Vaidy Krishnan, responsable du marketing produit, Tableau Software
Faire parler les données, un des défis liés à l'Internet des objets
2
Avec l'avènement des capteurs à bas prix, l'omniprésence de la connectivité et l'augmentation constante des volumes de données, l'Internet des objets est en passe de réinventer le monde tel que nous le connaissons. Selon Gartner, Inc., une entreprise de recherche et de conseil en technologies, il existera environ 26 milliards d'appareils connectés d'ici 2020. Qu'il s'agisse de technologie portable, de domotique ou d'optimisation industrielle, les possibilités sont nombreuses, mais les défis à relever le sont tout autant. Pour rendre l'Internet des objets accessible au plus grand nombre, les efforts doivent se concentrer davantage sur les données que sur la connectivité des appareils. Nous devons tout d'abord extraire les données des appareils, puis comprendre ce qu'elles signifient.
Jusqu'à présent, le marché a surtout mis l'accent sur les gadgets intelligents en ligne. Peu d'innovations ont vu le jour pour nous permettre de consommer toutes les données collectées par ces machines et ces gadgets. Par conséquent, de nombreuses solutions d'IoT chutent dans la dernière ligne droite. En d'autres termes, elles collectent des données, mais ne permettent pas de les visualiser ni de les comprendre. À quoi bon posséder des données si on ne peut pas les exploiter ? Et si elles sont inexploitables, pourquoi se donner la peine de les collecter ?
Dans ces conditions, comment pouvons-nous lire, comprendre et interpréter ces données issues de l'IoT, qu'elles proviennent d'appareils domestiques intelligents, de technologie portable ou d'une solution industrielle, comme la plate-forme Predix de GE ? Quatre problèmes se posent à nous :
1. Procéder par itération et s'adapter rapidement
2. Permettre une exploration dans les détails grâce à l'interactivité
3. Permettre des analyses plus générales grâce à la fusion des données
4. Favoriser le partage et la collaboration
3
Pour en savoir plus : Tous les objets : visualisation des données dans le monde des appareils connectés
Procéder par itération et s'adapter rapidement
Nous vivons dans un monde où il est de plus en plus utopique d'avoir des « données
parfaites ». Peu importe la façon dont les données sont compilées, elles sont
généralement stockées dans une source qui ne vous est pas accessible. Il se peut
également qu'elles soient incomplètes pour certains domaines clés, ou formatées de
telle sorte que leur analyse approfondie devient complexe. Il s'agit là d'inconvénients
auxquels nous sommes de plus en plus confrontés pour les applications de l'IoT.
Il n'existe en effet aucun consensus quant aux normes et aux protocoles à adopter
pour prendre en charge l'interopérabilité entre appareils.
Plutôt que de laisser des données incomplètes ou de mauvaise qualité paralyser
notre entreprise, nous devons utiliser ce dont nous disposons et procéder par itération
jusqu'à trouver les bonnes solutions. Au fur et à mesure des itérations, nous
apprenons à distinguer les données « acceptables » de celles dont la qualité est
vraiment mauvaise. Les données acceptables suffisent en général à répondre à la
plupart des questions, sinon toutes. De plus, comprendre les lacunes de certaines
données permet d'améliorer le processus pour les collecter et les traiter, et ainsi
d'obtenir des données de meilleure qualité.
En outre, les données acceptables dont vous disposez continuent d'évoluer et d'être
analysées afin d'améliorer les performances. Cela renforce les exigences en termes
de qualité. Les utilisateurs commencent à se rendre compte de la valeur des données
et sont prêts à investir pour rendre ces informations précises et fiables.
Ces cycles « launch and learn » sont issus de la méthodologie Agile, qui a été adoptée
et perfectionnée par de nombreuses entreprises dans le domaine du développement
de logiciels. Nous estimons qu'elle devrait également s'appliquer au domaine
de l'analyse des données issues de l'IoT. Après tout, la rapidité d'adoption des
technologies reste une des principales préoccupations des PDG. C'est ce qui
ressort nettement de l'enquête 2015 de Boston Consulting Group réalisée auprès
de 1 500 dirigeants des entreprises les plus innovantes. Selon Andrew Taylor,
associé principal chez BCG et coauteur du rapport, « un mot revient sans cesse »
dans l'enquête comme dans les interviews de dirigeants. Il s'agit du mot « rapidité ».
