Contenu
- Qu'est-ce que les données sombres?
- Différence entre Big Data et Dark Data
- Raisons pour lesquelles les entreprises construisent des données sombres
- Potentiel de données sombres
- Prédire la demande et résoudre les problèmes
- Construire une chaîne d'approvisionnement plus intelligente
- Améliorer la qualité du produit avec les commentaires des clients
- Conclusion
Source: Agsandrew / Dreamstime.com
À emporter:
Les données sombres sont des données qui ne voient jamais la lumière du jour, mais ces données longtemps ignorées pourraient être utiles aux organisations.
Il existe deux manières de visualiser l'impact des données sombres sur le monde du Big Data:
- Comme les opportunités cachées dans le Big Data
- Comme les risques des données sombres pose
Presque toutes les entreprises stockent des données sombres pour différentes durées, sans aucune analyse. Ce faisant, ils perdent la possibilité d’obtenir les informations que les données non analysées auraient pu révéler. Le stockage de données invisibles pendant une aussi longue période comporte également plusieurs risques, tels que des avantages juridiques, financiers, de réputation et la perte d’avantages concurrentiels. Les entreprises doivent mieux utiliser leur référentiel de données sombres, non seulement pour améliorer leurs activités, mais aussi pour minimiser les risques.
Qu'est-ce que les données sombres?
Presque toutes les entreprises collectent d'énormes volumes de données dans le but de mieux comprendre le comportement des clients, les processus de développement de logiciels, les temps de réunion et la productivité, ainsi que la convivialité des sites Web. Ces informations aident les entreprises à fournir des produits et des services améliorés. Cependant, il peut être surprenant qu'un grand pourcentage des données ne soit pas utilisé pendant de longues périodes. Les entreprises se contentent de le stocker sans effectuer d'analyse. Cette catégorie de données s'appelle des données sombres et la taille de cette catégorie est énorme. IDC estime que 90% du total des données générées sont des données sombres, ce qui constitue une observation importante. Gartner définit les données sombres comme suit:
«Les organisations d’actifs d’information collectent, traitent et stockent leurs informations au cours de leurs activités commerciales habituelles, mais ne s’utilisent généralement pas à d’autres fins (par exemple, analyses, relations commerciales et monétisation directe). Semblable à la matière noire en physique, les données sombres englobent souvent l’univers des actifs informationnels de la plupart des organisations. Ainsi, les organisations conservent souvent des données sombres à des fins de conformité uniquement. Le stockage et la sécurisation des données entraînent généralement plus de dépenses (et parfois de risques plus importants) que de valeur ».
Quel type de données n'a pas été analysé? Les catégories de données suivantes se qualifient pour la catégorie de données sombres:
- Données brutes de l'enquête
- Données client
- Données sur les employés précédents
- États financiers
- conversations
- Transcriptions de chat
- Transcriptions du centre d'appels
- Données du compte
Différence entre Big Data et Dark Data
Les données sombres sont un sous-ensemble des données volumineuses. Il y a donc deux parties de données volumineuses collectées: analysées et non analysées. Les données non analysées sont des données sombres. Fait intéressant, les données non analysées constituent la plus grande partie du Big Data.
Raisons pour lesquelles les entreprises construisent des données sombres
La liste des types de données donnée ci-dessus pourrait potentiellement apporter beaucoup de valeur à une entreprise. Pourtant, il est surprenant qu’ils restent sans surveillance. Il y a plusieurs raisons à cela, mais la plus importante semble être le manque d'investissement. Nous donnons ci-dessous quelques raisons pour lesquelles le stock de données sombres se constitue.
Vous ne pouvez pas améliorer vos compétences en programmation lorsque personne ne se soucie de la qualité des logiciels.
