Rechercher
Ajouter un communiqué de presse Se connecter

IA: de l’importance de la small data pour les entreprises. Par MyDataModels

Date Communiqué de Presse : 19 décembre 2022

Data, Data, Data. Les données sont depuis les dix dernières années, le veritable or noir des entreprises. L’analyse de grandes quantités de données, c’est-à-dire la Big Data, est désormais la spécialité de nombreuses start-ups et de géants de la tech. Précieuses et sources de croissance, la Small Data, est quant à elle moins connue que la Big Data, mais change déjà notre façon de prendre des décisions, de travailler et de gérer les entreprises. D’après une étude de Gartner, ces petites données opérationnelles générées par les entreprises représentent d’ailleurs 80 % de la quantité totale de données dans le monde.

Commençons d’abord par définir la Small Data
La Big Data suppose des téraoctets, voire des pétaoctets de données stockées dans le Cloud avec la nécessité d’automatiser leur analyse pour obtenir des résultats. La Small Data, quant à elle, se concentre sur des données opérationnelles dites compréhensibles, accessibles et rapidement exploitables par des experts sans formation spécifique. Elles sont d’ailleurs omniprésentes. En outre, les ensembles de données Small Data se concentrent sur un sujet spécifique, tel qu’un rapport de vente ou une analyse médicale.
D’ailleurs vous utilisez probablement la Small Data sans vous en rendre compte dans votre vie professionnelle quotidienne, lorsque vous travaillez sur des rapports Excel ou CSV. En d’autres termes, lorsque vous travaillez sur une feuille de calcul Excel de 300 lignes et 15 colonnes, ce qu’on appelle des petits jeux de données, pour analyser les derniers rapports de votre équipe opérationnelle et commerciale et trouver des modèles et des idées récurrents, vous effectuez une analyse Small Data !

La Big Data s’appuie sur des data scientists et d’énormes infrastructures informatiques. Pendant ce temps, les véritables experts travaillent tous les jours sur leurs ensembles de Small Data sur leurs ordinateurs.
Une comparaison classique est que la Big Data est traitée par des machines tandis que les humains travaillent sur la Small Data. L’analogie est partiellement vraie car l’intervention humaine est obligatoire pour les projets Big Data. Mais la particularité des projets Small Data est qu’ils sont beaucoup plus proches du travail quotidien des experts métier. Grâce à l’Intelligence Artificielle, plus légère mais tout aussi efficace que celle utilisée pour les projets Big Data, l’analyse de la Small Data est opérationnelle et actionnable plus vite que pour les projets Big Data. Les investissements sont d’ailleurs moins coûteux et beaucoup moins longs. Il s’agit d’un véritable levier pour les Chief Data Officer (CDO) qui ont parfois du mal à légitimer leurs investissements en Intelligence Artificielle auprès de leur management et ceci est facilement compréhensible puisque 85 % des projets Big Data échouent, toujours selon Gartner.
Un responsable marketing analyse ses enquêtes clients. Un expert en R&D teste différentes combinaisons et doses de produits chimiques. Un responsable de la chaîne d’approvisionnement doit embaucher des intérimaires en fonction de la demande de son entrepôt. Ces cas d’utilisation semblent familiers ? Ils reposent tous sur des analyses de Small Data, quelle que soit la taille de leur entreprise.
L’introduction de techniques innovantes d’intelligence artificielle et de machine learning (apprentissage automatique) dans les analyses Small Data et leur mise à la disposition de tous les professionnels vont révolutionner notre façon de travailler. Pour les entreprises axées sur les données, la Small Data est la solution idéale pour permettre la création de valeur en leur donnant accès à des informations faciles à comprendre et exploitables pour guider leurs décisions.

Small Data, Big Impact ! Découvrez les plateformes d’intelligence décisionnelle pour améliorer votre activité en utilisant votre propre Small Data.

A propos de l’auteur Mathieu Zamanian, CEO de MyDataModels.
Mathieu est titulaire d’un master en ingénierie de Polytech Paris Sud, en France, et d’un master en administration des affaires de la Pepperdine University, en Californie. En tant qu’entrepreneur, il apporte un large éventail d’expériences acquises en développant des entreprises à l’échelle internationale. Sa carrière impressionnante s’étend sur plus de 25 ans, notamment en tant que vice-président régional des ventes pour l’Europe (EdCast) ; directeur général pour la France (EF Corporate Solutions) ; directeur de l’exploitation (Zags) ; directeur commercial principal (GenomeQuest Inc.) ; cofondateur et directeur général (BSEEN International) ; directeur de comptes mondiaux (IBM).