L'enquête dévoile que les dirigeants d'entreprises veulent accélérer les processus
d'innovation traditionnels pour développer des produits et tester rapidement
de nouvelles idées.
1.
4
Dans ce webinaire, découvrez comment Flex est passé « de la mesure des performances à l'optimisation des performances ».
« Les dirigeants d'entreprise n'ont
qu'un seul mot à la bouche : rapidité. »
— Andrew Taylor, associé principal chez BCG et coauteur du rapport
Pour pouvoir agir rapidement, les entreprises ont besoin d'une plate-forme d'analyse
rapide, flexible et facile à déployer. Celle-ci doit permettre de tester différentes approches
et d'identifier les lacunes des données au cours des analyses. Elle ne doit pas nécessiter
de grandes compétences en développement, car l'utilisateur pourrait se sentir frustré
et abandonner avant d'avoir pu extraire une seule information exploitable.
Flex, une grande entreprise de solutions d'approvisionnement, aussi connue sous le nom
de Flextronics, a dû faire face à un défi similaire. À l'origine fabricant en sous-traitance
à faible marge d'ordinateurs, de routeurs et de matériel électronique de base, Flex
se tourne actuellement vers la fabrication d'appareils, de capteurs et d'équipement
industriel qui alimente l'ensemble du secteur de l'IoT et en assure la maintenance.
Pour accroître ses marges, Flex avait besoin de mieux comprendre ses données
de performances IoT, afin de réduire les coûts et d'optimiser la production. L'entreprise
devait également livrer une valeur ajoutée inégalée à ses clients, se traduisant par des
réparations et des révisions plus rapides. Et cela, en s'adaptant rapidement aux évolutions
du marché pour éviter de se faire écraser par les grands fabricants chinois et garder
une longueur d'avance sur les start-ups plus agiles.
Cependant, ses données étant prisonnières de l'« enfer d'Excel » ou de plates-formes
d'aide à la décision complexes, Flex avait du mal à progresser. En passant à une solution
analytique en libre-service et à la demande, Flex est devenue plus réactive. La solution
de création de rapports automatisés, standardisés et reproductibles permet d'économiser
du temps et de l'argent. De plus, l'équipe peut maintenant consacrer davantage de temps
à ses clients. Selon Joel Woods, responsable des analyses avancées chez Flex, l'entreprise
est passée « de la mesure des performances à l'optimisation des performances ».
5
Permettre une exploration dans les détails grâce à l'interactivité
Nous nous souvenons tous de la présentation mythique de Steve Jobs lors
de la conférence WWDC d'Apple en 2007, au cours de laquelle il a présenté l'iPhone
au monde entier. Avant de révéler le produit, Steve Jobs a mis l'accent sur le contraste
entre le nouveau design révolutionnaire de l'« écran géant » et les téléphones
existants qui s'appuyaient sur les boutons physiques. C'était là une avancée majeure,
et l'argument pour défendre son innovation était simple : chaque application doit avoir
son propre écran et sa propre expérience utilisateur. Selon lui, les boutons ne sont
pas efficaces, « car les boutons ne changent pas. Il est impossible de les adapter
à chaque application. Vous ne pouvez pas les changer en cours de route si, tout
à coup, vous vient une idée de génie que vous souhaitez intégrer à votre produit ».
Il en va de même pour le monde des données. Nous autres, êtres humains, sommes
curieux de nature. La réponse à une question mène souvent à d'autres questions.
Plus on découvre, plus on apprend. C'est pour cela qu'il vous faut un outil flexible,
qui vous permette de modeler vos données en fonction de l'évolution de vos besoins.
Malheureusement, la plupart des applications de l'IoT ne proposent que des affichages
standard ou des tableaux de bord qui ne mènent nulle part. Elles répondent à un
ensemble de questions prédéterminées dont les utilisateurs doivent se contenter.
Par exemple, imaginons une application IoT qui étudie les données historiques
de l'activité d'un moteur défaillant et détermine les conditions qui provoquent une panne,
et les probabilités qu'une telle défaillance se produise à nouveau. Mais que se passe-t-il
si nous souhaitons rentrer dans le détail et examiner les pièces qui rencontrent le plus
de problèmes ? Peut-être voulons-nous connaître les usines qui ont fabriqué ces pièces
et le moment où ces pièces ont été fabriquées, ou encore savoir quels fournisseurs ont
causé le plus de problèmes. Que faire dans ce cas ? Notre curiosité est sans limites,
et nous sommes frustrés de ne pouvoir approfondir la question initiale.
