La Data Vintage ou la dimension temporelle des données

Les éléments de définition de la Data commencent à être bien connus, y compris en dehors du cercle des professionnels du secteur : d’abord les « 3 V » définissant la Big Data édictés par Gartner (Volume, Vitesse et Variété) puis l’apparition de deux nouvelles notions, Véracité et Valeur pour une compréhension de l’approche qualitative de la Smart Data.

data vintage ou dimension temporelle des donnees

Ces 5 notions, qui établissent un périmètre théorique nécessaire à la maîtrise technologique, méthodologique et réglementaire des données plus les nouvelles compétences et approches organisationnelles des entreprises créées/développées ces dernières années ont amené les métiers de la Data à un niveau d’expertise très élevé.

Cependant, si l’on voulait être complet, voire irréprochable sur ce chapitre, on pourrait ajouter un V supplémentaire, celui de « Vintage », que l’on peut traduire librement ici par connaissance du passé ou encore prise en compte du vécu.

C’est une notion dont on parle peu et c’est pourtant un facteur déterminant qui peut se décliner à deux niveaux :

  • La richesse des données déjà existantes dans l’entreprise, son trésor de guerre, que l’on peut quasiment apparenter à une notion de « capital génétique » de l’entreprise en termes de Data. Avoir un historique de données suffisamment profond permet aux experts (les data scientists par exemple) d’enrichir leurs analyses et souvent de dépister des modèles de comportement inédits. Ce patrimoine data est une plus-value non négligeable à l’inverse d’entreprises sans ancienneté (de données) qui partiraient quasiment de 0 dans ce domaine.
  • La nécessité d’une analyse « historique » de certaines données ou, en d’autres termes, la capacité d’envisager des données en regard d’une dimension, d’une profondeur historique et temporelle. Cette dimension peut être à la fois la répétition d’un schéma mais aussi, tout simplement une prise en compte de l’Histoire avec un grand H.
    A titre d’exemple, il est encore rarissime que les outils d’analyse de Big Data prennent en compte des événements ayant eu lieu dans un temps passé variable (de quelques mois à plusieurs décades) pour expliquer des données contemporaines.

On parle du Data Scientist comme du nouveau couteau suisse (de luxe) du secteur. Faut-il pour autant vérifier sur son CV qu’il ait pris des cours du soir d’histoire ou de sociologie pour être parfaitement compétent ?
Certainement pas, mais cela exprime bien à la fois toute la difficulté, dans cette partie, de ne rien laisser au hasard mais également la nécessité d’ouvrir plus largement le champ de la data aux sciences humaines.

Yohan Wasmes Benqué, Chief Marketing and Innovation Officer ( Altares D&B )

La rédaction
La rédaction
La rédaction est composée de plusieurs collaborateurs du Groupe Altares qui sont spécialisés dans leurs domaines respectifs (data science, data marketing, data intelligence, etc.) et qui partagent l'envie de faire part de leur passion de la Data à nos lecteurs.

Vous aimerez aussi...

X