? r=0.

125
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Analyse du comportement

Outre l’analyse vidéo d’identification, elle peut également être utilisée pour mesurer et
surveiller le comportement. Avant les dernières avancées, toutes les vidéos

L'analyse pouvait consister à examiner les formes et l'endroit où ces formes se déplacent,

mais il est désormais possible de collecter des données provenant de différentes caméras

dans un environnement de vente au détail et d'analyser ce que font les gens et comment

ils se déplacent dans le magasin.

Supposons que vous soyez propriétaire d'un magasin et qu'il y ait cinq caméras de

vidéosurveillance réparties dans tout le magasin. Au lieu de supprimer ces données après

une semaine, elles peuvent être téléchargées vers un fournisseur de services cloud

quelque part sans que vous ayez besoin d'une nouvelle infrastructure ou d'un nouvel

équipement. Une société d'analyse pourrait ensuite analyser ces données en rassemblant

tous les ensembles de données des caméras afin que vous puissiez comprendre comment

les gens se déplacent dans votre magasin et à quelles promotions ils s'arrêtent et

auxquelles ils accordent plus d'attention.

L’un de mes clients – un leader mondial de la distribution – utilise actuellement ce type de

technologie. Au départ, ils nous ont contacté pour les aider à trouver des solutions de

données à leurs questions commerciales les plus critiques. L'un des objectifs commerciaux

liés à la clientèle était qu'ils ne voulaient pas que leurs clients fassent la queue pendant

longtemps à la caisse. Un objectif noble – mais le problème était qu’ils disposaient de

peu de données (autres qu’anecdotiques) sur la longueur des files d’attente et sur la durée

pendant laquelle les clients y restaient.

Ils ne disposaient d'aucune donnée qui pourrait les aider à comprendre la situation actuelle

dans leurs magasins. Au début, ils ont demandé au responsable de la caisse d'estimer la

durée des files d'attente toutes les heures, mais ce n'était pas très fiable. Les surveillants

étaient occupés, ils ont oublié

126
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

et donc ils ont juste deviné et tout le processus était sujet aux erreurs.

Nous l'avons ensuite modifié pour refléter le temps réel en ajoutant un script à la caisse.

Ainsi, avant que le caissier ne commence à scanner les produits, une invite apparaissait sur

son écran pour lui demander combien de personnes se trouvaient dans la file d'attente. S'il

y avait 3 personnes dans la file d'attente à ce moment­là, l'opérateur saisirait « 3 » et

commencerait ensuite à numériser les éléments normalement. Ils répéteraient ce processus

avant chaque transaction.

Cette approche était évidemment meilleure car elle était plus précise, même si elle était

toujours sujette à des erreurs ou à l'opérateur qui tapait n'importe quoi ou ne comptait pas

correctement. De plus, cela prenait beaucoup de temps – même si cela ne durait que

quelques secondes par transaction, multiplié par trente caisses et des milliers de magasins,

cela devenait cher.

Le détaillant a ensuite opté pour des capteurs installés au­dessus du

des caisses qui détecteraient combien de corps étaient dans la file d'attente. Cette approche

était moins chère, plus précise et plus fiable.

Cependant, à mesure que l’analyse vidéo s’est développée, ils utilisent désormais les

données de surveillance des caméras CCTV dont ils disposent déjà. Dans le passé, chaque

caméra de vidéosurveillance de chaque magasin possédait sa propre base de données et

enregistrait les images pendant une semaine, puis les écrasait avec de nouvelles images,

mais ils ont réalisé que les informations étaient en réalité bien plus précieuses que

simplement aider à identifier et arrêter le vol. Désormais toutes les informations de toutes les
caméras de tous les magasins sont connectées

à une grande base de données qui contient toutes les données des caméras de

vidéosurveillance et un logiciel spécialisé rassemble tout cela pour reconnaître les

mouvements et les schémas ainsi que la reconnaissance faciale.

Donc, en gros, la prochaine fois que vous entrerez dans votre supermarché local pour

acheter un poulet BBQ prêt à l'emploi pour le dîner, vous serez

127

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

filmé par vidéosurveillance à différents endroits du magasin. Le logiciel combinera

ensuite toutes ces images provenant de différentes caméras pour voir comment vous

vous promenez dans le magasin, quelles allées vous visitez, quelles promotions vous

arrêtez et regardez et combien de temps vous attendez dans un magasin.

file d'attente.

Non seulement ces données ont permis au supermarché de suivre la durée des files

d'attente et de prendre des mesures pour réduire le temps d'attente et atteindre son

objectif stratégique, mais elles lui ont également fourni bien plus d'informations.

Si vous combinez ces données de vidéosurveillance de macro­surveillance avec des

données de micro­vidéo ou des données de capteurs positionnées à des points

stratégiques autour d'offres ou de promotions spéciales, l'entreprise peut désormais voir

ce que les gens ramassent, regardent et achètent et ce qu'ils ramassent, regardent et

achètent. remettre sur l'étagère.

Pour le moment, ces données ne correspondent pas à une personne individuelle – il

s'agit simplement d'enregistrer ce qu'une personne fait, mais il s'agit d'une étape petite

et très réalisable pour croiser ces informations en utilisant la reconnaissance faciale et

les cartes de fidélité pour accéder aux données sur les clients individuels et

potentiellement adapter les promotions et les offres en fonction de ces données.

Conscience de la situation

L'analyse vidéo et d'images peut également être utile lorsque la connaissance de la

situation est essentielle à la prise de décision dans des situations complexes et très

fluides, telles que l'aviation, le contrôle du trafic aérien, la navigation maritime,

l'exploitation de centrales électriques et les services d'urgence.

128
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

L'utilisation de la technologie et des données issues des séquences vidéo peut aider à

alerter le personnel de tout changement ou anomalie, ce qui peut sauver des vies et prévenir
crime.

Par exemple, il existe désormais des logiciels qui permettent de surveiller automatiquement

un lieu ou un espace 24h/24 et 7j/7 ; ces séquences vidéo sont ensuite analysées à l'aide

d'une solution d'analyse vidéo et comportementale et vous alertent en temps réel de toute

activité anormale et suspecte. Une fois installé et doté du flux vidéo initial, le logiciel

observe son environnement, apprend à distinguer les comportements normaux des

comportements anormaux et envoie des alertes pertinentes en temps réel au personnel

de sécurité. Le système s’autocorrige également, ce qui signifie qu’il affine continuellement

ses propres hypothèses sur le comportement et qu’aucun effort humain n’est requis pour

définir ses paramètres.10

Comment l'analyse vidéo/image est déjà utilisée

De toute évidence, l'analyse vidéo a d'énormes implications sur le comportement des

consommateurs, la sécurité, la lutte contre le terrorisme et également sur notre vie privée.

Cette technologie est, par exemple, déjà utilisée dans les forces de l'ordre, dans la

prévention du crime et elle est également utilisée par les casinos. Les services de police

de New York, de Pennsylvanie et de Californie utilisent déjà la reconnaissance faciale

pour comparer une photo d'un suspect, peut­être prise par CCTV, avec leur galerie

d'images de criminels condamnés afin de trouver une correspondance.

10http://videoanalytics.com/?p=73

129
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Pour un criminel, la vie aurait dû être bien plus facile avant le Big Data et les puissantes

applications d’analyse comme la reconnaissance faciale. Si vous n'étiez pas pris en

flagrant délit ou si votre plaque d'immatriculation ou votre description n'était pas notée

par un passant attentif, vous n'aviez pas grand­chose à craindre. Aujourd’hui, une police

fondée sur le renseignement et utilisant une technologie intelligente sert à réduire à la

fois la criminalité et la peur du crime.

Dans le Londres victorien, Artful Dodger de Dickens exerçait son métier de pickpocket et

de voleur, mais il ne durerait pas longtemps dans les rues du Londres moderne. Même

s'il n'était pas identifié par la victime ou par un témoin, les séquences vidéo disponibles

sur l'une des 422 000 caméras de vidéosurveillance de Londres enregistreraient

probablement à elles seules ses mouvements. Ces séquences vidéo sont désormais

couramment utilisées pour créer une empreinte faciale 3D d'un suspect, qui est ensuite

utilisée pour la comparer aux images disponibles sur Internet ou sur les sites de réseaux
sociaux. Même les criminels ont

Des photos de profil Facebook permettant de les identifier grâce à la technologie de

reconnaissance faciale. Le détective du futur pourra découvrir tout ce qu’il y a à savoir

sur un suspect, simplement à partir d’une image photographique ou vidéo. Et si l’on

considère qu’il y a environ 5,9 millions de caméras de vidéosurveillance au Royaume­

Uni, cela représente

il faut être bon pour la prévention du crime.11

En plus des images vidéo, les forces de police ont compilé des bases de données

d'échantillons d'ADN de délinquants pour les comparer à ceux prélevés sur les scènes

de crime. L'ordinateur national de la police du Royaume­Uni contient désormais des

informations sur plus de 9 millions de personnes, soit près d'un sixième du nombre total de personnes.

11Barrett, D. (2013) « Une caméra de surveillance pour 11 personnes en Grande­

Bretagne, selon une enquête CCTV », The Telegraph, http://www.telegraph.co.uk/
technology/101 72298/One­surveillance­camera­for ­chaque­11­personnes­en­
Bretagne­dit­CCTV­ survey.html.

130
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

population. La police a également accès aux détails de 50 millions de conducteurs tirés

des dossiers de l'Agence des permis de conduire et des véhicules.

Une autre initiative britannique, appelée par la police « l'Anneau d'Acier », consiste à

positionner des caméras de vidéosurveillance dotées de la technologie de

reconnaissance automatique des plaques d'immatriculation (ANPR) autour de chaque

route entrant et sortant d'une ville. Les caméras enregistrent la plaque d'immatriculation,

prennent une photo de la voiture et des passagers et enregistrent la direction du

déplacement. Il s’agit de constituer une énorme base de données que les forces de

police ont commencé à interroger à l’aide de la technologie Big Data afin de pouvoir
corréler les mouvements de véhicules avec les délits.

Aux États­Unis, la lutte contre la criminalité armée est une priorité politique plus

urgente et ils se tournent également vers le Big Data pour obtenir des réponses.
Un outil, appelé ShotSpotter, utilise un réseau de capteurs positionnés dans une zone

ou une ville pour fournir des rapports GPS en temps réel à chaque fois qu'une arme à

feu est tirée. Essentiellement, les « données » analysées ici sont l'ensemble du

paysage sonore de la ville – lorsque le son distinctif d'un coup de feu est enregistré,

les données sont collectées et la police est alertée.

Il est question d’étendre le système pour inclure des séquences vidéo automatiques –

activant instantanément les caméras pour capturer des séquences dès la seconde où

la gâchette est appuyée. Les résultats dans une région de New York montreraient une

réduction de 90 % des incidents de crimes commis avec des armes à feu depuis
l'installation du système.

Les forces de l’ordre trouvent constamment de nouvelles façons d’utiliser la technologie

et le Big Data dans la lutte contre la criminalité. Dans la Silicon Valley, la technologie

biométrique crée des armes qui ne peuvent tirer que si elles sont détenues par une

personne légalement autorisée à le faire. Les caméras de vidéosurveillance ne sont

plus des observateurs impuissants et immobiles : elles sont couramment utilisées dans

les voitures de police et transportées par les agents pour créer un enregistrement

numérique permanent de tout ce qui se passe autour d'eux, et elles s'envolent de plus
en plus dans le ciel, attachées à des drones télécommandés.

131

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Tout cela rendra plus difficile pour les criminels de commettre des crimes et

peut même éradiquer complètement certaines formes de criminalité. Cependant, les

criminels ont toujours trouvé de nouvelles façons de faire leurs « affaires » et le nombre de

fraudes à la carte de crédit et à l'identité en ligne a considérablement augmenté. Mais

même là, de nouveaux algorithmes Big Data sont développés pour détecter les

comportements frauduleux en temps réel.

Dans l’ensemble, le Big Data et l’analyse font de notre monde un endroit plus sûr.

Les casinos utilisent également cette technologie pour identifier les gros joueurs bénéficiant

d'un traitement spécial et probablement pour identifier les personnes qu'ils souhaitent

également exclure de leurs casinos. Au Japon, les épiceries utilisent même la

reconnaissance faciale pour classer les acheteurs et mettre sur liste noire les plaignants en

série ou les voleurs à l'étalage.12

Le côté obscur

Si les applications sont infinies, les préoccupations le sont aussi ! Le plus grand défi lié à

l’impression faciale est qu’elle peut être utilisée à l’insu ou sans le consentement de la

personne. À une distance sûre, quelqu'un peut identifier secrètement une personne

vivante par son nom, ce qui connecte ensuite l'utilisateur à des détails intimes sur cette

personne, comme son adresse personnelle, ses préférences en matière de rencontres, ses

antécédents professionnels et ses croyances religieuses. En 2011, des chercheurs de

Carnegie Mellon ont signalé qu'il ne s'agissait pas d'un risque hypothétique lorsqu'ils avaient

utilisé une application de reconnaissance faciale pour identifier nommément certains

étudiants sur le campus, en les reliant à leurs profils Facebook publics et, dans certains

cas, à leurs numéros de sécurité sociale. .

12Singer, N. (2014) « Ne jamais oublier un visage », New York Times, http://

www.nytimes. com/2014/05/18/technology/never­forgetting­a­face.html? r=0.

132
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

De toute évidence, le potentiel d’exploitation de cette technologie existe déjà – d’autant

plus qu’il n’existe actuellement aucune loi réglementant l’utilisation de la reconnaissance

faciale. À bien des égards, la reconnaissance faciale constitue la nouvelle frontière. Grâce

à ces innovations, les entreprises n'ont de plus en plus besoin de disposer de leurs propres

données clients ou de s'appuyer sur leurs propres cartes de fidélité pour obtenir des

informations ; ils peuvent utiliser la reconnaissance faciale et l'analyse vidéo pour analyser

Internet afin de trouver des informations sur vous et d'utiliser ces informations pour cibler

des promotions ou des offres. Et même si cela n’est pas encore le cas, ce n’est probablement

qu’une question de temps.

Il est également possible, à l'heure actuelle, pour les entreprises d'analyser non seulement une

image individuelle, mais aussi la manière dont les choses ont changé au cours d'une série

d'images. Ainsi, par exemple, si vous téléchargez un certain nombre de photos de vous sur les

réseaux sociaux, ils peuvent les comparer à des photos précédentes de vous et déterminer, par

exemple, si vous avez pris du poids au cours de l'été. Ces données sont potentiellement précieuses

car elles peuvent être vendues à des entreprises comme Weight Watchers qui peuvent cibler la

publicité sur votre profil !

Analyses combinées

Comme les données elles­mêmes, la valeur ne réside pas seulement dans un ensemble de données
plutôt que dans un autre ; la vraie valeur vient de la combinaison des ensembles de données et du

combinaison d’outils d’analyse pour analyser ces données.

Souvenez­vous de l'exemple du détaillant de mode que j'ai partagé au chapitre deux. J'ai pu les

aider à améliorer leurs ventes et à devenir beaucoup plus efficaces en exécutant des analyses sur

une combinaison de données de capteurs, de données de vente traditionnelles et de données vidéo.

Ce même détaillant également

133

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

voulaient savoir comment recruter les bonnes personnes dans leurs magasins. La
mode étant une industrie de bouche à oreille, ils voulaient recruter des personnes
influentes. Dans son livre Tipping Point, l'auteur Malcolm Gladwell qualifie ces
individus de experts. Les experts sont

des individus influents qui accumulent des connaissances. En conséquence, ils

entendent souvent parler des tendances et les repèrent plus rapidement que tout le
monde. En tant qu’experts de confiance, leur opinion compte et ces personnes

peuvent influencer les autres et déclencher un engouement. De toute évidence, dans

le monde de la mode, les experts de la mode sont des personnes utiles car les gens

écoutent ce qu’ils disent.

L'idée était donc que ce détaillant de mode emploie tous les enfants populaires dans
ses magasins, car ils inciteraient davantage de personnes à visiter. Dans le passé, ils
devaient se fier à leur intuition et à leur jugement lorsqu'ils interviewaient des
candidats, mais désormais ils utilisent des données et des analyses et examinent leur
score Klout. Le score Klout mesure la popularité ou l’influence d’une personne,
mesurée par sa présence et son activité sur les réseaux sociaux. Combien de

réponses ou de « J'aime » l'individu obtient­il lorsqu'il publie un tweet ou met à jour

son statut Facebook. Combien de followers ont­ils sur Twitter ou LinkedIn ? Klout
attribue une note sur 100 et ce détaillant utilise cette note pour aider à choisir le bon
candidat. En plus d'avoir la bonne personnalité, les qualifications ou l'expérience, ils
chercheront à recruter des personnes avec un score Klout élevé, car ces personnes
contribueront à générer du trafic vers le magasin.

Application médicale de l'analyse combinée

Les ensembles de données traditionnelles d'informations médicales et les nouveaux

ensembles de données de capteurs se combinent pour sauver des vies. Par exemple,
l'Hospital for Sick Children de Toronto utilise un système Big Data et

134
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

plateforme analytique qui alerte les médecins des problèmes potentiellement mortels
chez les bébés prématurés.

Les bébés prématurés sont particulièrement sensibles à la septicémie néonatale

tardive, une infection du sang qui survient généralement plusieurs jours après
l'accouchement. De toute évidence, les défenses naturelles d’un bébé prématuré sont
faibles et souvent sous­développées. En surveillant tout, de la fréquence respiratoire
à la fréquence cardiaque, en passant par la pression artérielle et la saturation en
oxygène du sang, puis en analysant les vastes flux de données, les médecins peuvent
surveiller les signes vitaux d'un nourrisson en temps réel et détecter les changements
dans son état.

Des algorithmes complexes examinent les flux de données – environ 1 200 points de
données par seconde – à la recherche de caractéristiques connues avant que
l’infection ne devienne cliniquement apparente. Une fois détecté, le médecin est alerté
et le bébé reçoit des antibiotiques qui lui sauvent la vie avant qu'il ne tombe malade.
Les bébés prématurés sont extrêmement fragiles et cette intervention sauve des
vies.13

Les médecins des unités de soins intensifs néonatals de Kaiser Permanente, ou USIN,

utilisent un calculateur en ligne innovant pour déterminer si les bébés prématurés et

les nouveau­nés risquent de souffrir de la même maladie potentiellement mortelle.

Grâce aux ensembles de données robustes conservés par la Division de la recherche

(DOR), moins de bébés sont séparés de leur mère et mis sous perfusion d'antibiotiques

IV. Au lieu de cela, les données sont beaucoup plus intelligentes pour identifier

13Horowitz, BT (2013) « IBM InfoSphere et Big Data aident l'hôpital de Toronto à

surveiller les nourrissons prématurés », http://www.eweek.com/enterprise­apps/
ibm­infosphere ­big­data­help­toronto­hospital­monitor­ prématurés.html#sthash.fis2ibp
X.ybxyNuGY.dpuf.

135

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

quels bébés ont besoin de cette intervention et lesquels n'en ont pas besoin.
Chaque année, la région de Californie du Nord de Kaiser Permanente prend
en charge 35 000 nouveau­nés et 350 nourrissons de très faible poids de
naissance (moins de 1 500 grammes). Depuis 1993, le DOR collecte des
données démographiques et cliniques sur chaque nourrisson né dans la
région, ce qui représente actuellement plus de 800 000 enregistrements.
En outre, un autre ensemble de données regroupe des informations sur les
nourrissons admis dans les USIN – actuellement plus de 50 000
enregistrements. Tout cela offre un accès sans précédent à des informations
indispensables qui sauvent des vies et améliorent la qualité des soins. Et
d’autres régions de Kaiser Permanente, notamment la Californie du Sud,
utilisent également les données néonatales pour améliorer les soins aux
nouveau­nés et aux prématurés.14

Autres applications de l'analyse combinée

Les analyses combinées sauvent également des vies, réduisent les dégâts
et permettent d’économiser de l’argent d’une manière complètement
différente. De temps en temps, l'une des centaines de plaques d'égout de
New York explose dans les airs comme Old Faithful, le geyser du parc
national de Yellowstone. Cependant, contrairement à Old Faithful, personne
ne savait quand un trou d'égout allait exploser ni comment l'arrêter. Et étant
donné qu’une plaque d’égout pèse environ 300 livres et vole jusqu’à 50
pieds dans les airs avant de s’écraser au sol, c’était un problème.

En mai 2013, trois bouches d'égout ont explosé à Brooklyn, incendiant des
voitures et obligeant les gens à se mettre à l'abri. L'explosion également

14Byron, J. (2014) Le Big Data améliore les soins prodigués aux plus petits membres
de Kaiser Permanente http://share.kaiserpermanente.org/article/big­data­improves­
care­for­kaiser­permanentes­smallest­members/

136
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

couper l’électricité dans la zone. En janvier 2014, trois autres ont explosé
dans l'Upper East Side, brisant une vitre en pierre brune à proximité et brûlant
une Mercedes. En 2011, Consolidated Edison, la société de services publics
qui fournit l'électricité à la ville et entretient les regards, a signalé plus de 60
cas d'explosion de regards et en 2008, l'un de ses employés a été tué lorsque
le regard dans lequel il travaillait a explosé.15

Ce qui se passe, c'est que les câbles électriques souterrains s'effilochent

avec l'âge ou à cause de produits chimiques corrosifs (comme le sel sur les
routes en hiver), ou encore à cause des piqûres de rats. Ces câbles, qui
transportent environ 13 000 volts d'électricité, chauffent l'isolation du câble
qui alors couver et libère des gaz. La pression du gaz s'accumule alors à
l'intérieur du trou d'homme et les fils électriques effilochés enflamment les
gaz, provoquant l'explosion du couvercle du trou d'homme dans les airs
comme un missile.

Dans le passé, Con Edison effectuait chaque année des inspections et un

entretien réguliers des regards. Mais avec 94 000 milles de câbles
souterrains, 51 000 regards et boîtes de service rien que dans Manhattan, le
travail était difficile et imprévisible. Pour ajouter au défi, certaines
infrastructures remontaient à l'époque de Thomas Edison, l'homonyme de
l'entreprise. Un câble sur 20 a déjà été posé
1930.

Dans le but de réduire les incidents et de prédire où les problèmes pourraient

survenir afin que l'équipe de maintenance puisse intervenir

15Cleri, C. (2011) « Les plaques d'égout de Con Ed explosent partout à New York » , http://
www.shopforenergy.com/ny/420­con­ed's­manhole­covers­exploding­all­over­nyc­.htm .

137
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

action appropriée et éviter l'incident, Con Edison a appliqué l'analyse.

Bien que l'entreprise ait tenu des registres depuis les années 1880, ils n'étaient pas numérisés et

les données n'étaient certainement pas prêtes à être analysées. Mais avec l’aide de statisticiens

de l’Université de Columbia, ils ont pris toutes les données brutes et incroyablement confuses

dont ils disposaient déjà et ont appliqué une variété d’outils analytiques pour les aider à déterminer

quels trous d’égout étaient susceptibles d’exploser. L'équipe a commencé avec 106 prédicteurs

d'une catastrophe majeure en matière de bouche d'égout, puis les a condensés à une poignée de

les signaux les plus forts comme en témoignent les données, et non les opinions ou les

hypothèses. L’algorithme qui en a résulté a ensuite identifié les 10 pour cent des regards les plus

importants, qui comprenaient un énorme 44 pour cent des regards qui ont fini par connaître un

incident grave.16 Le simple fait de savoir comment affiner le ciblage a entraîné une diminution

significative des incidents année après année.

année.

Grâce aux analyses combinées, un ordinateur peut désormais faire le travail d’un journaliste et

écrire des articles ! Une société appelée Narrative Science a lancé un logiciel capable d'écrire

des articles de journaux sur les jeux sportifs directement à partir des statistiques des jeux. Le

même logiciel peut désormais être utilisé pour rédiger automatiquement un aperçu des

performances commerciales d'une entreprise à l'aide des informations disponibles sur le Web. Il

utilise des algorithmes pour transformer les informations en articles attrayants. Les journaux du

futur pourraient être entièrement automatisés. Bien que ces reportages manquent peut­être de

touche humaine, il se peut fort bien que tous les articles commencent de cette manière

uniquement pour être édités et « humanisés » par le journaliste. Compte tenu de la soif de

contenu du monde, cela pourrait bien devenir normal dans quelques années !

16Mayer­Schonberger, V. et Cukier, K. (2013) Big Data : une révolution qui transformera

notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.

138
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

Ce que vos "J'aime" disent de vous

Aujourd’hui, tout est potentiellement une donnée et même l’information la plus

inoffensive peut être transformée en insight si vous appliquez l’analyse à un
ensemble de données suffisamment important.

Saviez­vous par exemple que vos « J'aime » sur Facebook sont utilisés pour
révéler des détails intimes sur vous ainsi que des traits de personnalité et des
préférences que vous ne pourriez pas partager autrement ? La plupart d'entre nous
ne souhaitent pas partager de détails personnels tels que nos croyances religieuses,
nos opinions politiques, notre orientation sexuelle ou la quantité d'alcool que nous buvons.
Cela ne regarde personne !