Les rares fois où il nous est possible de poser des questions supplémentaires, il nous
faut migrer nos données ou nous lancer dans de longs cycles de développement pour
ajuster les rapports. En outre, comme les questions impliquent naturellement d'explorer
l'inconnu, il peut s'avérer difficile de justifier les coûts d'un gros projet informatique.
Mais, si nous ne nous lançons pas dans cette exploration, nous risquons de rester
dans l'ignorance et de laisser passer des opportunités.
Dans ces conditions, comment saisir la signification et la profondeur des données
de l'IoT sans devoir financer un énorme projet informatique ? La réponse se trouve dans
l'interactivité. Interagir avec vos données, cela signifie converser avec elles. Vous pouvez
explorer toutes sortes de permutations et même découvrir des tendances étonnantes.
2.
6
Regardez ce que Mac Bryla a découvert sur Will Ockenden en 10 minutes à peine.
Mac Bryla a fait des découvertes surprenantes en explorant les métadonnées issues
du téléphone du journaliste australien Will Ockenden. Par goût de la découverte, Will
a obtenu puis divulgué ses propres données au grand public, et a été plutôt surpris par
ce que Mac a découvert en 10 minutes à peine. La visualisation ci-dessous montre la
façon dont Mac a décortiqué les données, couche par couche. Elle montre ce qu'il est
possible de faire si l'on donne aux utilisateurs les moyens de répondre à leurs propres
questions. On est loin des affichages statiques et fermés qui avortent toute discussion.
7
Permettre des analyses plus générales grâce à la fusion des données
Les appareils connectés ont eu sur nos vies un impact que nous étions loin d'imaginer
il y a quelques années. Et les données associées à ces appareils renferment des histoires
qui n'attendent que d'être racontées. Pour découvrir ces histoires, il faut placer les
données issues de l'IoT en contexte.
Kaj Peltonen, consultant produit chez Tableau, souhaitait explorer ses données Fitbit,
en vue d'établir un éventuel lien entre son programme d'exercices et ses cycles
de sommeil. Les tableaux de bord natifs de Fitbit lui permettaient seulement d'analyser
ses données d'exercices de façon isolée. Mais lui voulait observer ses données Fitbit
dans un contexte plus large. Il se posait les questions suivantes :
• Dans quelle mesure mon activité physique de la journée influence-t-elle mes
cycles de sommeil ?
• Mes performances sont-elles meilleures lorsque je dors beaucoup ?
Heureusement, Fitbit vous permet d'exporter les données de suivi de vos activités
physiques, ainsi que celles de vos apports alimentaires, vos mensurations et vos
cycles de sommeil. (L'exportation de données n'est souvent pas la méthode idéale,
mais il s'agit parfois du seul moyen d'élargir l'étendue de l'analyse.)
En très peu de temps, Kaj a fusionné les données dans Tableau et a pu comparer ses
cycles de sommeil avec son programme d'exercices quotidien (voir le tableau de bord
à la page 8).
3.
8
Kaj a découvert qu'une bonne nuit de sommeil (particulièrement le lundi) était
souvent suivie d'une journée active.
9
En savoir plus sur les analyses en libre-service de MainPower.
Imaginez que vous puissiez utiliser cette méthode de fusion des données dans votre
environnement de travail, et ainsi bénéficier de la même liberté d'analyse. Les capteurs
intégrés aux réacteurs d'avion peuvent nous aider à déterminer quand une opération
de maintenance est nécessaire. Dans ce cas, cette méthode permettrait d'anticiper
les éventuelles défaillances et d'économiser des milliards de dollars. Mais comment
comparer ces économies à notre budget prévisionnel par produit et par région ?
Ce serait un excellent moyen de concentrer nos investissements IoT là où nous
en avons le plus besoin, y compris pour saisir des opportunités commerciales.
