Les projets Big Data structurants pour les activités à venir de l’entreprise et dépassent donc l’enjeu technique. Il s’agit de mettre en place une démarche globale, transverse à tous les métiers, impliquant une nouvelle organisation, de nouvelles méthodes et des nouveaux outils. Voici, en résumé, quelques points essentiels à prendre compte pour créer les conditions de succès :
Technologie
- Prévoir l’intégration de plusieurs technologies à mettre en œuvre : chaque technologie apporte une fonctionnalité spécifique, et il faut souvent en utiliser plusieurs simultanément pour répondre à toutes les demandes (temps réel, analyse, IoT, volumétrie, format de stockage, …)
- Considérer que l’architecture doit être évolutive: les technologies évoluent très rapidement ainsi que les besoins, il faut prévoir une architecture offrant une souplesse à l’usage (API gateway, ESB, conteneurisation, …)
- Garantir la montée en compétence de tous les métiers techniques (développement, data science, infrastructure, maintenance, …) afin de bien exploiter le monde distribué
- Créer un univers de datascience avec des outils adaptés à l’exploration (python, jupyter, zeppelin, …)
Data
- Mettre en place une gouvernance autour de la data :
- Garantir la sécurité
- La qualité
- La gestion des habilitations
- Gérer les contrats avec les fournisseurs tierce
- Fiabiliser les sources des données: le plus gros coût dans le Big Data est le travail nécessaire pour disposer d’une donnée exploitable. Cela passe par :
- Le choix des partenaires
- La vérification de l’intégrité des données issues d’applicatifs internes (ex : ERP, CRM, …)
- La mise en place d’exigence métrologie pour garantir que l’on mesure les bonnes informations (IoT)
- Considérer les données brutes comme un patrimoine, la donnée une fois transformée est « corrompue » à jamais
- Tenir compte des contraintes de la GDPR dès le départ : répondre aux exigences à posteriori peut être très couteux
- Mettre en place une équipe de datascientists en tenant compte des spécialités et de l’expérience des profils
Organisation
- Adopter les méthodes et les outils permettant d’offrir une réactivité aux métiers et favoriser l’itération pour affiner les nouveaux produits / services :
- Mettre en place des approches UX (service design, design thinking, …)
- Favoriser les développements et déploiements rapides: l’objectif est de passer d’un prototype à une version industrialisée le plus rapidement possible.
- Mettre en place des équipes pluridisciplinaires, intégrant les métiers, les utilisateurs, les développeurs et les datascientists avec des méthodes comme le BDD (Behavior Driven Development)
- Acculturer les métiers à l’innovation et la data: mettre en place des BBL, des ateliers, des formations, des datacamp, challenges internes
- Créer de la curiosité et de l’émulation autour des projets : la communication interne est importante pour comprendre ce qui est fait et ce que l’on peut faire avec la data
- Réussir les premiers cas : en général, on favorise dans un premier temps des projets permettant un « quick win» sans impact majeur sur l’activité de l’entreprise. Cela permet à la fois d’ajuster l’architecture et de rôder les outils, les méthodes et l’organisation.
Article LinkedIn