Cette raison est liée au manque d'investissement. Si la collecte de données est effectuée par des technologies qui n'interagissent pas, cela empêche l'organisation de créer une stratégie de données complète. De nombreuses entreprises aux technologies antidatées ont du mal à intégrer les données collectées à partir de différentes sources, telles que les transcriptions de discussion de centre d'appels, les données de clics sur les sites Web et les données de vidéoconférence. Pour traiter et intégrer différents formats, vous avez besoin d’une technologie appropriée.
Potentiel de données sombres
Cela ne prend pas un génie de comprendre que si 90% des big data sont des données invisibles, il s'agit potentiellement d'un territoire d'opportunités inexplorées et négligées. Comme le soulignent les raisons ci-dessus, les entreprises n'utilisent pas les données sombres car elles offrent peu de valeur, mais à cause de leurs propres limites. Il est donc établi que les données sombres ont beaucoup de potentiel. Essayons de comprendre ce potentiel avec l'aide du secteur manufacturier.
Selon une étude de Frost & Sullivan, «l'Internet des objets, l'Internet des services, le Big Data et l'industrie intégrée auront un impact décisif sur toutes les parties de la chaîne de valeur de la fabrication». Le secteur de la fabrication tire des données précieuses des éléments suivants:
- Journaux de la machine
- Capteurs d'équipement
- Télématique produit
- Clickstream consommateur
- Des médias sociaux
Prédire la demande et résoudre les problèmes
En analysant avec précision les données relatives aux flux de clics des clients et en obtenant la télématique des produits, les entreprises peuvent prévoir avec précision la demande et réagir de manière appropriée en optimisant l'offre de biens. Les entreprises peuvent également résoudre les problèmes en les isolant à l'aide de données sombres générées par des capteurs et de la télématique.
Construire une chaîne d'approvisionnement plus intelligente
Pour connaître avec précision le temps et le volume de la demande et répondre aux exigences de manière appropriée, les entreprises ont besoin d'une chaîne logistique intelligente et robuste. L'une des solutions consiste à disposer d'informations granulaires sur les différents composants de la chaîne d'approvisionnement. Les informations granulaires permettent aux entreprises d’obtenir qualité et livraison juste à temps. Et seules les données sombres peuvent fournir des informations granulaires sur la chaîne d'approvisionnement.
Améliorer la qualité du produit avec les commentaires des clients
En ces temps de changements, un client n'est plus quelqu'un qui consomme les produits. En un sens, un client est un ambassadeur de la marque qui peut promouvoir le produit par le biais du bouche à oreille, des références et des médias sociaux. Il est extrêmement important que les équipes de gestion des produits, de conception et d’ingénierie tirent parti des commentaires des clients et améliorent la qualité des produits. Les données sombres peuvent aider les entreprises de fabrication en fournissant une vue à 360 degrés du produit et de la façon dont il est vu sur le marché. Alors, que peut faire la société?
- Avoir un cadre d’analyse bien conçu qui exploite les données sombres et en donne accès à tous les intervenants.
- Réduisez les temps d'arrêt imprévus et imprévus lors du développement de produits à l'aide des données de capteurs et de la télématique, qui peuvent anticiper les dysfonctionnements ou les défaillances des produits.
- Intégrez la télématique aux médias sociaux afin que les commentaires des clients puissent être capturés en temps réel et que les données soient transmises au service concerné.
- Utilisez les données pour améliorer les fonctionnalités du produit de manière agile.
Conclusion
Le potentiel des données sombres est incontestable. Toutefois, les entreprises doivent également garder à l’esprit les risques associés au stockage indéfini et à la mauvaise gestion des données sombres. Les données sombres peuvent contenir des informations sensibles et toute fuite d’informations par inadvertance ou délibérée pourrait être source de problèmes. Les entreprises doivent disposer de bonnes technologies de balisage et de structuration des données afin que les données soient identifiées et classées. Cela est nécessaire même s'ils n'ont pas l'intention de l'analyser pour leur entreprise. Sinon, des problèmes financiers, réglementaires, une perte d’avantage concurrentiel et des problèmes juridiques pourraient suivre.