Les leviers d'action • Évaluer le patrimoine data de l'entreprise • Qualifier les besoins et enjeux de l'entreprise • Recruter des profils de type data scientist • Privilégier une approche par étape en adoptant des plateformes fiables et largement utilisées (ex. : outils et plateformes ouvertes telles que Hadoop ou R) • Identifier les corrélations entre les data internes et externes à l'entreprise • Identifier les process de calcul clés et mettre en place des algorithmes spécifiques Big data pour paralléliser les temps de calcul Agile analytics program • Développer conjointement des pilotes (PoC) avec les opérationnels pour fiabiliser ces projets et baisser significativement leur temps de développement • Prioriser les développements des PoC via un cadrage stratégique des enjeux et opportunités identifiés • Diffuser la culture data en interne via une double impulsion top-down et bottom-up • Mettre les collaborateurs/experts sur des arbitrages complexes nécessitant une forte expertise et favoriser ainsi les gains de productivité et l'innovation La confiance by design • Prise en compte en amont des risques techniques, juridiques et réputationnels • Prise en compte de la réglementation et des bonnes pratiques en amont de tout projet Big data • Transparence sur l'utilisation de la data, a fortiori la data personnelle Quelle maturité dans l'exploitation des données clients ? | 35