ActualitéEtudesTech

6 mythes sur la data qui freinent vos processus d’innovation

«Data Scientist», «Data Visualization», «Data Mining»: fréquemment utilisé quand on parle d'innovation et de digital, le terme de «data» est aujourd'hui un buzzword, derrière lequel chacun entend ce qu'il veut. Mais qu'est ce que la data précisément? 

Dans une présentation intitulée «Myths About Designing with Data» Change Sciences, société de recherche américaine utilisant une approche mêlant design et data, pointe du doigt 6 idées reçues sur la data. Elle rappelle quels éléments avoir en tête lorsqu'on commence à collecter, mais aussi à analyser de grandes quantités de données. 

[tabs] [tab title= « Ce qu’il savoir sur la data »]

1. Quand on parle de «data», on ne parle pas que de données chiffrées: toutes les traces qu'on laisse en ligne sont des «datas».

2. Data n'est pas synonyme d'objectivité, ni de vérité: il existe des biais (en raison des algorithmes notamment).

3. Grande quantité de données collectées n'est pas toujours synonyme de qualité: bien exploitées, des données individuelles donnent également des leviers d'actions intéressants.

4. La data n'est pas qu'une affaire de managers: elle est utile à tous les niveaux, et dans beaucoup de domaines (croissance, engagement, gestion des risques, etc.).

5. La data mène presque toujours à l'innovation si elle dépasse le stade de l'innovation: il est important de coupler analyse de données et confrontation à la réalité du terrain. 

6. Il n'y a pas qu'une manière d'analyser des données, en fonction de ce que l'on cherche et des signaux qu'on capte.

[/tab] [/tabs]

 

LIRE aussi : 

Blockchain : la fin du Big data ?

Jeunisme, Big Data… 5 idées reçues sur le leadership à l’ère digitale

Crédit photo: Fotolia, banque d'images, vecteurs et videos libres de droits
Tags
Microsoft Experiences les 3 et 4 octobre 2017

Claire Spohr

Chargée d'études au sein de la rédaction.

Sur le même sujet

1 thought on “6 mythes sur la data qui freinent vos processus d’innovation”

  1. La différenciation entre le « Big Data » et le « Thick Data », à savoir les grosses accumulations de données plutôt automatisées et les données plus riches, souvent compilées ou validées « à la main »… priceless!

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Share This