Stibo Systems - The Master Data Management Company
Stibo Systems - The Master Data Management Company

Besoin de Big Data ? Pensez d'abord Small Data

 |
14 oct. 2021 12:45:00

Ensemble, les small data et le MDM multidomaine apportent de nouveaux éclairages pour l’entreprise.

Au cours de ces dernières années, j’ai travaillé dans le domaine de la gouvernance des données. J'ai eu affaire à de nombreux projets visant à réécrire les processus décisionnels à l'aide du « big data ». Les lacs de données, l'analyse prédictive, l'IA et une pléthore d'autres acronymes ont, pour beaucoup, masqué la complexité du big data. Celui-ci promettait de fournir les quatre œufs d'or de la connaissance des données : 1) meilleure prise de décision, 2) clients plus heureux, 3) absence de risque et 4) identification de nouvelles opportunités.

J'ai beaucoup de sympathie pour les managers que j'ai vus, contempler leurs graphiques à barres confus, issus de sources de données obscures et manipulés par des employés aux titres futuristes.

J’entends d’ici les questions de l'équipe de direction : « Je peux voir une sorte de modèle, mais quelle décision devons-nous prendre ? Pourquoi est-ce que cela se produit ? À quel point sommes-nous sûrs de la tendance et de sa cause ? »
Un silence inconfortable s'ensuit.

Un récent rapport de BearingPoint a mis en évidence cette difficulté, faisant observer que « les dirigeants des grandes entreprises agissent davantage sur la base de leur intuition que sur des données concrètes ». C'est une situation désormais inacceptable pour toute entreprise avisée.

managing small data

Pourquoi trouver la cause dans les données ?

Grâce au big data, de volumineuses sources d'informations, apparemment disparates, peuvent désormais être combinées, analysées et corrélées pour identifier des tendances et des modèles. Mais une telle analyse n’explique pas nécessairement les causes. Par exemple, une tendance à la résiliation des contrats ne signifie pas nécessairement que tous les clients concernés sont mécontents. Comment se prémunir contre les biais dans l'analyse des tendances ?

Pourquoi est-il important de comprendre la cause de ces tendances ? Tout simplement parce que les données qui sous-tendent la cause pèsent lourd dans les prises de décision data-driven. La corrélation n'impliquant pas nécessairement la causalité, utiliser uniquement l'analyse des tendances présente un risque d'erreur d'appréciation important.

Big Data : les objectifs des projets de big data ont souvent trait à la recherche de modèles et à la déduction de corrélations au sein de grands ensembles de données. Les données peuvent être largement transactionnelles, historiques, de qualité douteuse et sans définition commune (métadonnées). Les initiatives d'IA et de machine learning vont néanmoins utiliser ces sources pour améliorer l'analyse et découvrir comment automatiser les processus, l'objectif étant d'accélérer les prises de décision effectuées à partir des données.


Celles qui souffrent le plus de l'adaptation aux nouveaux processus de décision sont souvent des entreprises plus traditionnelles. Leurs dirigeants sont encore peu familiarisés avec la culture des données et son impact potentiel sur la transformation de l'entreprise. Leur expérience, leurs préjugés et leur croyance inébranlable en l'exactitude des données présentées forment la base de leurs décisions. Ils assistent, en revanche, à l'arrivée de nouveaux concurrents disruptifs dont la culture et la vision sont axées sur les données. Ces nouveaux arrivants prennent très rapidement des décisions audacieuses, mais avisées, car ils voient la cause à travers le prisme des small data.

Small data : les small data font référence à des ensembles de données réduits, compréhensibles, souvent simples, collectés de manière dynamique. Leur collecte et leur analyse n’exigent généralement pas de vastes ressources informatiques. Les small data peuvent être pertinentes et judicieuses par elles-mêmes et se rapporter à un événement particulier. Il peut s’agir, par exemple, de l’enregistrement du sentiment d’un client à un moment donné.


Que se passe-t-il maintenant ? Non... Juste maintenant !

Comme toute personne qui gère des données peut en témoigner, le volume et la qualité ne vont pas toujours de pair. Les données devenant de plus en plus volumineuses, la capacité à gérer et à tirer de la valeur et des informations des small data est devenue beaucoup plus importante. De plus en plus de connexions digitales sont établies en temps réel. La durée d'attention des clients se réduit, tandis que les fenêtres d'opportunité se referment plus rapidement. Cet environnement exige des décisions plus rapides et laisse moins de temps pour rassembler et présenter les données nécessaires.

Les small data fournissent des signaux discernables qui apportent une aide dans ce type d'environnement à décision accélérée. Les small data vous disent ce qui se passe ici et maintenant. Que fait cette machine actuellement ? Où se trouve ce paquet ? Quel type de sentiment ce client exprime-t-il ?

