Etude Databricks : Quelles priorités des entreprises pour devenir data-driven ?
Databricks révèle les résultats de l’étude « Bâtir une entreprise à haute performance fondée sur les données et l’IA », réalisée en association avec la MIT Technology Review. Cette étude repose sur une enquête menée auprès de 351 dirigeants en charge des données et de l’analytique au sein d’entreprises internationales d’au moins 1 milliard de dollars de chiffre d’affaires annuel dans 14 secteurs d’activité.
Databricks révèle les résultats de l’étude « Bâtir une entreprise à haute performance fondée sur les données et l’IA », réalisée en association avec la MIT Technology Review. Cette étude repose sur une enquête menée auprès de 351 dirigeants en charge des données et de l’analytique au sein d’entreprises internationales d’au moins 1 milliard de dollars de chiffre d’affaires annuel dans 14 secteurs d’activité. Elle s’appuie également sur des entretiens approfondis avec certains de ces dirigeants chez Total, The Estée Lauder Companies, McDonald’s, L’Oréal, CVS Health et Northwestern Mutual.
Seulement 13 % des entreprises excellent dans la mise en œuvre de leur stratégie data . Ce groupe d’excellence restreint obtient des résultats métiers mesurables dans toute l'entreprise. Son succès provient de l'attention portée aux fondations d'une gestion et d'une architecture de données solides, qui permettent de « démocratiser » les données et de tirer de la valeur du machine learning (ML).
La collaboration favorisée par la technologie permet une culture data efficace. Les Chief Data Officers (CDO) interrogés accordent une grande importance à la démocratisation des capacités d’analyse et de ML. Ces capacités de pointe aident les utilisateurs métiers à prendre des décisions avisées, et marquent ainsi une forte culture data.
Selon Sol Rashidi, Chief Analytics Officer chez The Estée Lauder Companies : « Savoir quelles données sont les plus importantes, les prioriser, créer la discipline pour les protéger et les gouverner, puis démocratiser les données pour permettre aux data scientists et aux métiers d'extraire les informations dont ils ont besoin pour innover. »
L'impact du ML sur l’entreprise est limité par des difficultés à gérer son cycle de vie de bout en bout. Pour de nombreuses entreprises, le passage à l'échelle des cas d'usage de ML est extrêmement complexe. Le défi le plus important, selon 55 % des répondants, est l'absence d'un lieu central pour stocker et explorer les modèles de ML.
Les entreprises recherchent des plateformes cloud natives qui assurent gestion des données, analytique et ML. Leurs 3 priorités premières dans les 2 prochaines années reposent toutes sur une adoption plus large des plateformes cloud : améliorer la gestion des données, renforcer l’analytique et le ML, et étendre l'utilisation de tous types de données d'entreprise, y compris les données en streaming et non structurées.
Les standards open source sont la principale exigence des futures stratégies d'architecture de données. Si les personnes interrogées pouvaient créer une nouvelle architecture de données pour leur entreprise, elles opteraient en priorité pour une adoption plus large des standards open source et des formats open data.
« L'année écoulée a été un accélérateur de changements, alors que les entreprises data-driven cherchent à s'adapter, à innover et à pérenniser leurs investissements en technologie et en architecture, » déclare Chris D'Agostino, Global principal technologist at Databricks. « Aujourd'hui plus que jamais, elles ont besoin d'une stratégie analytique moderne qui soit ouverte, flexible et qui permette à chacun dans l'entreprise de prendre des décisions plus rapides et plus éclairées grâce à une vue unifiée de toutes leurs données, que ce soit en utilisant des algorithmes de ML et d'IA ou des rapports SQL et de BI simples. »