Et pourtant, une étude menée par des chercheurs de l'Université de Cambridge et

de Microsoft Research Labs a montré comment les modèles de « J'aime » sur
Facebook peuvent être utilisés automatiquement pour prédire très précisément une
série d'attributs personnels très sensibles. En utilisant les données « J'aime » de
58 000 volontaires, l'étude a également montré que les « J'aime » peuvent avoir
peu ou rien à voir avec les attributs réels qu'ils aident à prédire et que souvent, un
seul « J'aime » suffit pour générer une prédiction précise.

L'étude a révélé qu'un « J'aime » pour :

Curly Fries, Science, Mozart, Thunderstorms ou The Daily Show prédisaient

une grande intelligence.

Harley Davidson, Lady Antebellum et I Love Being a Mom ont prédit une
faible intelligence.

Natation, Jésus, Orgueil et Préjugés et Indiana Jones prédisaient la

satisfaction de la vie.

139

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Ipod, Kickass, Lamb of God, Quote Portal et Gorillaz ont prédit l'insatisfaction
à l'égard de la vie.

So So Happy, Dot Dot Curve, Girl Interrupted, The Adams Family et Kurt
Donald Cobain ont prédit être émotionnellement instable ou névrotique.

L'administration des affaires, le parachutisme, le football, le VTT et le parkour

prédisent une stabilité émotionnelle ou un calme et une détente.

Cup Of Joe For A Joe, Coffee Party Movement, The Closer, Freedomworks,
Small Business Saturday et Fly The Amer­ican Flag ont prédit que vous étiez
vieux.

Body By Milk, I Hate My Id Photo, Dude Wait What, J Bigga et Because I Am

A Girl ont prédit que vous étiez jeune.

Kathy Griffin, Adam Lambert, Wicked The Musical, Sue Sylvester, Glee et
Juicy Couture ont prédit que vous étiez un homme homosexuel.

X Games, Foot Locker, Être confus après un réveil après une sieste,
Sportsnation, la WWE et le Wu­Tang Clan ont prédit que vous étiez un
homme hétérosexuel.

Lorsque nous cliquons sur "J'aime", nous voulons le montrer à nos amis sur Facebook

que nous sommes positifs ou favorables à un contenu en ligne spécifique tel que des
mises à jour de statut, des photos ou des produits, des livres, de la musique ou

d'autres individus tels que des célébrités. Ce que beaucoup d'entre nous ne réalisent
pas, c'est qu'en agissant ainsi, nous partageons ouvertement des informations sur
nous­mêmes qui peuvent ensuite être utilisées pour prédire d'autres attributs, plus

personnels, que nous n'aurions jamais rêvé de partager aussi ouvertement. Nous
vivons désormais dans un monde où tout est numérisé et une grande partie de ce que nous faisons

140
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

laisser une trace numérique sur notre vie et nos préférences, ce qui peut faciliter la

compréhension de nos attributs et de notre personnalité

caractéristiques.

La prévision des traits et attributs de personnalité n’a rien de nouveau et existait bien

avant le Big Data Analytics. Ce qui a changé, cependant, c'est que nous avons dû

répondre à une enquête ou autoriser d'autres personnes à nous profiler de cette manière.

Ce que cette étude a démontré, c’est que la permission n’est plus nécessaire et que

nous pouvons déterminer les traits de personnalité et prédire le comportement sur la

base de données accessibles au public sans que nous le sachions. Cela signifie que les

informations que vous révélez en cliquant sur un bouton « J'aime » peuvent – par défaut

– être utilisées ou « exploitées » par d'autres, pour de bonnes ou de moins bonnes

causes.

Les entreprises commerciales peuvent utiliser ce type d’analyse Big Data pour

personnaliser dynamiquement les publicités que vous voyez sur votre page Facebook

(ou n’importe où) en fonction de vos traits de personnalité. Pensez simplement à une

publicité en ligne pour la dernière voiture : pour les personnes considérées comme

timides, réservées et mariées, la publicité pourrait mettre en avant la sécurité et la

convivialité pour la famille, tandis que pour une personne célibataire, extravertie et active,

elle pourrait mettre en avant le design attrayant et conduite sportive. Plus inquiétant

encore, les gouvernements pourraient utiliser (et utilisent) ce type d’analyse pour

identifier nos opinions politiques et la manière dont elles évoluent. Les informations qui

en résultent peuvent ensuite être utilisées pour cibler les campagnes électorales, etc.

L’un des problèmes est que ces modèles prédictifs ne sont pas parfaits. Aucun modèle

ne l’est jamais. Il est clair que tous ceux qui « aiment » les frites frisées ne sont pas

automatiquement très intelligents. Tous ceux qui « aiment » la famille Addams ne sont

pas névrosés et pourtant, ce type d’analyse pourrait être utilisé pour étiqueter à tort les

gens et ces étiquettes pourraient affecter leur capacité à accéder aux produits et services.

141

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

De plus, ces modèles prédictifs peuvent également être plus que

déconcertants, comme l’a découvert un père de Minneapolis.
Naturellement furieux que son magasin Target local ait envoyé à sa fille
de 15 ans des coupons pour des produits de maternité à prix réduit, il s'est
rendu au magasin. Après avoir demandé à voir le gérant du magasin, il a
déclaré : « Ma fille a reçu ceci par la poste ! Elle est encore au lycée et
vous lui envoyez des coupons pour des vêtements pour bébés et des
berceaux. Essayez­vous de l'encourager à tomber enceinte ?

Le directeur savait de quoi l'homme parlait, mais pouvait voir que les
coupons avaient été envoyés à sa fille et s'est donc excusé au nom de
l'entreprise et a attribué cela à une erreur. En fait, il a été tellement
dérangé par le courrier que le directeur a appelé quelques jours plus tard
pour s'excuser à nouveau auprès du père. Mais cette fois, la situation s'est
inversée : « J'ai eu une conversation avec ma fille, il s'est avéré qu'il y
avait une activité dans ma maison dont je n'étais pas complètement
conscient. Elle doit arriver en août. Je vous dois des excuses.'

Grâce au Big Data et aux analyses, Target savait qu'une lycéenne était
enceinte avant son propre père. Et la raison pour laquelle ils l'ont fait est
qu'ils ont pu identifier 25 produits qui, analysés ensemble, ont permis à
leur statisticien, Andrew Pole, d'attribuer à chaque client un score de
« prédiction de grossesse ».

Envoyer des coupons pour féliciter les gens pour leur grossesse allait
évidemment les effrayer et les mettre mal à l'aise, alors ils ont fini par
mélanger des coupons de marchandises liées au bébé avec d'autres coupons
dont ils savaient que le client ne serait pas intéressé, de sorte que ça avait
l'air aléatoire –

et ça a marché. Au cours des huit années qui se sont écoulées entre 2002, lorsque Pole était

142
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

embauchés, et en 2010, les revenus de Target sont passés de 44 milliards de dollars à 67 milliards
de dollars.17

Lorsque nous entendons parler de ces modèles prédictifs et de ce que font les entreprises avec le

Big Data et l’analyse, il existe un réel danger que la vie privée cède la place aux probabilités. Et il y

a aussi clairement une question de transparence, qui va être essentielle à gérer pour l’entreprise

SMART.

Transparence

Vous pourriez être surpris et un peu perturbé par certains des exemples que j'ai partagés dans ce

livre. Il ne fait aucun doute que le Big Data est là pour rester et que les données que nous pouvons

désormais collecter et stocker vont croître de façon exponentielle. Il en va de même pour les outils

d’analyse auxquels nous aurons accès pour analyser ces données.

Le potentiel est énorme et la combinaison de données et d'analyses changera tous les aspects

de l'entreprise, du service client au développement de produits en passant par la R&D, le

marketing, la logistique, les opérations et la finance. Mais comme la plupart des innovations

brillantes, la valeur peut être dérivée pour le meilleur ou pour le pire. Pour la plupart des gens,

Internet est une chose étonnante : c'est comme avoir une bibliothèque à portée de main : il peut

accélérer les affaires et nous permet de rester en contact avec les personnes qui nous sont chères

partout dans le monde. Mais il y a aussi un côté minable qui est si dérangeant que je n'ai même

pas envie d'écrire à ce sujet.

17Duhigg, C. (2012) « Comment les entreprises apprennent vos secrets », The New York Times.
http://www.nytimes.com/2012/02/19/magazine/shopping­habits.html? pagewanted=1& r=2&hp&.

143
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Il en va potentiellement de même pour le Big Data et l’analyse.

Les possibilités des logiciels de reconnaissance faciale à eux seuls sont plus qu'effrayantes

et, même si ces logiciels peuvent contribuer à prévenir la criminalité et à contrecarrer les

activités terroristes, ils peuvent également être utilisés pour espionner des personnes

ordinaires à des fins commerciales. Et c’est là que réside l’un des plus grands défis : la

plupart des gens n’ont absolument aucune idée de ce qui se passe dans les pièces

sombres de lieux qui n’existent pas officiellement ou dans les sous­sols d’entreprises

géantes qui ont accès à des masses de données et à une technologie futuriste.

Nous ne savons pas quelles données sont compilées à notre sujet et même si les

entreprises ou les applications nous l'indiquent dans leurs conditions générales, la plupart

des gens ne les lisent pas, ou même s'ils les lisent, ils ne les comprennent pas ou n'en

comprennent pas les implications. de ce qu'ils acceptent.

Par exemple, saviez­vous que si vous utilisez le service de messagerie gratuit

Gmail de Google, ils estiment que vous ne pouvez pas légitimement vous attendre
à la confidentialité. Fondamentalement, Google estime qu'il est acceptable de lire
et d'analyser le contenu de tous vos e­mails privés, qu'ils soient envoyés ou reçus
d'un utilisateur de Gmail.

Cette révélation a été avancée dans un mémoire déposé devant un tribunal fédéral dans

le cadre d'un procès contre Google. Google est accusé d'avoir enfreint les lois fédérales et

étatiques américaines en analysant les e­mails des utilisateurs de Gmail et, pour sa

défense, a avancé cette déclaration (qui a été récemment révélée par Consumer

Watchdog) :

Tout comme l'expéditeur d'une lettre adressée à un collègue de travail ne peut pas

être surpris que l'assistant du destinataire ouvre la lettre, les personnes qui utilisent

aujourd'hui le courrier électronique sur le Web ne peuvent pas être surprises si leur

144
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

les communications sont traitées par le fournisseur ECS du destinataire au cours de

la livraison. En effet, « une personne n'a aucune attente légitime en matière de

confidentialité concernant les informations qu'elle communique volontairement à des

tiers ». Smith c.Maryland, 442 US 735, 743­44 (1979).

Donc, essentiellement, si vous vous inscrivez pour utiliser Gmail, vous renoncez à tous les

droits à la vie privée et Google peut utiliser ce qu'il découvre à l'aide de l'analyse de texte

pour mieux cibler sa publicité. Je suppose seulement que la plupart des plus de 400 millions
d’utilisateurs du service Gmail ne s’en rendent pas compte actuellement.

Tout le monde comprend que les entreprises doivent gagner de l’argent et que fournir un

service de messagerie gratuit tel que Gmail peut être une récompense suffisante pour

certaines personnes. Beaucoup de gens ne se soucient peut­être pas de cette information,

mais si nous voulons naviguer dans ces eaux troubles en toute sécurité, je pense certainement

qu'il doit y avoir beaucoup plus de transparence sur ce qui est collecté et sur la manière dont

les données sont utilisées ou pourraient être utilisées. Et nous devrions avoir le droit à l'oubli.

En 2014, Mario Costeja Gonzalez a remporté un procès historique contre Google pour son

droit à l'oubli. Depuis des années, l’Espagnol était irrité par le fait qu’une simple recherche

de son nom aboutissait à deux articles du journal La Vanguardia – et indexés par Google –

mentionnant que sa maison avait été saisie en raison de dettes de sécurité sociale. Gonzalez

a soutenu, tout à fait légitimement, que les dettes avaient été payées et que les informations

étaient obsolètes et non pertinentes.

Dans un arrêt David et Goliath, la Cour de justice de l'Union européenne a donné raison à

Gonzalez lorsqu'elle a statué que les liens avec des éléments non pertinents ou non pertinents

145
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

les informations obsolètes sur les individus doivent être supprimées

par les moteurs de recherche sur demande. La décision de justice, sans appel,
semble montrer que le droit européen soutient ce droit – et Google (ainsi que de
nombreux autres accapareurs de Big Data) pourrait bientôt se retrouver confronté
à un flot de demandes similaires.

Google a exprimé sa déception face à cette décision, arguant qu'elle équivalait à

une censure, mais que nous devrions sûrement être autorisés à reprendre le
contrôle de nos données, en particulier lorsque ces données ne sont pas pertinentes,
sont obsolètes ou tout simplement fausses. Il ne semble pas juste que n'importe qui
puisse mettre n'importe quoi en ligne – vrai ou faux – et que cette personne ne
puisse rien faire pour l'empêcher. Cette décision contribue au moins dans une
certaine mesure à remettre les données personnelles d'une personne entre ses
mains. Dans une interview accordée au journal Guardian, Gonzalez a déclaré : « Je
me battais pour l'élimination des données qui portent atteinte à l'honneur et à la
dignité des personnes et qui exposent leur vie privée. Tout ce qui porte atteinte à
l'être humain, ce n'est pas ça la liberté d'expression.

Les propositions européennes sur le « droit à l'oubli » reflètent à bien des égards la
loi californienne sur la « gomme » récemment adoptée – obligeant les entreprises
technologiques à supprimer le contenu publié par un mineur, si elles le demandent
– qui devrait entrer en vigueur l'année prochaine. Et ces évolutions ne s'appliqueront
pas seulement à Google, mais à tous les autres moteurs de recherche, y compris
Yahoo et Bing de Microsoft.

On ne sait cependant pas clairement comment cela pourrait s’appliquer aux

sociétés de médias sociaux telles que Facebook ou Twitter. Cela signifie­t­il que
quiconque n'aime pas ce qui a été dit à son sujet en ligne peut exiger que cela soit
rayé du compte rendu ? Évidemment, cela pourrait potentiellement conduire à la
censure, dans la mesure où les riches et les puissants paient pour que leur linge
sale soit retiré d'Internet. Mais pour le moment,

146
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

cela semble peu probable ; le tribunal a clairement indiqué dans sa décision que les

éditeurs disposeront de divers moyens de défense – y compris l’intérêt public – pour

résister aux demandes de suppression d’informations.

Le groupe de campagne Index on Censorship a été franc dans sa critique de la décision

– la qualifiant de : « C'est comme entrer dans une bibliothèque et la forcer à mettre des

livres en pâte ». En fin de compte, tout dépend de la manière dont cette nouvelle loi (qui

ne s’applique actuellement qu’aux citoyens de l’Union européenne) sera mise en œuvre

dans la pratique. Une chose est sûre, cela rendra la vie plus compliquée et plus coûteuse

pour les fournisseurs de moteurs de recherche.

Mais ce n'est pas seulement Google. Facebook est célèbre – ou plutôt tristement

célèbre – pour sa politique de confidentialité et ses paramètres de confidentialité

constamment modifiés.

Toujours ajouter de la valeur

L’idée même de la protection des données et du fait de redonner aux gens le pouvoir

sur leurs données est un point très important. Et pour moi, la meilleure façon d’avancer

n’est pas seulement d’être vraiment transparent sur la manière dont les données sont

utilisées, mais aussi d’ajouter de la valeur à l’utilisateur.

Si une entreprise me rend quelque chose d'utile en tant qu'utilisateur, cela ne me

dérange pas qu'elle regroupe certaines de mes données si cela les aide également.

Par exemple, j'ai l'un des derniers téléviseurs intelligents de Samsung qui me permet

de programmer le téléviseur et, grâce à la caméra intégrée, il détecte les visages de

mes enfants et limite ce qu'ils peuvent regarder. Cela ne me dérange pas que Samsung

sache ce que je regarde, quand je regarde et combien de temps je regarde ma télévision

intelligente, car ils nous aident, moi et ma femme, à protéger nos enfants des choses

qu'ils ne devraient pas voir. Samsung l'a fait,

147
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Cependant, nous avons eu des ennuis lorsqu'il est apparu qu'ils comptaient
réellement le nombre de personnes qui regardent la télévision, mais je pense que
beaucoup de cela pourrait être évité avec une plus grande transparence et en
apportant de la valeur à l'utilisateur.

De la même manière, cela ne me dérange pas que Jawbone, le fabricant de mon

groupe « Up », analyse mes habitudes de sommeil car le système m'aide à surveiller
ma santé et mon bien­être en temps réel. J'utilise également les données de mon
bracelet pour mieux dormir et récupérer plus rapidement entre les fuseaux horaires !
L'une des fonctionnalités vraiment intéressantes du groupe « Up » est qu'il est
possible de définir une alarme intelligente basée sur les habitudes de sommeil.

Par exemple, je peux régler mon alarme sur 7 heures du matin et demander à la
bande « Up » de me réveiller au meilleur moment, à partir de 6 heures du matin. Si
je passe à une phase de sommeil léger à 6h40, le « Up », qui surveille mes
habitudes de sommeil tout au long de la nuit, me réveillera à 6h40 avant que je ne
replonge dans un sommeil plus profond. Des recherches ont montré que si vous
êtes réveillé d'un sommeil profond, vous vous sentez fatigué pour le reste de la
journée. Cette fonctionnalité innovante résout donc le problème et garantit que je
suis plus reposé au réveil. Les fonctions de sommeil sont également fantastiques
lorsque je voyage. Souvent, je me trouve dans deux, voire trois fuseaux horaires
différents au cours d'une semaine donnée, donc le groupe « Up » peut me dire
quand il serait optimal de faire une sieste afin que je puisse recalibrer mon sommeil
plus rapidement. Il calculera même la durée de la sieste et me réveillera de manière
appropriée afin que je puisse recharger plus rapidement que je ne le ferais
normalement.

Mais je veux connaître la vérité sur ce qu’ils font avec les données. Si les données
sont agrégées et ne me concernent pas nécessairement en tant qu'individu, cela
me convient car cela peut nous aider à mieux comprendre. Par exemple, les
données collectées par Jawbone sur le sommeil

148
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

à lui seul, cela fait d’énormes progrès dans notre compréhension collective du
sommeil, de l’insomnie et de la façon dont le sommeil est influencé par divers
facteurs. Et cela pourrait potentiellement aider beaucoup de gens.

Si vous souhaitez devenir une entreprise SMART, soyez ouvert, honnête et

transparent sur la manière dont vous souhaitez utiliser les données. Opérez de
manière éthique et offrez une véritable valeur au client en échange de la fourniture
de ces données. Si vous apportez de la valeur, la plupart des gens seront heureux
– surtout si vous supprimez les marqueurs personnels qui vous lient en tant
qu'individu à l'information. Ainsi, dans le cas de Jawbone, les données qu'ils
collectent sur mon bracelet « Up » ne me concernent pas en tant qu'individu
identifiable – ce sont simplement des données de sommeil. C’est ce qu’on appelle
l’anonymisation : un processus consistant à transformer les données sous une
forme qui ne permet pas d’identifier les individus et où l’identification est peu susceptible d’avoir lie

Si vous pouvez démontrer que vous utilisez les données de manière éthique, les
gens réagiront. De plus, cette utilisation globale des données améliorera les produits
et les rendra moins chers.

Prédiction vs confidentialité

Au­delà des questions de transparence, certains pensent également que le

Big Data annonce la fin de la causalité au profit de la corrélation.

Jusqu'à présent, les êtres humains ont été poussés à savoir « pourquoi » et ont
recherché la causalité pour expliquer toute une série de phénomènes allant du
temps à la maladie en passant par le comportement humain. Dans le passé, si
vous vouliez savoir quelque chose, vous développiez une hypothèse et meniez des
expériences pour déterminer si l'hypothèse était correcte ou non. Les expériences

149

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

ce qui s'est passé varie en fonction de ce que vous essayiez de faire

savoir mais, que vous cherchiez ou non à comprendre

comportement du consommateur ou l'efficacité d'un nouveau médicament, l'expérience

prendrait toujours un échantillon de données, de personnes, d'ingrédients ou de

composants afin de tester l'hypothèse. L'échantillon était donc toujours limité en taille
et les résultats étaient ensuite extrapolés à

faire des hypothèses ou des prédictions du meilleur et du pire des scénarios pour

tout, de la propagation des maladies à l'accumulation de crédit

dette de carte.

Cette approche a bien fonctionné et on lui attribue de nombreuses avancées dans

presque tous les domaines de l’activité humaine. Big Data

pourrait changer tout cela.

Si vous testez une hypothèse sur le comportement du consommateur, par exemple,

L'échantillon de personnes sur lesquelles vous testez l'hypothèse est basé sur
l'hypothèse que l'échantillon est représentatif de tous les consommateurs. Ce n'est pas. Mais

c'était la meilleure option compte tenu du manque de données. L'avènement de

Le Big Data, et en particulier la technologie permettant de stocker, rassembler et

analyser ces données, signifie que le manque de données n'est désormais plus le

problème. Théoriquement, nous pourrons au moins utiliser un échantillon où N est égal à All.

Le danger, bien sûr, est que N ne = Tout, pas plus que le

l'échantillon est égal à tout.

Même si l'algorithme analytique vraiment intelligent de Target identifie une femme

comme étant enceinte, cela ne veut pas dire qu'elle est définitivement enceinte. Tous

l'algorithme identifie les corrélations et ces corrélations

sont annoncés comme la fin de la causalité. En d'autres termes, Tar­get n'a pas

besoin de savoir pourquoi une collection particulière de produits

les achats indiquent une grossesse, ils ont juste besoin de savoir que c'est le cas

ils peuvent adapter leur offre et leur marché à ce public de manière à ce que

150
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

augmente les ventes. Mais qu’en est­il de la personne qui a acheté les produits
pour quelqu’un d’autre ou de l’achat par hasard ?

De la même manière, si une compagnie d'assurance était capable d'utiliser toutes

les informations relatives aux sinistres et de trouver une corrélation entre la fraude et le

En raison du temps nécessaire pour remplir un formulaire de réclamation en ligne,

ils n'ont pas besoin de savoir pourquoi le temps est une indication de fraude, ils ont
juste besoin de le savoir afin de pouvoir lancer une enquête sur toutes les
réclamations sur une certaine période. Mais qu’en est­il de la personne qui ne connaît
pas très bien l’informatique ou de la personne qui a été interrompue par sa fille
adolescente qui voulait repasser un pantalon ou de l’homme qui est allé préparer
une tasse de thé ou sonner à la porte ?

Le danger de ces prédictions est que chacun de nous sera catalogué par toutes
sortes d’organisations et d’entreprises sur la base de probabilités et non de réalité.
La confidentialité et la transparence ne sont pas le seul défi éthique du Big Data.
Que se passe­t­il lorsqu'une personne se voit refuser un prêt hypothécaire parce
qu'un algorithme identifie cette personne comme présentant un risque élevé, même
si elle n'a jamais fait défaut sur son prêt hypothécaire auparavant ? Que se passe­t­
il si votre prime d'assurance augmente en fonction de votre probabilité de présenter
une réclamation dans le futur, même si ce futur n'est pas encore arrivé ? Cela signifie­
t­il que vous et moi pourrions potentiellement être arrêtés pour un crime que nous
n'avons pas commis avant de l'avoir commis parce qu'un programme analytique a
craché notre nom sur la base d'un ensemble d'autres comportements, achats ou
situations apparemment sans rapport ?

Faire la bonne chose!

Il reste encore d’importants dilemmes moraux et éthiques à résoudre dans ce

domaine. Le Big Data, c’est un peu la ruée vers l’or : une

151

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

frontière anarchique d'opportunités extraordinaires pour ceux qui sont prêts à prendre le

risque le plus tôt possible. Mais la loi va rattraper son retard à mesure que de plus en plus

de gens se sentent de plus en plus mal à l'aise face à ce qui est collecté, utilisé et ce qui

est désormais possible. J'ai récemment regardé une émission télévisée de science­fiction

dans laquelle un logiciel d'identification personnelle et de suivi était utilisé dans les armes

afin qu'une balle puisse être programmée pour une personne, tirée à une distance de

soixante kilomètres et que la balle suivrait l'individu et lui tirerait dessus. Ce n'est que de

la fiction, mais les éléments constitutifs de ce fantasme sont déjà là et ce n'est pas

vraiment un grand pas pour en faire une réalité !

Réalité ou fantasme mis à part, dans le monde des affaires, il est logique d’anticiper le

jour où une plus grande confidentialité sera exigée et de travailler de manière éthique,

responsable et transparente dès le départ.

En outre, bon nombre des premières victoires ont déjà été récoltées par des pionniers

tels que Walmart, Target et Amazon, etc.

Ne vous laissez pas embobiner par N = All. Commencez plutôt par la stratégie,
identifiez vos questions SMART et quelles mesures et données peuvent y répondre et
appliquez uniquement des analyses à ces ensembles de données. Offrez de la valeur
à vos clients et faites en sorte qu'il soit avantageux pour eux de partager leurs informations.

tion, soit par le biais de produits ou de services de meilleure qualité ou moins chers.