Small data et MDM multidomaine vont de pair

Lorsqu'il s'agit de prendre des décisions data-driven, le MDM multidomaine est l’endroit idéal pour créer des informations et de la valeur à partir des small data. Voici pourquoi.

small data lives in the intersections of data sets and domains






















Les small data résident dans les
zones de visibilité créées par le MDM multidomaine.
  • Prendre des décisions en périphérie exige des données de référence gouvernées

Des décisions fiables reposent sur des données précises et transparentes, mais aussi sur la gouvernance nécessaire pour rendre ces décisions judicieuses et vérifiables.

    • L'analyse des causes exige des données de référence

Les small data décrivant le contexte de ce qui se passe maintenant, associées aux données de référence correspondantes, servent de base à de meilleures décisions, data-driven.

  • Le MDM améliore les résultats des tendances et des corrélations

Les données de référence et les small data contextuelles, une fois combinées, peuvent être réinjectées dans des référentiels de big data, ce qui permet d'améliorer l'analyse des tendances.

  • Pour permettre la détection des causes, les données corrélées doivent être précises et non biaisées.

Le MDM fournit le mécanisme de gouvernance nécessaire pour assurer la transparence des données de référence et des small data associées.

  • Les small data bénéficient du MDM multidomaine

Les décisions basées sur les small data se trouvent souvent à l'intersection de plusieurs domaines de données. Il peut s'agir par exemple du client (données de référence), de sa localisation (small data), du produit (données de référence), du contenu actuel de son panier (small data et données de référence) et de la météo (small data). Le MDM offre un mécanisme idéal pour réunir ces données en un point dans le temps, tout en les maintenant sous contrôle grâce à des règles de gouvernance.

  • La cause doit être partagée

Le MDM favorise la précision dans la détermination de la cause. Il rend également possible de vérifier toutes les décisions prises à partir de la cause. La gestion des small data avec le MDM fait partie d'une stratégie MDM augmentée qui permet de créer une valeur métier supplémentaire grâce à la disponibilité de données de référence fiables.

Les small data et le MDM multidomaine en action

Les small data et le MDM multidomaine contribuent à créer un impact important dans des applications très diverses. En voici quelques exemples.

icon_employee_2c Fidélisation des employés

La détection de petits changements dans la façon dont les outils de collaboration sont utilisés peut permettre de saisir les niveaux de motivation et aider à établir des stratégies de rétention. Ces changements peuvent par exemple concerner des modifications dans l'ordre du jour des réunions ou le nombre de messages échangés,

• Domaines des données de référence : employé, lieu, organisation, rôle.

• small data : outil de collaboration, fréquence d'utilisation, date, durée.

icon_shopping_cart_2c Achats personnalisés

Pour les achats, de nouveaux degrés de personnalisation sont possibles avec une approche axée sur les small data et associée au MDM.

La combinaison de wearables, d’appareils détenus par les consommateurs, de capteurs dans les rayons, de caméras de surveillance et de produits étiquetés permet de produire des ensembles de small data très précieux. La collecte de ces données peut mener à des stratégies d'amélioration de l'expérience client en magasin.

• Domaines des données de référence : client, produit, lieu.

• small data : Lieu, heure, données de capteurs

icon_support_2c Service client

Lorsqu'un client contacte un service d'assistance, la reconnaissance du numéro de téléphone peut accélérer le traitement de sa demande. Si l'on sait, par exemple, que le vol d'un passager est retardé, il est probable que son appel sera lié à ce retard. Un serveur vocal interactif peut alors lui répondre en conséquence.

• Domaines des données de référence : client, produit

• Small data : téléphone/appareil, lieu, service en cours.

Une approche basée sur les small data peut avoir un impact déterminant sur la capacité à prendre des décisions rapides et data-driven. Le MDM multidomaine est l'endroit idéal pour héberger vos small data en les mettant en relation avec les domaines clés auxquels elles sont associées - client, lieu, produit, etc. Le MDM multidomaine fournit les capacités de gouvernance nécessaires pour garantir que les décisions data-driven reposent sur des données fiables, vérifiables et transparentes.

Contenu associé

Pour en savoir plus sur les moyens innovants de trouver des informations uniques et précieuses dans vos données, écoutez Making Data Human, qui fait partie de notre série de podcasts Data Matters.


Au cours des 20 dernières années, Darren a conseillé les entreprises sur la sélection et la mise en œuvre d'outils logiciels supportant leur stratégie de gouvernance de données. En tant que directeur de la stratégie sectorielle, Darren aide les responsables d'entreprise à comprendre et à quantifier l'impact positif d'une bonne gouvernance de données et, en particulier, du Master Data Management, sur leur organisation.



← Article précédent
Prochain article →