
Les entreprises comptent massivement sur la science des données pour assurer leur succès à long terme, mais des investissements inadéquats dans le personnel, les processus et les outils les conduisent à échouer dans leurs efforts pour développer, déployer, surveiller et gérer les modèles.
Une nouvelle étude du Domino Data Lab montre que si 71 % des responsables des données déclarent que les dirigeants de leur entreprise attendent une croissance des revenus grâce à leurs investissements dans la science des données, 48 % affirment que leur entreprise n'a pas suffisamment investi pour satisfaire ces attentes.
Pourtant, 82 % des personnes interrogées déclarent que leurs employeurs n'ont aucun mal à investir dans des investissements qui ne donnent que des résultats à court terme. 68 % déclarent qu'il est difficile de mettre en production des modèles pour influer sur les décisions de l'entreprise, et 37 % disent qu'il est très difficile, voire extrêmement difficile, de le faire.
De plus, 39 % des répondants affirment que les normes et les processus incohérents au sein de leur organisation constituent un obstacle majeur à un impact plus important de la science des données.
Le manque de compétences et la médiocrité des outils sont également un problème : 48 % des responsables de la science des données se plaignent de l'inadéquation des compétences des employés en matière de données, ou de l'impossibilité de recruter suffisamment de talents pour développer la science des données (44 %). Par ailleurs, 37 % des responsables de la science des données citent des outils obsolètes ou inadéquats pour construire et gérer des modèles comme facteur clé de la réduction de l'impact de la science des données sur l'entreprise.
Nick Elprin, PDG et cofondateur de Domino Data Lab, explique : "Nous avons constaté que si les dirigeants ont d'énormes attentes en matière de croissance du chiffre d'affaires grâce à leurs investissements dans la science des données, ils n'investissent pas aux bons endroits pour véritablement libérer la puissance de la science des données. Pour mettre correctement à niveau la science des données, les entreprises doivent investir dans des processus cohésifs et durables pour développer, déployer, surveiller et gérer les modèles à l'échelle."
Source : Domino Data Lab
Et vous ?



Voir aussi :


Vous avez lu gratuitement 27 articles depuis plus d'un an.
Soutenez le club developpez.com en souscrivant un abonnement pour que nous puissions continuer à vous proposer des publications.
Soutenez le club developpez.com en souscrivant un abonnement pour que nous puissions continuer à vous proposer des publications.