Utilisez l'analyse prédictive si cela est approprié, mais uniquement pour regrouper les

personnes en vue d'une analyse plus approfondie. Ne faites pas d'hypothèses générales

et automatisées non testées sur ce que les gens vont faire ou pourraient faire. Visez une

situation gagnant­gagnant pour vous et vos clients.

Points clés et appel à l’action

Lorsque vous êtes clair sur les objectifs de votre stratégie, ils clarifient les mesures

et les données dont vous aurez besoin.

152
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A = APPLIQUER L'ANALYSE

collecter afin de répondre à vos questions SMART. Commencer par la stratégie

fournit donc un objectif à atteindre qui vous permet de vous concentrer sur les

bonnes mesures et données sur lesquelles vous concentrer.

Mais cela ne suffit pas : vous devez analyser les données afin d'en extraire des

informations commerciales significatives et utiles.

Comme pour les mesures et les données, vous devez comprendre ce qui est

possible avant de pouvoir décider en toute confiance quelles techniques analytiques

sont les plus à même de fournir des réponses à vos questions intelligentes.

Vous devez d’abord comprendre qu’il existe 5 formats clés dans lesquels les
données commerciales existent :

Données textuelles (y compris les chiffres)

Données sonores (fichiers audio et musique)

Données d'image (photographies et graphiques)

Données vidéo (combinaison de données audio et visuelles)

Données du capteur.

Ces types de données permettent à leur tour de réaliser :

Analyse de texte

Analyse de la parole

Analyse vidéo/image

Analyse combinée.

Ces options analytiques vous permettent d'identifier des modèles, de mieux

comprendre les comportements et d'en savoir plus sur vos clients ou employés

grâce à des innovations telles que l'analyse des sentiments.

153

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

L'analyse des sentiments vous permet de tout évaluer, des mots utilisés par les

clients ou les employés jusqu'à leur ton de voix, afin de déterminer à quel point ils

sont heureux ou mécontents.

Les analyses que vous appliquerez dépendront des questions auxquelles vous

cherchez des réponses autour de vos objectifs stratégiques.

Un mot d'avertissement : il est très facile de se laisser séduire par certaines des

capacités analytiques vraiment intéressantes qui existent actuellement. Ne vous

laissez pas égarer : votre travail consiste à trouver la technique la meilleure, la

plus accessible et la moins coûteuse possible, peu importe à quel point elle est
sexy.

Lorsqu'il s'agit d'analyse de données, veillez à être honnête et transparent sur la

raison pour laquelle vous souhaitez obtenir des données et sur la manière dont

vous comptez les utiliser, en particulier avec vos clients.

Cherchez toujours à ajouter de la valeur afin que les personnes qui fournissent les

données, qu'il s'agisse de clients, d'employés ou d'autres parties prenantes, aient

le sentiment qu'il s'agit d'un échange juste et utile.

154
************************************************** ********************
Machine Translated by Google

************************************************** *******************

5
R = RÉSULTATS DU RAPPORT

Le Big Data et l’analyse présentent une opportunité phénoménale pour toutes les

entreprises, quels que soient leur taille ou leur secteur. Mais même si vous commencez

par une stratégie, identifiez les mesures et les données qui pourraient vous aider à

répondre à vos questions SMART et à piloter votre stratégie, et même si vous avez

ensuite appliqué des analyses à ces données pour identifier des informations, vous devez

toujours rapporter les informations de manière façon dont les gens comprennent.

Le Big Data et l'analyse pourraient bien ouvrir la voie à des innovations vraiment

intéressantes, à une meilleure compréhension des clients et à une surveillance en temps

réel de ce qui se passe réellement dans l'entreprise. Mais à moins que les résultats ne

soient présentés aux bonnes personnes de manière significative, la taille des ensembles

de données ou la sophistication des outils d'analyse n'auront pas vraiment d'importance

et les résultats n'éclaireront pas la prise de décision ni n'amélioreront les performances.

Bien entendu, le Big Data et l’analyse sont bien plus sexy que le simple reporting.

Heureusement, le reporting est au milieu d’une refonte vaste et passionnante qui promet

de contribuer à libérer le véritable potentiel des données.

155
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Les chefs d’entreprise ont déjà du mal à suivre toutes les données qu’ils
rencontrent au cours d’une semaine normale. Ils reçoivent déjà des flots d’e­
mails, d’innombrables rapports qu’ils ne lisent que brièvement, voire pas du
tout, de sorte que l’idée d’ajouter à cette explosion de données n’est pas une
très bonne nouvelle pour la plupart des dirigeants d’entreprise. Trop souvent le vrai

des pépites d'informations qui pourraient réellement avoir un impact sur la stratégie et les

tactiques sont perdues dans un rapport de 50 pages.

Le lancement par la NASA de la navette spatiale Challenger est un parfait

exemple de l'incapacité à communiquer des informations et des idées importantes.
Certains ingénieurs de la base avaient de sérieuses inquiétudes. Leurs calculs
et tests ont montré qu'il y avait un problème sérieux avec l'un des composants
(un joint torique), qui pourrait potentiellement tomber en panne.
Avant le lancement, les ingénieurs ont communiqué tous les résultats détaillés
de leurs tests aux décideurs de la NASA, en supposant qu'ils examineraient
les données et abandonneraient le lancement. Le problème était que les
messages n'étaient pas clairs ; les faits clés étaient cachés dans le détail de
longs rapports. En conséquence, la navette spatiale a été lancée, entraînant
un désastre dévastateur et la mort de sept membres d'équipage.

Il est important que toutes les informations soient rapportées de manière à

garantir que les bonnes personnes obtiennent les bonnes informations, dans
le bon format, afin qu'elles puissent prendre les bonnes décisions plus souvent.

Visualisation de données

L'analyse n'est utile que si le public cible comprend les informations et les idées
qu'elle crée.

156
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Selon une étude de l'Advanced Performance Institute, les formats les plus populaires
pour communiquer les résultats sont les tableaux et les feuilles de calcul complétés
par des graphiques et des diagrammes. La deuxième méthode la plus populaire est
purement numérique, sans graphiques ni diagrammes, et la manière la moins
courante de présenter les résultats était le commentaire narratif accompagné de
données numériques à l'appui et les communications verbales.

Traditionnellement, les rapports utilisaient différents types de graphiques et de diagrammes

pour aider à visualiser les résultats. Les plus courants sont :

Graphique à barres – les barres sont positionnées verticalement ou horizontalement

côte à côte. Cette visualisation est particulièrement utile pour effectuer une

comparaison facile entre des valeurs adjacentes.

Graphique linéaire – idéal pour afficher des données temporelles telles que les

variations du cours des actions au fil du temps, les tendances ou les revenus au

cours de l’année.

Diagramme à secteurs – affiche différents segments du secteur, chacun

représentant les données sous forme de pourcentage du total des données.

Diagramme à nuages de points – également appelés nuages de points, ils sont

particulièrement utiles pour illustrer la corrélation entre deux ensembles de données

et illustrer la force et la direction de cette relation.

La visualisation des données au moyen de tableaux et de graphiques peut non seulement

rendre les données plus accessibles et plus significatives, mais peut également mieux

illustrer la relation entre les données. Par exemple, de nombreuses données sont encore

présentées dans des feuilles de calcul. Prenons par exemple la figure 5.1.

157

************************************************** ********************
 Machine Translated by Google

Corp.
Xeopm YFER
YRBE
SHEE
SUBE
Produit SHEE
SUBE
Service Global
TOTAL
YFER
YRBE
Service

NOUS $
676,00
676
1 $
383,00
747 489,00 $
267 $
474,00
776
1 547,00 $
6 544,00$
­876 477,00 $
86 $
890,00
75 $
392,00
760
3

Chine $
494,00
738
1 $
834,00
375 543,00 $
876 $
435,00
387
1 987,00$
­678 $
839,00
73 $
666,00
36 $
453,00
76 $
277,00
886
3

Japon $
738,00
546 $
859,00
647 $
893,00
657 $
888,00
264 673,00$
­3 $
383,00
38 $
383,00
93 $
321,00
34 $
792,00
279
2

************************************************** ********************
************************************************** *******************

Allemagne $
838,00
746 $
747,00
635 $
365,00
836 433,00 $
978 933,00$
­38 944,00 $
83 944,00 $
83 $
567,00
43 $
905,00
369
3

France $
666,00
74 $
849,00
746 $
384,00
674 $
374,00
654 399,00 $
87 984,00 $
29 984,00 $
29 984,00 $
29 $
624,00
327
2

UNI
ROYAUME­
$
848,00
474 $
474,00
747 $
833,00
647 $
453,00
467 733,00 $
8 394,00 $
7 $
594,00
75 $
894,00
73 $
223,00
503
2

158
Brésil 494,00 $
847 $
647,00
454 $
930,00
748 $
633,00
45 800,00 $
3 933,00 $
7 $
533,00
75 $
953,00
74 $
923,00
258
2

Italie $
595,00
786 $
748,00
846 $
646,00
847 $
883,00
23 883,00 $
3 333,00 $
89 $
333,00
18 721,00 $
37 $
142,00
654
2

Russie $
323,00
456 747,00 $
847 $
388,00
266 $
993,00
83 723,00 $
8 $
333,00
837 $
333,00
23 $
567,00
43 $
407,00
567
2

Inde $
567,00
232 574,00 $
987 $
636,00
146 $
663,00
71 999,00$
­23 $
833,00
73 $
663,00
34 $
457,00
34 $
394,00
557
1

$
563,00
904
5
pays
par
Total 755,00
977
3
618,00
702
5
$
479,00
290
6 054,00$
­633 433,00
471
$
976,00
241
1 $
917,00
448 $
687,00
404
23

services)
et
(produits
ventes
des
calcul
de
Feuille
5.1
Figure
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Produit SUBE
Produit SHEE
Produit YRBE
Produit YFER
Service SUBE
Service SHEE
Service YRBE
Service YFER

Produit SUBE
Produit SHEE
Produit YRBE
Produit YFER
Service SUBE
Service SHEE
Service YRBE
Service YFER

Figure 5.2 Diagramme circulaire des ventes totales (produits et services)

L'information est là mais elle n'est pas facile à assimiler ou à comprendre et

il faudrait un peu de temps pour comprendre comment chaque région se
comporte par rapport aux autres. Toutefois, si ces données ont été converties
en diagramme circulaire, par exemple, elles deviennent immédiatement plus
faciles à comprendre (voir Figure 5.2).

Le diagramme circulaire constitue une nette amélioration car il devient

beaucoup plus évident quelles divisions génèrent le plus de ventes.
Cependant, si quelques segments sont de taille similaire, cela peut être assez

159

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Ventes globales (produits et services)

6
Produit
Service
5

3
millions
US
en

2
$

­1 ELLE SOUS­SUB YRB YFER

Figure 5.3 Diagramme à barres des ventes totales (produits et services)

difficile de savoir lequel est le plus gros. De plus, s’il y a plus de six segments, cela

peut devenir compliqué. Si les segments étaient similaires, il serait plus facile et plus

rapide de comprendre si les données étaient représentées de manière linéaire (voir

Figure 5.3), de sorte que l'attention puisse être immédiatement attirée sur les unités les

plus performantes et les moins performantes. L'autre problème est que les données

négatives (par exemple les pertes dans l'une des catégories de services (SUBE)) ne

peuvent pas être correctement visualisées dans un diagramme circulaire.

Placés côte à côte, il devient beaucoup plus facile de voir quels

produits et services génèrent (ou même perdent) le plus de revenus.
Mais aucune de ces méthodes de visualisation n’attire l’attention sur le
divers territoires.

160
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Il est probable que vous sachiez déjà tout ce que vous devez savoir sur les techniques

traditionnelles de visualisation de données, mais la technologie apporte également de nouvelles

avancées passionnantes dans ce domaine.

Nouvelle visualisation des données

L'analyse Big Data a créé une vague de nouveaux outils de visualisation capables de rendre

les résultats de l'analyse jolis et d'améliorer la compréhension et la vitesse de compréhension.

Beaucoup de ces outils sont des applications open source et gratuites qui peuvent être utilisées

indépendamment ou avec une autre application ou vos applications de conception existantes,

utilisant souvent la fonctionnalité glisser­déposer. D’autres sont des plateformes complètes

de business intelligence qui offrent de nombreuses façons de visualiser les données.

Les gens ne veulent pas rechercher les informations enfermées dans les données, ils veulent

que leurs informations leur soient fournies, joliment présentées de manière à les aider à

comprendre les messages et ces nouveaux outils peuvent les aider à relever ce défi.

Il existe clairement de nombreuses façons anciennes et nouvelles de visualiser les données,

mais la visualisation n'est pas le seul objectif. De beaux graphismes peuvent toujours être

dénués de sens. Nous devons présenter les informations de manière à raconter une histoire.

Lorsque vous réfléchissez à la meilleure façon de raconter votre histoire, vous souhaiterez peut­être
à:

Afficher les cartes

Afficher le texte

Afficher les données

161

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Afficher le comportement et les émotions

Afficher les connexions.

Affichage des cartes

Les cartes sont déjà des représentations visuelles très fortes, mais elles peuvent être
présentées de différentes manières avec diverses informations supplémentaires
superposées sur la carte pour fournir un aperçu supplémentaire.

Si vous avez besoin d'afficher des ensembles de données complexes où l'histoire

serait simplifiée et rendue plus claire si ces ensembles de données étaient superposés
sur des cartes, il existe un certain nombre d'outils qui peuvent vous aider. PolyMaps
est une bibliothèque JavaScript gratuite et un projet commun de SimpleGeo et
Stamen. Cet outil complexe de superposition de cartes peut charger des données à
différentes échelles, offrant une fonctionnalité de zoom multiple à des niveaux allant
du pays jusqu'à la vue sur la rue (voir Figure 5.4).1

Google Maps propose également plusieurs API pour les développeurs, telles que
Google Earth, Google Maps Images et Google Places. Ces outils permettent aux
développeurs de créer des programmes de cartographie visuelle interactive pour
n'importe quelle application ou site Web.

Affichage du texte

Si vous souhaitez afficher du texte mais que vous ne voulez pas nécessairement entrer dans

le vif du sujet de ce que des personnes individuelles ou des sous­ensembles ont dit, alors un

excellent moyen d'illustrer un sentiment ou une opinion pondérée consiste à utiliser des
nuages de mots.

1http://polymaps.org/

162
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Il existe de nombreux logiciels gratuits qui convertissent les données textuelles en

visualisation de données. Par exemple, la figure 5.5 montre un nuage de mots des

conseils relationnels les plus couramment donnés, tirés de 25 des sites les plus populaires

proposant des conseils sur les rencontres et les relations.

La fréquence à laquelle les conseils sont donnés est représentée par la taille du texte et

les sources incluent Cosmo, Elle, Huffington Post, Psychcentral et Happy Wives Club.

Cette forme de visualisation est aussi souvent appelée nuage de consensus.

Cela peut être particulièrement utile pour illustrer les informations qualitatives contenues

dans une enquête client ou une enquête sur l’engagement des employés. La pondération

vous permet de voir ce que la plupart des gens pensent de votre produit, service, marque

ou entreprise, ce qui peut offrir des informations et des pistes d'amélioration sans avoir à

lire.

chaque réponse.

Affichage des données

Les manières d’afficher les données sont aussi diverses que les données elles­mêmes.

Et quel que soit le type de données dont vous disposez, il existera une manière optimale

de les afficher. Voici quelques exemples ci­dessous.

D3.js

D3.js est une bibliothèque JavaScript permettant de manipuler des documents basés sur

des données et permettant de donner vie à ces données en utilisant HTML, SVG et CSS.

Ce logiciel gratuit peut manipuler les données d'une multitude de manières ahurissantes,

depuis les boîtes à moustaches et les dendrogrammes (Figure 5.6) jusqu'à la liaison

hexagonale et la disposition interactive des forces. (Figure 5.7).

163

************************************************** ********************
Machine Translated by Google

************************************************** *******************

disponibles

polymaps.org/
PolyMaps.
Exemple

Provenant
Figure
cartes

Source :
avec
5.4

http://
de

de

164
************************************************** ********************
 Machine Translated by Google

************************************************** ********************
************************************************** *******************

165
Source :
courants
plus
les
relationnels
conseils
des
mots
Nuage
5.5
Figure
McCandless
David
permission
la
avec
Reproduit
advice/.
relationship­
gave­
commonly­
most­
relationships­
good­
visualizations/
www.informationisbeautiful.net/
http://
de
Provenant
Machine Translated by Google
************************************************** *******************

github.com/
graphiques
permission
mbostock/
Reproduit
Exemple
Source :
Bostock
Gallery
https://
Figure
avec
Mike
wiki/
5.6
d3/
D3
de
la

166
************************************************** ********************
Machine Translated by Google
************************************************** *******************

github.com/
permission
mbostock/
Reproduit
Exemple
Source :
Bostock
Gallery
https://
Figure
tracés
avec
Mike
wiki/
5.7
d3/
D3
de
la

167
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Afficher son comportement et ses émotions

Il existe même des moyens d'afficher des comportements ou des données qu'il n'était

même pas possible de connaître il y a des années. Par exemple, nous pouvons désormais

connaître les hotspots sur les sites Web et la forme d’une chanson !

Oeuf fou
Vous êtes­vous déjà demandé si votre site Web fonctionnait ? Vous êtes­vous déjà

demandé où vont les gens et ce qui les rebute ? Si vous disposez d'un outil d'analyse, vous

pouvez obtenir des taux de clics et vous savez peut­être combien de personnes visitent

votre site, mais vous ne savez pas pourquoi elles partent.

Crazy Egg vous permet de suivre les clics des visiteurs, de voir où les visiteurs arrêtent de

faire défiler la page, de relier les clics aux types de trafic et d'identifier les points chauds à

l'aide de leur outil de carte thermique (voir Figure 5.8). L'outil de carte thermique vous

permet de voir quelles zones de votre site sont chaudes ou

Figure 5.8 Exemple d'outil de carte thermique de Crazy Egg

Source : Capture d'écran reproduite avec la permission de Crazy Egg.

168
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

chaud avec les visiteurs réguliers et quelles parties sont sauvages du Web. Ce type d’outil

permet d’illustrer facilement et très rapidement le comportement d’un utilisateur ou d’un client
en ligne.

Il existe même des moyens de visualiser si un texte provenant d'une source quelconque est

heureux, triste, en colère ou frustré. Et croyez­le ou non, vous pouvez même visualiser la

forme d'une chanson ! Shape of a Song est un logiciel qui prend les données intégrées dans

la musique et les affiche sous forme de visualisation. Jetez un œil à leur site Web pour

quelques exemples.2

Affichage des connexions

Les données en elles­mêmes sont souvent très intéressantes, mais lorsque vous pouvez
compiler des données et voir les connexions qui existent entre différents ensembles de données –

alors cela peut vraiment apporter une valeur énorme à votre entreprise.

L'une des premières visualisations de données illustrant la connexion entre différentes

variables a été créée en 1861 par Charles Joseph Minard (voir Figure 5.9). Minard a créé un

graphique en deux dimensions illustrant les quatre variables changeantes qui ont contribué à

la chute de Napoléon alors qu'il marchait vers Moscou. Les variables étaient la direction de

l'armée pendant son voyage, l'endroit par lequel les troupes passaient, la taille de l'armée

lorsque les troupes mouraient de faim et de blessures, et les températures glaciales qu'elles

rencontraient.

Dans un autre exemple de la façon dont les graphiques peuvent illustrer les connexions, une

organisation de services financiers a demandé aux analystes de données d'Ayadsi leurs idées

sur la prévention de la fraude par carte de crédit. La fraude est un

2http://www.turbulence.org/Works/song/gallery/gallery.html

169
************************************************** ********************
Machine Translated by Google

************************************************** *******************

en.wikipedia.org/
File:Minard.png
Visualisation
Provenant
Napoléon
données
Source :
marche
Russie
Minard
Figure
http://
1812
wiki/
des
5.9
sur
en
de
la

170
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Figure 5.10 Graphique Ayadsi sur la fraude par carte de crédit

Source : Reproduit avec la permission d'Ayasdi Inc. http://www.ayasdi.com/
solutions/use­case­financial­services.html Copyright 2014.

Un problème de 3 500 milliards de dollars. L'analyse du Big Data offre de nouvelles

des idées pour résoudre ce problème.

Cette analyse particulière a porté sur un réseau de 660 000 internautes

transactions qui ont eu lieu sur une période d’un mois (voir Figure
5.10). Chaque transaction a été automatiquement regroupée à l'aide de 1 000
variables pour chaque transaction, ce qui a ensuite donné naissance à des
groupes de transactions de différentes couleurs. Les transactions rouges (encerclées dans le

diagramme) illustré là où le pourcentage de transactions frauduleuses était le plus

élevé. Une analyse plus approfondie des similitudes entre
ces transactions ont donné de nouvelles informations importantes. Par exemple, le
L’entreprise a pu constater que les humains ont initié un nombre de transactions
frauduleuses plus élevé qu’on ne le pensait auparavant.

171

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Cela est devenu évident lorsque les analystes ont remarqué que le temps passé sur la

page où la fraude avait eu lieu était plus long que la moyenne. Cela indiquait que c'était

une personne qui effectuait la fraude et non une machine et qu'ils prenaient leur temps

pour que tout soit correct avant de perpétuer la fraude. Ce signal de fraude nouveau,

subtil et jusqu'alors inconnu, a ensuite été automatisé par Ayadsi et a le potentiel de

détecter chaque année plus de 500 000 frais frauduleux supplémentaires qui n'auraient

pas été détectés autrement.

Juste à cause de l’analyse des données.

Les visualisations de données nous offrent la possibilité d'avoir une vue d'ensemble très

rapidement et de comprendre des choses que le texte et les chiffres prendraient beaucoup

de temps à expliquer. Le cerveau humain est programmé pour voir des schémas et des

connexions, de sorte que la visualisation exploite un processus naturel et accélère la

compréhension.

La carte d'Internet
Imaginez cartographier Internet. C'est énorme et en constante évolution et pourtant la

visualisation des données rend cela possible. La figure 5.11 illustre la carte d'Internet.

Cette énorme carte est composée de données collectées sur plus de 350 000 sites Web

dans 196 pays et permet aux utilisateurs d'examiner de manière interactive les relations

entre ces sites. Chaque cercle sur la carte représente un site et la taille du site est

déterminée par le volume de trafic.

Les relations (lignes) entre les sites sont déterminées par les liens et les visites entre eux

– de sorte que les sites ayant un grand nombre de liens entre eux, ou des visiteurs en

commun, apparaissent plus proches les uns des autres – créant ainsi la « carte » du

Web. Et si ce n'est pas assez de données encombrées

172
************************************************** ********************
Machine Translated by Google

************************************************** *******************

permission
Provenant
Reproduit
map.net/.
d'Internet
Enikeev,
Enikeev.
Source :
internet­
map.net
Ruslan
Figure
2013.
http://
Carte
avec
5.11
de
la
©

173
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

dans une seule visualisation, les sites sont également tous codés par couleur ; par exemple,

tous les sites américains sont en bleu clair.

Les bases de la carte ont été posées en 2011 – les sites les plus récents ne sont
donc pas inclus – mais toutes les données sont mises à jour en temps réel.

Des possibilités infinies

Il existe suffisamment d'outils de visualisation de données pour justifier un livre à

eux seuls, mais comme la technologie évolue et se développe constamment, je
veux simplement vous donner un aperçu de ce qui existe.

Pour avoir une idée plus complète de tout ce qui peut désormais être fait en matière
de visualisation de données, de l'ancien au nouveau, consultez le tableau périodique

des méthodes de visualisation.3 Couvrant les données, les informations, le

concept, la stratégie, la métaphore et les composés. Visualisation Cet affichage
innovant vous permet de faire défiler chaque « élément » et d'obtenir un exemple
visuel et une description. Une ressource géniale pour tous ceux qui souhaitent
savoir ce qui est possible...

Le message clé est qu’il existe désormais une grande quantité de données et
qu’elles nous offrent une opportunité très réelle de découvrir des choses que nous
ne savions tout simplement pas auparavant et que souvent, ces connaissances
nous permettent d’écraser des hypothèses inutiles et inexactes. Un point bien
souligné par le professeur suédois Hans Rosling dans sa conférence TED.4

Rosling a brillamment démontré le pouvoir de la visualisation des données pour

impliquer un public et renverser souvent les idées reçues.

3http://www.visual­literacy.org/periodic table/periodic table.html 4http://

www.ted.com/talks/hans Rosling montre les meilleures statistiques que vous ayez jamais connues
vu

174
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

sa tête. À l'aide d'un logiciel qu'il a développé (qui a depuis été

acquis par Google) Rosling a exploité des sources de données financées par des fonds publics

et a transformé des tendances mondiales complexes en animations vivantes, rendant

des décennies de données incroyablement intéressantes et informatives. En utilisant
outils de visualisation de données, en 2006, il a pu rendre mondial
les tendances sur tout – de l’espérance de vie à la mortalité infantile en passant par
la répartition des richesses – sont plus claires, plus simples et intuitives.
Loin de regrouper les données pour en faire une généralisation radicale, ce type
d’approche permet une narration beaucoup plus sophistiquée et offre des perspectives
nouvelles et importantes sur
solutions.

