La valeur cachée des données et la Data Monetization

Avez-vous déjà vu des diamants bruts? Ils ressemblent à de simples cailloux. Seul un œil expert peut les distinguer dans la masse.

Il en va de même pour les données qui circulent dans les entreprises: de véritables "diamants" s’y cachent, encore faut-il savoir les repérer.

Chaque jour, une entreprise génère une quantité énorme de données: dans l’ERP, les machines, les systèmes SCADA, les documents partagés, les logiciels de gestion d’entrepôt (WMS), les systèmes de contrôle qualité, les solutions de gestion de production (MES, MOM), les outils de suivi énergétique, etc.

Souvent, ces informations ne sont exploitées que dans le cadre pour lequel elles ont été créées. Par exemple, les données de consommation énergétique sont utilisées pour des projets d’Energy Saving, l’obtention de certificats blancs ou l’évaluation des coûts. Mais on oublie l’impact qu’elles pourraient avoir si elles étaient nettoyées et croisées avec d’autres sources, même apparemment sans lien direct.

L’expérience nous offre d’ailleurs des cas fascinants, chacun méritant à lui seul une histoire à part.

Par exemple, on a découvert une corrélation directe entre les données de qualité de l’énergie (issues du système de contrôle des consommations) et les événements de panne des équipements électroniques (enregistrés dans le CMMS). En creusant, il est apparu que la qualité de l’énergie variait en fonction du nombre de machines d’un certain type mises en service simultanément.

Dans un autre cas, une anomalie a été détectée dans un atelier d’assemblage : lorsqu’il n’y avait aucune absence (selon les données du système de pointage et de contrôle d’accès), la productivité globale (mesurée par le MES) diminuait. Après investigation, il s’est avéré qu’avec un effectif au complet, il y avait trop de personnes par rapport aux équipements disponibles et aux magasiniers chargés de fournir les composants. Résultat : un atelier surchargé et moins efficace qu’en effectif réduit.

Dans un autre cas, en croisant les données sur la quantité de sous-traitance demandée aux prestataires (extraites de l’ERP) avec celles du niveau de service (issues du CRM), on a découvert que l’externalisation, censée raccourcir les délais de livraison, avait en réalité provoqué des retards. La gestion des matériaux, les transports et les délais des fournisseurs annulaient l’avantage initial de l’absorption des pics de charge.

Lorsque les suggestions issues des données peuvent également être stratégiques, elles ont la plus grande valeur. Les projets de science des données montrent qu'il est possible d'obtenir des informations à partir de données d'entreprise qui sont parfois très importantes pour l'entreprise elle-même.

Les algorithmes de regroupement permettent de découvrir des groupes cachés entre des catégories d'informations, les algorithmes de régression et de classification permettent de prédire des valeurs, des résultats ou des préférences, les algorithmes de détection des anomalies permettent de repérer des choses étranges ou inhabituelles, etc.

Parfois, vous n'avez même pas besoin d'algorithmes sophistiqués, car il s'agit simplement d'un problème de visualisation.

Avec les systèmes modernes de visualisation de données tels que I4Dashbosard, par exemple, on peut extraire des informations utiles à la prise de décision en présentant simplement les données d'une manière différente.

L'examen des données selon d'autres points de vue peut faire émerger de nouvelles idées ou mettre en évidence des problèmes, en fournissant «une seule version de la vérité».

En conclusion, le sous-produit de l'activité d'une entreprise, c'est-à-dire les données normalement destinées à d'autres fins, peut être valorisé et monétisé.

Dans les systèmes d'information des entreprises, dans les machines, dans chaque actif, il y a des diamants cachés dans les données. N'aimeriez-vous pas les trouver?

Restez à l'écoute!