[chapo]Astrakhan était présent en tant que participant au Big Data Innovation Summit qui s’est tenu les 18 et 19 avril à Hong-Kong. Organisé par Innovation Enterprise, une société américaine, cet événement fait partie d’un ensemble de manifestations qui se déroulent tout au long de l’année en Asie, entre Singapour, Melbourne, Shanghai, Beijing et donc Hong-Kong, et centrées sur le Digital, l’Innovation et surtout la Donnée.[/chapo]
Dans le cadre de notre installation en Asie, avec un positionnement résolument centré sur la Data et l’Intelligence Artificielle, il nous était indispensable d’être présents et de prendre la température de l’économie de la donnée au travers des témoignages de ceux qui, aujourd’hui, disent être entrés de plain-pied dans l’ère post Business Intelligence. Et, par le fait, on a donc beaucoup parlé de Data Science à l’hôtel Mira où se tenait le congrès, mais pas seulement.
Voilà les 10 take-aways que nous avons retenus :
1. L’exigence à porter à la collecte est fondamentale. Il faut savoir la capter partout où il est possible de le faire, sans hésiter à mixer low-tech (formulaires papier re-saisis ensuite) et high-tech (capteurs sur caméras, pulsation wi-fi des téléphones – même ceux dont le wi-fi a été déconnecté au passage).
2. Ceci étant dit, l’absence d’utilisation de l’Intelligence Artificielle est actuellement un critère de différenciation pour donner confiance au consommateur, notamment dans le domaine de la distribution de produits de luxe.
3. « La préparation de la donnée est presque un projet en soi si on ne veut pas faire de la Dirty Data Science ».
4. Compte tenu de la myriade de technologies présentes actuellement sur le marché du Big Data, il est extrêmement difficile de faire grandir son Centre d’Excellence Big Data. La scalabilité semble impossible.
5. Ceci étant dit, on ne sait pas aujourd’hui vivre sans Python. Python est incontournable.
6. Les éditeurs présents ont vanté les qualités de leur solution pour la Data-Science-as-a-Service. Évidemment, l’enjeu de ces plates-formes est de faire passer les entreprises d’une logique centré sur le code à une logique centrée sur l’utilisation d’ateliers graphiques. C’est dans ce registre que s’inscrit par exemple le produit d’Alteryx, démontré en séance et bien positionné dans le cadran de Gartner.
7. Les talents sont introuvables et les entreprises comptent sur les universités pour former et préparer les Data Scientists qu’elles embaucheront demain. Il est évident qu’il existe une seconde fois, celle empruntée par les cabinets de conseil et qui consiste à former massivement aux technologies du Big Data (à commencer par Python) des générations d’informaticiens qui ne demandent que ça.
8. Les compétences à l’ère du Big Data ne portent pas que sur les hard skills, mais aussi sur les soft skills. Agilité de l’esprit et ouverture vers l’innovation sont des qualités à privilégier, ce qui renforce encore la complexité de trouver les bons profils : d’un côté on a besoin d’experts absolus de technologies, de l’autre de gens qui savant s’en affranchir quand il le faut.
9. La donnée nourrit l’innovation. Il n’y a pas de transformation digitale sas une collecte et une exploitation constante de l’information.
10. Les centres de compétences souffrent encore d’une transition délicate de la Business Intelligence vers le Big Data
Une situation finalement assez proche de celle que nous connaissons en Europe.
A noter que tous les intervenants étaient des directeurs de practice Data dans des organismes de différents secteurs : distribution de cosmétique, de diamants, médias, laboratoires pharmaceutiques, industrie, automobile et… organisation de quartier de fêtes – Hong-Kong dispose d’un quartier, nommé Lan Kwai Fong, où se multiplient boutiques, bars et clubs et dont l’organisation est confiée à une entreprise, qui, par exemple, installe des caméras et sous-traite les voituriers. Grâce aux données collectées, on peut ainsi savoir que Tesla a supplanté BMW parmi les noctambules. Un concept que Lan Kwai Fong est en train d’exporter à l’étranger.
Enfin, rien à voir avec la data mais un petit scoop pour finir : devant la complexité de migrer de R/3 à S4 Hana, BASF a tout simplement décidé de réduire la place de SAP dans son système d’information et de basculer sur des architectures ouvertes. Tout un symbole.