L'élément interactif en ligne de la visualisation des données fait également

les données plus claires, flexibles et plus pertinentes. Par exemple, Figure
5.12 illustre les données à l'origine des plus grandes violations de données au monde.
La taille de chaque « bulle » est liée au nombre d'enregistrements perdus au cours de la période.

ing chaque violation. Il peut également être filtré selon le secteur de

l’organisation responsable du sinistre et la cause du sinistre –
que ce soit accidentel ou délibéré – en raison d’actes de piratage. Les données
est tiré de databreaches.net et a été mis en place par informa­
tionisbeautiful.com.

Comment améliorer la visualisation des données

Nous pouvons en apprendre beaucoup sur la façon d’améliorer la visualisation des données

du monde de l'édition de magazines.

La concurrence entre les magazines est féroce et les éditeurs doivent donc
capter l'attention de leur public, surtout dans un kiosque à journaux où le
les domaines de la concurrence sont confrontés les uns aux autres. Le magazine
doit être attrayant pour encourager les acheteurs à le prendre, à le feuilleter
et achetez­le. Ceci est généralement réalisé en utilisant des
175

************************************************** ********************
 Machine Translated by Google

************************************************** ********************
************************************************** *******************

176
variable:
par
monde
au
données
violations
grandes
plus
Les
5.12
Figure
Source
McCandless.
David
de
permission
la
avec
Reproduit
hacks/.
breaches­
data­
biggest­
worlds­
visualizations/
www.informationisbeautiful.net/
http://
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

et des couleurs vives, des photographies puissantes en haute résolution, des

images et des graphiques saisissants et des titres intelligents, intéressants ou curieux.
Si l'acheteur feuillette le magazine et confirme que l'intérieur est à la hauteur de
la promesse de la couverture, il achètera.

De la même manière, l’analyse des données et la visualisation qui en résulte

doivent garantir qu’elles soient récupérées, lues et – surtout – mises en
œuvre par les décideurs clés. Cela nécessite la combinaison SMART d’une
présentation succincte, d’une esthétique et d’un contenu significatif et
essentiel à la mission.

Les gens parlent souvent des « données qui parlent d'elles­mêmes », mais si
vous ne comprenez pas le langage des données, elles ne parleront pas d'elles­
mêmes, car tout le monde ne peut pas parler ce langage, comme en témoigne
l'histoire de la NASA. Si vous voulez que les données parlent d'elles­mêmes, vous
devez les convertir dans un langage universellement compris en utilisant des
titres, des graphiques et des récits pour raconter l'histoire révélée par les données.

Si vous prenez un magazine ou un journal, ils suivent un format de narration

simple qui comprend un titre, un résumé, une photo, une image ou tout autre
graphique et le récit de l'histoire.

Le lecteur scanne le titre, l'image et le résumé en quelques secondes, ce qui lui

permet de déterminer rapidement si l'histoire est quelque chose qu'il souhaite lire.
Les photographies ou graphiques couleur de haute qualité sont un autre élément
essentiel de l’édition, car une image peut transmettre très rapidement de
nombreuses informations. Ils ne racontent pas toute l'histoire, mais ils constituent
un moyen simple et efficace de susciter l'intérêt et de replacer le rapport dans son
contexte. Et enfin, un bref résumé résume l’histoire avant d’entrer plus en détail.
Chaque étape permet au lecteur de se concentrer rapidement sur les articles et
les histoires qui l'intéressent particulièrement sans avoir à tout lire.

177

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

En affaires alors que nous sommes déjà submergés de données, de rapports,

opinions, conversations et réunions, cette capacité à se concentrer sur

ce qui compte vraiment est encore plus important.

Et les leçons apprises dans l'édition ainsi que les progrès dans

la technologie et un besoin profond de réduire le désordre ont conduit à un

forme moderne de narration qui révolutionne la visualisation des données... l'infographie.

Infographie

L'infographie est un domaine qui s'est développé parallèlement au Big Data, à l'analyse et

aux avancées technologiques. Comme la capacité et l'opportunité

analyser de plus en plus de données s'est accru, tout comme le besoin

trouver des moyens de communiquer et de rendre compte des résultats de manière efficace.

L'infographie – un hybride d'« informations » et de « graphiques » – est une représentation

visuelle d'une page destinée à exprimer rapidement et clairement de nombreuses

informations, données ou connaissances. Une infographie d'un

un rapport détaillé, une analyse de données ou une enquête auprès des employés, par exemple, peuvent

améliorer la cognition en utilisant une combinaison de titres, de graphiques et de récits

pour raconter toute l'histoire à travers un visuel d'une page

carte.

Les journaux utilisent couramment des infographies pour afficher la météo, illustrer des

statistiques ou des résultats d'enquêtes. Systèmes de transport en commun tels que le

métro de Londres et le métrorail de Washington DC suivant

système sont souvent représentés à l’aide d’une infographie (voir Figure 5.13).

Ces infographies intègrent une variété d'informations utiles dans un

zone très réduite – les noms des stations, les différentes lignes de métro,

aménagement conceptuel du réseau de transport en commun, des points de correspondance, des

monuments locaux et des liaisons ferroviaires, etc.

178
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Figure 5.13 Carte du Metrorail de Washington DC

Source : Provenant de http://commons.wikimedia.org/wiki/File:Wash­dc­metro­
carte.png

Compte tenu de l'avalanche de données et d'informations qu'un

Les dirigeants sont exposés à l'impossibilité de rester au courant sans une
visualisation significative des données. Il est clairement irréaliste de s'attendre
professionnels occupés pour parcourir des montagnes de données avec des
annexes de feuilles de calcul sans fin, donner un sens à tout cela et extraire les
Messages clé. Ils ne le feront pas ! D'ailleurs, même s'ils avaient le

179

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

le temps ou l'envie de se plonger dans les données lui­même, cet individu

Cette approche laisse les données ouvertes à des malentendus ou à des interprétations

erronées. Lorsque la personne qui consulte l’information peut en extraire les messages

clés qui correspondent à son agenda ou confirmer sa décision préférée, cela annule tout

l’intérêt de l’analyse des données en tant qu’outil de prise de décision fondée sur des

preuves.

L'infographie présente une solution innovante à ce dilemme car elle synthétise les

messages clés et raconte l'histoire des données sur une seule page. Et tout le monde a le

temps de regarder une page !

Il y a trois parties distinctes d’une infographie réussie :

1 Visuellement attrayant – utilisation de couleurs, de graphiques et d'icônes.

2 Contenu utile – utilisation de délais, de statistiques et de références.

3 Transmettre des connaissances – utilisation de faits et de déductions.

Ensemble, ils se combinent pour raconter une histoire. L'infographie ne consiste pas

seulement à trouver le moyen le plus accessible de présenter les données, il s'agit

également de trouver le meilleur moyen d'initier visuellement des conversations et des

interactions susceptibles d'améliorer la prise de décision et les performances. Le meilleur

moyen d'y parvenir est de se concentrer sur le message et d'utiliser ce qui exprime le

mieux ce message à partir d'une combinaison de mots, de chiffres, d'images et de

couleurs. De cette façon, il est beau, engage le lecteur en simplifiant la compréhension et

la rétention ET fournit des réponses et des informations significatives sur les questions

SMART importantes.

Ce qui rend les infographies si efficaces, c’est qu’elles font appel à la manière dont les

êtres humains reçoivent et traitent l’information. Nous recevons des informations des cinq

sens, mais pour la plupart d'entre nous, la grande majorité

180
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

de nos informations sont reçues visuellement. La moitié de notre cerveau est

dédiée aux fonctions visuelles et les images sont traitées et assimilées
beaucoup plus rapidement que le texte. C’est ce fait qui explique l’adage :
une image vaut mille mots. Alors que notre cerveau traite le texte de manière
linéaire, il traite une image d’un seul coup. Nous ne « captons » pas une
image de la même manière que nous « captons » ou lisons un livre, ce qui
rend l'assimilation de l'information beaucoup plus rapide. De plus, on estime
que 65 pour cent de la population sont des apprenants visuels plutôt qu'auditifs
ou kinesthésiques. En d’autres termes, la plupart d’entre nous apprennent
mieux en voyant quelque chose plutôt qu’en entendant quelque chose ou en
faisant/expérimentant quelque chose.5

Les infographies nous offrent une réelle opportunité de diffuser des informations
importantes aux différentes parties de l'entreprise qui ont besoin de ces
informations sans surcharger les gens. Ils peuvent constituer à eux seuls
l’histoire clé dont les dirigeants ont besoin ou offrir cet aperçu et un lien vers
un rapport plus complet pour ceux qui souhaitent obtenir des détails. Quoi qu’il
en soit, l’infographie prépare le lecteur et rend le sujet plus accessible. Cela
aide également le lecteur à s'engager car il sait à l'avance qu'il a une vue
d'ensemble et choisit de plonger dans les détails du rapport parce qu'il le
souhaite plutôt que d'y être forcé pour tenter d'extraire les pépites d'or
d'informations dont il a besoin. .

Les infographies reconnaissent le fait qu'Internet et l'explosion des données

ont créé une apathie à l'égard des données et réduit notre capacité d'attention.
Ces deux problèmes sont résolus par des infographies. Voir les figures 5.14 et
5.15 pour des exemples d'infographies.

5Smiciklas, M. (2012) Le pouvoir de l'infographie : utiliser des images pour communiquer et

se connecter avec votre public. Londres : Pearson Education.

181

************************************************** ********************
 Machine Translated by Google

************************************************** ********************
************************************************** *******************

182
expliquant
Infographie
5.14
Figure
«
et
gouvernement
du
sein
au
Source
McCandless.
David
de
permission
la
avec
Reproduit
us/.
right­
vs­
left­
visualizations/
www.informationisbeautiful.net/
http://
gauche
droite :» »
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Figure 5.15 Infographie des conseils Twitter

Source : Provenant de http://printmediacentr.com/2011/08/infographic­five­
and­a­half­twitter­tips/ . Graphique reproduit avec la permission de NJI Media.

Alors qu'Apache Hadoop et d'autres technologies émergent pour prendre en

charge l'analyse back­end du Big Data et résoudre les problèmes de
stockage et de traitement du Big Data, la visualisation des données se
concentre sur le front­end du Big Data. Recueillir les données back­end et
les présenter dans un format pouvant être analysé est une chose – transformer
les résultats de cette analyse en quelque chose que les chefs d’entreprise et
les dirigeants comprennent et peuvent utiliser efficacement est une tout autre chose.

183

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Méfiez­vous des outils de business

intelligence en libre­service

Les logiciels qui promettent de transformer les flux infinis de données entrant et sortant des

entreprises en de jolies infographies sexy d'une page sont le dernier point chaud

technologique. Gartner a estimé qu'il y aura un taux de croissance annuel composé de 30

pour cent dans les outils de découverte de données jusqu'en 2015.6

Le problème est que ces solutions de business intelligence et de découverte de données en

libre­service appartiennent aux data scientists, et non aux dirigeants d'entreprise qui ont

besoin des données. Tout comme il est irréaliste de supposer que les chefs d'entreprise et

les cadres ont le temps de lire chaque rapport de 30 pages qui leur parvient, il est également

irréaliste de supposer qu'ils seront ensuite en mesure de saisir ce rapport accompagné d'un

« mash­up » de données provenant de les médias sociaux, les vidéos, les données de

parcours, les articles de blog, les commentaires, les enquêtes, les capteurs de machines,

etc., dans un outil de découverte de données et créez miraculeusement une infographie utile

qui synthétise ces données dans une histoire belle et fonctionnelle d'une page.

Cela peut arriver avec le temps, à mesure que la génération Y'er et les natifs du numérique,

férus de technologie, accèdent de plus en plus à des postes de direction, mais cela

n'arrivera jamais si votre entreprise est peuplée de membres de la génération X ou de baby­boomers.

En outre, chaque nouvelle génération continuera probablement à laisser l’ancienne derrière

elle en matière de technologie.

Certes, c'est une généralisation radicale, mais le fait est que si les dirigeants sont déjà

occupés, ont­ils vraiment le temps ou l'envie de le faire ?

6Sommer, D., Sallam, RL et Richardson, J. (2011) Analyse des technologies émergentes : outils
de découverte de données basés sur la visualisation. Rapport technique. Gartner.

184
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

maîtriser un programme de découverte de données ? La réponse est non – probablement pas.

Ils veulent que quelqu’un leur dise ce que tout cela signifie d’une manière simple, logique et

visuellement attrayante. Ils veulent une solution d’une seule page. Et la seule façon d’y

parvenir est que les dirigeants et les data scientists travaillent ensemble pour déterminer ce

qui est nécessaire.

L'infographie est le domaine des analystes et des concepteurs, et non des décideurs. Mais le

laisser aux seuls analystes et concepteurs est aussi improductif que le laisser aux dirigeants.

Il doit y avoir une collaboration et une interaction bidirectionnelles entre les personnes qui

créent les résultats et celles qui ont besoin des résultats pour prendre des décisions.

Et dans les entreprises, en particulier dans les grandes entreprises, il doit y avoir une

uniformité et des points communs dans la manière dont les données sont présentées.

Prenez Procter & Gamble (P&G), par exemple. Entreprise mondiale comptant des centaines
de marques, P&G a choisi d’institutionnaliser la visualisation des données comme principal

outil de gestion. En collaboration avec un fournisseur de logiciels d'analyse visuelle, l'entreprise

a installé des affichages visuels d'informations clés sur plus de 50 000 ordinateurs de bureau

qui donnent désormais accès à un « cockpit de décision ».7

En établissant un langage visuel commun pour les données, P&G a pu radicalement améliorer

la façon dont les données sont utilisées pour orienter la prise de décision et agir.

P&G a créé des « Business Spheres », ou des espaces de réunion avec de grands écrans sur

les murs. Quel que soit le lieu physique de la réunion, tous les secteurs d'activité disposent

des mêmes protocoles technologiques et de visualisation des données. Et les réunions sont

7Vous pouvez consulter ceci sur http://blogs.hbr.org/2013/04/how­p­and­g­presents­data/.

185

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

en présence d'analystes du groupe Information and Decision Solutions de P&G qui

donnent vie à ces écrans avec des données pertinentes

pour faciliter la discussion et aider à la prise de décision. Et tandis que le

Les outils auxquels ils ont accès sont indéniablement géniaux et sérieusement créatifs, le

véritable objectif est d'aider tout le monde lors des réunions à réagir rapidement.

comprendre les situations auxquelles le groupe est confronté et prendre des mesures opportunes et intelligentes

les décisions.

Souvent, ce qui se passe réellement dans les affaires, c'est que les gens qui

devons prendre ces décisions, passer tellement de temps à examiner les

données essayant de comprendre ce qui s'est réellement passé mais elles n'ont jamais

comprendre pourquoi cela s'est produit ou ce qu'ils pourraient faire pour éviter

cela se produira dans le futur. La visualisation des données et les infographies peuvent

aider en mettant rapidement toutes les personnes impliquées au courant de ce qui

les données le disent réellement.

Même si une entreprise utilise la visualisation de données, il reste encore de la place pour la compréhension.

fusion si la façon dont les données sont visualisées change constamment. En

institutionnalisant la visualisation des données, P&G est allé encore plus loin

veiller à ce que les informations elles­mêmes soient présentées de manière commune

dans l'ensemble de l'entreprise. P&G a lancé un ensemble de sept « modèles de

suffisance commerciale » qui précisent quelles informations sont utilisées pour

résoudre des domaines problématiques particuliers. Par exemple, si un dirigeant de P&G

se concentre sur les problèmes de chaîne d'approvisionnement, les modèles de suffisance

précisent les variables clés, la manière dont elles doivent être affichées visuellement et

parfois même les relations entre les variables et les prévisions basées sur ces relations.8

Cette uniformité signifie que tout le monde est sur la même longueur d’onde. Une fois

compris, les dirigeants de n'importe quelle division ou de n'importe quelle marque, ou dans

8Davenport, T. (2013) Comment P&G présente les données aux décideurs HBR
Blog Network. http://blogs.hbr.org/2013/04/how­p­and­g­presents­data/.
186
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

n'importe quel pays, peut interpréter rapidement et facilement les données qui lui sont

fournies car elles sont toujours présentées de manière uniforme. De cette façon, ils

passent beaucoup moins de temps à essayer de comprendre les données et beaucoup

plus de temps à les utiliser et à prendre de meilleures décisions.

L’uniformité empêche également les gens de détourner les données et de les présenter

d’une manière qui conforte leur théorie ou hypothèse favorite.

Les ingrédients d’une visualisation de

données et d’une infographie réussies

Ce n'est pas parce que vous pouvez visualiser magnifiquement les données et créer 20

types de graphiques différents pour illustrer votre propos que vous devez utiliser les 20

ou même n'importe lequel d'entre eux.

Si vous souhaitez communiquer efficacement vos résultats afin que les mesures et les

données que vous avez analysées puissent être efficacement transformées en

informations commercialement pertinentes qui soutiennent une prise de décision fondée

sur des preuves, il existe quelques lignes directrices :

1 Identifiez votre public cible. Que vous créiez un rapport traditionnel ou une

infographie moderne, demandez­vous qui va le voir et que savent­ils déjà sur les

questions abordées ? De quoi ont­ils besoin et de quoi veulent­ils savoir ? Et

que feront­ils de ces informations ?

2 Personnalisez la visualisation des données. Sur la base des réponses à

ces questions soyez prêt à personnaliser votre visualisation de données pour

répondre aux exigences spécifiques de chaque décideur. Trop souvent, les

rapports commerciaux sont diffusés à tout le monde « juste au cas où » cela

serait utile. Ou des parties du rapport sont

187

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

découpé et envoyé séparément à différentes personnes. Cela ne fait qu'ajouter

à la confusion et à la surcharge et augmente le risque de perte ou d'oubli de

distinctions et d'informations clés pertinentes pour un groupe parmi les données

utiles à un autre groupe. Les visualisations de données doivent toujours être

personnalisées pour les destinataires et inclure uniquement ce qu'ils ont

besoin de savoir, en plaçant les informations dans un contexte qui est pertinent

ou significatif pour eux.

3 Donnez à la visualisation de données une étiquette ou un titre clair. Ne sois pas

énigmatique ou intelligent, expliquez simplement ce que fait le graphique. Cela

permet de remettre immédiatement la visualisation dans son contexte.

4 Liez la visualisation des données à votre stratégie. Si la visualisation des données

cherche à présenter des données qui répondent à l'une de vos questions

SMART, incluez la question SMART dans le récit d'ouverture. Revenir à la

stratégie avec laquelle vous avez commencé aide à positionner les données

afin que le lecteur puisse immédiatement voir la pertinence et la valeur de la

visualisation. Par conséquent

ils sont beaucoup plus susceptibles de s’engager et d’utiliser l’information à

bon escient.

5 Choisissez judicieusement vos graphiques. Utilisez le type de graphique qui

transmet le mieux l’histoire de la manière la plus simple et succincte possible.

Cela signifie:

Utilisez uniquement des visuels pertinents qui fournissent des informations

importantes souhaitées par votre public cible. Avoir une belle apparence

n'est pas une raison suffisante pour ajouter un graphique, aussi intelligent

ou génial soit­il.

Ne ressentez pas le besoin de remplir chaque espace de la page : trop

d'encombrement rend plus difficile la recherche des informations

importantes, plus difficile à mémoriser et plus facile à ignorer.

188
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Utilisez la couleur de manière appropriée pour ajouter de la

profondeur aux informations. Et n'oubliez pas que certaines couleurs ont des

significations scientifiques. Le rouge, par exemple, est considéré comme une couleur

d’avertissement ou de danger.

N'utilisez pas trop de types différents de graphiques, de diagrammes ou

de graphiques. S'il s'avère utile de comparer différents graphiques entre
eux, assurez­vous d'utiliser le même type de graphique pour illustrer les
données afin que la comparaison soit aussi simple que possible.

Assurez­vous que tout sur l'infographie sert au moins

un seul but.

6 Utilisez des titres pour faire ressortir les points importants. Cela permet au
lecteur de numériser le document et d’obtenir très rapidement l’essentiel de
l’histoire.

7 Ajoutez un court récit le cas échéant. La narration aide à expliquer les données
avec des mots et ajoute de la profondeur à l'histoire tout en contextualisant
les graphiques. Les chiffres et les graphiques ne peuvent donner qu’un
aperçu ; le récit vous permet d’embellir des points clés, de faire des
observations ou de mettre en évidence des implications.

Considéré comme le « Da Vinci des données » par le New York Times, Edward
Tufte suggère que les affichages graphiques devraient :

Montrez les données.

Inciter le spectateur à réfléchir plutôt au fond

que sur la méthodologie, la conception graphique, la technologie de

production graphique ou autre chose.

Évitez de déformer ce que les données ont à dire.

Présentez plusieurs nombres dans un petit espace.

189

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Rendre cohérents les grands ensembles de données.

Encouragez l’œil à comparer différentes données.

Révélez les données à plusieurs niveaux de détail, depuis un aperçu

général jusqu'à la structure fine.

Servir un objectif raisonnablement clair : description, exploration, tabulation

ou décoration.

Être étroitement intégré aux descriptions statistiques et verbales d’un

ensemble de données.9

Selon Tufte, « les graphiques révèlent des données ». En effet, les graphiques
peuvent être plus précis et révélateurs que les calculs statistiques conventionnels.
Bien qu'écrits en 1983 avant l'avènement d'Internet, les conseils de Tufte sont
toujours valables, notamment dans le domaine de l'infographie.

Tableaux de bord de gestion

Certaines analyses que vous exécuterez seront ponctuelles, pour répondre à une
ou plusieurs questions SMART spécifiques. Les résultats peuvent ensuite être
rapportés via un rapport traditionnel utilisant la visualisation de données ou via la
nouvelle tendance de l'infographie.

Il existe cependant d’autres analyses liées à des problèmes stratégiques, tactiques

ou opérationnels en cours. Les résultats de ces enquêtes devront être communiqués
régulièrement et la meilleure façon d'y parvenir est de créer un tableau de bord de
gestion.

9Tufte ER (1983) L'affichage visuel des informations quantitatives. Connecticut :

Presse graphique.

190
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

À l'instar du tableau de bord « Cockpit » de P&G, le tableau de bord de gestion

vous permet de signaler des résultats continus pertinents qui aideront l'entreprise
à maintenir le cap vers ses objectifs. Comme les instruments du cockpit d'un
avion de chasse, ils permettent au dirigeant de savoir exactement où il se trouve
à un moment donné et de se concentrer sur son arrivée à destination en un seul
morceau.

Top gun pour une journée

Adolescent, j'ai dû regarder Top Gun 50 fois. J'ai adoré ce film et je suis sûr que
j'ai rêvé d'être un pilote de Top Gun dans ma jeunesse. Vous pouvez donc
imaginer mon enthousiasme lorsque j’ai travaillé pour le ministère de la Défense
du Royaume­Uni. Ils voulaient mon aide pour concevoir leur stratégie et la
transposer à l’armée de l’air. Je me souviens très bien d'avoir participé à une
réunion avec le chef de l'armée de l'air et son équipe. Ils voulaient parler de
KPI, de données, de Big Data, d'analyse et de stratégie. La seule chose dont je
voulais parler était de savoir comment ils pourraient m'impliquer dans un avion
de chasse un jour !

Au cours des mois suivants, j’ai posé la question tellement de fois qu’ils ont fini
par accepter. Je ne peux pas commencer à expliquer à quel point j'étais excité.
J'ai été invité à la RAF Valley au Pays de Galles pour mon vol en jet rapide.
Pour être honnête, à ce stade, je n'avais aucune idée de ce qui était réellement
impliqué et je pensais simplement que j'allais arriver, sauter dans l'avion, voler
un peu, puis revenir et en parler à tout le monde. Pas assez.

J'ai dû me présenter la veille du vol pour passer une visite médicale ; J'avais
besoin d'être pesé pour les réglages du siège éjectable. J'ai dû en apprendre
davantage sur la force G et sur la façon dont elle presse tout le sang dans le
bas de votre corps, ce qui signifie que vous pouvez vous évanouir parce qu'il
n'y a pas assez de sang dans votre cerveau. Inutile de dire qu'à la fin du premier jour, j'ai

191

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

était assez nerveux. Le jour du vol, le pilote m'a fait asseoir et m'a dit que nous
devions planifier notre mission. De toute évidence, étant donné le coût de l'avion
et le temps du pilote, il fallait que l'exercice ait une certaine valeur de formation,
sinon ils n'auraient jamais accepté le vol. Nous nous sommes assis devant
l'ordinateur et avons tracé la trajectoire de vol qui nous a permis de voler vers la
mer depuis la base aérienne, d'effectuer des manœuvres intéressantes, puis de
suivre la chaîne de montagnes et la rivière jusqu'à la campagne galloise avec le
prétendu objectif de mission de bombarder l'un des les ponts des Vallées.

