La data science au service de la relance

Actualités - Publié le 17 novembre 2021

Par où commencer ?  Dans ce contexte, la science des données (ou datascience), qui permet de collecter et d’exploiter des données rendues de plus en plus nombreuses par les évolutions technologiques, apparait comme un outil précieux d’aide la décision. Elle présente surtout trois caractéristiques indispensables en période de crise : l’instantanéité : la data science…

    Par l’Ecole de Management de Normandie

     

    Aujourd’hui plus que jamais les processus de prise de décisions sont mis à rude épreuve. En effet, la crise de la COVID 19 a poussé les agents économiques à s’adapter et à faire des choix très rapidement sans aucun recul sur la situation. De plus, elle a encore accru la complexité du processus en multipliant les paramètres à prendre en compte (économiques, sociaux, sanitaires). Par conséquent le risque que les décisions prises ne soient pas rationnelles ou soient inadaptées est grand. Face à la crise que nous venons de connaître, pour que relance il y ait, les acteurs économiques ont un besoin impérieux d’avoir une vue d’ensemble de leur activité et d’en envisager tous les tenants et aboutissants. Ils ont, de plus, besoin d’apporter des arguments solides et justifiés à leurs parties prenantes pour les convaincre autant que les rassurer.

    Par où commencer ? 

    Dans ce contexte, la science des données (ou datascience), qui permet de collecter et d’exploiter des données rendues de plus en plus nombreuses par les évolutions technologiques, apparait comme un outil précieux d’aide la décision. Elle présente surtout trois caractéristiques indispensables en période de crise :

    • l’instantanéité : la data science permet d’avoir en temps réel une vision claire de l’environnement dans lequel nous évoluons. Elle permet de traiter des données chiffrées bien sûr (l’évolution de nombre de contaminations, par exemple) mais pas seulement. Par exemple, durant le confinement Christophe Bénavent et ses collègues du « Laboratoire du confinement » ont pu analyser l’évolution de l’état d’esprit des français. Pour cela, ils ont utilisé des techniques d’analyse de sentiment sur des messages postés sur Twitter. Dans cet exemple, l’étude est sociale mais elle peut aussi être menée pour une marque, un produit, une série, un film, une personne … (Smith, Fischer et Yongjian, 2012 ; Hennig-Thurau, Wiertz et Feldhaus, 2015) ;
    • la visibilité : Une fois la collecte de données effectuée il est possible d’utiliser la data visualisation. Les possibilités de format sont multiples (Rahlf, 2017) : histogrammes, diagrammes, cartes perceptuelles…. Si la représentation est claire, colorée et précise, elle permet de représenter fidèlement les données et donc d’aider l’ancrage en mémoire pour les individus qui regardent les analyses. Ces données doivent être compréhensibles pour tout le monde afin d’être factuel, de fournir une preuve et de développer une véritable transparence envers les individus ;
    • la prévisibilité : Les approches prédictives s’appuient sur des données antérieures pour « prévoir le futur » (par exemple prévoir le nombre de chambres qui vont être réservées en Août en s’appuyant sur l’année précédente). Cependant, il existe toujours un risque d’erreur ou contextuel, comme cela a été le cas cette année pour la visite du Louvre. Les prévisions permettent, dans un second temps, les prescriptions. L’analyse prescriptive, rendue possible par des approches d’optimisation fondées sur des modèles mathématiques et d’automatisation, a pour rôle de définir la décision qu’il faut prendre en se basant sur cette information probable.

    Ces méthodes ont pour effet de simplifier et d’anticiper certaines décisions puisque celles-ci sont fondées sur des faits. En période de crise, telle que celle que nous vivons actuellement, la data science permet d’éviter certaines erreurs et de conforter des idées, du feeling que toute personne peut avoir.

     

    La nécessaire acculturation au numérique


    Pour une relance durable des mesures concrètes permettant une véritable acculturation au numérique et notamment à la donnée sont indispensables. Les destinataires de ces mesures doivent être les entreprises bien sûr mais aussi chacun d’entre nous, citoyens et consommateurs, puisque nous sommes à la fois pourvoyeurs et destinataires de ces données.