Moderniser la gestion des données, une nécessité

Moderniser la gestion de leurs données devient un impératif pour les entreprises. Plus efficaces et moins coûteux, les nouveaux outils analytiques ouvrent à la voie à l’optimisation des objectifs commerciaux grâce à une meilleure compréhension des tendances. La réussite attend les organisations qui s’engagent dans un processus de modernisation.

Les outils de gestion des données mis en place il y a une trentaine d’années deviennent progressivement obsolètes. Fini, les entrepôts de donnée, bienvenue aux lacs de données. De nombreux systèmes plus performants et moins coûteux — tels Hadoop — ont ainsi émergé pour répondre au besoin de stocker et de traiter efficacement de volumineux flux de données moins conventionnelles, comme des images, provenant tant des réseaux sociaux que de l’internet des objets.

 

Des critères de réussite bien identifiés

 

Ces nouvelles technologies analytiques constituent le ciment des initiatives de modernisation en matière de gestion des données. Elles induisent une nouvelle approche bénéfique pour améliorer la compréhension et l’anticipation des tendances commerciales, développer des applications d’intelligence artificielle destinées à optimiser les processus basés sur les connaissances, ou encore répondre aux préoccupations liées à la sécurité et à la confidentialité. Les entreprises désireuses de mener à bien cette transition peuvent mettre en place des solutions internes ou bien délocaliser leurs données dans le cloud. Le changement d’environnement peut s’accompagner d’une amélioration de la qualité des données et de leur intégration au sein de l’organisation, par exemple à l’aide d’outils d’apprentissage automatique.

La réussite d’une initiative de modernisation de la gestion des données repose sur un ensemble de critères bien identifiés. D’abord, l’implication des principaux dirigeants de l’entreprise dans la définition des objectifs commerciaux liés aux données et l’engagement des ressources. Ensuite, un processus de développement bien défini autour d’un triptyque « imaginer, tester, déployer », chacune de ces étapes devant délivrer une valeur mesurable et constante. Enfin, un plan en amont afin d’identifier et de recruter les talents qui réaliseront effectivement cette modernisation.

 

Lire l’article (en anglais)

 

En complément :

Un article (en anglais) à propos de la différence entre science des données, analytique et apprentissage automatique

et un autre (en anglais) au sujet des lacs de données