Toutes ces données ont ensuite été imprimées sur un document d'une page placé
dans une pochette en plastique transparent sur le tableau de bord du vol. Il s'agit
essentiellement de la carte de la mission et elle est constamment visible afin que
le pilote et le copilote ne l'oublient jamais.

Nous étions donc presque prêts. Juste une dernière chose : j'avais besoin de
regarder une vidéo sur la santé et la sécurité. La vidéo expliquait ensuite que
l’avion était très sûr ; cependant, si quelque chose n'allait pas et que j'entendais
le pilote dire « Éjecter », je devais alors tirer le niveau rouge entre mes jambes et
je serais automatiquement catapulté hors de l'avion. Le parachute s'ouvrirait alors
et un tracker capterait le signal et un hélicoptère serait envoyé pour me récupérer.
Cela m'a rendu encore plus nerveux. Mais ensuite, la vidéo H&S a poursuivi en
disant que même si tout cela se produirait automatiquement, il était possible que
cela ne se produise pas, auquel cas je devrais le faire manuellement, ce qui
impliquait d'innombrables actions que je devais entreprendre dans le bon ordre. –
le pilote piloterait alors l’avion à l’envers et la gravité se chargerait du reste ! A
présent, j'étais très nerveux.

Je savais très bien que si le levier d'éjection rouge ne fonctionnait pas

automatiquement, les chances que je me souvienne de ce qu'il fallait déboucler et
dévisser étaient pratiquement nulles et je mourrais !

192
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Quoi qu'il en soit, je me suis attaché et nous sommes partis. Je suis sûr que tout le monde

à la base avait parié sur combien de temps j'allais tenir et les 15 premières minutes ont

certainement été très dures pour mon corps. Les manœuvres en mer étaient

phénoménales, ma tête les adorait mais pas mon estomac, qui était en retard de 10

bonnes secondes.

Nous avons trouvé la rivière et l'avons suivie jusqu'à la vallée jusqu'au site hypothétique

de la bombe et avons largué la bombe. Mais ce que le pilote ne m'avait pas dit lors du

briefing, c'est que d'autres avions nous rejoindraient ensuite dans le ciel pour s'entraîner

à des manœuvres d'évitement du chasseur.

Nous nous sommes précipités dans le ciel, nous évitant pendant ce qui semblait être une

éternité, à ce moment­là, je souffrais d'une manière que je ne soupçonnais même pas

possible.

Heureusement, le pilote a eu pitié de moi et nous a emmenés au­dessus des

nuages, ce qui, m'a­t­il assuré, me ferait beaucoup de bien. Evidemment ce
sont les nuages qui provoquent les turbulences et sur un avion de ligne

ils peuvent être coriaces, alors imaginez ce que c'est dans un avion de combat.

Nous avons ensuite parlé du tableau de bord, des cadrans qui le composent et de la façon

de les lire. Il a expliqué qu'il comportait cinq indicateurs essentiels qui permettraient de

savoir où l'on se trouve par rapport à l'endroit où l'on devrait être ainsi que la carte de vol.

Les pilotes doivent savoir exactement où ils se trouvent à tout moment, même s’ils volent

dans un nuage ou dans du mauvais temps. Et ils font entièrement confiance à ces cinq

instruments.

Au­dessus des nuages, je me sentais mieux et le pilote me laissa le contrôle de l'avion

pendant quelques minutes. Quand il l'a fait, il a informé le contrôle de la mission que

j'étais aux commandes (même si je suis sûr qu'il avait vraiment le contrôle total). Le

contrôle de mission a également joué un rôle important en

193

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

surveiller l'espace aérien qui nous entoure, évaluer les données météorologiques et
tout avion non identifié dans la zone, ainsi que les données satellite et autres
données provenant d'autres sources.

Ce jour­là, je me suis rappelé quelques points vraiment importants.

Le premier est l’évolution de quoi que ce soit. Si l’on compare un avion qui
volait il y a 100 ans, il n’existait pratiquement aucun outil de navigation. Les
indicateurs étaient très rudimentaires et simples et pourtant les derniers
avions n'ont même pas besoin de pilotes ! Et je comprends pourquoi, car
après seulement une heure de vol, j’étais complètement épuisé. Il est clair
que l’élément humain est le maillon le plus faible de la chaîne – d’où le
développement des avions sans pilote ou des drones. Ces drones sont
désormais dotés d’équipements de collecte de données, de capteurs et de
caméras. En fait, la quantité de données actuellement collectées par les
drones est si vaste qu’il n’y a pas assez d’analystes pour toutes les
analyser ! Malgré ce que vous pensez personnellement des drones, ils
démontrent la parfaite évolution du vol.

L’autre point est l’importance de la stratégie et d’avoir un tableau de bord

qui peut vous aider à évaluer rapidement si vous êtes sur la bonne voie ou
non, sans même regarder par la fenêtre !

Un tableau de bord de gestion vous permet de le faire.

Élaboration de tableaux de bord de gestion

Un tableau de bord de gestion est simplement un affichage visuel concis

des informations les plus critiques nécessaires pour aider les dirigeants et
les décideurs à atteindre les objectifs stratégiques et opérationnels.

194
************************************************** ********************
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

À l’instar des cadrans du cockpit de l’avion de combat, les tableaux de bord aident chacun

à rester sur la bonne voie. Il est préférable de les considérer d’un point de vue

opérationnel et stratégique. Les tableaux de bord opérationnels surveillent les processus

et les résultats quotidiens pour garantir que les attentes et les performances sont

satisfaites de manière cohérente. Ils fournissent des informations qui nous permettent de

résoudre les problèmes avant qu'ils ne deviennent des problèmes et d'améliorer

progressivement les performances (voir figure 5.16).

Les tableaux de bord stratégiques, quant à eux, se tournent vers l’avenir et cherchent à

identifier les obstacles et les défis qui peuvent survenir sur le chemin vers la destination

stratégique. Les deux sont importants.

Tous les conseils pour créer une infographie réussie sont également pertinents pour créer

un tableau de bord réussi. Lorsque je conseille les clients sur leurs tableaux de bord, nous

veillons toujours à ce qu'ils contiennent un mélange de titres et de récits ainsi que des

graphiques et tableaux clairs et bien conçus.

Que vous décidiez de communiquer les résultats via un reporting traditionnel utilisant

certaines techniques de visualisation de données ou que vous optiez pour des tableaux

de bord de gestion et/ou des infographies dépendra très souvent de votre expertise en

interne.

Pour les grandes entreprises comme P&G, il est possible et pratique d'avoir un

département Solutions d'Information et de Décision. Des analystes de données et des

experts en visualisation assistent aux réunions pour combler le fossé entre les données

et les décideurs qui en ont besoin. Pour les petites entreprises, cela n’est peut­être pas

aussi pratique. Mais une chose est sûre, si vous souhaitez devenir une entreprise SMART,

vous devez développer ces compétences soit en interne, soit sous­traiter à un fournisseur

de confiance. Quoi qu’il en soit, l’analyse et la visualisation des données sont les deux

faces d’une même chose.

pièce de monnaie.

195

************************************************** ********************
 Machine Translated by Google

************************************************** ********************
************************************************** *******************

196
sociaux :
médias
les
pour
opérationnel
bord
tableau
Exemple
5.16
Figure
Source
dundas.aspx
dashboard­
operations­
financial­
live­
dashboards/
www.dashboardinsight.com/
http://
www.dundas.com
–
Inc
Visualization,
Data
Dundas
de
gracieuseté
Image .
Machine Translated by Google

************************************************** *******************

R = RÉSULTATS DU RAPPORT

Il ne sert absolument à rien d'identifier des mesures et des données qui peuvent vous aider à

répondre à vos questions SMART et d'appliquer les analyses pour trouver ces réponses, si les

réponses sont ensuite enfouies dans un rapport de 50 pages que personne ne lit ou ne comprend.

Trouver un moyen de rendre compte des résultats rapidement, clairement et de manière engageante

est crucial pour toute entreprise SMART.

N'oubliez pas que vous devez savoir qui va utiliser les informations que vous avez en votre

possession. Que savent­ils déjà des enjeux et qu’attendent­ils ? Dans la mesure du possible,

concentrez­vous sur l’histoire et donnez vie aux informations grâce à des visuels et des infographies

attrayants. Rendez­le aussi court et facile d'accès que possible afin que les personnes qui ont

besoin de l'information puissent l'obtenir rapidement et agir.

dessus.

Points clés et appel à l’action

L’application de l’analyse ne suffit toujours pas. Vous devez rendre compte des informations

extraites des données de manière à ce que les gens comprennent.

Les chefs d'entreprise ont déjà du mal à suivre toutes les données qui arrivent sur leur

bureau. Vous devez donc rendre compte des résultats clairement – n'enfouissez pas les

informations dans des rapports lourds.

Le Big Data ou toute autre analyse de données n'est utile que si vous vous assurez que

les bonnes personnes obtiennent les bonnes informations, dans le bon format, afin qu'elles

puissent prendre les bonnes décisions plus souvent.

Une fois que vous avez analysé les données, vous devez déterminer qui a besoin des

résultats afin de prendre de meilleures décisions stratégiques et d'adapter votre visualisation

des données à leurs besoins.

197

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

La visualisation des données peut prendre de nombreuses formes, notamment :

Graphiques et diagrammes

Rapports traditionnels

Infographies pouvant afficher des cartes, du texte, des données, des comportements,
des émotions et des connexions.

Dans la mesure du possible, utilisez une infographie d'une page pour rendre compte des

résultats et garantir que les bonnes personnes accèdent rapidement et facilement aux

informations.

La visualisation des données est une extension de la fonction analytique et ne relève pas

nécessairement du rôle de la personne cherchant les réponses aux questions SMART.

Vous devez travailler en collaboration avec l'utilisateur final des données et les data

scientists pour vous assurer de vous concentrer sur les bonnes données et de les

présenter d'une manière significative pour l'utilisateur final.

Ne présumez pas que les logiciels de Business Intelligence résoudront ce défi. Dans la

plupart des cas, les personnes qui ont besoin de réponses n’auront ni le temps ni l’envie
de les résoudre.

comment utiliser un logiciel, quel que soit le nombre de façons brillantes et innovantes

qu'il promet de découper les données.

Si vos analyses de données identifient une métrique ou une source de données qu'il sera

utile de mesurer en continu, cherchez à la convertir en KPI et/ou à l'inclure dans le

tableau de bord de gestion.

198
************************************************** ********************
Machine Translated by Google

************************************************** *******************

6
T = TRANSFORMER
ENTREPRISE

Les mesures, les données et les analyses transforment le monde, y compris les

entreprises. C'est à vous de décider jusqu'où et jusqu'où vous allez dans votre entreprise.

Mais des opportunités existent déjà pour :

Mieux comprendre et cibler les clients.

Améliorer et optimiser les processus métier.

Améliorer la santé et le bien­être des personnes.

Augmentez la sécurité et réduisez la fraude.

Stimulez la performance de votre entreprise et de vos collaborateurs.

Améliorer les villes et autres infrastructures.

Mieux comprendre et cibler les clients

En élargissant les ensembles de données traditionnels pour inclure le Big Data, les

données structurées et non structurées telles que les médias sociaux, les journaux de

navigateur et/ou les données de capteurs et en appliquant des analyses de texte et d'autres outils,

199
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

les entreprises sont désormais en mesure de mieux comprendre leurs clients, leurs

comportements et leurs préférences.

Le grand objectif, dans de nombreux cas, est de créer des modèles prédictifs.

La plupart des grands détaillants, des chaînes d'épicerie aux fournisseurs de télécommunications

en passant par les banques d'investissement, utilisent une forme d'analyse prédictive pour

tenter de prendre une longueur d'avance sur leurs concurrents.

Souvenez­vous du modèle prédictif de grossesse du détaillant américain Target, qui les avertit

de la probabilité qu'une personne achetant une combinaison spécifique de 25 produits soit

enceinte. Les sciences sociales ont montré que la plupart des gens prennent leurs décisions

d’achat en fonction de leurs habitudes plutôt que de leurs choix – en particulier pour les produits

vendus par Target. Lorsque quelqu’un visite un supermarché, il n’évalue pas les différents

types de beurre en vente et n’évalue pas les options ; ils achètent généralement ce qu’ils

achètent toujours. Parfois, ils peuvent être incités à essayer quelque chose de nouveau si ce

produit est proposé, mais ils achètent généralement ce qu'ils ont toujours acheté. Il y a

cependant de brèves périodes dans la vie d'une personne où les vieilles routines et habitudes

s'effondrent et où le comportement d'achat est en pleine évolution. La grossesse fait partie de

ces périodes.

En fait, Target connaît LE moment où le comportement d’achat est à gagner – au moment de

la naissance d’un enfant, lorsque les deux parents sont épuisés et dépassés. Ils savent

également que le timing est primordial et qu'au moment où le bébé naît, il est trop tard pour

garantir que ces parents soient des clients, car dès la naissance du bébé, la naissance devient

une partie du dossier public et les parents recevront un barrage d'informations. des offres et

des incitations liées aux bébés pour ajouter à leur dépassement. Ainsi, Target et de nombreuses

autres grandes entreprises créent un modèle prédictif pour identifier la grossesse avant tout le

monde – y compris, en fin de compte, le père en colère d'une jeune fille de 15 ans.

200
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

En analysant les données, Target a pu repérer un modèle ou un groupe de

comportements d'achat qui rendaient statistiquement probable qu'une personne
soit enceinte. Des choses comme le passage à des produits sans parfum, l'achat
d'un grand sac à main pouvant contenir des couches et des accessoires pour
bébé, certaines vitamines et suppléments et des choses évidentes comme des
vêtements de maternité, ont déclenché le modèle prédictif et ont permis à Target
d'envoyer des offres liées au bébé au mère afin que le changement de
comportement d'achat se produise dans Target.1 Si une future mère recevait
des offres de produits liés au bébé avant la naissance, en particulier si elles
étaient déguisées parmi d'autres offres pour paraître aléatoires et non ciblées ,
ils seraient alors beaucoup plus susceptibles de visiter le magasin et d'utiliser
les coupons pour acheter des produits dont ils auraient besoin de toute façon.

Et lorsqu’ils se trouvaient au magasin, ils étaient également beaucoup plus susceptibles d’acheter

d’autres choses.

Target a reçu de nombreuses critiques lorsque certains détails de son

programme d'analyse ont été révélés par le journaliste du New York Times,
Charles Duhigg, mais la vérité est que la plupart des grands détaillants le font.
Peut­être pas en 2002, lorsque Target venait tout juste de démarrer, mais la
plupart le font maintenant. Et si les clients bénéficient d'une meilleure offre, de
meilleures conditions, de produits moins chers ou d'offres à prix réduit sur les
choses qu'ils veulent et dont ils ont besoin, c'est sûrement une bonne chose
pour le client et pour l'entreprise.

Selon McKinsey, les détaillants désireux d’utiliser l’analyse du Big Data pour
augmenter leurs marges opérationnelles peuvent le faire jusqu’à 60 %.

1Duhigg, C. (2012) Comment les entreprises apprennent vos secrets. Le New York Times. http://
www.nytimes.com/2012/02/19/magazine/shopping­habits.html? pagewanted=1& r=2&hp&

201

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Dans un secteur qui fonctionne avec des marges extrêmement minces, cela représente un

énorme avantage.2

Souvenez­vous de l'entreprise de télécommunications que j'ai mentionnée au chapitre deux.

En utilisant l’analyse Big Data pour créer un modèle prédictif, ils ont pu tirer d’énormes

avantages commerciaux de leurs données pour les aider à mieux prévoir et gérer le taux de

désabonnement des clients. Dans le secteur des télécommunications, le taux de

désabonnement est un problème sérieux, car de plus en plus de personnes sont heureuses

de se déplacer entre les fournisseurs à la recherche des meilleurs téléphones et de la meilleure

offre. Naturellement, l’entreprise souhaitait comprendre la fidélité de ses clients ; qui bougeait

et ce qu'ils pouvaient faire pour arrêter le changement.

Ils savaient qu'ils disposaient de beaucoup de données existantes et qu'ils

effectuaient des analyses sur certaines de ces données, mais ils n'avaient jamais
regardé comment les gens s'appelaient. Ils ne savaient pas, par exemple, si
leurs clients passaient principalement des appels entrants ou sortants. Ils ne
savaient pas combien de temps ils parlaient ni quels moments de la journée
étaient les plus populaires. En exploitant ces données et en appliquant des
analyses, ils ont découvert qu'un modèle d'appel particulier était beaucoup plus
susceptible d'être désabonné que tous les autres.

Cette information est de l’or pour une entreprise de télécommunications, car toutes les

entreprises de télécommunications tentent de s’approprier les clients les unes des autres et

d’empêcher ceux qu’elles ont de partir. Mais ils ne savent pas vraiment s'il existe un type de

clientèle particulier qui bouge davantage.

2Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C. et Hung Byers,
A. (2011) Big Data : La prochaine frontière de l'innovation, de la concurrence et
productivité McKinsey & Co Insights et publications. http://www.mckinsey. com/insights/
business technology/big data la prochaine frontière de l’innovation

202
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

fréquemment que les autres types. L'analyse des données a prouvé qu'il existait
un type et ils ont pu identifier les clients les plus susceptibles de partir afin de
pouvoir cibler ce segment du marché avec des offres spéciales et des promotions
qui les inciteraient à rester. En analysant les données structurées traditionnelles
un peu différemment, ils ont pu extraire des informations commercialement
significatives qui ont considérablement réduit le taux de désabonnement et
augmenté les bénéfices.

Les organisations de services financiers utilisent les données extraites des

interactions avec les clients pour diviser leurs utilisateurs en segments finement
ajustés. Cela permet à ces institutions financières de créer des offres de plus en
plus pertinentes et sophistiquées.

Les compagnies d'assurance utilisent également l'analyse des données pour

mieux comprendre leurs clients et proposer des services beaucoup plus personnalisés.
des solutions d'assurance basées sur le comportement réel des clients plutôt

plutôt que de placer ce client dans une large catégorie. Comme tous les secteurs,
l’assurance est toujours à la recherche d’opportunités pour rester compétitive. Les
sites de comparaison de prix ont modifié la nature de l'assurance et ils doivent
poser des questions SMART à leur clientèle. Chercher à comprendre leur marché
et les types de personnes recherchant une assurance plutôt que simplement
comprendre leurs produits a conduit à de nouvelles collectes de données et à des
innovations en matière de produits.
Par exemple, les jeunes conducteurs peuvent choisir de réduire leurs primes
d’assurance en installant une boîte noire (ou en utilisant une application pour
téléphone intelligent), qui surveille leur conduite et évalue leur expertise et leurs
capacités individuelles plutôt que de faire des hypothèses basées uniquement sur
leur âge. Les compagnies d'assurance utilisent également l'analyse Big Data pour
déterminer quelles demandes d'assurance habitation peuvent être traitées
immédiatement et lesquelles nécessitent une visite de validation en personne d'un
agent.

203

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Les entreprises basées sur le Web développent des produits d'information qui

combinent les données recueillies auprès des clients pour proposer des

recommandations plus attrayantes et des programmes de coupons plus efficaces.

Les agences de publicité et de marketing suivent les médias sociaux pour comprendre

la réactivité aux campagnes, promotions et autres supports publicitaires.

Les hôtels utilisent également l'analyse pour mieux comprendre leurs clients et

déterminer comment améliorer leur offre. J'ai travaillé avec un certain nombre de

chaînes hôtelières qui souhaitent abandonner les enquêtes internes traditionnelles,

coûteuses et d'une précision douteuse, pour utiliser les médias sociaux pour analyser

ce que les gens disent et publient à propos de leur hôtel. En effectuant une analyse

des sentiments sur les publications Facebook, les tweets, etc., et les avis sur
TripAdvisor, et en utilisant cela en plus des données existantes, les hôtels obtiennent

des informations beaucoup plus fiables sur lesquelles ils peuvent agir.

Améliorer et optimiser les processus

métiers

Le Big Data est également de plus en plus utilisé pour optimiser les processus métiers.
Les détaillants sont en mesure d'optimiser leur stock sur la base de modèles prédictifs générés

à partir des données des réseaux sociaux, des tendances de recherche sur le Web et des
prévisions météorologiques.

Par exemple, Walmart est un autre grand utilisateur du traitement Big Data.

En plus de connaître des choses bizarres comme l'avantage commercial de stocker

des Pop­Tarts à la porte en cas d'alerte d'ouragan, le Big Data change ce géant de la

vente au détail de l'intérieur.

Lors du sommet des CFO du MIT à Boston fin 2013, la vice­présidente des finances et

directrice financière de Walmart, Liz Coddington, a souligné que

204
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

la puissance du Big Data faisait avancer Walmart et lui permettait d'éviter la « paralysie

de l'analyse ».

Walmart utilise les données pour comprendre les tendances des médias sociaux, ainsi

que les habitudes d'achat de types de clients similaires et ce que facturent les concurrents

en temps réel. Par exemple, ils ont appris via les réseaux sociaux que les « cake pops »

étaient populaires auprès des consommateurs et l'entreprise a été en mesure de réagir

rapidement et de les faire venir dans les magasins.

Ils ont également modifié leur politique d'achat en ligne en fonction de l'analyse du Big

Data, en augmentant le minimum de commande en ligne de 45 $ à 50 $, tout en

élargissant la gamme, en optimisant le processus commercial et en améliorant

l'expérience d'achat en ligne.3

L’optimisation de la chaîne d’approvisionnement ou des itinéraires de livraison est un

processus commercial particulier qui fait l’objet de nombreuses analyses Big Data. Ici,

des capteurs de positionnement géographique et d'identification par radiofréquence sont

utilisés pour suivre les marchandises ou les véhicules de livraison et optimiser les

itinéraires en intégrant des données de trafic en direct, etc. Par exemple, si un chauffeur­

livreur dispose d'un calendrier de livraisons optimisées, ce calendrier interagira en temps

réel avec la météo. données et données de trafic afin que s'il y a un

embouteillage, accident ou rapports de livraison ayant un impact sur les conditions

météorologiques telles que la neige ou la tempête, le calendrier recalibrera

automatiquement un itinéraire alternatif.

Amazon est une autre entreprise qui utilise l'analyse Big Data pour améliorer les

processus commerciaux et l'expérience de vente au détail. Ils utilisent déjà des

algorithmes pour suggérer et recommander d'autres produits qui pourraient vous

intéresser en fonction de votre comportement d'achat précédent et ils ont également

récemment breveté quelque chose appelé « expédition anticipée ».

3Knox, N. (2013) Tendance actuelle : Big Data sur Walmart.com. Journal du directeur
financier. http://blogs.wsj.com/cfo/2013/11/22/now­trending­big­data­at­walmart­com/

205

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Amazon est devenu si doué en analyse prédictive qu'il croit savoir ce que vous allez acheter

avant de l'acheter, donc il vous l'expédiera avant même que l'article ne soit dans votre panier !

De plus, si Amazon réussit, vous pourriez même opter pour la livraison « 30 minutes Amazon

Prime Air », dans laquelle votre produit serait livré à votre porte dans les 30 minutes via un

drone, ou comme le décrit le PDG Jeff Bezos, « Octocopter ».

L’analyse du Big Data aide également les machines et les appareils à devenir plus intelligents

et plus autonomes. Par exemple, les outils Big Data sont utilisés pour faire fonctionner la

voiture autonome de Google. La Toyota Prius est équipée de caméras et de GPS ainsi que de

puissants ordinateurs et capteurs pour rouler en toute sécurité sur la route sans l'intervention

d'êtres humains.

Les outils Big Data sont également utilisés pour optimiser les réseaux énergétiques à l’aide

des données des compteurs intelligents. Nous pouvons même utiliser les outils Big Data pour

optimiser les performances des ordinateurs et des entrepôts de données.

Les fabricants surveillent les moindres données de vibration de leurs équipements, qui

changent légèrement à mesure qu'ils s'usent, pour prédire le moment optimal de remplacement

ou d'entretien. Le remplacer trop tôt gaspille de l’argent ; son remplacement trop tard déclenche

un arrêt de travail coûteux.

Les entreprises de logistique et de livraison peuvent utiliser des capteurs sur les palettes et

des appareils portables qui enregistrent la livraison pour surveiller où se trouvent les chauffeurs,

tout en surveillant les moteurs des véhicules de livraison pour créer un service dynamique, etc.

Améliorer la santé et le bien­être

des personnes

Le Big Data révolutionne déjà les soins de santé. Prenons par exemple les lésions cérébrales.

Quand quelqu'un souffre d'un traumatisme crânien, c'est extrêmement

206
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

dangereux, mais ce n'est généralement jamais la blessure initiale qui fait le plus de dégâts.

