Présentation

Article interactif

1 - HISTORIQUE DES SI D’ENTREPRISE ET ÉVOLUTION DES ENJEUX

  • 1.1 - Automatisation
  • 1.2 - Banalisation des process
  • 1.3 - Hétérogénéité des projets

2 - DIFFICULTÉS DES PROJETS BIG DATA

  • 2.1 - Problèmes et solutions
  • 2.2 - Exemple : utilisation chez Google de modèles en Ressources Humaines (RH)
  • 2.3 - Difficultés de mise en œuvre des démarches Big Data

3 - DÉMARCHES & MÉTHODES

4 - CONCLUSION

Article de référence | Réf : H5080 v1

Démarches & Méthodes
Systèmes d’Information (SI) d’Entreprise et conduite des projets Big Data

Auteur(s) : Pierre DELORT

Relu et validé le 10 mai 2021

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

Version en anglais En anglais

RÉSUMÉ

Cet article débute par les différentes étapes du déploiement des SI en entreprise: automatisation puis reconception, autour du mot «organisation», des process et opérations et enfin intégration de progiciels. Il fait ensuite le point sur les difficultés que connaissent les projets Big Data et conclut sur les éléments de méthode qui permettent de les lever.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Enterprise Information Systems (IS) and how to lead Big Data projects.

This article begins with the different stages in the deployment of IS in a company: automation and redesign of processes and operations (the operative word being 'organization'), and finally integration of software packages. It then summarizes the difficulties facing big data projects, and concludes with some ways to overcome them.

Auteur(s)

  • Pierre DELORT : DSI & Président de l’Association Nationale des Directeurs des Systèmes d’Information (ANDSI), Consultant - Professeur Invité Telecom ParisTech, France

INTRODUCTION

L’Informatique d’entreprise a connu plusieurs évolutions depuis un demi-siècle. Dévolue initialement à l’automatisation de quelques tâches (les trois premières furent la gestion des stocks, de la paie et de la comptabilité), elle a intégré dans certaines firmes, peut-être depuis le début des années 1990, autour du terme « organisation », une refonte des process et des opérations. Une quinzaine d’années plus tard, la prévalence des progiciels, qui proposent tout autant des outils que des process, a rendu les Directions des Systèmes d’Information beaucoup moins actives sur ce sujet, ainsi que sur l’innovation en résultant.

Maintenant d’autres types de projet que ceux d’automatisation (transfert de coûts de personnes vers technologies) sont présents, et pour ceux de transformation ou d’information, le Big Data constitue un relais de valeur qu’apportent les DSI. Relativement à la construction de SI partant de modèles du monde (modèles de traitement, de données…), l’approche Big Data utilise les mathématiques pour trouver des modèles dans les données, modèles qui, sous condition, font prendre de l’avance sur le présent, parfois sur le futur pour y améliorer décisions et opérations.

Nous constatons que si trouver des modèles, par exemple de Machine Learning, plus performants que l’existant (mix de vision, expériences et… modèles) est relativement facile, l’insertion de ces modèles dans les bons mécanismes de décision pour amélioration de performances est moins aisée. Faisant suite à ce constat, nous présentons une démarche générale et des méthodes spécifiques visant à inscrire les projets Big Data dans des objectifs d’amélioration de performances.

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

big data   |   information system   |   performance improvement

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-h5080


Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(239 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation
Version en anglais En anglais

3. Démarches & Méthodes

3.1 Compréhension commune : le mythe et ses déclinaisons

Les technologies, après les religions, la nature et les idéologies, sont aujourd’hui porteuses de mythe. Le battage médiatique entourant le Big Data brouille sa compréhension et de ce fait limite les ambitions des porteurs possibles de projets.

« Like any new technology, there is a lot of confusion surrounding Big Data. There are endless debates about what is and isn’t Big Data, armies of consultants who are eager to muddy the waters in return for a hefty retainer fee and the usual amount of hype and alphabet soup of acronyms and buzzwords » .

Comme pour toute nouvelle technologie, il y a beaucoup de confusion autour du Big Data. Des débats sans fin à propos de ce qui est ou n'est pas le Big Data, des armées de consultants désireux de brouiller les pistes pour des honoraires conséquents et la quantité habituelle de battage médiatique avec les acronymes et les mots à la mode.

De plus, si les DSI connaissent bien les données des différents composants de l’entreprise, elles ne connaissent pas toujours les potentiels d’amélioration des décisions et opérations, et ne sont pas toujours légitimes pour les identifier et les évaluer. D’autre part, ces composants métier, lorsqu’ils connaissent bien leurs données, connaissent peu leurs complémentaires dans le corpus interne, alors que, pour le Big Data, la valeur des données réside souvent dans cette mise en correspondance, dérivant de leur partage effectif.

Il est ainsi souvent nécessaire de susciter une compréhension commune, partagée et… rationnelle de ce que recouvre le Big Data pour les acteurs économiques, quelles sont les perspectives business ou opératoires autorisées, quelles sont les technologies nécessaires, les organisations pertinentes, les savoirs utiles… Plusieurs méthodes et moyens, dont la pédagogie inversée, les séminaires et les learning expeditions, peuvent être employés.

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

TEST DE VALIDATION ET CERTIFICATION CerT.I. :

Cet article vous permet de préparer une certification CerT.I.

Le test de validation des connaissances pour obtenir cette certification de Techniques de l’Ingénieur est disponible dans le module CerT.I.

Obtenez CerT.I., la certification
de Techniques de l’Ingénieur !
Acheter le module

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(239 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Démarches & Méthodes
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - DELORT (P.) -   Information contre Institution.  -  Mines ParisTech (1997).

  • (2) - SULLIVAN (J.) -   Don’t Look Now, But Google Is a Big Talent Competitor to Your Company.  -  http://www.tlnt.com (27 février 2013).

  • (3) - GARVIN (D.) -   How Google Sold Its Engineers on Management.  -  Harvard Business Review (Dec 2013).

  • (4) - SATELL (G.) -   *  -  . – Forbes (2013).

  • (5) - SCHMARZO (W.) -   Fostering a data-driven culture.  -  Economist Intelligence Unit (2013).

  • (6) - CARR (N.) -   It doesn't matter.  -  Harvard Business Review (2003).

  • ...

1 Événements

Big Data Paris, a lieu tous les ans à Paris

http://www.bigdataparis.com

HAUT DE PAGE

2 Brevets

Matrice volume x densité déposée sous enveloppe SOLEAU 517545, 2014.

HAUT DE PAGE

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(239 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Sommaire

QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE

1/ Quiz d'entraînement

Entraînez vous autant que vous le voulez avec les quiz d'entraînement.

2/ Test de validation

Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.

Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Technologies logicielles Architectures des systèmes

(239 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS