D) Le Big Data
« Les données sont le nouveau
pétrole ».
Clive Humby.
1) Un environnement où
le nombre de données explose
Nous vivons aujourd'hui dans une société
où l'internet permet la création et la diffusion sans
égale de milliards de données. En effet, en 2012, plus de 2,8
zêta-octets (2000 millions de milliards d'octets) de données
personnelles ont été produites ou dupliquées par des
entreprises ou des individus selon l'atelier-Paris (2012). En effet, le
consommateur actuel est changeant et veut toujours avoir un service ou un
produit à la pointe de la technologie.Aussi, l'apparition des appareils
(toujours plus) connectés, des réseaux sociaux, ainsi que du
« marketing online » ou
« webmarketing » a pousséune communauté de
personnes à diffuser leurs informations personnelles sur internet. Des
réseaux sociaux comme « Facebook »
permettent aux utilisateurs de faire connaître facilement leur
préférences, ce qui donne la possibilité aux entreprises
de mieux cibler leur clientèle, et ainsi obtenir un taux d'attraction du
client plus élevé, maximiser leur chiffre d'affaire et leur
rentabilité tout en réduisant les coûts.
Face à la croissance exponentielle du nombre de
données créées et potentiellement utilisables, un simple
système de recueil d'informations n'est plus suffisant et les
entreprises doivent trouver un moyen de gérer cette masse
d'informations, et de lui donner de la valeur stratégique. C'est ce que
permet de faire le « Big Data ».
2) Volume,
Variété, Vélocité
Le Big Data peut être défini comme
« la gestion d'une quantité de données très
importante ». On peut le séquencer en trois parties selon
Doug Laney (2001) ou 3 « V ». Le premier
correspond au Volume d'échange de données de plus en plus massif,
le deuxième à la Variété de contenus de plus en
plus prolixe, et enfin le troisième à la Vélocité,
c'est à dire la facilité plus ou moins grande avec laquelle les
machines collectent et traitent les données en temps-réel (de
Stoecklin, 2014). En vérité, le Big Data est plus qu'une base de
données gigantesque et des technologies permettant de les exploiter,
mais il relève également d'un processus, d'une démarche
« visant à faire des données un mode de
décision, un actif stratégique et une nouvelle façon de
créer de la valeur » (de Stoecklin, 2014).
3) Les avantages du Big
Data
a) Performance pour l'entreprise
Comme nous l'avons expliqué plus avant, les
données brutes récoltées grâce à la veille
informationnelle n'ont aucune valeur. Il faut structurer les données
pour leur donner du sens. L'analyse de ces données représente
alors un enjeu majeur pour l'entreprise. En effet, coupler un système
de veille et d'intelligence économique, avec un système de Big
Data pourrait permettre de détecter des tendances de consommateurs, des
tendances de marché, et ainsi prévoir la quantité de
produits que peut absorber un marché donné, mais surtout de
manière automatisée. Le nombre de données pertinentes pour
les entreprises est devenu non négligeable selon une étude
menée par le cabinet McKinsey (McGuire et al, 2012).D'ailleurs, selon
McCafferty (2014),77% des managers ayant répondu à l'étude
considèrent que l'achat et la mise en place d'un système de Big
Data est une priorité, car il permettra d'obtenir un avantage
compétitif sur les concurrents.
Lavalle et al (2010) ont mené une étude parmi
plus de 3000 managers exécutifs dans plus de 30 industries à
travers une centaine de pays, et ont trouvé que la performance et
l'avantage compétitif étaient intimement connectés
à l'analyse de données permises par le Big Data. D'ailleurs,
« la corrélation entre la performance des entreprises et
un management basé sur l'analyse des données a des impacts
importants que ce soit sur la recherche de croissance, l'efficacité ou
productivité ou encore la différentiation
compétitive » (Lavalle et al, 2010).Contrairement
à ce que pense March, ceci conforte donc l'opinion selon laquelle les
managers basent leurs stratégies et leurs avantages compétitifs
sur la connaissance du marché, grâce aux informations
glanées par les veilleurs. Malgré cela, certaines
entreprises« ne savent pas quoi faire des données qu'elles
possèdent déjà » (Ross, Beath et Quaadgras,
2013), et ne savent pas comment analyser les données ou comment
interpréter les résultats obtenus (Lavalle et al, 2010).
D'ailleurs, nous avons parlé plus haut de six
assertions qui posent problème lors de la prise de décision, et
qui vont à l'encontre de la rationalité à laquelle devrait
être soumise la prise de décision dans les entreprises.
L'utilisation du Big Data, de par l'extraordinaire quantité de
données, de leur variété, ainsi que de la vitesse
à laquelle elles vont pouvoir être traitées, vont permettre
de prendre des décisions en réduisant le risque de positionnement
stratégique liés à une mauvaise prise en compte des
données collectées car trop abondantes.
b) La vitesse d'exécution
Le big data permet non seulement de collecter et de stocker
un grand nombre de données mais surtout de les analyser en temps
réel (McAfee et Brynjolfsson, 2012). Grâce à la vitesse
à laquelle sont réalisées les analyses de données,
le big data rend possibles et même plus précises les
prédictions réalisables à court terme selon McAfee and
Brynjolfsson (2012).En effet, comme le système de big data est
relié au logiciel de veille informationnelle, et que ce dernier
effectue, nous l'avons vu plus haut, une veille « tout
azimut », donc continue et extrêmement prolixe, les
données ou informations sont donc stockées de manière
presque instantanées dans le système de Big Data. Ainsi, comme
ce-dit système est doté de puissants algorithmes capables
d'analyser des informations en une fraction de seconde, une tendance de court
terme peut émerger rapidement, et être communiquée aux
managers en vue de la prise de décision. D'ailleurs, Bean (2014) nous
dit que le temps gagné provient surtout de la rapidité
d'exécution du système de big data entre le moment ou les
données sont collectées et celui où elles sont
analysées. C'est donc cette vitesse d'exécution qui va procurer
un avantage compétitif à l'entreprise qui possède un
système de Big Data.
E) Les avantages de ma
réponse à la problématique pour Thales Helicopter
Avionics :
Une réponse à la problématique de ce
travail pourrait permettre à Thales Helicopter Avionics de
développer un avantage compétitif, à la fois en terme de
temps mais également en terme de technologie utilisées pour
fabriquer les produits. Plus globalement, cela pourrait aussi avoir pour
conséquences de convaincre les managers d'entreprises du
bien-fondé ainsi que de la nécessité de disposer d'un
système de veille et d'intelligence économique. De la sorte, ils
pourraient devenir convaincu que même si la valeur de l'information n'est
pas quantifiable dans l'immédiat, les conséquences sur leurs
entreprises peuvent être particulièrement importantes,
positivement ou pas. De plus, ce travail pourrait permettre à Thales de
maîtriser d'avantage le palier de l'intelligence économique, de
mettre en place un système de statistique et d'arithmétique afin
de comparer les tendances de marchés déjà établies
avec de nouvelles possibilités. Nous pourrions ainsi confronter ces
différentes possibilités et améliorer notre vision de
l'environnement puis renforcer ou modifier notre positionnement si besoin.
Il appartient au département de la stratégie de
la Business Line Thales Helicopter Avionics de prévoir
l'évolution du marché de l'hélicoptère. Nous
disposons donc d'outils nous permettant de détecter certains signaux
d'alerte indiquant une action de la compétition, des clients et
particulièrement de potentiels prospects. Nous maîtrisons à
l'heure actuelle le palier de la veille informationnelle, mais le changement
d'outil auquel nous procédons engendre une remise en cause du processus
d'intelligence économique dans son ensemble. La manière dont les
informations vont être recherchées, validées,
diffusées, traitées, analysées, qualifiées, va
être complètement différente. D'ailleurs, le principal
livrable de l'intelligence économique chez Thales Helicopter Avionics ne
peut être mis à jour que de manière annuelle. Il est
essentielde parvenir à maîtriser à nouveau le palier de la
veille le plus rapidement possible après la mise en place du nouvel
outil, afin de continuer à demeurer informé et à jour de
l'évolution du marché, des technologies, des opportunités
de développement pour l'entité et surtout de continuer à
capitaliser l'information.
Mais le palier de l'intelligence économique est plus
difficile à atteindre qu'il n'y paraît, en partie car les
personnes qui sont en charges de l'intelligence économique ne sont pas
exactement les personnes qui possèdent les informations les plus
stratégiques, à cause du cloisonnement de l'information en
interne. En effet, les managers, les sales, le marketing et les directeurs de
programmes sont généralement les plus demandeurs en informations.
Cependant, il se trouve que leurs réseaux professionnels leurs apportent
des informations parfois plus stratégiques que celles que les veilleurs
peuvent acquérir. En conséquence, de grands espoirs sont
placés dans la veille informationnelle, espérant que les
veilleurs vont pouvoir leurs procurer des informations capitales et peu
accessibles par l'ensemble des acteurs du marché. Or c'est
extrêmement difficile, et autrement onéreux.
F) Mon point de vue
personnel
Peut-être serait-il plus opportun de rapprocher les
systèmes d'intelligence économique des preneurs de
décisions dans les entreprises de manière générale,
afin de cloisonner l'information juste assez pour conserver le niveau de
sécurité des informations et des volontés d'expansion dans
les entreprises, tout en permettant de faire réellement de
l'intelligence économique mais également de l'intelligence
collective, c'est à dire croiser les informations issues du
réseau et de la veille informationnelle et permettre aux collaborateurs
d'échanger les informations de manière plus efficace, afin de
créer de la valeur. Or les preneurs de décisionsne disposent pas
d'assez de temps pour participer plus profondément au processus
d'intelligence économique.
L'autre option consisterait alors à faire
évoluer la culture de cloisonnement des informations, et à faire
en sorte que les détenteurs d'informations stratégiques acceptent
de les partager avec leurs collègues, et tout particulièrement
les veilleurs et les responsables d'intelligence économique. Ces
derniers pourraient alors aiguiller leurs recherchesen temps réel,
qualifier et croiser les informations dont ils disposent. Evidemment, j'ai
parfaitement conscience que certaines informations ne peuvent être
partagées ouvertement.
Encore une fois, je pense que la recherche ainsi que les
entreprises ont tendance à faire un amalgame important entre la veille
informationnelle et l'intelligence économique. J'ai également le
sentiment que les managers ont du mal à évaluer, quantifier la
valeur d'un système d'intelligence économique, ce qui peut
représenter un frein à l'utilisation de ce système, et
donc à son adoption. En effet, la culture d'entreprise de nos jours nous
incite à utiliser des systèmes et des objectifs
« S.M.A.R.T », autrement dit « spécifique,
mesurable, atteignable, réaliste, et temporel ». Comme
la valeur de l'information n'est pas quantifiable ou
mesurableimmédiatement, il peut s'écouler un laps de temps
relativement important entre le moment où l'on acquiert l'information,
et le moment ou un flux de trésorerie s'opère. Je prends
l'exemple des flux de trésorerie car ce sont les principaux sujets
d'intérêts des managers (Chiffre d'affaire, marge brute et nette,
etc...).
A mon sens, la vitesse d'exécution dans le traitement
et la qualification des données va représenter l'un des enjeux
majeurs au cours des prochaines années en ce qui concerne à la
fois la veille l'intelligence économique et que le Big Data.
Actuellement, le traitement et la qualification de l'information se fait par
action humaine. Etant moi-même veilleur, je suis en mesure d'affirmer que
ceci est très chronophage. Cependant, quand les machines auront
été doté d'algorithmes suffisamment performants pour
déterminer toutes seules la valeur d'une information, ainsi que de son
impact sur l'environnement de l'entreprise et sur cette dernière, les
preneurs de décisions en milieu d'entreprise disposeront d'un avantage
compétitif de temps plus que certain.
Concernant le système de Big Data, il est important de
noter qu'il ne permet que de donner un certain nombre de réponses
à des questions. Tout l'enjeu réside donc premièrement
dans le fait qu'il faut savoir poser la bonne question. Deuxièmement,
les analystes devront être en mesure d'interpréter les questions
posées par les managers dans le langage du système de Big Data et
inversement, afin d'interpréter les résultats aux
managers.Ensuite, les managers d'entreprises devront être en mesure de
placer les bons analystes aux bons endroits. Les analystes seront ceux qui
auront les responsabilités à la fois techniques
(paramétrer les outils de la manière la pus performante), et
marketing (analyser les résultats sortis du système
d'intelligence économique et de Big Data) et qui seront capables
d'interpréter les chiffres.
Au travers de cette deuxième partie, nous avons
abordé les différents concepts liés à la question centrale, à savoir comment une
entreprise peut donner de la valeur concurrentielle à ses informations
afin d'en tirer un maximum de bénéfices. Nous avons
également examiné le concept du Big Data, et ce qu'il va
permettre de faire en terme d'intelligence économique. Il va
également permettre de franchir un pas dans la collecte et a gestion des
données, ainsi que dans la vitesse à laquelle il va analyser les
informations. Nous allons examiner dans la troisième partie comment nous
pourrions mettre en place un système d'intelligence économique.
| 
