Pourquoi les premiers investissements sur les plateformes Big Data ne portent-ils pas toujours leurs fruits en entreprise ?

Nombreuses sont les grandes entreprises qui ont souhaité anticiper les évolutions dans le domaine de l'IA et du Big Data en investissant dans ces solutions dès leurs premières années d'arrivée sur le marché. Or, ces innovations technologiques ont pu représenter des coûts d'investissements importants, sans forcément apporter les fruits escomptés, en tout cas pas à court terme, autrement dit, pas dès les premières années d’exploitation. 

Ce qu’il faut comprendre :  

• La prise en main de ces produits représente un coût fixe d'apprentissage important : il faut penser à investir dans les bonnes ressources, dans des formations, des montées en compétences progressives, dans un accompagnement par les éditeurs, y compris au niveau des produits connexes (ex : Informatica, Talend, Kerberos). 
• Les coûts peuvent être sous-estimés à deux niveaux : 

1. Les coûts de stockage et de computation baissent, certes, mais il faut compter sur une hausse de l'investissement en capital humain, qu’il soit porté par l'interne (formation des ressources existantes, recrutement de nouveaux profils) ou par l'externe (rareté des profils séniors et coûts additionnels sous-jacents).  

2. Côté éditeurs, le modèle de coûts ne porte pas uniquement sur la solution mais aussi sur la partie conseil à l'implémentation et à l’optimisation des performances (paramétrages de la plateforme, répartition des ressources sur les nœuds : réplication, distribution).  

• Les usages n'apparaissent pas de façon spontanée une fois la plateforme mise en place, y compris dans le cas où celle-ci est maîtrisée. 

Ce sont bel et bien ces usages qui justifient la mise en place de ce type d’infrastructure. Partant de ce fait et de l’observation des différentes utilisations possibles de ces plateformes sur le marché de la donnée, une redéfinition de l’approche de valorisation de telles solutions d’infrastructures s’impose. 

Quelques pistes :

Dimensionner les plateformes Big Data selon les usages cibles 

1. Identifier les freins à l’adoption en amont  
2. Définir les objectifs et cas d’usage 
3. Ne pas sous-estimer les travaux de capacité d’interactions des données   

Choix du modèle d’intégration ? 

• La redistribution des coûts en interne : si une direction souhaite utiliser la plateforme Big Data de l'entreprise, elle adopte alors la posture de client interne, des coûts d'utilisation lui seront imputés.  
• Les coûts portés par la DSI ou une entité groupe : plus incitatif que l’option précédente, les différentes directions sont encouragées à y déposer leurs données. Le bénéfice est plus perceptible et une vision win-win peut s’instaurer.   

Vous souhaitez en savoir plus ? 

 Je serais ravi de poursuivre l’échange autour de ces sujets en perpétuelle évolution. 

Jonathan Petit, DataScientist chez Avanade

Article complet :