Les 5 tendances data qui vont faire 2023

#1 : ouvrir (grand) la donnée aux métiers

Un principe somme toute assez ancien qui vise à donner aux métiers la capacité de construire leurs propres cas d'usage. La maturité à la fois des organisations et des solutions concourent à accélérer cette tendance. Par ailleurs, le dogme MOE / MOA est en train de tomber peu à peu et les DSI sont aujourd’hui en capacité de proposer des services data aux métiers pour que ceux-ci soient autonomes sur la valorisation de leurs données. Au cœur de cette tendance, la "data préparation" : reprise en main du processus analytique, sourcing et rapprochement des données, nettoyage, qualification… Sans oublier l'émergence du rôle des "Citizen Data Scientists" : des experts métiers formés et outillés qui jouent désormais un rôle critique dans l’intégration, la gestion et la diffusion des données dans l’ensemble de l’organisation.

#2 : gouverner la donnée

Alors qu'on n’a jamais autant produit, collecté et consommé de données, la question de leur qualité – et de leur partage sécurisé – est centrale. L'enjeu : garder la maîtrise de la donnée, tout en respectant les règlementations, notamment en matière de protection et de confidentialité. Première étape, clarifier les rôles : qui est le "propriétaire" des données, qui les diffuse, qui valide les changements ? Ensuite : s'accorder sur un référentiel. Par exemple, s’agissant de données client : quels sont les attributs d'un client ? Sont-ils partagés par toutes les directions métiers ? Le même travail doit être mené pour les données marketing. Pour ne pas se noyer dans la masse d'information, un référentiel s'avère indispensable. Il marque aussi la fin d'un mythe : celui du big data. Il ne suffit pas de plonger toutes ses données dans un data lake pour accomplir des miracles. Des investissements sont nécessaires pour mettre en place les fondements d’une gouvernance au travers des cas d’usages, de manière pragmatique.

#3 : construire des plateformes de données ouvertes et évolutives

Nos clients nous demandent aujourd'hui des plateformes agiles, pour commencer petit, sans complexité inutile, puis d’accompagner leur croissance et leur maturité. Mais… Modernisation ou Big Bang ? Full cloud, on-premise ou approche hybride ? Deux questions à se poser : comment obtenir une plateforme agile et scalable en fonction des besoins et usages de mon entreprise ? Et comment pouvoir récupérer et exploiter la donnée – toute la donnée – le plus rapidement possible ? Les plateformes et outils de Business Intelligence se sont complexifiées, car les données entrantes, plus nombreuses et plus hétérogènes, doivent alimenter plus vite des use cases plus exigeants. La question de la circulation de l'information devient cruciale. En la matière, aucune solution sur étagère ne peut donner entière satisfaction. Rien ne vaut une approche personnalisée, avec une feuille de route à 3-5 ans, selon son historique, sa maturité, son patrimoine, avec une étude FinOps et des évaluations à chaque étape. Sans jamais perdre de vue l'objectif principal : valoriser les cas d'usage, puis le graal avec la monétisation de la donnée.

#4 : penser Intelligence artificielle et Machine Learning

L'IA démontre son plein intérêt quand elle s'appuie sur des données de qualité, en volume. Il ne faut pas attendre de miracle en faisant tourner des algorithmes puissants sur des données erronées ou incomplètes. Les principaux critères de réussite ? Le déploiement de modèles, l'intégration aux flux de travail, la mise à l’échelle de l’IA dans l’entreprise et la réduction du temps de compréhension comme de valorisation de la donnée. Finie l'exploration "hors sol" ; les data scientists se rapprochent des métiers, avec une vision globale et une offre de services complète. Objectif : apporter des bénéfices concrets, réussir les phases d'industrialisation et laisser les experts se concentrer sur l’analyse. Là encore, gouvernance et plateforme adaptées démontrent tout leur intérêt. Enfin, les solutions d’IA responsables se développent, fondées sur la confiance, la connaissance du risque, l’éthique, la sécurité et la transparence.

#5 : prendre en compte les critères ESG

Différents paramètres l'expliquent. Enjeux de compliance, d’abord : la réglementation évolue (DPEF¹), les règles se sectorisent (Green Asset Ratio²), les acteurs économiques demandent toujours plus de transparence. Enjeux concurrentiels ensuite pour maitriser les risques et dépendances, attirer les clients et démontrer ses actions concrètes. Et enjeu humain enfin. A l'heure de la pénurie de talents, "donner du sens" et prouver ses engagements devient indispensable pour attirer et conserver les meilleurs éléments. Il s'agit aussi de sensibiliser l'ensemble des collaborateurs pour favoriser l’innovation en la matière. Le rôle de la data s'avère bien sûr crucial, avec une double facette : quel est l'impact de mes activités data ? Et comment la donnée peut m'aider à mesurer et piloter mes efforts (raison d’être, matrice de matérialité, diagnostic…) ? Par ailleurs, alors que de plus en plus de décisions reposent sur l’Intelligence artificielle, l’éthique devient primordiale - protection de la vie privée, transparence des algorithmes, équité et non-discrimination, traçabilité… Une tendance bénéfique et séduisante, qui augure de nombreux chantiers… et d'une passionnante année !