Les architectures de données modernes alimentent l’innovation
« Chaque secteur d’activité conduit la transformation numérique à sa manière », déclare Naveen Kamat, directeur exécutif et CTO des services de données et d’IA chez Kyndryl, un fournisseur de services d’infrastructure informatique. « Ils mettent en place leurs propres applications dans le cloud, qui génèrent des données quotidiennement. Ensuite, il y a les données du Web et des médias sociaux qui arrivent. Le parc de données d’entreprise devient beaucoup, beaucoup plus grand ; ça devient beaucoup plus complexe à gérer.
Le secteur de l’assurance offre un exemple de la complexité actuelle du paysage des données. Selon Ali Shahkarami, directeur des données chez Allianz Global Corporate & Specialty (AGCS), l’un des défis majeurs d’une bonne gestion des données dans le secteur de l’assurance est la pléthore de systèmes hérités construits au fil des ans. « Cela est particulièrement vrai pour les entreprises internationales opérant au-delà des frontières avec des produits, des exigences réglementaires et des exigences de déclaration différents », note-t-il. « La capacité de le faire de manière centralisée et cohérente est un grand défi. Cela a un impact sur tout ce que vous construisez avec des données et des analyses. »
Malheureusement, alors que la gestion des données est devenue plus difficile, les compétences en gestion de données sont devenues plus difficiles à trouver. Le nombre de personnel qualifié en matière de données est resté le même ou a même diminué au cours de la dernière décennie, même si le nombre de silos de données et d’applications a augmenté, déclare Gartner. Cela signifie qu’il faut plus de temps que jamais pour répondre aux besoins d’analyse de données intégrées.
Les conséquences pour les organisations qui ne parviennent pas à gérer leurs données de manière efficace et efficiente deviennent désastreuses. D’une part, le coût d’une gestion inadéquate des données augmente. Le coût des données de mauvaise qualité peut représenter environ 20 % du chiffre d’affaires, estime Thomas C. Redman, président du cabinet de conseil Data Quality Solutions, dans un article co-écrit par le MIT Sloan Management Review.
« Presque tout le travail est en proie à de mauvaises données », écrivent Redman et Thomas H. Davenport. « Le commercial qui corrige les erreurs dans les données reçues du marketing, le data scientist qui passe 80 % de son temps à manipuler des données, l’équipe financière qui passe les trois quarts de son temps à concilier des rapports, le décideur qui ne croit pas numéros et demande à son personnel de les valider.
Redman et Davenport estiment que moins de 5 % des entreprises utilisent leurs données et leur science des données pour obtenir un avantage concurrentiel. « Les entreprises ne saisissent pas le potentiel stratégique de leurs données », concluent-ils.
Lorsqu’il s’agit de mettre en œuvre des technologies avancées, telles que l’apprentissage automatique et l’intelligence artificielle, une gestion inadéquate des données représente un obstacle important. Non seulement les programmes d’IA pourraient être inefficaces, mais « sans les bonnes données, la construction de l’IA est risquée et peut-être dangereuse » si le biais des données, la diversité et l’étiquetage systématique ne font pas partie d’une stratégie de gestion des données, déclare Rita Sallam, éminente vice-présidente et analyste chez Gartner.
Téléchargez le rapport.
Ce contenu a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n’a pas été rédigé par la rédaction de MIT Technology Review.