blog_6-Keys-to-Future-of-Analytics

 

La « révolution Big Data » s’annonce comme étant le remède miracle à tous nos maux (voir article Le Big Data : nouvelle opportunité pour les assureurs ?). Mais si son potentiel d’exploitation est immense, il faut savoir en reconnaître les limites.

Une obsession dangereuse

Nombreuses sont les entreprises qui utilisent des analyses statistiques pour déterminer leur stratégie. Le Big Data, en ouvrant l’accès à toujours plus de données, se voudrait donc être un formidable outil décisionnel. Mais s’il offre des perspectives pour le moins séduisantes, il ne saurait se substituer aux outils de gestion classiques. Explorer de gros volumes de données pour explorer des tendances communes c’est bien, mais encore faut-il que ces données soient fiables lorsqu’il s’agit de traiter les cas individuels, de faire de la gestion… Or la multitude d’outils nécessaire à leur exploitation laisse présager des confusions sur les résultats. Et lorsqu’on sait que la qualité des données est un enjeu de taille pour nombre d’entreprises, notamment dans les secteurs très réglementés comme celui de l’assurance, on voit pointer les limites des systèmes Big Data.

Un concept pas toujours pertinent

Dans son rapport BiMA 2012/2013, Steria nous révélait que seulement 7% des participants considéraient le Big Data comme un sujet d’actualité. En effet, pour la plupart des petites et moyennes structures, le nombre de données brassées quotidiennement est bien loin des quantités gigantesques analysées par les grands groupes. Le Big Data serait donc jugé « surdimensionné » face aux enjeux à relever par les entreprises.

Les limites des statistiques

Le Big Data se fonde entièrement sur les statistiques. Il s’agit de récolter et d’analyser un maximum de données afin d’en dégager des tendances et donc des objectifs pour l’entreprise. Cependant, il serait vain de croire qu’il est la clef de l’analyse prédictive. De ce point de vue, les statistiques se heurtent à l’irrationalité des comportements humains, et il ne faut pas confondre lien de corrélation avec lien de causalité.

Pour toutes ces raisons, prenons garde à ne pas faire l’apologie du Big Data à tout prix. Autrement dit, l’introduction de celui-ci dans nos modèles ne doit pas nous détourner d’un autre objectif primordial : assurer une gestion efficace et fiable de nos données.