L'activité électrique autour de la blessure initiale provoque un court­circuit des cellules

cérébrales environnantes, créant une blessure secondaire, souvent plus importante, qui

peut être catastrophique. De toute évidence, si les médecins étaient capables de prédire

quand cette blessure secondaire allait survenir, ils pourraient intervenir et potentiellement

limiter les dégâts. À cette fin, des spécialistes du Kings College et de l’Imperial College de

Londres ont créé un système de surveillance cérébrale d’alerte précoce qui mesure entre

16 et 32 canaux de données 200 fois par seconde. C'est un

beaucoup de données, ils ont donc recruté l'aide d'une société d'analyse pour transformer

ces données en informations utiles qui peuvent ensuite sauver des vies. Le résultat est un

prototype de moniteur cérébral qui mesure l'activité cérébrale en temps quasi réel et
convertit ces données en informations utiles pour le cerveau.

personnel de soins intensifs très occupé sur lequel agir.4

Dans un autre exemple étonnant de notre monde plus intelligent, une adolescente

américaine sans formation médicale a pu utiliser la technologie et de grandes quantités de

données pour créer un programme de diagnostic du cancer du sein qui identifie correctement

le cancer lors d'une biopsie du tissu mammaire dans 99 % des cas. Brittany Wenger était

une jeune fille normale de 15 ans vivant aux États­Unis lorsqu'elle s'est intéressée aux

réseaux neuronaux et à la programmation informatique. Puis la tragédie a frappé sa famille

lorsque sa cousine a reçu un diagnostic de cancer du sein. Après l'école et pendant son

temps libre, elle a créé un réseau neuronal artificiel qui modélise le fonctionnement du
cerveau.

réseau neuronal. En utilisant une grande quantité de points de données différents, le

réseau est capable d'apprendre et de détecter des modèles qui ne peuvent pas être

détectés par l'œil humain. Pendant des années, les médecins ont trouvé incroyablement

difficile de diagnostiquer le cancer du sein sur la base d'une biopsie, mais le programme

de Wenger est sur le point de changer à jamais le diagnostic du cancer du sein.5

4BBC One (2014) Bang va à la théorie. Série 8 : Mégadonnées.

5BBC Two (2013) Horizon : Monitor Me, raconté par le Dr Kevin Fong.

207

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

La lutte contre le cancer utilise également le jeu pour faire progresser la recherche
et donner un autre aperçu fascinant de ce qui est possible dans un monde plus
intelligent.

Selon certaines estimations, 81 millions de personnes dans le monde passent

jusqu'à neuf heures et demie par semaine à jouer sur leur téléphone portable et à
des jeux en ligne comme Candy Crush Saga, Flight Control ou Angry Birds.
Aujourd’hui, les scientifiques exploitent cette obsession pour tenter de résoudre
toute une série de problèmes médicaux importants. De nouveaux jeux sont créés
avec le potentiel d'identifier des informations clés sur des maladies mortelles
comme le cancer et le diabète. Au fur et à mesure que les gens jouent, les
données sont renvoyées aux scientifiques pour analyse. Dans un exemple, les
développeurs de jeux de Dundee ont créé un jeu pour téléphone mobile similaire
aux envahisseurs de l'espace appelé « Genes in Space » qui pourrait également
aider à guérir le cancer. Bien que pour le joueur, il semble qu'il doive naviguer à
travers les étoiles et les galaxies, il navigue en réalité sous forme de graphiques
constitués d'informations ADN provenant de milliers d'échantillons de tumeurs.

Si vous regardez les données – une série de points positionnés sur un écran
d’ordinateur – cela ressemble à une séquence de pics et de creux dans différentes
concentrations. Avant « Genes in Space », trouver les anomalies afin de pouvoir
ensuite les étudier était déjà assez difficile et c'était un processus très fastidieux
et long. Désormais, les joueurs aident les scientifiques à identifier ces anomalies
en dirigeant leur vaisseau spatial à travers la galaxie et en le faisant voler à travers
les zones les plus condensées. Chaque fois qu'un joueur termine un niveau, cela
signifie qu'un échantillon d'ADN a été cartographié et que les données sont
automatiquement renvoyées au laboratoire de l'Université de Cambridge pour
analyse.

208
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

Selon le chef de l'équipe de recherche, le professeur Carlos Cal­das, le laboratoire

a reçu 1,5 million d'analyses en seulement un mois après la sortie de « Genes in
Space ». En d’autres termes, les joueurs ont généré leur propre interprétation
des données 1,5 million de fois. Sachant qu'une analyse prend normalement 5
minutes pour cartographier, il aurait fallu à l'équipe de recherche 125 000 heures
non­stop, soit 14 ans, pour couvrir la même quantité de données que les joueurs
avaient couvertes en seulement un mois ! Cette solution innovante crée non
seulement un jeu auquel les gens semblent aimer jouer, mais, plus important
encore, permet à des chercheurs médicaux hautement qualifiés de se concentrer
sur l'étude des anomalies découvertes par les joueurs afin qu'ils puissent,
espérons­le, trouver des réponses à certaines des grandes questions liées aux
maladies plus tôt et de manière plus rentable.

Les unités pour bébés prématurés sont désormais capables de surveiller des
milliers de points de données pour prédire l’infection, intervenir tôt et sauver de
précieuses petites vies. Des capteurs de balayage cérébral capables de prédire
et de mieux gérer la lésion cérébrale secondaire, qui peut souvent suivre la lésion initiale.
Souvent, ce n'est pas la blessure initiale qui constitue la plus grande menace :
c'est le court­circuit secondaire qui peut survenir dans le cerveau à la suite de la
première blessure et qui cause souvent la plupart des dégâts. Et pourtant,
l’analyse des données aide les hôpitaux à résoudre cette énigme.

En 2003, lorsque les scientifiques ont décodé le génome humain, il a fallu une
décennie de travail intensif pour séquencer trois milliards de paires de bases
d'ADN. Aujourd’hui, la puissance informatique de l’analyse du Big Data nous
permet de décoder autant d’ADN en une journée !6 Ces données nous permettent
désormais de prédire les probabilités de contracter certaines maladies, ce qui
peut à son tour conduire à des actions préventives et à des interventions précoces.
C'est ce type de constatation qui a incité Angelina Jolie à procéder à une surveillance préventive.

¨
6Mayer­Schonberger, V. et Cukier, K. (2013) Big Data : Une révolution qui
transformera notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.

209

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

double mastectomie en 2013. Ces informations permettent également aux médecins

de mieux personnaliser les traitements pour des maladies telles que le cancer, car

le code ADN fournira aux médecins des informations sur les moyens les plus efficaces
de traiter les tumeurs. Lorsque Steve Jobs a reçu un diagnostic de cancer, ses
médecins ont pu utiliser son code génétique complet pour sélectionner les thérapies
les plus adaptées à sa constitution génétique particulière.
Chaque fois qu’un traitement perdait son efficacité, les spécialistes passaient à un
autre. Bien que Jobs ait malheureusement succombé au cancer, cette approche sur
mesure qui a examiné toutes ses données ADN et pas seulement une partie de
celles­ci, lui a donné des années de vie supplémentaires.7 Couplées aux montagnes
de données issues d'essais cliniques, ces données ADN fournissent déjà des
informations cruciales sur les schémas de maladies et ouvrant la voie à de nouveaux
remèdes. Les essais cliniques du futur ne seront pas limités à de petits échantillons
mais pourraient potentiellement inclure tout le monde !

De plus, l'analyse du Big Data nous permet de surveiller et de prédire l'évolution des
épidémies et des épidémies. L'intégration des données des dossiers médicaux avec
l'analyse des médias sociaux nous permet de surveiller les épidémies de grippe en
temps réel, simplement en écoutant ce que disent les gens, par exemple : « Je me
sens mal aujourd'hui – au lit avec un rhume ».

Bien entendu, tout progrès en matière de santé nous concerne tous. Mais nous
espérons qu’au fil du temps, un suivi personnalisé de la santé grâce à l’utilisation
d’applications et d’appareils portables permettra de réduire les maladies liées au
stress provoquées sur le lieu de travail.

La vie professionnelle est difficile, en particulier dans les cadres supérieurs. Et

pourtant, la première fois que les dirigeants et chefs d’entreprise pensent à leur santé, c’est

¨
7Mayer­Schonberger, V. et Cukier, K. (2013) Big Data : Une révolution qui
transformera notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.

210
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

quand ils ont une crise cardiaque. Nous pouvons lire des histoires de cadres supérieurs

démissionnant à cause du stress, mais nous ne pensons jamais que cela nous arrivera.

À mesure que la pression des entreprises modernes augmente, de plus en plus de

personnes souffrent de maladies liées au stress. Au Japon, on lui donne même un nom
¯

– karoshi – qui signifie littéralement « mort par surmenage ». En Chine, le même

phénomène est connu sous le nom de « guolaosi ».

Évidemment, lorsque des personnes tombent malades au travail ou s'absentent pendant

de longues périodes, cela est stressant pour la personne concernée et sa famille, mais cela

est également préjudiciable à l'entreprise et aux personnes qui doivent assumer la charge

de travail supplémentaire. Les appareils d'analyse personnelle et de surveillance de la

santé, tels que le bracelet « Up », les montres intelligentes ou les applications pour

téléphones intelligents, sont sur le point de changer tout cela et de nous donner à tous un

aperçu en temps réel de notre propre santé et de notre bien­être. Nous sommes à l’aube

d’une nouvelle vague de médecine préventive basée sur les données, à laquelle nous

pouvons accéder pour mieux comprendre les liens entre les modes de vie et les maladies.

Les hôpitaux analysent également les données médicales et les dossiers des patients

pour améliorer les activités médicales. Par exemple, ils peuvent désormais prédire

quels patients sont susceptibles de demander une réadmission quelques mois après leur

sortie. L'hôpital peut alors intervenir plus tôt pour ce segment dans l'espoir de résoudre

le problème pour le patient et d'éviter un autre séjour hospitalier coûteux.

Améliorer la sécurité de l'entreprise et

réduire la fraude

Le Big Data est déjà largement utilisé pour améliorer la sécurité des entreprises grâce

à l'analyse des séquences vidéo de vidéosurveillance. Carte de crédit et

211

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

les compagnies d’assurance utilisent l’analyse des données pour identifier et prévenir
la fraude.

L'un de mes clients est une entreprise de services d'ingénierie et d'infrastructure qui

expérimente des outils d'analyse de données. Les personnes qui travaillent dans des

environnements potentiellement dangereux ou stressants sont mesurées pour surveiller

leur niveau de fatigue et leur niveau de stress afin de pouvoir quitter leur travail avant

qu'elles ne soient trop fatiguées et ne provoquent potentiellement un accident.

Les compagnies d’assurance, par exemple, utilisent des algorithmes Big Data pour

vérifier les réclamations frauduleuses ainsi que les anomalies dans les demandes

d’assurance. Les algorithmes peuvent désormais prendre en compte la vitesse à laquelle

nous remplissons une demande ou un formulaire de demande – pour distinguer ceux

qui sont remplis par des machines plutôt que par des personnes – ainsi que si les

demandeurs sont revenus en arrière et ont modifié leur demande initiale pour réduire

les primes peut­être pas. admettre un sinistre récent ou diminuer le kilométrage annuel.

Le Big Data est également utilisé pour déjouer les cyberattaques. Les algorithmes et les

visualisations du Big Data peuvent détecter les cyberattaques au fur et à mesure qu'elles

se produisent et alerter les personnes, ainsi que protéger ou arrêter les systèmes vitaux.

Bien entendu, les entreprises ne sont pas les seules à utiliser l'analyse pour la sécurité ;

les forces de l’ordre et les gouvernements l’utilisent également pour déjouer les attaques

terroristes et prévenir la criminalité. De toute évidence, l’étendue de la surveillance

nécessaire pour prévenir ces attaques soulève des questions de confidentialité et de

sécurité des personnes, mais il ne fait aucun doute que ces programmes contribuent à

assurer notre sécurité. Les forces de police du monde entier utilisent également les outils

Big Data pour attraper les criminels et même prédire les activités criminelles.

212
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

Stimulez la performance de votre entreprise et de vos collaborateurs

La plupart des sports d’élite ont désormais adopté l’analyse Big Data. Nous disposons de l'outil

IBM SlamTracker pour les tournois de tennis ; nous utilisons des analyses vidéo qui suivent les

performances de chaque joueur lors d'un match de baseball, de rugby ou de football.

Des clubs comme Manchester United et Chelsea embauchent des sociétés de données et des

data scientists pour suivre méticuleusement chaque mouvement effectué par les joueurs afin de

rechercher de nouvelles façons de gagner. Les enjeux sont élevés et les joueurs de football sont

notoirement chers – ils absorbent entre 70 et 94 pour cent des recettes moyennes d'un club. Toute

façon de repérer les talents plus tôt afin qu’un club puisse les sécuriser sans le fardeau financier

de salaires excessifs est clairement un avantage. En conséquence, le football devient plus

intelligent, les analystes du terrain enregistrant chaque plaquage, passe et but, collectant

généralement des informations sur environ 2 000 « événements » par match. Des caméras

aériennes suivent les mouvements des joueurs, enregistrant leur distance, leur vitesse et leur

accélération, ce qui permet aux clubs de repérer des tendances et des corrélations à partir d'un

assortiment de données qu'un être humain ne serait pas en mesure de voir. Forts de ces

connaissances sur les combinaisons de compétences et de forces qui distinguent un joueur de

haut niveau d’un autre, les clubs parcourent désormais les ligues inférieures pour repérer des

joueurs non signés et peu coûteux qui démontrent les mêmes combinaisons efficaces identifiées

par les données.8

La technologie des capteurs présents dans les équipements sportifs tels que les ballons de basket

ou les clubs de golf nous permet également d'obtenir des commentaires (via les téléphones

intelligents et les serveurs cloud) sur notre jeu et sur la manière de l'améliorer. De nombreux sports d'élite

8Observation du ballon : la ligue de football la plus riche du monde adopte le Big Data
(août 2013) The Economist.

213

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

les équipes suivent également les athlètes en dehors de l’environnement sportif – en utilisant

une technologie intelligente pour suivre la nutrition et le sommeil, ainsi que des conversations

sur les réseaux sociaux pour surveiller le bien­être émotionnel.

Dans le sport de compétition ou en athlétisme, où une fraction de seconde peut faire toute la

différence entre l’argent et l’or, l’analyse des données transforme la performance.

J'ai travaillé avec une équipe cycliste olympique qui collectait et analysait les données de

performance recueillies à partir de capteurs installés sur les pédales des vélos. Ces capteurs
surveillent l'accélération

ou une poussée vers l'avant que chaque pression sur la pédale génère. Cela permet à l'équipe

d'analyser les performances de chaque cycliste dans chaque course et chaque séance

d'entraînement. En outre, l’équipe a commencé à intégrer les données de performance aux

données de santé et de forme physique, telles que l’apport calorique, la qualité du sommeil, la

qualité de l’air, la fréquence cardiaque, etc., collectées à partir d’appareils portables. La

dernière innovation intègre même une analyse plus approfondie des publications sur les

réseaux sociaux pour mieux comprendre l'état émotionnel des athlètes et comment

cela pourrait avoir un impact sur les performances de la piste. Le regroupement et l’analyse de

ce trésor de données les ont sans aucun doute aidés à apporter des améliorations progressives

qui ont conduit à la gloire olympique à Londres 2012.

Les équipes sportives utilisent également les données pour suivre les ventes de billets et

même pour suivre les stratégies des équipes.

Bien entendu, cela se reflète désormais dans les processus opérationnels des ressources

humaines. Ici, le Big Data est utilisé pour optimiser l'acquisition de talents ainsi que la mesure

de la culture d'entreprise et de l'engagement du personnel à l'aide des outils Big Data.

214
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

Souvenez­vous du projet Oxygen de Google du chapitre 2 : ils ont utilisé

l'analyse du Big Data pour identifier ce qui fait un bon manager chez Google
afin de pouvoir adapter les programmes de formation pour aider ceux qui sont
en difficulté et pour pouvoir recruter le bon type de personne dès le départ.
Les données sont également utilisées pour repérer les talents dans des sports
comme le football et le baseball.

Cette approche basée sur les données n’est pas nouvelle et est utilisée dans les
sports américains depuis un certain temps. Dans son livre Moneyball : L'art de gagner
jeu injuste, 9, l'auteur Michael Lewis documente l'histoire de la façon dont un
l'observateur et conseiller du baseball, Bill James, a changé le baseball pour toujours.

Avant James, les nouveaux talents du baseball étaient repérés par des découvreurs
de talents qui parcouraient le pays pour regarder match après match de baseball
amateur dans l'espoir de trouver la prochaine star. L’hypothèse était que l’observation
des individus était le seul moyen d’isoler les qualités qui faisaient d’une star une star.
Une fois la star potentielle identifiée, une guerre d'enchères s'ensuivait souvent et
les clubs devaient payer d'énormes sommes d'argent pour sécuriser ces joueurs.

James a fait valoir que l'observation humaine n'était pas suffisante pour différencier
les joueurs ou même l'opinion des experts. Pour tester son hypothèse, il a créé une
nouvelle formule qui traitait les données sur la base d'une série de points de données
critiques ou de composants séparés et mesurables qui « généreraient » des joueurs
talentueux pour une enquête plus approfondie.

Billie Beane, directrice générale des Oakland Athletics, connus sous le nom d'Oakland
A's, a entendu parler de la théorie de James et a été intriguée.
Ce n'est pas étonnant si l'on considère que les A d'Oakland ont remporté le troisième

9Lewis, Michael (2003) Moneyball : L'art de gagner un jeu déloyal. New

York : WW Norton & Company Ltd.

215

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

la masse salariale la plus basse de la ligue, de sorte qu'ils ne pouvaient tout simplement

pas rivaliser avec les gros canons lorsque les guerres d'enchères ont commencé. Grâce

à des expériences, James et Beane ont prouvé qu'il existait un autre moyen de repérer les

talents et ces informations ont permis à l'équipe d'acheter des talents sous­évalués, ce qui

a conduit le club aux barrages en 2002 et 2003. Les A d'Oakland sont devenus plus

intelligents et pour la première fois. À cette époque, ils ont réussi à rivaliser avec des clubs

de baseball légendaires et aux poches profondes comme les Yankees de New York.

Et ce type de détection de talents basée sur les données devient de plus en plus courant dans

d'autres sports et a fait son chemin dans le monde des affaires.

aussi.

Les entreprises peuvent bénéficier d’avantages véritablement alléchants lorsqu’elles utilisent

correctement les données et appliquent des outils d’analyse pour transformer les données en

informations essentielles à leur activité. Jetez un œil à ces exemples concrets qui montrent comment

la collecte et l’analyse de données peuvent fournir des informations impressionnantes (et parfois

inattendues) :

Une banque a pu réduire de moitié ses coûts de personnel dans un domaine, simplement

en analysant les performances du personnel recruté dans différentes universités. Dans le

passé, la banque supposait que ses employés les plus performants seraient ceux qui

détenaient d'excellents diplômes des universités de l'Ivy League. L’analyse des données a

clairement montré que cette hypothèse était fausse. Il s’est avéré que les candidats issus

d’universités non prestigieuses ont surpassé les candidats des meilleures universités, ce qui

a permis à l’entreprise de recruter les bons talents pour moins d’argent.

Une entreprise de vente au détail utilise l'analyse des réseaux sociaux combinée à d'autres

outils d'analyse pour trouver les bons candidats pour son poste. Simplement en analysant

les profils de réseaux sociaux, ils

216
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

peut prédire avec précision le niveau d’intelligence ainsi que la stabilité

émotionnelle des candidats potentiels.

Un de mes clients souhaitait recruter des personnes autonomes et capables

de prendre des initiatives. En analysant différents ensembles de données sur

le type de personnes qu'elle souhaitait recruter et celles qu'elle souhaitait

éviter, l'entreprise a découvert que le type de navigateur utilisé pour remplir les

candidatures était l'un des principaux indicateurs du bon candidat. Les candidats

qui utilisaient des navigateurs qui n'étaient pas préinstallés sur leur ordinateur
et devaient plutôt être installés séparément (comme Firefox ou Chrome)

avaient tendance à être meilleurs pour ce travail particulier.

Une entreprise de vente au détail avec laquelle je travaille est désormais en

mesure de prédire comment les éléments clés de l'engagement du personnel

influencent les performances opérationnelles, la satisfaction des clients et, à

terme, les performances financières. De plus, l'entreprise est désormais en

mesure de prédire dans quelle mesure une certaine augmentation d'éléments

spécifiques de satisfaction du personnel entraîne une certaine augmentation

du chiffre d'affaires par pied carré dans ses magasins.

Une autre entreprise a constaté que les vendeurs des centres d’appels
ayant un casier judiciaire avaient de meilleurs résultats que ceux qui
n’en avaient pas et que, de manière assez surprenante, les vendeurs
ayant plus de connexions sur Facebook avaient de moins bons résultats
que ceux ayant peu de connexions.

Une organisation utilise des outils d'analyse pour scanner et analyser le

contenu des e­mails envoyés par son personnel ainsi que les publications sur

les réseaux sociaux qu'il publie sur Facebook ou Twitter. Cela leur permet de

comprendre avec précision les niveaux d’engagement du personnel et ils n’ont

plus besoin des enquêtes traditionnelles auprès du personnel.

217

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Si nous pouvons utiliser l'analyse des données pour trouver des modèles et des corrélations

entre les traits de personnalité, les comportements et les capacités qui s'avèrent

« adaptés » à des rôles, des emplois ou des cultures d'entreprise particuliers, ce qui se

traduirait alors par un plus grand nombre de bonnes personnes dans les bons emplois,

alors la productivité , l'engagement et le bonheur des employés augmenteront et cela doit

être une bonne chose pour tout le monde.

Améliorer les villes et autres

infrastructures

Le Big Data est également utilisé pour améliorer de nombreux aspects de nos villes et
autres infrastructures.

Par exemple, il permet aux villes d’optimiser les flux de circulation sur la base
d’informations routières en temps réel ainsi que de données des réseaux sociaux et météorologiques.

Un certain nombre de villes utilisent actuellement l'analyse du Big Data dans le but de

devenir des villes intelligentes, où les infrastructures de transport et les processus de

services publics sont reliés et communiquent en temps réel. Dans ce type de système,

un bus attendrait automatiquement un train en retard et, là où les feux de circulation

prédisent les volumes de trafic, fonctionneraient pour minimiser les embouteillages.

Un autre exemple brillant est une petite application développée par la ville de Boston pour

détecter où se trouvaient les nids­de­poule sur la route. Dans le passé, ils envoyaient des

véhicules d'enquête sur les routes de Boston, peut­être deux fois par an, pour effectuer

une enquête complète. Cela impliquait que quelqu'un parcoure toutes les routes de la ville

pour comprendre où se trouvaient les problèmes et quelle était leur gravité à chaque

endroit. Ils ont donc créé une application et ont demandé aux habitants de Boston de la

télécharger sur leur téléphone intelligent, où elle fonctionnerait en arrière­plan. Quand tous

ces gens vaquaient à leurs occupations quotidiennes

218
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

dans la vie, en conduisant pour se rendre au travail, au centre commercial ou à la

salle de sport, l'accéléromètre du téléphone qui indique la vitesse à laquelle une
personne se déplace enregistre le moment où la personne ralentit ou freine.
Un petit algorithme a ensuite été appliqué à ces données pour identifier les nids­de­
poule potentiels. C'est si intelligent et si simple. Lorsque vous conduisez sur une
route et voyez un nid­de­poule, vous ralentissez généralement ou faites un écart
pour l'éviter, puis vous accélérez à nouveau. Et même si vous ne le voyez pas ou
ne pouvez pas l'éviter et que vous conduisez sur le nid­de­poule, le capteur de votre
smartphone détectera la petite bosse horizontale. L’algorithme est alors capable
d’isoler les nids­de­poule des données du téléphone intelligent. Toutes ces données
sont ensuite renvoyées à la base et ils disposent d'une carte en direct, presque en
temps réel, des rues et des nids­de­poule de la ville. Au lieu de perdre énormément
de temps et d’argent simplement pour identifier les pires nids­de­poule, la ville est
désormais en mesure de réorienter le personnel et les ressources vers leur réparation.

De nouvelles opportunités commerciales

L'analyse des données peut transformer votre entreprise dans deux directions
différentes.

Tout d'abord, vous pouvez créer des entreprises SMART en utilisant le cadre décrit
dans ce livre pour examiner votre modèle commercial existant et utiliser les
informations recueillies pour améliorer votre façon de faire des affaires. Il y a
d’énormes avantages à récolter pour toute entreprise dans n’importe quel secteur.

En outre, il est également possible que les données finissent par modifier votre
modèle commercial ou conduisent à une diversification. Si, par exemple, vous
réalisez que vous avez la capacité de collecter beaucoup de données, ces données
seront potentiellement utiles au­delà de ce qu'elles vous disent sur votre entreprise
et de la manière dont elles pourraient améliorer la prise de décision.

219

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

L'objectif principal de toute initiative Big Data devrait être de trouver des réponses à
vos questions commerciales les plus critiques sans réponse ou à vos questions
SMART. Cependant, une fois que les entreprises ont trouvé des sources pour répondre
à leurs questions commerciales critiques, elles peuvent alors utiliser le Big Data pour
soutenir leurs opérations et processus commerciaux en cours.

Par exemple, une société émettrice de cartes de crédit peut avoir commencé l'enquête
en posant des questions sur les nouveaux moyens de détecter la fraude, mais une
fois qu'elle a trouvé des moyens d'identifier l'utilisation frauduleuse des cartes de crédit
grâce à l'analyse du Big Data, elle peut alors utiliser ces informations pour mettre en
place des systèmes qui en permanence utiliser ces sources et outils Big Data pour
surveiller leurs opérations de cartes en cours.

