webleads-tracker

You are here

Débuter en Big Data, 3 leviers psychologiques à considérer

Big Data

0 Comments

Nous pourrions simplement vous dire de prendre garde aux paillettes du Big Data. De ne pas vous laisser hypnotiser par la séduction de la grande technologie et le verbiage construit autour. Les fameux 5, 7 voire 10 V du Big Data conceptualisent le phénomène, mais ils ne savent pas expliquer à l’entreprise le cheminement à suivre. En particulier parce qu’ils oblitèrent les aspects psychologiques de la démarche. Contrairement aux idées reçues, réussir un projet Big Data est avant tout une question de posture psychologique.

Une problématique récurrente des entreprises désireuses de déployer une démarche Big Data repose sur le risque : le risque de faire un choix technologique inadapté, incapable d’accompagner les équipes sur le long terme ou sur un périmètre plus large. L’inquiétude porte donc sur une sous-évaluation du besoin qui conduira à de nouvelles dépenses et à recommencer le processus.

Mais, dira-t-on, le risque n’est-il pas encore plus grand de surévaluer à la fois les attentes et les possibilités, et de ne pouvoir justifier à terme les investissements, souvent conséquents ? Finalement, ces inquiétudes sont les deux facettes d’une même pièce. L’on pourra longtemps tergiverser autour de concepts tant que l’on n’aura pas, une bonne fois pour toutes, mis « les mains dans le cambouis ».

Big Data : Cas d’usage et bénéfices démontrables

En entreprise, il s’agit de savoir justifier. C’est tout à fait normal et gage d’une gestion saine. Or, il est très compliqué de justifier une décision prise sur le fondement du risque de sous ou de sur-estimation. Autrement dit, il n’existe vraiment qu’une seule façon de faire ses premiers pas en Big Data : le use case, le besoin spécifique, restreint, parfaitement identifié, auquel le traitement Big Data de la donnée détenue pourra sûrement répondre.

Généralement, il s’agit aussi de faire mieux que ce qui se faisait jusqu’ici : faire mieux, c’est améliorer la qualité de service par exemple, renforcer la pertinence ou la précision des informations, rendre un processus plus efficace, etc.

La gestion de log est un exemple courant en entreprise de premiers projets Big Data. Que ce soit à la demande du commissaire aux comptes, pour se conformer au cadre réglementaire applicable ou par volonté de renforcer la sécurité de l’entreprise, la gestion des droits utilisateurs est un parfait candidat également pour aller à la découverte de certaines technologies.

Les avantages, outre la conformité acquise, sont nombreux. L’expérience nous prouve que les collaborateurs gagnent en confiance sur ce type de traitements, apprennent à communiquer sur le processus, les attentes et les résultats, obtiennent généralement de bons retours rapidement et peuvent appuyer leurs réflexions et leurs expérimentations sur des résultats tangibles. Le Big Data n’est plus un concept. Il devient démontrable, chiffres à l’appui (notamment en matière de sécurité ou de risque de non-investissement).

La démarche née d’un seul petit cas d’usage est-elle pour autant exempte de risque ?  Compte tenu de l’offre pléthorique de solutions disponibles susceptibles de répondre à une même problématique, il est facile de percevoir où se situent les complications. À ce stade, nous parlons de culture d’entreprise.

Les pièges de la culture d’entreprise

C’est elle, en grande partie, qui donnera le La des décisions à prendre. Il ne faut pas la sous-estimer.

En banque-finance-assurance, la question va bien au-delà de la culture. Pour des raisons évidentes de sécurité, les projets Big Data sont opérés sous le sceau du secret, avec une nette prévalence pour des choix on premise.

Au demeurant, beaucoup d’autres secteurs optent pour l’internalisation de leur Big Data, au détriment de projets qui pourraient exiger les ressources du Cloud, lequel a, de plus, le grand avantage d’offrir un décommissionnement rapide en cas de non-utilisation des services.

Cette culture du secret se double du choix conscient ou non de s’affranchir d’accompagnement externe, au moins au début. Nous en reparlerons, mais souvenons-nous déjà qu’en se lançant en big data, il y a fort à parier que les équipes n’ont pas encore eu l’occasion de développer d’expertise assez variée pour garantir les bons choix technologiques.

Revenons quelques instants sur notre projet Big Data de gestion de log. Faut-il opter pour l’inconditionnel Elasticsearch ? Explorer le très riche Splunk ? Envisager Solr ? Ici encore, l’expérience montre qu’on ne se pose jamais assez les bonnes questions. De quel périmètre s'agit-il ? Quelle est la nature des datas traitées ? N’existe-t-il pas une solution plus dotée en fonctionnalités et adaptée à notre expertise ou à nos lacunes ? Mon entreprise est-elle acculturée data ou vais-je devoir accélérer la sensibilisation et la formation ? Quelle est la tolérance au risque ? Cet ensemble savant de questionnements, conduit en consulting, pourrait vous surprendre quant aux résultats obtenus.

Une fois sur deux, nous n’aurions pas fait le choix technologique pour lequel les entreprises ont opté seules et aurions analysé les offres disponibles à travers un prisme bien plus large : culture de l’entreprise, acculturation, signaux faibles portant sur les problématiques métier émergentes, attentes, énergie et sponsoring autour de ces questions. Nous n’avons d’ailleurs pas encore parlé des équipes Big Data.

Les équipes, pierre angulaire du projet Big Data

Les équipes sont la clé pour réussir un projet Big Data

S’il fallait être provocateur, nous dirions qu’un projet big data d’entreprise est seulement une question d’équipe et non de technologie. Que l’investissement principal doit porter sur la formation des collaborateurs, mais aussi sur le temps qui leur est alloué pour conduire correctement leurs missions. Trop souvent, le Big Data est perçu comme une activité supplémentaire, pour laquelle les hommes et les femmes trouvent un peu de temps à consacrer. Autant arrêter tout de suite, ça ne peut pas fonctionner ainsi. Les technologies NoSQL ou Hadoop sont complexes et demandent du temps, et certainement de l’accompagnement pour être menées en production.

Sans compter que ces aspects formation et organisation sont loin d’être isolés. De nombreux autres critères d’équipe doivent entrer en ligne de compte, lesquels rejoignent de près ou de loin la culture d’entreprise. Il y aura entre autres l’appétence des collaborateurs pour une technologie ou une autre. Il y aura également la perception de ce que représente un projet Big data dans leur esprit. Faites le test, vous n’aurez aucune réponse similaire. Un cluster de 10 nœuds est-il moins un projet Big Data qu’un cluster de 300 ? Ne fait-on jamais de Big Data sur un système de gestion de bases de données relationnelles ?

Au commencement, on le voit, il y a tout lieu de s’accorder sur une vision avant de parler technologies. Cette exploration sera à l’origine du succès futur de vos projets.

 

 

Illustration créée par vectorjuice - www.freepik.com

Comments (0)

Leave a comment

Plain text

  • No HTML tags allowed.
  • Web page addresses and e-mail addresses turn into links automatically.
  • Lines and paragraphs break automatically.
CAPTCHA
Captcha, please confirm your sending
Image CAPTCHA
Enter the characters shown in the image.