Gartner : L'évaluation des effets financiers des équipes de données et d'IA est devenue critique
En bref
La problématique de l'évaluation des effets financiers des équipes Data, IA et ML est devenue critique.
Dans le monde du brillant avenir de l'IA, tout le monde ne parle que des effets étonnants de l'analyse des données et de ce que les équipes de données peuvent apporter à la table en général. Avez-vous constaté ces effets dans la réalité : des flux de trésorerie spécifiques suite à la mise en place de projets d'analyse de données ? La réponse est probablement ambiguë. Gartner a donc abordé le problème de l'évaluation des effets des équipes de données à leur direction conférence sur les données et l'analytique cette année.
Selon l'étude de Gartner, depuis 1975, il y a eu une baisse constante de la proportion d'entreprises qui mesurent l'impact financier spécifique des projets d'analyse de données (croissance des revenus, réduction des coûts, croissance de la productivité et réduction des risques). Déjà en 2020, plus de 90% des investissements dans la data (contre 17% en 1975) étaient justifiés par les objectifs dits stratégiques : création d'innovations, data as a asset, et brand value.
Et ensuite, vous pouvez beaucoup parler de comment et pourquoi nous en sommes arrivés là et de ce qui se passera ensuite dans le contexte des nuages qui s'amoncellent dans l'environnement macroéconomique mondial.
Pourquoi la tendance s'est-elle formée ?
Justifier l'effet de l'analyse des données en termes d'objectifs stratégiques est, dans de nombreux cas, tout à fait normal. Le développement de l'industrie ces dernières années est déjà devenu une évidence pour tout le monde, semble-t-il : ChatGPT ici fait du dernier coup le dernier sceptique. Au moment d'une percée, aucune entreprise qui veut survivre ne veut rester désespérément en retrait.
Justifier l'effet avec des objectifs stratégiques est parfois forcé lorsque vous n'investissez pas dans la compréhension des effets financiers réels que les investissements dans les données peuvent apporter et comment cela peut être mesuré. De nombreuses entreprises investissent des sommes considérables dans des projets d'amélioration des processus métier basés sur les données, mais en même temps, elles économisent sur la création d'une méthodologie d'évaluation des effets de ces projets (AB testing, analyse post-investissement des projets de données, etc.). A chaque nouveau projet, ces entreprises s'enlisent de plus en plus dans le piège de l'incertitude ; pour eux, le risque de faillite définitive de toute l'activité data grandit, ou l'équipe data est surgonflée sans comprendre le succès de leurs activités.
Dans le même temps, dans la pratique, l'introduction de telles méthodologies a toujours eu les effets les plus importants sur tous les projets de données.
Que va-t-il se passer ensuite?
Le côté obscur est la vulnérabilité croissante des équipes data dans une situation macroéconomique difficile sur les marchés mondiaux. Si 90% des effets de certains types d'équipes ne peuvent pas être "touchés" parce qu'ils sont quelque part dans un avenir radieux, lorsque la crise économique s'intensifiera, ce seront ces équipes qui seront les premières touchées. Malheureusement, le début de cette tendance a été largement confirmé en 2022, et un certain nombre de projets à grande échelle licenciements dans les grandes entreprises.
Le bon côté des choses est l'intérêt accru pour les évaluations d'impact financier réel. Compte tenu de tout ce qui précède, nous prévoyons qu'en 2024-2025, il y aura un renversement de tendance et que davantage d'investissements seront justifiés par un effet financier réel.
Et cela se traduira par un intérêt accru pour des méthodes comme Reliable ML : comment organiser le travail des équipes data pour que l'effet de leurs activités soit mesurable et financièrement positif. Pour cela, il faut penser à la conception du système ML (afin de ne pas se lancer dans des projets manifestement non rentables ou irréalisables), à l'inférence causale (afin de ne pas tomber dans le piège des faux modèles) et aux tests AB (afin de comprendre si votre prototype rapportera de l'argent lors de la mise à l'échelle).
Lire plus d'actualités liées :
Clause de non-responsabilité
En ligne avec la Lignes directrices du projet de confiance, veuillez noter que les informations fournies sur cette page ne sont pas destinées à être et ne doivent pas être interprétées comme des conseils juridiques, fiscaux, d'investissement, financiers ou toute autre forme de conseil. Il est important d’investir uniquement ce que vous pouvez vous permettre de perdre et de demander des conseils financiers indépendants en cas de doute. Pour plus d'informations, nous vous suggérons de vous référer aux conditions générales ainsi qu'aux pages d'aide et de support mises à disposition par l'émetteur ou l'annonceur. MetaversePost s'engage à fournir des rapports précis et impartiaux, mais les conditions du marché sont susceptibles de changer sans préavis.
A propos de l'auteur
Damir est chef d'équipe, chef de produit et rédacteur en chef chez Metaverse Post, couvrant des sujets tels que l'IA/ML, l'AGI, les LLM, le métaverse et Web3-domaines connexes. Ses articles attirent une audience massive de plus d'un million d'utilisateurs chaque mois. Il semble être un expert avec 10 ans d'expérience dans le référencement et le marketing numérique. Damir a été mentionné dans Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto et d'autres publications. Il voyage entre les Émirats arabes unis, la Turquie, la Russie et la CEI en tant que nomade numérique. Damir a obtenu un baccalauréat en physique, ce qui, selon lui, lui a donné les compétences de pensée critique nécessaires pour réussir dans le paysage en constante évolution d'Internet.
Plus d'articles
Damir est chef d'équipe, chef de produit et rédacteur en chef chez Metaverse Post, couvrant des sujets tels que l'IA/ML, l'AGI, les LLM, le métaverse et Web3-domaines connexes. Ses articles attirent une audience massive de plus d'un million d'utilisateurs chaque mois. Il semble être un expert avec 10 ans d'expérience dans le référencement et le marketing numérique. Damir a été mentionné dans Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto et d'autres publications. Il voyage entre les Émirats arabes unis, la Turquie, la Russie et la CEI en tant que nomade numérique. Damir a obtenu un baccalauréat en physique, ce qui, selon lui, lui a donné les compétences de pensée critique nécessaires pour réussir dans le paysage en constante évolution d'Internet.