Un autre exemple est celui d’une compagnie d’assurance qui a entrepris de mieux
surveiller le comportement de conduite de ses clients à l’aide de capteurs intégrés ou
de capteurs de téléphone intelligent. Une fois qu’elle a trouvé un moyen fiable d’y
parvenir, l’accent a été mis sur sa mise en exploitation commerciale. Les nouveaux
clients peuvent désormais opter pour des primes d’assurance dynamiques en fonction
de leur style de conduite. Si un client peut prouver qu’il conduit prudemment et qu’il
fait preuve d’un devoir de diligence élevé envers les autres usagers de la route et
envers le véhicule, les primes peuvent alors être réduites au fil du temps. De même,
si une compagnie d’assurance utilise le Big Data pour identifier de nouveaux moyens
de détecter la fraude, elle les déploiera ensuite dans l’ensemble de l’entreprise pour
prévenir la fraude à l’avenir. Par exemple, si un client remplit un formulaire de

réclamation d'assurance en ligne, un signal d'alarme sera déclenché s'il remplit un

champ puis modifie sa réponse, car cela peut être une indication de fraude. Une fois
qu’ils ont découvert ce fait, ils peuvent continuer à collecter ces données et utiliser ces
nouvelles informations comme moyen continu de soutenir et d’améliorer leurs
opérations quotidiennes. Ainsi, les sociétés de cartes de crédit et les compagnies
d’assurance ont alors la possibilité d’exécuter des analyses approfondies pour
améliorer les détections de fraude en temps réel, qui cherchent également
constamment à s’améliorer.

220
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

L'entreprise véritablement SMART appliquera donc les données à sa stratégie existante et

améliorera ses performances ET intégrera ces informations pour améliorer l'efficacité

opérationnelle quotidienne.

En outre, les entreprises doivent également rester ouvertes à toute nouvelle opportunité

commerciale que les données pourraient révéler. Ou, pour aller plus loin, vous souhaiterez

peut­être consacrer du temps et des ressources à la découverte de données, où les

analystes passent du temps à explorer les données et peut­être à trouver de nouvelles

façons de les exploiter. Ceci est particulièrement pertinent si vous disposez déjà de

nombreuses données propriétaires.

Il n'est jamais judicieux de commencer par les données et d'essayer de comprendre ce

qu'elles contiennent, mais une fois que vous êtes plus familier avec vos données et une

fois que vous avez répondu aux questions stratégiques urgentes, la découverte de données

peut parfois déclencher de nouvelles questions SMART ainsi que découvrir de nouvelles

façons de répondre aux questions existantes.

L’explosion des types de données et notre capacité croissante à les analyser ont également

conduit à des changements commerciaux majeurs pour certaines entreprises.

Prenez Jawbone, par exemple, le fabricant du groupe « Up ». Jaw­bone n’était autrefois

qu’une entreprise de fabrication d’appareils portables.

Mais ils ont réalisé que toutes les données collectées par leur appareil portable avaient en

réalité plus de valeur que l’appareil lui­même ! En conséquence, ils s’orientent désormais

vers le monde du Big Data où ils deviennent une entreprise de données.

Ils fabriquent toujours les produits parce qu’ils permettent l’accumulation continue de

données, mais les données sont l’objectif principal. La bande « Up » collecte des données

sur la consommation calorique, les niveaux d'activité et les habitudes de sommeil. Bien

que cela donne aux individus des informations riches,

221

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

la vraie valeur réside dans l’analyse des données collectives. Dans le cas de
Jawbone, l'entreprise collecte désormais chaque nuit 60 ans de données sur le sommeil.
L'analyse de tels volumes de données apportera des informations entièrement nouvelles
qui pourront être transmises aux utilisateurs individuels et vendues aux personnes intéressées.

des soirées.

Le constructeur de moteurs d’avion Rolls Royce est un autre brillant exemple de la

manière dont les données elles­mêmes ont modifié leur modèle économique.
L'entreprise a réussi à migrer vers un modèle commercial « imprimante et encre ».
Il peut y avoir un petit profit (ou même aucun profit) dans la fabrication de
l'imprimante d'origine, mais l'argent réel provient de l'encre qu'un client doit
continuer d'acheter pour rendre le produit initial utile. Rolls Royce ne fabriquait que
des moteurs, mais dans un effort pour rester compétitif, elle cherchait à répondre
aux questions SMART sur les besoins de ses clients plutôt que sur ce qu'ils
fournissaient. Désormais, ils surveillent également les moteurs, à l’aide de milliers
de capteurs positionnés dans tout le moteur. Ces capteurs surveillent en
permanence les performances de plus de 3 700 moteurs à réaction dans le monde
pour identifier les problèmes avant qu’ils ne surviennent.

En conséquence, Rolls Royce a fait évoluer son modèle commercial de la seule

fabrication vers la création de flux de revenus récurrents et continus au­delà de
son activité de fabrication. Désormais, Rolls Royce vend les moteurs et propose
de les surveiller, facturant les clients en fonction de la durée d'utilisation du moteur
et réparant et remplaçant les pièces en cas de problème. Ainsi, le client achète
effectivement une option de maintenance dynamique et cette maintenance
représente désormais 70 % du chiffre d'affaires annuel de la division moteurs
d'avions civils.10

¨
10Mayer­Schonberger, V. et Cukier, K. (2013) Big Data : Une révolution qui
transformera notre façon de vivre, de travailler et de penser. Londres : John Murray Publishers.

222
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

Quand le vol MH370 de Malaysian Airways a disparu en mars

8/2014 avec 239 passagers et membres d'équipage, rumeurs et spéculations

était monnaie courante. Au lendemain de la confusion entourant le

des rapports de disparition ont circulé selon lesquels l'avion avait volé pendant
quatre heures supplémentaires de son dernier emplacement connu. C'était le

capteurs intégrés au plus profond des deux moteurs Trent 800 construits par

Rolls Royce qui a pu confirmer cela était inexact.

En plus d'être en mesure de fournir des renseignements importants sur les

catastrophes (heureusement peu nombreuses), les données qu'il collecte,

transmis et analysés contribuent grandement à rendre le ciel plus sûr

et plus efficace. Prenez des coups de foudre sur les avions de passagers pendant

exemple. La foudre frappe un avion plusieurs fois par heure, quelque part dans le

monde. À l’époque d’avant les données, une grève déclenchait automatiquement une

inspection complète du moteur une fois l’avion atterri – par exemple.

Des raisons évidentes. Cela retarderait le vol de retour, irriterait les passagers et

aurait un impact négatif sur le « départ à l'heure » (OTD) – une mesure importante

dans le transport aérien. Maintenant, dès que le moteur est tellement

en toussant, un torrent de données est automatiquement renvoyé au siège

où les écrans prennent vie, des graphiques sont créés et des techniciens
évaluer l’impact en temps réel de l’incident. A tel point qu'avant

l'avion a même atterri. Rolls Royce peut dire à la compagnie aérienne en toute

confiance si l'avion doit être immobilisé au sol ou s'il est autorisé à atterrir.

le voyage de retour.

Les données, et l'utilisation stratégique des données par Rolls Royce, ont transformé le

société britannique déficitaire est devenue le deuxième fabricant mondial de moteurs

à réaction de grande taille.11

11Rolls Royce : le grand voyageur solitaire britannique (2009) The Economist. http://www.
economist.com/node/12887368

223

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

General Electric (GE) est une autre entreprise qui a transformé son activité en
s'éloignant de ses racines manufacturières traditionnelles grâce à l'analyse Big Data.
GE fabrique des produits et des services pour l'aviation, la santé, la distribution
électrique, l'éclairage, l'énergie, le pétrole et le gaz, la finance (entreprises et
consommation), le rail et l'eau. Ces produits contiennent désormais des centaines de
capteurs qui collectent des données qui sont ensuite

analysé pour améliorer l’efficacité pour le client.

Par exemple, les turbines à gaz de GE sont désormais des turbines à gaz intelligentes.
Dans un communiqué de presse publié par GE en octobre 2013, la société a déclaré
que le mois précédent :

« GE a éclipsé 100 millions d'heures de données opérationnelles documentées

sur son parc de turbines à gaz surveillé à l'échelle mondiale, composé de plus
de 1 600 unités, le plus grand au monde. Les informations dérivées de l’analyse
de ces « Big Data » opérationnelles peuvent être appliquées pour aider les
clients à accroître leur capacité de gain tout en réduisant les coûts et les
risques opérationnels. Comme ces machines « intelligentes » communiquent
leurs statistiques de fonctionnement via une moyenne de 100 capteurs
physiques et 300 capteurs virtuels sur chaque turbine à gaz, l'équipe GE peut
aider les clients à traduire ces informations en décisions concrètes. Grâce à
ces informations basées sur les données, les clients de GE peuvent identifier
plus efficacement les obstacles potentiels avant qu'ils ne surviennent, traiter
les problèmes mineurs avant qu'ils ne conduisent à des événements
catastrophiques et ajuster dynamiquement les performances pour améliorer
l'efficacité et réduire l'usure des pièces. GE exploite les connaissances
acquises grâce à cette analyse de données pour développer de nouvelles
avancées technologiques, tant matérielles que logicielles, qui permettent aux
clients de libérer davantage de potentiel de leur turbine à gaz existante et de
l'équilibre de leurs actifs de centrale. Libérer la pleine capacité d’une centrale
électrique de 500 MW pourrait rapporter plus de 500 000 $ par an

224
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

en augmentation de revenus, tandis qu'un service public qui pourrait réduire ses

la courbe d'efficacité du taux de chauffage de 1 pour cent pourrait permettre d'économiser jusqu'à 1,25 $

millions de dollars par an en coûts de carburant. »12

Mais il ne s’agit pas uniquement des turbines à gaz. Les capteurs sur les moteurs d'avion permettent

les pilotes doivent gérer l'efficacité énergétique et étant donné que l'industrie du transport aérien

dépense 200 milliards de dollars en carburant par an, même une économie de 2 % équivaut à

à 4 milliards de dollars d'économies. Un autre service d'efficacité énergétique, cette fois

analysé à partir de capteurs sur les locomotives du train, évalue le terrain et les

emplacement du train pour calculer la vitesse optimale pour faire circuler le train

avec une efficacité énergétique maximale. Les logiciels développés chez GE sont désormais en cours

utilisé par un fournisseur d'électricité canadien pour s'attaquer à la plus grande cause

des pannes d’électricité – des arbres et des branches tombant sur les lignes électriques.

Grâce aux résultats et aux informations issues des analyses, la végétation le long des lignes de

distribution d'électricité est désormais taillée pour éviter les pannes avant qu'elles ne surviennent.

Utilisation des données opérationnelles provenant de capteurs sur une gamme de machines

et les moteurs, GE applique des analyses pour identifier les modèles et fournir

des informations commercialement pertinentes. Et comme Rolls­Royce, GE propose

des services supplémentaires liés à ses produits, conçus pour améliorer l'efficacité en temps réel et

minimiser les temps d'arrêt causés par des pannes de pièces.

Ces services représentent désormais un tiers de l'activité de GE.13

12Communiqué de presse GE (2013) Nouveaux avantages FlexEfficiency et LifeMax de GE

Les plates­formes Advantage libèrent toutes les performances et la valeur des turbines à gaz installées.

http://www.genewscenter.com/Press­Releases/GE­s­New­FlexEfficiency­
Advantage­and­LifeMax­Advantage­Platforms­Unlock­Full­Performance­
Value­o­42e9.aspx .
13Saran, C. (2103) GE utilise le Big Data pour alimenter son activité de services machines. Com­
puterWeekly.com. http://www.computerweekly.com/news/2240176248/GE­uses­big­data­to­power­
machine­services­business

225

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

L’intelligence transformera aussi l’emploi

À mesure que la technologie transforme les entreprises, elle transforme également

l'emploi. De nombreux emplois finiront par disparaître à mesure que la technologie

intelligente améliorera notre capacité à capturer et analyser des données. En conséquence,

de plus en plus de tâches seront automatisées. De toute évidence, cela se produit depuis
un certain temps. Après la révolution industrielle, nous avons vu la perte de milliers de personnes.

une multitude d’emplois manuels ou non qualifiés, mais la révolution intelligente semble prête

à étendre encore davantage cette tendance dans des domaines d’emploi auparavant

considérés comme hautement qualifiés.

Considérez les professions suivantes qui sont déjà en train de changer :

1 Chauffeurs de taxi : alors que j'étais dans un taxi allant de l'aéroport de San Francisco

à la Silicon Valley, j'ai remarqué une des voitures autonomes de Google sur la route.

J'ai dit au chauffeur : « Hé, regarde ça. La voiture que nous venons de dépasser n’a

pas de conducteur à bord. Il s'agit de la voiture autonome de Google et elle reste sur

la route en toute sécurité grâce à l'analyse d'une quantité gigantesque de données

provenant de capteurs et de caméras en temps réel. Sa réponse : « Cela signifie

donc que Google me supprimera bientôt mon emploi. » En fait, oui, c'est probablement

le cas. De plus, il existe désormais une application appelée Uber qui permet aux

particuliers de récupérer des passagers qui se rendent au même endroit qu'eux et de

les facturer.

2 agents de contrôle aux frontières : De retour à l'aéroport pour prendre mon avion pour

Londres, j'ai utilisé les distributeurs de passeports électroniques. Vous y mettez votre

passeport, il le scanne, puis scanne votre visage pour voir s'ils correspondent.

Ensuite, les portes s'ouvrent et vous passez l'immigration. Plus aucun contact humain

et plus besoin d’agents de contrôle aux frontières. Les machines font un travail

meilleur et plus fiable – et elles ne deviennent pas hargneuses lorsque vous

226
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

oubliez de mettre le dentifrice miniature dans le sac en plastique transparent !

3 Pilotes : Nous savons que les pilotes automatiques aident les pilotes à piloter
des avions depuis de nombreuses années. Cependant, les dernières
compagnies aériennes commerciales sont désormais capables de piloter
l'avion sans aide. Ils peuvent décoller et atterrir en toute sécurité – peut­être
même plus sûr qu'un pilote étant donné que la plupart des catastrophes
aériennes sont dues à une « erreur humaine ». Quelque chose auquel j’ai
certainement fait référence lors de ma courte expérience en avion de combat.
Les drones sans pilote mettent déjà les pilotes de chasse sur le côté et
changent à jamais le paysage aérien.

4 Médecins : Les outils robotiques aident déjà les chirurgiens à effectuer des
opérations et les médecins utilisent des bases de données à grande échelle
d'informations médicales pour éclairer leurs décisions. Cependant, je peux

imaginer un scénario dans lequel un scanner corporel complet prend une

image 3D complète de vous et où des robots effectueront une opération sans
aucune aide. Nous disposons désormais de la technologie et de la puissance
de calcul nécessaires pour effectuer des interventions chirurgicales sans
recourir à l’intervention humaine. Et donc sans risque humain

erreur. Les superordinateurs seront capables d’établir un diagnostic solide

basé sur toutes les connaissances médicales antérieures, ainsi que sur les
données de vos propres antécédents médicaux, de votre code ADN, etc. – le
tout sans l’intervention de médecins humains.

5 Agents du support client : Nous connaissons tous les systèmes de réponse

automatisés irritants des centres d'appels qui vous offrent des options et sont
ensuite censés acheminer votre appel vers la bonne personne. Ce à quoi
nous assistons aujourd’hui, c’est l’essor de systèmes de langage naturel
capables d’avoir une conversation avec les humains. IBM a développé
Watson, un ordinateur qui a récemment défié deux des meilleurs Jeopardy !

227

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

joueurs. Sans accès à Internet, Watson a gagné la partie en interprétant

des questions en langage naturel et en y répondant après avoir analysé
son énorme mémoire de données (qui comprenait une copie de
l'intégralité de la base de données Wikipédia). Cela signifie que lorsque
vous appelez un centre d'appels, vous parlerez toujours à la « bonne
personne » – mais cette personne sera plutôt une machine.

J'ai déjà mentionné le sport et la prolifération des technologies qui aident les
entraîneurs à améliorer leurs performances, ainsi que la manière dont la
technologie entre dans le journalisme. Narrative Science est un logiciel qui
permet d'écrire des articles de journaux sur les jeux sportifs directement à partir
des statistiques des jeux. En fait, je ne vois pas beaucoup de tâches que nous
ne pouvons pas automatiser dans une certaine mesure grâce à l'analyse du Big
Data, à l'intelligence artificielle et aux robots. Il est donc important de faire
progresser votre carrière de manière à vous positionner à l'avant­garde de ces
évolutions et de vous tenir à l'écart des emplois qui seront les premiers à disparaître.
Et si vous voulez devenir une rock star des temps modernes ou un pilote de course de F1

mais que vous ne jouez pas d'instrument ou ne savez pas conduire, que diriez­vous d'un
data scientist !

Lorsque vous vous lancez dans l'aventure SMART, il est sage de concentrer
votre attention sur votre modèle commercial existant et de trouver des réponses
à vos questions SMART d'importance stratégique. Commencez par une
stratégie afin d’améliorer vos performances et de renforcer votre position
existante. Dans le même temps, soyez conscient du pouvoir des données et
réfléchissez à la manière dont les données que vous collectez dans le cadre de
votre activité pourraient être utilisées afin d'adapter ou d'élargir votre modèle
économique et de diversifier votre activité. Les données sont déjà une nouvelle
monnaie et elles peuvent changer et sont en train de changer la nature de nombreuses entrepris
Cette possibilité secondaire ne concernera pas tout le monde mais restera

228
************************************************** ********************
Machine Translated by Google

************************************************** *******************

T = TRANSFORMER L'ENTREPRISE

ouvrez­vous aux possibilités à mesure que vous progressez et gagnez en confiance dans la

puissance des données et des analyses.

En fin de compte, l'accès aux données et la capacité de les analyser nous permettent à tous
d'examiner les preuves et de prendre de meilleures décisions fondées sur des faits et non sur des faits.

hypothèse, « expérience » ou « intuition ».

Points clés et appel à l’action

Le Big Data et l'analyse transforment le monde, y compris les entreprises. C'est à

vous de décider jusqu'où et jusqu'où vous allez dans votre entreprise. Mais des

opportunités existent déjà pour :

Mieux comprendre et cibler les clients

Améliorer et optimiser les processus métiers

Améliorer la santé et le bien­être des personnes

Augmentez la sécurité et réduisez la fraude

Stimulez la performance de votre entreprise et de vos collaborateurs

Améliorer les villes et autres infrastructures.

Vous devez considérer les données comme un engagement continu d’amélioration

qui peut vous permettre de mettre en œuvre votre stratégie plus rapidement et plus

efficacement.

Utilisez les informations que vous recueillez – ne vous contentez pas de vous asseoir

dessus ou de les enterrer. Ce faisant, vous encouragerez vos collaborateurs à

réorienter leur réflexion vers une prise de décision fondée sur des données probantes.
ture.

Certaines réponses que vous chercherez seront ponctuelles ; certaines seront des

réponses continues que vous souhaitez surveiller. Si les données

229

************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

sera utile en continu, intégrez la collecte et l’analyse dans votre

calendrier régulier de reporting.

De plus, restez vigilant aux nouvelles opportunités commerciales qui

émergent des données.

Utilisez les informations acquises grâce au processus SMART pour

améliorer votre prise de décision, votre expérience client, la marque
de vos employés et les performances de votre entreprise.

230
************************************************** ********************
Machine Translated by Google

************************************************** *******************

CONCLUSION

Le Big Data et l'analyse révolutionnent nos vies.

Comme toutes les révolutions, il y aura des gagnants et des perdants. Mais il ne
s’agit pas simplement de dire que ceux qui disposent du plus grand nombre de
données gagneront et que ceux qui en ont peu ne le gagneront pas. Dans le même

temps, le battage médiatique autour du Big Data ne fait qu'augmenter le niveau de

stress de nombreux dirigeants d'entreprise, car ils sont déjà pleinement conscients
du fait qu'ils ne disposent pas de masses de données ou qu'ils disposent de masses
de données mais ne savent absolument pas quoi faire. avec ça. Le problème est que
la révolution des données se produit parallèlement au statu quo, ce qui peut être
extrêmement écrasant.

SMART business est une solution qui nous encourage tous à prendre du recul par
rapport au battage médiatique et au bruit autour des données – en particulier le Big
Data – et à faire le point sur où nous en sommes, où nous essayons d'arriver et
quelles données et outils nous pouvons utiliser pour nous aider. nous y arrivons.

Ne commencez pas par les données. Si vous le faites, vous vous retrouverez perdu
dans un labyrinthe d’options impossible. Commencez par la stratégie, soyez très clair
sur ce que vous devez savoir et pourquoi et reliez cela à vos objectifs stratégiques et
tactiques. En commençant simplement par la stratégie et non par les données, vous
vous concentrerez immédiatement sur vos besoins en données vraiment importants
et sur ce qui est nécessaire au lieu d'être submergé par ce qui est possible.

231
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Une fois que vous savez ce que vous essayez d'accomplir et que vous savez clairement à

quelles questions SMART vous devez répondre, étudiez les mesures et les données qui

pourraient potentiellement fournir des réponses. Si deux ou trois sources de données

peuvent fournir les réponses que vous souhaitez, concentrez­vous sur les données dont

vous disposez déjà ou auxquelles vous avez facilement accès. Il ne s'agit pas uniquement

de Big Data : les sources de données traditionnelles ou les « petites » données peuvent

être tout aussi éclairantes, sinon plus. Dans la mesure du possible, utilisez une combinaison

d’ensembles de données et triangulez les données. En d’autres termes, voyez si chaque

ensemble de données fournit le même résultat afin de pouvoir confirmer et valider les

réponses. Commencez toujours là où vous êtes, de sorte que les données internes

existantes sont généralement plus faciles d'accès et que les données externes et les

données structurées sont souvent plus faciles à analyser que les données non structurées.

Une fois que vous avez identifié les mesures et les données que vous souhaitez utiliser,

vous devez collecter ces données et appliquer des analyses. Le type d'analyse dépendra

des données et des réponses que vous recherchez, mais le chapitre 4 vous aura donné un

bon aperçu de ce qui est possible. N'oubliez pas que les données elles­mêmes n'ont aucun

sens ; il doit être converti en idées. Mais même les informations n’ont de sens que si elles

sont converties en rapports ou en visualisations de données qui extraient les points clés et

les communiquent aux bonnes personnes.

Personne n'a le temps de lire des rapports de 50 pages. Vous devez visualiser les données

afin que les personnes qui ont besoin de ces informations pour prendre de meilleures

décisions obtiennent ces informations rapidement et sous une forme qui leur convient. Cela

signifie utiliser des outils de visualisation de données, des infographies et des tableaux de

bord de gestion pour afficher les résultats au lieu de jeter un rapport sur le bureau de

quelqu'un et de supposer qu'il sera capable de dénicher les pépites d'or qui s'y cachent.

Cela signifie également que l’analyse et la visualisation des données doivent aller de pair.

Les logiciels de visualisation de données sont peut­être formidables, mais leur utilisation

est le domaine des analystes et non des dirigeants.

232
************************************************** ********************
Machine Translated by Google

************************************************** *******************

CONCLUSION

qui doivent interpréter les données. Il est important que des liens forts soient tissés et entretenus

entre les décideurs et les experts en analyse de données et en visualisation.

Lorsque vous pouvez faire tout ce que vous pouvez, examinez les preuves et tous les acteurs

de l'entreprise peuvent évoluer vers une prise de décision davantage fondée sur des faits et

enfin exploiter les données pour obtenir un réel avantage concurrentiel.

Lorsqu’il s’agit de données, de Big Data et de technologies intelligentes, il reste encore de

nombreuses questions sans réponse, notamment celle de la confidentialité et de la

transparence. La plupart d’entre nous n’ont aucune idée de la quantité de données nous

concernant qui existent déjà sous une forme ou une autre. Nous n’avons aucune idée de ce

que les entreprises savent sur nous, non seulement grâce à nos habitudes d’achat, mais aussi

grâce à la possibilité de relier ces éléments à d’autres données plus riches. sources telles que
Facebook et d’autres activités sur les réseaux sociaux. Et

il y a de fortes chances que nous serions plus qu'un peu alarmés si nous réalisions à quel point

beaucoup de gouvernements savent de nous.

Comme la plupart des innovations, le Big Data et l’analyse nous offrent une énorme opportunité

positive. Des progrès sont réalisés dans toutes les directions pour améliorer la santé, les

performances, les affaires, la prévention de la criminalité, etc.

Mais tout comme ces outils peuvent être utilisés pour le bien commun, ils peuvent également

être utilisés pour le bien sélectif et pour le moins bien du tout. Et bien sûr, qui décide ? Edward
Snowden a semé le chaos

en révélant le niveau de surveillance que le gouvernement américain (et presque certainement

tous les gouvernements) exerce sur ses citoyens. Si cette surveillance évite que les gens soient

blessés et réduit la violence et le terrorisme, est­ce une si mauvaise chose ? Mais où s’arrête­t­

il ?

