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.
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.
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
- Ce que le conflit entre APPLE et OPEN AI révèle de la doctrine historique d’Apple - 15/05/2026
- FRACTILE lève 187 millions d’euros pour développer les puces destinées aux futurs agents IA - 14/05/2026
- Une PME française face à Elon Musk : pourquoi le jugement Agorapulse pourrait redéfinir les règles pour toute l’économie des plateformes - 13/05/2026
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!