Français 
English 
Deutsch (Sie) 
11 janvier 2013-
Gartner a prédit que, d'ici 2015, le "big data" créera 4,4 millions d'emplois dans le monde. La mauvaise nouvelle ? Seul un tiers de ces emplois sera pourvu. Pourquoi ? Il y a une pénurie d'analystes qualifiés pour faire le travail.
Le concept de "big data" implique la collecte, la structuration et l'utilisation efficace des données. D'une manière générale, explique Bob Richardson, directeur principal de l'analyse stratégique pour le compte de Groupe de contrôleune société de stratégie d'innovation basée à New York, les compétences dont les organisations ont besoin en matière de big data sont les suivantes :
- Ingénierie des bases de données
- Programmation/analyse statistique
- Visualisation de la conception
C'est la deuxième compétence - la programmation/analyse statistique - qui tend à recevoir le plus d'attention et les entreprises sont désireuses de trouver des "data scientists" compétents. Mais, note-t-il, "il y a une pénurie bien documentée de scientifiques des données et cette pénurie se poursuivra" : "Il y a une pénurie bien documentée de scientifiques des données et il y en aura encore dans un avenir proche."
Puneet Mehta est cofondateur et directeur général de MyCityWayune application mobile financée par BMWi Ventures, basée à New York. "Chaque sujet dispose de diverses sources d'information, colorées de diverses nuances d'opinion, à portée de clic ou de doigt", explique M. Mehta. Selon lui, la principale compétence requise pour gérer toutes ces données est la suivante : "Savoir exactement où l'on jette son dévolu" : "Savoir exactement où jeter son filet dans cet océan de données, puis jeter une grande partie de ce que l'on attrape et n'en examiner qu'une petite partie pour en tirer un sens."
Pour y parvenir efficacement, il faut combiner la technologie et le personnel.
Utiliser les options technologiques
Le vieil aphorisme "garbage in, garbage out" est toujours d'actualité. Ce n'est pas tant qui gère les données, comme c'est le cas comment les données sont gérées.
"Nous pensons qu'il existe un moyen efficace pour une organisation de commencer à utiliser les données sans avoir à embaucher un scientifique des données", explique M. Richardson. Comment ? En s'assurant que la base de données est structurée de manière à fournir des données utiles et en développant des visualisations attrayantes et faciles à utiliser qui fournissent des données en temps réel à l'ensemble de l'organisation. Cela permettra aux organisations de "sous-traiter les problèmes de données difficiles en fonction des besoins".
La pénurie de personnel qualifié exige des solutions stratégiques et technologiques, explique Andres Reiner, PDG de PROSune société de logiciels de big data dont le siège social se trouve à Houston. "En raison du manque de professionnels qualifiés ou intéressés par les emplois dans le domaine du big data, les réseaux d'entreprises devront combattre le feu par le feu, en utilisant la même technologie que celle qui a créé les données pour surmonter le défi de les organiser en quelque chose de significatif.
"Les plateformes personnalisées qui analysent des ensembles de données et appliquent des algorithmes appropriés pour établir des devis de vente, des prévisions de stocks, etc. deviendront des outils essentiels pour tous les membres de l'entreprise.
La technologie peut être formidable, mais les personnes font toujours partie intégrante du mélange. Lorsqu'il s'agit de big data, apprendre à utiliser les personnes de manière efficace peut rapporter gros.
Optimiser les ressources humaines
Selon les experts, la forte demande et la pénurie de talents nécessiteront de nouvelles perspectives quant à la manière d'accomplir le travail.
Tout d'abord, le temps des analystes de données doit être protégé et utilisé pour des travaux d'analyse, et non pour des tâches de routine qui pourraient être effectuées par d'autres. "Compte tenu de la pénurie de ressources disponibles dans le domaine de la science des données, il est essentiel que les data scientists dont vous disposez soient utilisés aussi efficacement que possible", déclare David Smith, vice-président du marketing et de la communauté pour Revolution Analytics, une société de logiciels et de services dont le siège se trouve à Palo Alto. "La pire chose que l'on puisse faire avec une ressource aussi précieuse est de lui faire passer le plus clair de son temps à répondre à des demandes ad hoc dont les résultats - comme un rapport ou une feuille de calcul - ne seront jamais utilisés qu'une seule fois."
Une grande partie du temps des analystes de données est consacrée à la collecte, à la correction et à la reconstitution des données, note Kevin Lyons, SVP analytics, chez eXelateun fournisseur de solutions basées sur les données pour les annonceurs et les agences, basé à New York. "S'assurer que le temps de l'analyste est consacré à des tâches qui requièrent un analyste permet d'alléger certaines contraintes", explique-t-il.
En outre, d'autres employés devront être formés aux compétences en matière de données, si la demande se maintient comme prévu, explique M. Mehta : "Peu importe que l'on travaille dans la vente, le développement commercial ou tout autre poste à forte interaction : la prise de décisions fondées sur des données et l'utilisation d'outils facilitant cette prise de décisions feront partie intégrante de tout emploi.
"Je pense que les big data deviendront une exigence professionnelle pour les hommes d'affaires ordinaires, qui devront s'adapter et apprendre à extraire de la valeur des données", estime Matt Fates, de l'Institut de recherche sur la société de l'information. Ascent Venture Partners à Boston. "Je pense que les écoles de commerce intégreront de plus en plus de cours sur le traitement des données et les statistiques dans leur programme d'études, plus qu'elles ne le font aujourd'hui", déclare-t-il.
Michele Chambers, responsable de la stratégie au sein de Revolution Analytics déclare que dans un environnement où les talents sont très recherchés, il doit y avoir des moyens de tirer parti de cette réserve de talents limitée. Elle ajoute : "Il y aura des approches traditionnelles - applications, outils de productivité, externalisation - mais il y aura aussi de nouveaux modèles d'entreprise. On en voit les premiers indicateurs dans l'open source et le crowd sourcing pour l'analyse des big data". La nécessité, souligne-t-elle, est la mère de l'invention.