annuler
Affichage des résultats de 
Afficher  uniquement  | Rechercher plutôt 
Vouliez-vous dire : 
AGuercio
MEGA
MEGA

Big Bang : du bruit à la naissance

Alors que vous lisez ces lignes, il est fort probable qu’un bébé pleure … quelque part. Vous ne l’entendez pas, personne ne vous prévient, donc vous ne le savez pas. D’ailleurs vous ne vous en souciez guère.

C’est alors que votre petit voisin de palier se met à hurler. Cette fois vous êtes bien obligé de l’entendre. Mais que faire ? Il faut bien que jeunesse se passe … La situation est différente quand il s’agit de votre propre bébé. Aussitôt qu’il pleure, vous vous précipitez dans sa chambre !

Décidé à intervenir au plus tôt, vous n’avez pas lésiné sur les investissements : ce baby-phone ne vous quitte plus. Vous en avez choisi le canal pour ne pas interférer avec celui du petit voisin. Lassé de vous précipiter au moindre gazouillis, vous avez soigneusement réglé la sensibilité de l’appareil.

The DIKAR model

Du bruit, il y en a partout et depuis toujours. Seuls les bruits qui vous touchent sont susceptibles d’être étiquetés pour former une donnée. En lui donnant une signification, elle seule - ou ses accumulations ou ses comparaisons ou ses recoupements - deviendra une information.

The DIKAR modelCette information va s’intégrer (ou pas) à votre connaissance et vous pousser (ou non) à une prise de décision, à une action. C’est le modèle DIKAR de Venkatraman [1996] : Data > Information > Knowledge > Action > Result

Toute transformation s’appuie sur un modèle d’interprétation de l’environnement. Ce modèle dépend de votre activité, de vos objectifs, de l’état de votre organisation, de vos capacités d’action, ...

Plus l’exigence de performance est forte, plus la pertinence du modèle doit être élevée. Plus le besoin de partage est vaste, plus la formalisation s’impose. Plus l’environnement évolue rapidement, plus le processus de modélisation se doit d’être agile.

From Big Data to Big Result

Comme souvent avec les "buzz words", on met plein de choses sous l’appellation Big Data. Cela va de l’usage de technologies nouvelles (Hadoop, Cassandra, …) qui sont mises au service de pratiques déjà existantes (une Business Intelligence plus souple, plus rapide, plus massive, …), jusqu’au lancement de pratiques intrinsèquement innovantes.

Parmi ces dernières, les plus connues visent à identifier des corrélations dans le traitement statistique de très grandes quantités de données, qu’elles soient structurées comme des formulaires, des bases de données, … ou non structurées comme des traces de navigation ou de recherche sur Internet, des expressions dans des mails ou sur les réseaux sociaux, ….

Sans négliger les problèmes de sélection et de qualité des données, l’espoir de trouver des corrélations n’est pas vain. Il serait même surprenant de ne trouver aucune corrélation dans la masse de ces sources ! Mais les corrélations trouvées sont-elles de nouvelles pistes de connaissance ?

L’analyse de ces corrélations permet-elle d’affiner la perception de l’environnement que l’on avait déjà, et jusqu’à déboucher sur un avantage compétitif ? Ces nouvelles technologies et la seule « data » suffisent-elles, ou est-il nécessaire de faire un pas de plus dans le modèle DIKAR ?

Ce petit pas de plus dans votre modèle d’information peut être un grand pas pour votre positionnement dans votre marché. Après celui des GAFA, des NATU, des Uber, … ce pas supplémentaire peut être à l’origine de votre prochain modèle d’affaire, peut-être plus modeste mais tout aussi « disruptifs » comme l’a fait « Why-Cry » ce baby-phone qui analyse les cris de bébé 1.

Faut-il (encore) architecturer l’information ?

Il n’y a pas si longtemps, on n’envisageait pas de manager un système d’information sans connaître les informations qui forment le cœur du système. Depuis, il y a eu la grande vague des externalisations, des progiciels et des projets d’intégration qui ont mobilisés beaucoup d’énergie.

Le modèle d’information étant embarqué dans le progiciel, l’apport du SI sur la compétitivité ne repose alors que sur l’excellence de sa mise en œuvre et que très marginalement sur sa conception, son originalité.

Dans notre monde digital où le moindre « clic » peut apporter une différenciation majeure, on peut être tenté de faire sécession et de mettre en place un SI à « deux vitesses » avec un SI agile pour la relation client et un SI structurant pour le reste.

Une simple carte des processus « de bout en bout » montre les limites d’une approche trop cloisonnée, car l’information pertinente doit irriguer l’ensemble des métiers pour bénéficier de l’effet système.

Architecturer l’information consiste à identifier les concepts métier et leurs articulations, qualifier leur sémantique et tracer leur(s) implémentation(s) à travers les organisations et les applications informatiques, et jusqu’au niveau les plus fins quand cela est nécessaire.

Chez MEGA, on sait bien que l’élaboration et la gouvernance de cette double traçabilité des informations - horizontale le long des processus et des capacités métier, et verticale suivant les couches d’implémentation de l’architecture – ne peut s’envisager que dans le cadre d’une démarche outillée d'architecture d'information.


Source:

1. www.why-cry.com