La data, c’est quoi ?

Quand vous êtes dans une activité industrielle ou de service, tous les jours vous réalisez des actions :  acheter de la matière première, comparer des fournisseurs, livrer un client, constituer une offre….

Certaines actions sont surement recensées dans un système central (c’est je l’espère le cas de vos dépenses). D’autres ne le sont probablement pas . Chacune de ses actions, qu’elle soit recensée ou non, va laisser une trace. Cette trace, c’est une donnée. Elle comporte un petit morceau d’information, qui pris tout seul ne veut pas dire grand chose, mais pris en plus grand nombres commence à être signifiant.

Pour les données cruciales (par exemple, pour les données financières), il existe déjà des structures humaines et logicielles pour tenir compte de ces données. Mais pour beaucoup d’autres, tout reste à faire. Car il ne suffit pas de les collecter, mais également de les traiter et de les analyser

Du No-Data au Too-Much-Data

Imaginez vous un instant à la tête d’un commerce (un magasin, un restaurant), il y a des prix sur vos produits, les clients vous paient et vous réglez vos factures, mais vous n’avez aucune trace de ces échanges… pas facile de savoir si on va être rentable à la fin du mois non?

Bon, comment améliorer cela ? Pour commencer je pourrais garder une trace de toutes les ventes et de tous les dépenses réalisées.  Je pourrais ensuite regarder les stocks.
Ce faisant, je pourrais ensuite compter le nombre d’articles vendus et croiser avec la marge faite sur chaque article, pour voir quels sont les produits qui se vendent le mieux. C’est finalement ces produits là qui feront que mon affaire sera florissante. Il faudrait probablement que les mettent mieux en avant, et un peu moins les autres.

Je pourrais ensuite noter l’heure d’arrivée des clients, le temps qu’ils passent dans le magasin, le type de paiement préféré, le montant moyen des commandes…. et croiser tout cela pour obtenir des informations de plus en plus précises mais aussi de plus en plus complexes, volumineuses et jusqu’à un point où mes capacités de récolte et de traitement de ces informations sera atteint.

Au final, cette petite expérience de pensée nous fait (si besoin) prendre conscience que plus on peut mesurer les choses, plus on est à même de les comprendre et d’agir en conséquence mais qu’il y a des limites dans le la collecte, le traitement et la pertinence de ces données.

Le Digital a la rescousse

Heureusement, il existe des outils puissants et qui continuent à se perfectionner :

Collecte de données : l’effet Internet des Objets

Parce que les capteurs et analyseurs se multiplient à des coûts de plus en plus faibles, on peut mesurer des passages, température, luminosité, accélération, débit, forme…. et analyser ces informations, combinée à de la vidéos, de l’audio et récolter des informations de plus en plus précises et à de moins en moins cher. La connectivité des dispositifs est aussi clé.

Et il y aussi toutes les données digitales elle-même, déjà sous forme numériques

Analyse de données : le big /smart data

Dans ce secteur aussi les choses se mettent en ordre:

  • traitement de quantité gigantesque de données
  • traitement en temps réel de flux (plutôt pratique pour conduire une voiture sans pilote non?)
  • traitement statistique, algorithmes d’optimisation, d’identification, de prédiction (machine learning)

il existe maintenant des plate-formes prévues pour fournir des services d’analyse en ligne de vos données (c’est le sens de la solution Azure chez Microsoft ou plus près de chez nous chez une start-up comme Verteego )

Et sur la pertinence des données

Sur ce domaine en revanche, désolé de vous décevoir, mais il ne reste que le bon sens des hommes et femmes qui travaillent avec vous pour vous aider. Compter le nombre de vos clients qui portent la barbe ET promènent un chien ne vous apprendra pas forcément beaucoup sur comment améliorer la productivité de votre PME industrielle.

Mais bon, ne vous inquiétez pas : il vous reste Lab & Fab.