Qui surveille les observateurs et défend une ligne morale et éthique forte ? Ce sont des

questions compliquées.

233
************************************************** ********************
Machine Translated by Google

************************************************** *******************

BIG DATA

Au moment où nous écrivons ces lignes, les États­Unis pleurent une nouvelle fusillade de

masse. Cette fois, un homme de 22 ans, en colère parce qu'il était encore vierge, a tué six

personnes et en a blessé 13 autres avant de se suicider. Parmi les nombreuses questions

profondes et inquiétantes qui se posent après ces tragédies bien trop courantes, il me vient

à l'esprit que si Target peut identifier 25 produits qui, une fois achetés ensemble, prédisent

une grossesse, alors l'analyse Big Data peut sûrement identifier 25 adhésions, affiliations,

clubs, des livres ou d'autres achats qui, lorsqu'ils sont achetés par la même personne,

prédisent une instabilité mentale, une haine envers une partie de la société et une violence

potentielle. Si cela pouvait être fait, est­ce que cela devrait être fait ?

À quel moment la vie privée cède­t­elle la place à la probabilité ? L’objectif n’est pas
exact à 100 % en ce qui concerne la grossesse : les estimations suggèrent que si une
personne achète ces 25 produits, il y a 87 % de chances qu’elle soit enceinte. Mais
se tromper n'est pas un problème majeur : les 13 % qui ne sont pas enceintes
rejetteront simplement cela comme n'ayant aucun rapport avec eux et aucun mal n'est
fait. Mais si j’étais identifié comme un meurtrier de masse potentiel, cela ne serait

probablement pas si dangereux. Cela dit, est­ce que cela me dérangerait d'être
interviewé et surveillé pendant quelques semaines si cela signifiait que ces meurtres
insensés prenaient fin ? Non, probablement pas. Mais encore une fois, qui décide ?
Quand les intérêts nationaux ou corporatifs cèdent­ils la place à une invasion de la
vie privée ? Les entreprises vont de plus en plus utiliser l’analyse prédictive pour
catégoriser (ou cibler) leurs clients et adapter leurs offres.
Cela pourrait théoriquement signifier qu’une personne se voit facturer des frais
d’assurance plus élevés ou se voit refuser un prêt simplement parce qu’elle appartient
à une catégorie ou à une autre. Et cela ne semble pas non plus juste. Ce n’est pas
parce que quelqu’un est susceptible de se comporter d’une certaine manière qu’il se
comportera tous de cette manière.

Ce sont des questions complexes et il n’y a pas de réponse facile. Mais pour moi,
nous devons sortir le Big Data et l’analyse de l’ombre. Comme

234
************************************************** ********************
Machine Translated by Google

************************************************** *******************

CONCLUSION

Je l’ai dit plus tôt, une trop grande partie de cette révolution se déroule dans
des pièces sombres, dans des lieux qui n’existent pas officiellement. C'est
trop secret – trop de personnes se consacrent à collecter autant de données
que possible avant que le grand public ne se rende compte de ce qui se
passe réellement et que les gouvernements et les législateurs n'interviennent.
trop tard. Pour l'instant, les législateurs ne comprennent même pas les
conséquences de

cette révolution des données eux­mêmes et au moment où ils le feront, il sera très

difficile de ramener le monde des données vers la confidentialité.

En tant qu'individus, nous devons être beaucoup plus conscients des données que

nous fournissons et accorder beaucoup plus d'attention aux paramètres de confidentialité

en ligne. En tant qu'entreprises SMART, nous devons être ouverts et honnêtes sur ce

que nous avons l'intention de faire avec les données. Si nous accordons aux clients

une option de non­participation et l’honorons – peut­être en demandant à la place

l’autorisation d’anonymiser leurs données – nous pourrons alors mettre en lumière la

révolution et nous approprier les bons côtés tout en gérant plus efficacement les mauvais.

Une chose est sûre, le Big Data et l'analyse sont là pour rester et ils ne feront que

devenir plus sophistiqués. Nous devons l’adopter, fonctionner de manière éthique, offrir

de la valeur en échange des données et appliquer leurs avantages significatifs pour

l’amélioration de notre monde.

235
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A PROPOS DE L'AUTEUR

Bernard Marr est un auteur à succès, conférencier et consultant en Big

Data, analytique, gestion stratégique, gestion de la performance et KPI. Il
aide les entreprises à collecter et analyser les données pour améliorer la
prise de décision stratégique et les performances commerciales. Son
travail de pointe auprès de grandes entreprises, organisations et
gouvernements du monde entier fait de lui un consultant, chercheur et
enseignant de renommée mondiale et primé.

Bernard Marr est reconnu par le CEO Journal comme l'un des principaux
cerveaux du monde des affaires d'aujourd'hui et LinkedIn l'a nommé comme

236
************************************************** ********************
Machine Translated by Google

************************************************** *******************

A PROPOS DE L'AUTEUR

l'un des 100 meilleurs influenceurs commerciaux au monde. Il a écrit un

certain nombre d’ouvrages fondateurs et plus de 300 rapports et articles de
grande envergure. Cela comprend les best­sellers The Intelligent Company,
25 indicateurs de performance clés à connaître, la gestion et la fourniture de
performances, les indicateurs de performance clés pour les nuls, la gestion
stratégique des performances et faire plus avec moins.

Dans son travail de conseil, il aide les équipes de direction à développer

leurs stratégies Big Data et analytiques et forme les équipes des entreprises
à mieux exploiter les données et les indicateurs. Il a travaillé avec et conseillé
de nombreuses organisations parmi les plus connues au monde, notamment
Accen­ture, AstraZeneca, Bank of England, Barclays, BP, DHL, Fujitsu,
Gartner, HSBC, Mars, Ministry of Defence, Microsoft, Oracle, The Home
Office. , NHS, Orange, Tetley, T­Mobile, Toyota, Royal Air Force, SAP et
Shell, entre autres.

Bernard Marr est le fondateur et PDG de Advanced Perfor­

Institut de médecine. Si vous souhaitez parler à Bernard d'un projet Big Data
pour lequel vous avez besoin d'aide ou si vous envisagez d'organiser un
événement ou une formation Big Data dans votre organisation, contactez­le
sur : www.ap­institute.com ou via email à : bernard.marr@ap­
institut.com

Vous pouvez également suivre @bernardmarr sur Twitter, où il partage

régulièrement ses idées, ou vous connecter avec lui sur LinkedIn, où il écrit
régulièrement un blog.

237
************************************************** ********************
Machine Translated by Google

************************************************** *******************

REMERCIEMENTS

Je suis très reconnaissant envers tous ceux qui m’ont aidé à arriver là où je suis
aujourd’hui. Toutes les personnes formidables des entreprises avec lesquelles j'ai
travaillé qui m'ont fait confiance pour les aider et en retour m'apporter beaucoup
de nouvelles connaissances et expériences. Je dois également remercier tous
ceux qui ont partagé leurs réflexions avec moi, que ce soit en personne, dans des
articles de blog, dans des livres ou sous tout autre format. Merci d'avoir
généreusement partagé tout le matériel que j'absorbe chaque jour ! J'ai également
la chance de connaître personnellement de nombreux penseurs et leaders d'opinion
clés dans le domaine et j'espère que vous savez tous à quel point j'apprécie vos
contributions et vos échanges. À ce stade, je commence généralement une longue
liste de personnes clés, mais j'en oublie toujours certaines, alors cette fois, je veux
résister à cela et j'espère que votre ego me pardonnera. Vous êtes tous incroyables !

Enfin, je tiens à remercier l'équipe de Wiley pour tout votre soutien.

La production de ce livre a été une expérience particulièrement positive et j’apprécie
vraiment votre contribution et votre aide. Merci Jonathan Shipley et Jenny Ng. Et
un grand merci à Karen McCreadie pour son incroyable soutien éditorial !

238
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INDICE

abstraction 116 satisfaction client 11 évolution

capteurs accéléromètres 73, 219 de 106–7 fraude 212

données d'activité 64­7

valeur ajoutée 147­9, 154 Ressources humaines 15­17 ans

publicité 121, 133, 141, 145, 204 agriculture « J'aime » 139 à

13­14, 74, 78­9 algorithmes 43 tableaux de bord de gestion 190 à 1

nouvelles opportunités commerciales
Amazone 205 219­25

analyses combinées 135, 138 analyses personnelles 211

détection de fraude 132, 212 prédiction vs confidentialité 149­51
Traduction Google 69 SMART 46­54

rencontres en ligne analyses vocales 119­21 sports

6 détection de nids­de­poule 213­16 analyses
219 prédiction 150 de textes 108­18, 145 transparence
analyse vocale 121 143­9 analyses vidéo/
analyse de texte 118 images 122­33 anonymisation des
analyse vidéo/image 123, 124 données 83­4, 149, 235 applications 66,
Amazone 11, 14, 17, 24, 86, 152 67,

analytique 205–6 120, 210, 211, 218­19, 226

livres 65

avantage concurrentiel 19 Ayadsi 169­72

stratégie 23
capteurs ambiants 73 surveillance de bébé 7
analyses 4, 10, 21, 105­54, 198, Bank of America 16
200­2, 232, 234 graphiques à barres 157, 160
Amazone 205­6 Beane, Billie 215­16

analyses comportementales 126­8, 129 analyse du comportement 126­8, 129

perspectives commerciales Mégadonnées 4, 9­10, 17­20, 57­8,
216­18 analyses combinées 133­8 231­5

239
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INDICE

Big Data (suite) accumulation Vidéosurveillance 72, 122, 125, 211

de données 27­8 anatomie de analyse du comportement 126–8
79­80 réaction contre application de la loi 129, 130, 131

80­4 optimisation des censure 146

processus métier 204­6 graphiques 157–60, 189, 195
Chromé 17, 217

sécurité des entreprises et fraude Cisco 14

211­12 villes 218­19
villes et infrastructures 218­19 collecter cloud computing 4, 10, 79
tout 23­4 comment les entreprises concurrence et risque 30, 35, 43, 44, 54­5,
utilisent 12­17 reporting 155 97­9

données compilées 85, 87

Modèle SMART 20­2 extraction de concepts 110–11
sports 213­16 Con Edison 137 à 8

stratégie 28, 29 connexions, affichant 169 à 74 nuages

types de 59­64, 102 qui de consensus 163

utilise 11­12 voir aussi conversations

analyses données de conversation 64, 68­70

Big Table 106 analyses vocales 119­21

données biométriques compétences de base 34, 40
92 blogs 108, 113, 114 coûts 101
livres 65­6 Crazy Egg 168­9
contrôle des frontières données créées 85, 86

226­7 lésions cérébrales 206­7, criminalité 120­1, 129­32, 212

209 diagnostic du cancer du sein 207 culture 42, 52

Brin, Sergey 48 clients 11, 14, 20 bases

navigateurs 17, 65, 81, 217 de données 60

outils de business intelligence 184–5, 198 besoins en données

88­91 offrant une valeur à 147­9,

optimisation des processus métier 204– 152, 154
6 problèmes de confidentialité 235

sécurité des entreprises 211­12 Tableau stratégique SMART 30, 31,

33­4, 37­8, 54
centres d'appels 119, 121, 217, 227­8 médias sociaux 99, 115

diagnostic de cancer 207, 209­10 analyse vocale 119

données capturées 86, 88 compréhension et ciblage
voitures 5, 12, 13, 76, 77­8, 120, 206 199­204
données sur les flux de trésorerie 94 énoncé de vision 37

catégorisation du texte 109­10 agents de support client 227–8

causalité 149­50 personnalisation 187–8

240
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INDICE

D3.js 163, 166­7 transformations de l’emploi 226–9

analyse de données voir bases de
données analytiques 60, 87, énoncé de vision 36­7
106 violations de données voir aussi recrutement
175, 176 collecte de données 12­13, 31, 57­8, efficacité énergétique 5, 206
85­8, 228, 232 questions éthiques 149, 151­2, 233

employés surveillés 16 Evolv 16­17

Questions SMART 45, 99­101 échec exécutif 15­16 données

Tableau stratégique SMART 88–99, 103 expérimentales 86, 87 données

externes 63, 84­8, 100­1, 102,

découverte de données 25–6, 55, 184–5, 232

221 extraction 116

affichage des données 163, données de suivi du globe oculaire 90–1

166­7 datafication 58, 64­79, 84
modèles de données Facebook 11, 17, 58, 61­2, 68, 146,

60 données, types de 59­64, 85­8, 102 233

visualisation des données 21­2, 156­78, avantage concurrentiel 19
183, 185­6, 187­90, 195­8, découverte de données 26
232–3 Dell 115

prise de décision 46­7, 180, 185­6, 229, 233 secours en cas de

itinéraires catastrophe 71 messages d'employés

de livraison 205 sur 117, 217 reconnaissance faciale 125, 130, 132
Dell 114­15 Informations sur
demande 34 Gatorade 114 détenues par 82­3
secours en cas de catastrophe 71–2 Klout marque 134
répartition 14 « J'aime » 83, 134, 139­41
Informations ADN 130­1, 208, données
209­10 photographiques 70
médecins 227 problèmes de confidentialité
résumé de documents 116–17 147 analyse des sentiments
204 données générées par les utilisateurs
livres électroniques 65­6 88 reconnaissance faciale

Unité d'intelligence économique 17 123­5, 127, 128, 129­30, 132­3, 144 finance

eHarmony 6 e­ 30, 33­4, 38­9, 54­5, 93­4 services financiers 203

mails 68, 108, 109, 117, 144­5, 217 employés Firefox 17, 217

15­17, 42, 216­18 collecte de données pêche 1–2, 7

95­6 données de Fraude

performance 49, 52, 217 analyses de Flickr 70 98, 132, 151, 169­72, 211,

texte 117 220

241
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INDICE

jeux 208­9 IBM 60, 227­8

Gatorade 114 Étude IDC sur l’univers numérique 53, 76­7
Électrique générale (GE) 14­15, 224­5
« Les gènes dans l'espace » 208–9 données d'image 70–2, 107, 122–33
Gladwell, Malcolm 134 infographies 178–83, 184–5, 186, 187–90,
Gmail 144–5 195, 197, 198, 232

González, Mario Costeja 145–6 L’ère de l’information 18

Google 11, 17, 46–7, 63, 83 ans traitement de l’information 180­1
données capturées infrastructure 42, 218­19

88 avantage concurrentiel 19 Instagram 70

visualisation des données compagnies d'assurance 151, 203,
175 reconnaissance faciale 125 211­12, 220
Gmail 144–5 données internes 62, 84­8, 100, 102, 103,

Projet de livre Google 65 232

Projet Google Flu Trends 28–9 l'Internet

Google Verres 125 données d'activité 65,

Google Cartes 63, 162 67 navigateurs 17, 65, 81, 217

Projet Oxygen 47, 48­54, 215 droit à données de conversation 68–

l'oubli 145­6 données des moteurs 9 bons et mauvais aspects 143

de recherche 98 voiture « Internet industriel » 14 à 15

autonome 206, 226 stratégie machines connectées à la carte 5

23 logiciel de des 172 à 4 fraudes

traduction 69­70 en ligne 171 à 2 données

données gouvernementales 63 des moteurs de recherche

GPS (Global Positioning System) 71, 73, 98 regroupement de
81, 88, 107, 131, 206 graphiques textes 110 analyses de vidéos/
et cartes 157–60, 189, 195 gyroscopes 73 images 133 voir aussi les médias sociaux

Internet des objets (IoT) 76­9, 88

Hadoop 106, 183 données d'entretien

surveillance de la santé 3­4, 7, 66­7, 77, 118, 95 iPhones 67, 120

134­6, 206­11 variation Systèmes informatiques 42

de la fréquence cardiaque (VRC) 66­7

foyers 4­5 James, projet de loi 215­16

hôpitaux 211 Mâchoire 67, 148–9, 221–2

hôtels 204 Emplois, Steve 210
Ressources humaines 15­17, 47, 214 voir John Deere 13­14
aussi employés Jolie, Angelina 209­10

242
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INDICE

Klout marque 134 Communication en champ proche (NFC) 73–4

application de la loi 129­32, 212 réseaux 76­7, 78

leadership 15, 42 nouvelles opportunités commerciales

questions juridiques 145­7 219­25, 230
« J'aime » 83, 134, 139­43 développement de nouveaux produits 34
graphiques linéaires 157 Explosions de regards à New York 136­8
LinkedIn 68, 134 aime
6 cartes

de fidélité 14, 86, 128 rencontres en ligne

6 tableaux de bord opérationnels 195, 196
magazines 176­7, opérations 30, 33­4, 40­1, 54­5, 91­2
tableaux de bord de gestion 190­1,
194­7, 198, 232

managers 48­52, 215 Page, Larry 48

fabrication 12, 13, 206 parents 6 à 7
MapReduce 106 partenaires 40
cartes 162, 164 métaphore du poirier 33 à 5
mavens 134 Laboratoire des personnes et de l'innovation
mesure 21, 57­103 besoins en (PiLab) 48–9, 50
données 84­101, 103 nouvelles Tableau périodique de visualisation
formes de données 64­79 types Méthodes 174

de données 59­64 traits de personnalité 141, 218

informations médicales 66­7, 134­6, Philippines, secours en cas de catastrophe
206­11, 227 71­2 données photographiques
Merck 13 70­2, 107 diagrammes circulaires
métriques 21, 45, 47, 84­101, 198, 232 157, 159­60 expérience de pilotage
Laboratoires de recherche Microsoft 117­18, 191­4 pilotes 227
139 Pôle, André 142­3

Minard, Charles Joseph 169, 170 énoncé de PolyMaps 162, 164

mission 36 dépression postnatale 117­18 détection
Modèle T Ford 5 des nids­de­poule 218­19 prédiction
musique 66, 106, 169 14, 83, 139­43, 149­51, 200­2, 205­6, 234
femmes enceintes 142,

NameTag 125 récit 150, 200­1, 234 bébés prématurés 135 –6,
189 209

Science narrative 138, 228 confidentialité 80, 81–2, 144–5, 147,

NASA156, 177 149–51, 152, 233, 234–5
Agence de sécurité nationale (NSA) 81

243
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INDICE

Procter & Gamble (P&G) 185­7, 191, 195 Schmidt, Eric 53

moteurs de recherche 98, 110, 116, 118,

Projet Oxygène 47, 48­54, 215 données 123, 145–7
provoquées 85, 86 capteurs Données de performance d’auto­évaluation
de proximité 73 panneau 96

d'objectif 30, 36­7 outils de business intelligence en libre­

service 184–5, 198

questions voir questions SMART données semi­structurées 61–2, 84–5,

86, 87, 102, 103

Identification radiofréquence capteurs 72–6, 78, 79, 96–7, 107

(RFID) 76, 92, 205 surveillance des bébés
recrutement 96, 134, 216­17 reporting 7 optimisation des processus métiers
21, 155­98, 232­3 visualisation de 206
données 156­78, voitures 12, 76,
187­90 206 comportement de conduite 220
infographies 178­83, 187­90 tableaux Électrique générale 224­5

de bord de gestion 190­1, détection de signal de téléphone portable 32

194­7 détection de nids­de­poule 219

outils de business intelligence en libre­ magasins de détail 127

service 184­5 Moteurs Rolls Royce 74­5, 222­3 sports
uniformité des données 186­7 213, 214 analyse
ressources 30, 33, 41­3, 54­5, 94­7 commerce des sentiments 111­16, 153­4, 204
de détail 12,

14 analyse du comportement Forme d'une chanson 169

126­8 optimisation des processus ShotSpotter 131
métier 204 connaissance de la situation 128–9

analyse combinée 133­4 analyse analyse de la texture de la peau 124

prédictive 200­2 données sur le sommeil 67, 148–9, 222

Systèmes RFID 76 Smarr, Larry 3

données de transaction 86­7 badges intelligents 16
droit à l'oubli 145­7 risque 30, 35, Données SMART 10, 20, 44, 80, 84
43, 44, 97­9 Téléphones intelligents

Moteurs Rolls Royce 74­5, 222­3 SMART modèle 20­2 4, 66, 73­4, 81, 120,
Rosling, Hans 174­175 211, 218­19, 220

Royal Air Force (RAF) 191 Questions SMART 43–6, 52–3, 54–5,
63, 232
ventes 12, 31–2, 90 concurrence et risque 43, 44, 97 clients
Graphiques à nuages de 37–8, 89, 203 découverte de
points Samsung 147–8 157 données 221

244
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INDICE

besoins en données 99­101, feuilles de calcul 157, 158

103 visualisation des données parties prenantes 36­7

188 finances 39, données boursières 94

93 opérations 40­1, 91 stockage des données

ressources 42­3, 95 122 narration 177­8, 180
Tableau stratégique SMART 29–46, 54–5 besoins tableaux de bord stratégiques 195
en données 88–99, 103 stratégie 20­1, 23­55, 228, 231 analyses
description des panneaux 35–43 105 visualisation
métaphore du poirier 33–5 des données 188 métriques

Snowden, Edward 81, 233 réseaux 152­3

sociaux 11, 63, 81, 146, 204, 233 Tableau stratégique SMART 29–46, 54–
5, 88–99, 103 stress
utilisation par les athlètes 214 15, 16, 210–11, 212 données
données de conversation 68–9 structurées 59–60, 102, 103, 105, 232 prise
collecte de données 98–9 de décision

reconnaissance faciale 133 éclairée par 18 hiérarchies de données 84–

données photo et vidéo 70, 71 5 triangulation de données 101
recrutement basé sur 216­17 analyse types de données 86, 87
des sentiments 113­16 analyse de
texte 108 tendances Langage de requête structuré (SQL) 60, 106
205 voir aussi données
Facebook ; L'Internet; de la chaîne d'approvisionnement
Twitter 92, 205 enquêtes 86, 89­90
logiciel

d'analyse de données balises 122–3, 125

106 visualisation de données 162, 163–9, Cible 142­3, 150­1, 152, 200­1, 234
175

surveillance des employés 16 marché cible 37, 203

reconnaissance faciale 124 chauffeurs de taxi

intelligence d'affaires en libre­service 226 technologie 7, 21–2, 42

184­5, 198 voir aussi Internet ; capteurs;

analyse des sentiments 111 logiciel; technologie

connaissance de la situation 129 portable
reconnaissance vocale 69, 120 industrie des télécommunications
voir aussi analyse ; applications 202–3 conversations téléphoniques 69
données sonores 106, 119­21 Tesco 24

Catastrophe de la navette spatiale analyse de texte 106, 108­18, 145

156 filtres anti­spam catégorisation de texte 109­10
109 analyses vocales 119­21 regroupement de texte
sports 2, 213­16, 228 110 texte, affichage 162­3

245
************************************************** ********************
Machine Translated by Google

************************************************** *******************

INDICE

Reconnaissance faciale 3D 124, 125, 130 Bande de fitness « Up » 3, 66, 67, 148­9,
Toyota Prius 206 211, 221­2
données de transaction 85, 86­7, 90, 93­4 données générées par l'utilisateur 86, 88
transformation 21, 22, 199­230 informations

commerciales 216­18 optimisation valeur 106

des processus métiers 204­6 proposition de valeur 37

variété des données 80, 106
sécurité des entreprises et fraude vélocité des données 80, 106
211­12 véracité des données 80, 106
emploi 226–9 santé et Verizon 121

bien­être 206–11 comprendre et cibler analyse de contenu vidéo (VCA) 123 données
les clients 199–204 vidéo 70­2, 107, 122­33 énoncé de
vision 36­7 visualisation 21­2,
logiciel de traduction 69­70 156­78, 183,

transparence 143–9, 154, 233 185­6, 187­90, 195­8, 232­3

triangulation des données 98–9, 101, 125, logiciel de reconnaissance vocale 69, 120
232 volume de données 79, 101, 106

TripAdvisor 204
Touffe, Édouard 189­90 Walmart 11, 24, 87, 152, 204­5
Tumblr 69 Watson (ordinateur IBM) 227­8 technologie
Décodeurs TV 121 portable 3, 4, 66, 67, 77, 148­9, 210, 214,
Twitter 111, 112 221­2 données météorologiques
Twitter 63, 68, 71, 111, 113, 146 11, 24, 63, 74, 78, 87,
Messages 204

des employés de Dell 115 sur 117, 217 Webb, Amy 6

Gatorade 114 webcams 81–2

infographie des conseils 183 données

Klout marque 134 d'activité de sites Web 65
Outil de carte thermique Crazy Egg 168–
Uber 226 9 carte d'Internet 172–4 analyse
uniformité des données 186­7 de texte 108, 110 voir aussi
données non structurées 10, 61­2, 88, Internet

102, 103, 105, 232 Wenger, Bretagne 207

hiérarchie des données 84­5 réseaux sans fil 77, 79 nuages de
aperçu de 18 mots 162–3, 165

analyses de texte 108

triangulation des données 101 YouTube70, 88, 123

246
************************************************** ********************
Machine Translated by Google

LICENCE D'UTILISATEUR FINAL WILEY

ACCORD
Allez sur www.wiley.com/go/eula pour accéder au CLUF du livre électronique
de Wiley.