Accueil > Analytics > Data Analytics > Dangers du Big Data : le Big Data fait-il plus de mal que de bien ?
dangers du big data

Dangers du Big Data : le Big Data fait-il plus de mal que de bien ?

Le Big Data occupe aujourd’hui une place prépondérante au sein de nombreuses entreprises. Les algorithmes d’analyse de données sont fréquemment utilisés pour assister la prise de décision, et leurs conseils sont trop rarement remis en question. Pourtant, les dangers du Big Data sont bien réels. Les technologies analytiques sont loin d’être infaillibles. Découvrez pourquoi, s’il est mal utilisé, le Big Data peut faire plus de mal que de bien.

Dangers du Big Data : les données fantômes

Le processus du Big Data est toujours le même. Les données sont extraites d’immenses bases de données, puis analysées par des algorithmes complexes avant d’être finalement utilisées pour la prise de décision. Aux yeux des leaders d’entreprises, les informations qu’elles révèlent sont prises pour paroles d’évangile. Pourtant, la provenance de ces données n’est pas toujours très fiable. Au sein de nombreuses firmes, les données sont collectées par des employés peu qualifiés, et peuvent dès le départ être erronées. Il est impossible d’éradiquer la totalité des erreurs. Or, ces erreurs peuvent poser des problèmes concrets au sein de l’entreprise. Par exemple, des stocks fantômes peuvent conduire une firme à prendre de mauvaises décisions d’achats ou de marketing. Une récente dans le domaine du retail a prouvé que 65% des inventaires sont imprécis.

Dangers du Big Data : Big Data et licenciement

Dans de nombreux domaines, le Big Data est couramment utilisé. Par exemple, les technologies analytiques sont fréquemment utilisées pour mesurer les performances des employés au sein de nombreuses entreprises. On peut prendre pour exemple l’histoire de Sarah Wysocki, une institutrice adorée par ses élèves, par leurs parents et par ses collègues, renvoyée car ses performances étaient jugées mauvaises par un algorithme. Les jugements portés par les algorithmes Big Data sont généralement sans appel, alors même que les méthodes utilisées par ces algorithmes sont très rarement révélées.

Dangers du Big Data : des décisions basées sur le passé

Pour recruter les meilleurs employés, beaucoup d’entreprises s’en remettent au Big Data. Elles développent un modèle prédictif basé sur les performances des précédentes personnes recrutées par le passé, par exemple pour déterminer quels établissements scolaires forment les meilleurs professionnels. Cette méthode peut sembler pertinente, mais elle est loin d’être infaillible. Les échantillons d’employés sont souvent trop faibles pour tirer des déductions statistiques pertinentes, et il suffit qu’un étudiant soit meilleur ou moins bon que la moyenne pour fausser les données. Ainsi, les modèles prédictifs Big Data vouent bien souvent une confiance absolue au passé et mènent à des prédictions erronées.

Dangers du Big Data : les algorithmes ne sont pas suffisamment testés

Contrairement aux mathématiciens d’élite de Wall Street, les développeurs d’algorithmes Big Data ne perdent pas d’argent quand leurs modèles analytiques font erreur. Ce sont les entreprises qui en paient les frais. À l’heure où les données ont de plus en plus d’influence sur les entreprises, il est nécessaire de mieux tester les algorithmes, de considérer quels éléments sont pris en compte, et lesquels ne le sont pas. Un regard plus strict doit être porté sur l’intelligence des machines. Il est indispensable de savoir comment les données sont collectées, comment les conclusions sont tirées, et si elles améliorent effectivement l’activité de l’entreprise. Dans le cas contraire, le Big Data peut faire plus de mal que de bien.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Send this to a friend