Les data scientists peuvent mettre en application leur expertise en matière de nettoyage, d’intégration et de modélisation des données pour faire la lumière sur des questions complexes.
Aperçu
Actuellement, la science des données a le vent en poupe. Bien évidemment, ce n'est pas la première fois que cela se produit : 2008 et 2016 ont été d'autres années fastes pour la discipline, lorsque le grand public s'est intéressé à l'exploitation des données afin de tenter de prédire le destin politique des Etats-Unis. (Les données ont fourni des prédictions plus précises lors de la première – « Comment les démocrates ont gagné la guerre des données en 2008 » – que lors de la seconde – « Comment les données nous ont fait défaut pour prédire le résultat d'une élection ».) En 2020, alors que les gouvernements s'efforcent de limiter la propagation du virus, le public a pris davantage conscience de l'impact de la data science sur nos vies.
Parallèlement à cette prise de conscience, le grand public perçoit également les nombreuses complexités qui peuvent découler de science des données. Alors que des personnes issues de disciplines et d’horizons différents publient des graphiques épidémiologiques et des courbes « R-nought » sur les médias sociaux, elles s'engagent dans le même temps dans des débats sur la signification de ces données et sur les modèles auxquels il faut prêter attention.
Les Big Data scientists ne sont pas étrangers à ces discussions devenues monnaie courante dans le monde de l’entreprise et savent que, tant qu’ils demeurent collégiaux, les désaccords sont inévitables, voire nécessaires pour développer des modèles plus précis.
Sarah Callaghan encourage les data scientists à participer au Kaggle COVID-19 Open Research Dataset Challenge (CORD-19), un défi qui répond à l'appel lancé par l'Office of Science and Technology Policy (ou Bureau de la politique scientifique et technologique) de la Maison Blanche pour répondre aux problèmes liés à la pandémie de COVID-19 à résoudre en priorité. Elle ajoute que le défi Kaggle représente « une occasion pour tous de travailler en équipe et de s'appuyer sur nos forces respectives ».
Ces initiatives de collaboration donnent aux entreprises un aperçu des facteurs qui peuvent conduire un groupe de personnes à atteindre un consensus et à obtenir des réponses exploitables. Si de tels efforts peuvent être déployés à vaste échelle pour s'attaquer à l'un des problèmes les plus complexes auquel le monde a dû faire face au cours de ce siècle, la création de politiques et d'initiatives efficaces en matière de données collaboratives au sein de l'entreprise est à portée de main.Il est crucial pour une entreprise d’analyser l’ensemble de ses données. C'est dans cette optique que nous avons conçu Vantage, le logiciel d'analyse de données cloud hybride capable d’exploiter l'ensemble des données d'une entreprise. Nous étions conscients du fait que ce niveau de visibilité constituerait le meilleur moyen pour les dirigeants d'établir des connexions impossibles à repérer d’une autre manière.
Dans un premier temps, pour permettre aux collaborateurs d’avoir accès aux données, la gouvernance ne doit pas se contenter d'assurer leur intégrité et leur sécurité. Elle doit être développée dans le cadre d’une stratégie de gestion de l'analyse de données plus large. Il est possible de créer une architecture de données en couches qui permet de garder le contrôle sur les métadonnées, comme les règles de gestion et les critères de définition , tout en permettant aux collaborateurs d'accéder aux données de manière agile. Par exemple, l'entreprise peut ouvrir des ensembles de données brutes et non structurées aux data scientists techniques, mais créer en parallèle des interfaces plus structurées et automatisées pour les analystes métier. Ces deux fonctions conservent ainsi l'autonomie dont ils ont besoin pour travailler avec les mêmes données et obtenir des informations, tandis que la sécurité et l'intégrité des données demeurent intactes.
L'entreprise peut créer cette même atmosphère de communauté et ce même niveau de soutien en instaurant une culture de l'apprentissage en continu, où le partage des idées et la collaboration entre les différents participants sont récompensés. Chez Teradata, nous disposons d'une plateforme appelée Transcend qui contribue au développement de notre culture d'apprentissage collaboratif. Ainsi, les collaborateurs utilisent Transcend pour faire leurs expériences en toute sécurité avec nos données d'entreprise et visualiser le travail déjà réalisé par les autres équipes, tout cela dans le but commun d'optimiser nos produits et nos services en fonction des besoins de nos clients.
La présentation des données dans un contexte à l'échelle et leur comparaison avec d'autres valeurs de référence plus familières permet d'obtenir des réponses que les données prises de manière isolée ne pourraient jamais dévoiler. C'est pourquoi il est important d'intégrer les ensembles et les types de données, et de donner aux data scientists les outils nécessaires pour visualiser et communiquer sur le contexte des données. C'est ce contexte, souvent par le biais de visualisations de données faciles à comprendre d'un simple coup d'œil, qui permet aux data scientists d'aider le public à prendre toute la mesure de la menace que représente le virus et à agir pour ralentir sa propagation.
De leur côté, les chefs d’entreprises ont pour responsabilité d’éliminer les obstacles qui se dressent sur le chemin de tout collaborateur qui suhaiterait obtenir des réponses grâce aux données. C’est d’ailleurs souvent le cas pour bon nombre d’entre eux, surtout lorsque l’entreprise est dotée d'une culture d'apprentissage florissante et a toutes les cartes en main pour faire la différence.