Ou comment piloter vos projets Big Data à l'heure de la data agilité.
"Leur complexité a été dénoncée, leur délai de mise en oeuvre raillé, leur absence de retour sur investissement décortiqué, leur mort pronostiquée... Pourtant, les projets Big Data sont là, incontournables.
Et, surprise, l'optimisme quant à leur succès semble même de rigueur. Pourquoi un tel revirement ? Pour deux raisons au moins : D'une part, les données sont les denrées premières de la transformation digitale.
Qu'il s'agisse d'ajuster son offre en temps réel au parcours omnicanal des clients, de monétiser de nouveaux services d'information, de superviser des infrastructures IoT...
Aucun de ces projets ne peut devenir une réalité sans une maîtrise du Big Data. D'autre part, les entreprises ont vécu, parfois avec douleur reconnaissons-le, une longue courbe d'apprentissage.
Les enseignements ont été tirés, le management de ces projets remis à plat, et un esprit nouveau imprègne désormais les initiatives Big Data. Résultat, les ambitions sont plus raisonnées, les périmètres des projets plus délimités, les gains métier plus tangibles aussi.
En résumé, les projets Big Data sont devenus moins « big » et plus « smart ». Une nouvelle génération de projets s'annonce, soutenue par une nouvelle génération de solutions.
Et pour cause, les projets de la première vague ont souvent conduit à des déceptions avec, à la clé, des jugements sévères sur la pertinence du concept même. Pourtant, malgré les errances du début, l'intérêt pour le Big Data ne s'est pas tari.
Bien au contraire, il s'accroît avec l'émergence de cas d'usage porteurs et, aussi, de méthodologies plus éprouvées.
Car, si des études récentes se montrent désormais plus optimistes sur le sort de ces projets, il y a seulement deux ans, les projets Big Data faisaient la une avant tout pour... leurs échecs. Et les raisons de ces impasses persistent aujourd'hui.
Autrement dit, c'est l'absence de cas d'usage clairs avec une valeur métier tangible qui explique en premier lieu les errances de ces projets. De fait, vouloir parvenir à une « vue à 360 degrés du client » ne suffit pas à qualifier un business case digne de ce nom.
En 2015, Cap Gemini estimait ainsi que 13 % seulement des projets étaient passés en production, tandis que le taux de réussite des PoC (Proof of Concept) ne dépassait pas les 38 %. Parmi les causes pointées du doigt, l'absence de cas d'usage figure en bonne place.
Avec une conséquence : à défaut de se focaliser sur un objectif métier bien délimité et d'y associer les données correspondantes, les projets Big Data ont eu tendance à revendiquer un champ d'action très... large.
Comme le résume de manière caustique un chroniqueur : « Quand on fait un projet Big Data, il faut être crédible. Allons-y franchement et allons tout de suite là où les ingrédients se ramassent à la pelle : logs web, réseaux sociaux... »
Résultat, des données collectées en masse, souvent versées dans un data lake, en espérant que le volume à lui seul suffira à créer de la valeur. Cette tentation du trop-plein a vite montré ses limites, d'autant qu'elle s'est ajoutée à des clivages organisationnels, voire très... humains.
