Bigdata, small decision and smart organisation
6 j'aime1,991 vues
Le document aborde les défis et avantages des données massives dans les organisations modernes, soulignant que la quantité de données ne garantit pas une meilleure compréhension ou des décisions stratégiques. Il met en lumière la nécessité de compétences nouvelles et d'outils adaptés pour gérer des micro-décisions automatisées. Enfin, il souligne l'importance de la qualité de l'analyse et de l'exploitation des informations au sein des organisations pour réussir dans un environnement basé sur les données.
Bigdata, small decision and smart organisation
- 1. Big data, small decisions and smart organizations Christophe Benavent – Université Paris Ouest - @benavent Pour la 7ème université d'été GS1 – 31 Aout 2012
- 2. La promesse de Leclerc Quels flux? - mails et message direct.. - réseaux sociaux - interactions géolocalisées - interactions caisses - reconnaissance faciale (?) -… => 10 millions de clients, 25 achats par clients, 1000 interaction annuelles ????
- 3. Avertissement Plus de données ≠ meilleure connaissance Aucune connaissance se se construit à partir des données, seule la théorie donne sens au données. Inutile d'avoir beaucoup de données, de bons échantillons suffisent (la barre des 10 000). Plus de données ≠ meilleure prédiction Ne pas ignorer les auto-prophéties : le risque de l'instabilité. Prédire c'est modifier ce qu'on prédit Le volume des données est sans rapport avec leur qualité : 1/3 des données du net sont sans doute mensongères. Une très grande fraction est redondante. La quasi totalité est partielles.
- 6. 1850 : Navier-stokes WAVEWATCH III™ (Tolman 1997, 1999a, 2009) Based on of the model WAVEWATCH, as developed at Delft University of Technology (Tolman 1989, 1991a)
- 7. Des 3V au 3S Volume : Granularité : tera, peta Finesse de zeta,,hexa.. non l'espace-temps structurées (POS/j). Vélocité : Sémantique : pas de latence RDF et linked data entre acquisition et le sémantique ? et exploitation Singularité : Variété : une chance pour de tout sur tout... 10000 est une régularité.
- 8. Une nouvelle granularité Les vertus du grand nombre Fournir des éléments pour une connaissance locale L'exception qui devient une règle : le fait probable à 1 pour 10 000 devient une régularité L'instantanéité Accroissement de la réflexivité : les effets de l'action peuvent être immédiatement répercutée auprès de son auteur Ubiquité : La connaissance générale peut être particularisée Les modèles généraux peuvent être localisés.
- 9. Granularité : un dimensionnement Télécom : coordonnées et activités toutes les minutes : 10 millions de client génèrent 1500 infos par jour ; 15 To/j. Banques : 1 entretien tous les deux mois, 1 relevé mensuel, 4 coups de tel, 8 consultations : 600 millions de contacts mois (1ko/1Mo). (6 à 600To/an). Distribution : 1 achat semaine, 100 items par tickets, 20 millions de clients. 100 milliards d'actes d'achats (1ko->100To/an).
- 10. 190 000 000 nuités – 45000 hotels
- 12. La qualité et la quantité Faible : → Information Etudes & recherche structurelle (connaissance) Panels et baromètres Degré de CRM Spécificité De l'exploitation de l'information Big data Forte : → Information Factuelle (intelligence) Opinion BB Interactions Experience Volume des données
- 13. Les champs des études (retail) Quelques domaines : Optimisation des assortiments et linéaires Optimisation des Prix Crossselling Microsegmentation Analyse du parcours client Comportement cross-canal Promotion Fidélisation Les nouveautés : l'omniprésence et le faible coût des capteurs Modéliser au niveau du point de vente, du rayon... Réajustement des modèles en temps réels...
- 14. L'enjeu n'est pas dans les études La granularité conduit à des décisions locales et fréquentes qui risquent de dépasser les capacités humaines des managers → Conception d'outils pour les agents : Systèmes d'alerte Visualisation Indicateurs et tableaux de bords → Automatisation de la décision : Les gains se réalisent dans la somme de micro- décisions automatisée (exemple du pricing, du filtrage collaboratif)
- 15. La nécessité de compétences nouvelles Rapport McKinsey 2011 : 190 000 emplois aux US pour 2018. près de 2 millions de cadres concernés Intégration dans l'organisation. Formation des agents opérationnels aux interfaces Culture générale (quantitative) des managers Des grands domaines techniques: Maîtrise des modèles de données (MapReduce, Hadoop etc) Modélisation massive (économétrie, RO,...) Simulation (des tactiques) et méthode de monte carlo Intelligence artificielle pour l'automatisation de la décision Design des interfaces et modes de représentations
- 16. Conclusion Big n'est pas smart Big ne produit pas de décision stratégique, c'est une stratégie de la micro-décision. Le goulet d'étranglement est celui de l'analyse et de l'exploitation L'art de distribuer l'information dans l'organisation est la clé du succès Le big problème : quelle source de compétence : interne ou externe ?