On en entend parler partout, et les chiffres sont affolants, voire indécents. Le « big data », la data science ; littéralement, le big data désigne un ensemble très volumineux de données qu’aucun humain ou outil classique de gestion de base de données ne peut travailler seul. IDC estime que d’ici 2020, chaque personne sur Terre générera 1,7 mégaoctet de données par seconde. Pour vous donner une idée, c’est le poids du fichier MP3 d’une chanson de deux minutes. Selon IBM, 90 % des données mondiales ont été créées au cours des deux dernières années. Autrement dit, le volume de données mondiales est – et sera – de plus en plus colossal, et cela devient un enjeu économique, politique et social. Rien de surprenant alors à ce que le big data et la data science fassent leur apparition en école de management, n’est-ce pas ? Mais s’agit-il d’un effet de mode, ou d’un véritable défi que les écoles se sont décidées à relever ?

 

Data science/big data, késako ?

Il est important de bien comprendre de quoi on parle avant toute chose. Comme je l’ai déjà écrit, le big data désigne un ensemble très volumineux de données qu’aucun humain ou outil classique de gestion de base de données ne peut travailler seul.

La data science, c’est la science des données : un mélange entre développement d’algorithmes, technologie et capacités d’analyse, dont l’objectif est la résolution de problèmes analytiques complexes à l’aide des données – le big data. En gros, c’est ce qui permet d’utiliser les données pour créer de la valeur pour les entreprises. En plongeant dans le big data, le data scientist peut comprendre des tendances et des comportements complexes, qui peuvent aider les entreprises à prendre des décisions plus intelligentes. L’un des exemples les plus parlants est peut-être Netflix : l’entreprise étudie les visionnages de ses utilisateurs pour comprendre ce qui suscite leur intérêt et utilise ces informations pour choisir quelles séries produire.

 

En école, ça donne quoi ?

La data science repose sur les mathématiques, l’informatique/la programmation et sur des notions de machine learning. Tout ça ne sonne pas très « école de management » mais plutôt école d’ingénieurs, ce qui n’est pas totalement faux. Néanmoins, les formations/cours de data science ont explosé dans les écoles de commerce ces dernières années, notamment via les doubles diplômes avec les écoles d’ingénieurs.

Par exemple, HEC propose dès le master 1 des électifs en modélisation et analyse des données, mais ils offrent aussi un double diplôme avec Polytechnique ou avec l’ENSAE dont l’une des spécialités est notamment la data science. HEC propose par ailleurs un « MSc Data Science for Business : Joint Degree with École Polytechnique », tout comme l’ESSEC qui propose un « Master in Data Sciences & Business Analytics – ESSEC & CentraleSupélec ». De manière générale, toutes les écoles de management ont développé des formations avec des écoles d’ingénieurs portant de près ou de loin sur la data science.

Soit. Mais du coup, à quoi ça sert ? Il est vrai que le data scientist à proprement parler doit avoir une expertise mathématique, informatique et technologique. C’est pour cela qu’il s’agit généralement d’ingénieurs. Mais cela ne suffit pas : il doit aussi savoir naviguer entre différents langages, ainsi que savoir « traduire » ce qu’il découvre. C’est pourquoi il doit comprendre tous les enjeux du business et de l’entreprise pour laquelle il travaille, afin de pouvoir tirer exactement l’information dont il a besoin pour créer de la valeur et/ou résoudre ses problèmes. Cette pertinence pour le business est tout aussi importante que la maîtrise des mathématiques et des algorithmes : les objectifs du data scientist doivent être alignés avec ceux de l’entreprise. C’est donc là qu’intervient l’avantage d’un double diplôme entre une école de management et une école d’ingénieurs, puisqu’il permet de développer une double compétence extrêmement utile aux entreprises.

 

Mode ou avenir ?

Surtout, les entreprises ont également besoin de managers qui comprennent les enjeux de la data science, même s’ils ne possèdent pas la maîtrise technique des outils permettant de résoudre les problèmes de l’entreprise. D’autant plus que la data science ne semble pas être une mode, mais une tendance lourde qui devrait encore s’accentuer dans les années à venir. C’est un véritable enjeu commercial pour les entreprises, d’où l’importance de recruter des managers et des cadres qui en comprennent les tenants et les aboutissants.

Par exemple, d’après les analystes de Forrester, les entreprises qui se servent du big data gagneront, en 2020, 1,2 billion de dollars par an de plus que les entreprises qui ne s’en servent pas. The Economist a mené un sondage révélant que plus de 75 % des chefs d’entreprise interrogés pourraient intégrer le big data (et l’intelligence artificielle) dans leur activité d’ici 2020. D’après les analystes de IDC, le big data et les outils analytiques ont permis de générer 130 milliards de dollars en 2016 et ce nombre pourrait monter à 203 milliards en 2020.

Bien évidemment, il est difficile de prévoir le développement et les conséquences du big data et de la data science. Il y aura sans doute des phénomènes encore imprévisibles aujourd’hui. Néanmoins, le big data ne semble pas être un effet de mode ; il s’agit plutôt d’un tournant que les entreprises doivent prendre dès maintenant si elles souhaitent continuer à se développer, comme le fut Internet. Dans le cas contraire, la concurrence risque de les dépasser assez rapidement. D’où l’importance pour les managers et futurs managers de s’intéresser aux enjeux du big data et de la data science, même sans développer nécessairement une expertise technique. La data représente sans doute le futur de l’économie, à nous de nous y adapter.