Big data et processus décisionnel

                                                                                                                                                                                                                                                   Partie 1 : Cadre Conceptuel Et Théorique

CHAPITRE I : DÉFINITION DES CONCEPTS CLÉS

1. Définitions « Big Data »

La notion du Big Data est née au début des années 1990 à la suite de l'avènement de l'IoT (Internet of Things). Littéralement, le terme “Big Data” signifie “grosse données”. Le Big Data n'est qu'un accroissement des données. Son impact est contextuel et dépend des outils mis en œuvre (data lake et ETL).

Le big data a été défini de plusieurs manières par plusieurs auteurs. Boyd et Crawford (2012) ont défini les mégadonnées comme un phénomène culturel, technologique et scientifique tandis que Fan et al. (2014) ont défini le big data comme l'océan de l'information. Selon Kitchin (2014), le big data est défini comme un énorme volume de données structurées et non structurées. Waller & Fawcett (2013) définissent les mégadonnées comme des ensembles de données trop volumineux pour les systèmes de traitement de données traditionnels et qui nécessitent donc de nouvelles technologies pour les traiter. Dubey et al. (2015) le décrivent comme les données générées par les machines d'entreprise traditionnelles et les données sociales. Le Big Data est un terme qui décrit le grand volume de données - à la fois structurées et non structurées - qui inonde une entreprise au quotidien. Mais ce n'est pas la quantité de données qui est importante. C'est ce que font les organisations avec les données qui compte.

Selon Dyche (2014), le concept de mégadonnées pour de nombreuses personnes n'est que des millions de données qui peuvent être analysées grâce aux technologies. Les mégadonnées au sens propre sont la bonne utilisation des données par le biais des technologies dans un aspect particulier. Les mégadonnées ont évolué au cours de la première décennie du 21Siècle adopté d'abord par les entreprises en ligne et les startups. Un nouveau type de données voix, texte, fichiers journaux, images et vidéos a vu le jour (Davenport et Dyche, 2013). La bonne utilisation du big data se traduit par plusieurs applications du big data aidant à la prise de décision.

Diverses techniques et outils améliorent la capacité de prise de décision. Des entreprises comme Amazon, Netflix ont développé des algorithmes pour découvrir la corrélation entre les recherches des clients, l'historique des achats passés pour prédire quels produits les clients sont susceptibles d'acheter. Les clients sont rappelés de leurs recherches passées ou des produits recommandés en fonction de leur historique d'achat. Cela crée une opportunité pour les clients d'acheter certains des produits recommandés, ce qui stimule les Ventes.

Cette technique génère jusqu'à un tiers de leurs nouvelles ventes (Artun et Levin, 2015). Les entreprises de télécommunications parcourent d'énormes volumes de données pour prédire quels clients sont les plus susceptibles de les quitter. Cela aide à concevoir des politiques de fidélisation de la clientèle.

Alors que le terme « mégadonnées » est relativement nouveau, le fait de collecter et de stocker de grandes quantités d'informations pour une éventuelle analyse est très ancien. Le concept a pris de l'ampleur au début des années 2000 lorsque l'analyste du secteur, Doug Laney, a défini la définition désormais courante du Big Data comme les trois V - volume, vélocité et variété. Avec un raffinement supplémentaire, les mégadonnées sont désormais caractérisées par cinq V, c’est-à-dire que la Véracité et la Valeur s’y sont ajoutées.

Ces informations sont désormais essentielles au processus décisionnel et au perfectionnement de la vaillance des organisations. Cette grande capacité de données peut maintenant dénouer des soucis que l’on ne pouvait pas imaginer résoudre.

Toutefois posons-nous cette question de savoir qu’est ce qui change entre une donnée stockée en interne et en cloud ?

Stocker ses données en interne est une solution qui est intéressante si l'on n'a pas une quantité très importante de documents à stocker et à partager. Il s'agît, en interne, de mettre en place un serveur sur lequel seront stockés les fichiers que l'on souhaite partager. Ce serveur peut être accessible de l'extérieur de l'entreprise grâce à Internet. Il convient de sécuriser cet espace de stockage afin que seules les personnes habilitées puissent y accéder. On peut envisager un système de mot de passe ou de certificat d'authenticité par exemple. Un bon pare-feu est également indispensable.

Pour le stockage dans le cloud, il facilite également les échanges de fichiers et permet d’imprimer partout. De plus, la capacité de stockage dans le Cloud est nettement supérieure à ce que proposent généralement les services de messagerie. Il permet d'accéder aux informations de n'importe où, et permet d’enregistrer les données en cas de dommage ou de perte.

1. Définitions « processus décisionnel »

Dans le cadre de leurs actions sur le terrain, les décideurs sont amenées à rencontrer trois principales situations de gestion (Godé, 2015) : la situation de routine, la situation inattendue et la situation de crise.

La situation de gestion se présente « lorsque des participants sont réunis et doivent accomplir, en un temps déterminé, une action collective conduisant à un résultat soumis à un jugement externe. » (Girin, 1990). La plupart des interventions sont routinières (Weick & Sutcliffe, 2007). Les décideurs peuvent rencontrer des imprévus susceptibles de provoquer des basculements de situation. Une situation de routine peut basculer à tout moment en situation inattendue (Godé, 2016). Ils doivent dans ce cas être capables de passer de la décision standardisée, cadrée par les procédures (en situation de routine) à la flexibilité et à l’adaptation (en situation inattendue) (Godé, 2015). Ces basculements sont caractéristiques des contextes extrêmes de gestion.

La situation inattendue impose une prise de décision rapide. Les décideurs tels que les pompiers, les policiers, les médecins, etc. doivent donc être capables de donner rapidement du sens aux éléments clés de leur contexte d’action afin de modéliser mentalement une représentation de la situation rencontrée (Klein, 1999) : la littérature fait état de situational awareness (Endsley, 1995; Kahneman, Slovic, Tversky, & others, 1982; Klein, 1993). Le situational awareness revêt une importance particulière dans les domaines au sein desquels les flux d’informations sont nombreux. Une mauvaise compréhension de la situation peut avoir des conséquences sérieuses : elle est l’une des premières cause d’erreur humaine (Craig, Morales, & Oliver, 2004; Nullmeyer, Stella, Montijo, & Harden, 2005).

...