Ou alors, prenons une entreprise de service public qui veut explorer le réseau
électrique intelligent. Imaginez que tous les points du réseau électrique soient
connectés à Internet de sorte que l'entreprise puisse surveiller les risques
de défaillance et empêcher les pannes. Supposez que, pour prévoir ses capacités,
l'entreprise associe les données de rendement des actifs et de fiabilité de ses services
aux données concernant la demande en alimentation électrique. Cela permettrait
au gouvernement de diversifier la production énergétique, en ajoutant la production
d'énergies renouvelables aux sources d'énergie traditionnelles, pour favoriser une
gestion intelligente et durable au niveau local. La fusion à la volée de sources
de données diverses permet de répondre à ces questions.
MainPower, une entreprise de service public néo-zélandaise, a bien compris ce
principe. Elle analyse un large éventail de données issues de différentes sources,
la plupart étant acheminées via un système d'informations géographiques, afin
de placer toutes les données sur une carte à l'aide de coordonnées. En combinant
des données, MainPower peut identifier les faiblesses ou les problèmes de qualité
de son processus de collecte des données. En représentant les données sur une
carte, MainPower peut identifier les secteurs à problèmes et réorganiser son workflow
pour donner la priorité aux tâches urgentes. Cette approche a immédiatement permis
à l'entreprise de faire parler ses données existantes. Elle a observé que plusieurs
tâches effectuées dans une même zone géographique pouvaient être regroupées
pour un maximum d'efficacité. Ces nouvelles informations lui permettent d'économiser
du temps et de l'argent.
10
Voir une démonstration de l'interactivité.
Favoriser le partage et la collaboration
Enfin, il est primordial de pouvoir partager facilement et de façon pertinente nos
données de l'IoT et les informations exploitables qui en découlent avec d'autres
personnes. Maintenant que nous avons pris la peine de collecter et d'analyser
les données, nous voulons maximiser leur impact. Les gens sont occupés et n'ont pas
toujours le temps de transmettre efficacement les informations. Des outils devraient
nous permettre d'y arriver.
Le partage est d'autant plus efficace lorsqu'il est associé à la connectivité. Par exemple,
observez comment le directeur des opérations d'une entreprise de taille moyenne
peut rapidement explorer les données issues du capteur d'une salle de conférence
(stockées dans un entrepôt Datastax, dans une base de données Apache Cassandra),
afin de mieux comprendre les tendances en matière de consommation d'énergie dans
les locaux. Il peut traiter les questions qu'il avait prévu de poser et passer à d'autres qui
lui viennent à l'esprit au cours de l'analyse. C'est la magie de l'interactivité.
Mais, plus important encore, en partageant ses espaces de travail interactifs,
il permet aux autres utilisateurs de faire émerger de nouvelles questions et d'explorer
de nouveaux vecteurs. Ils font à leur tour leurs propres découvertes. En outre,
en discutant de ces découvertes et en dégageant des informations communes,
les utilisateurs éveillent l'enthousiasme des membres de leur équipe, qui vont alors
chercher à faire eux-mêmes des découvertes, et le cycle se poursuit.
Le partage nous permet également d'identifier les problèmes de manière plus
stratégique. Dans le contexte d'une usine de fabrication qui utilise l'IoT, cette approche
se traduirait par des efforts redoublés pour comprendre pourquoi, quand et à quel
niveau des opérations une défaillance est survenue, et permettrait ainsi d'éviter
des investissements sans fin dans des réparations et corrections, en tablant sur
des améliorations incertaines.
En un rien de temps, vous réalisez que tous les employés de l'entreprise participent
activement à la prise de décisions basée sur les données. Leur travail d'équipe permet
de réduire les pertes de temps et d'améliorer les processus, un résultat qui n'est pas
possible si chacun travaille de son côté. Ils adoptent et favorisent le changement.
4.
11
Conclusion
Lorsque les données de l'IoT commencent à aider la prise de décision, les petits
gadgets qui se contentaient de vous envoyer des notifications se transforment
en agents de responsabilisation à même de transformer totalement une entreprise.
C'est le chemin à suivre pour résoudre le problème de lecture des données de l'IoT.
Et nous n'avons abordé que la partie visible de l'iceberg. Quand les appareils
s'allument ou bippent, les choses deviennent intéressantes, pour peu que nous
puissions déchiffrer ce qu'ils ont à nous dire. Les données de l'IoT, lorsque nous
pouvons les visualiser et les comprendre, nous permettent de prendre des décisions
plus réfléchies sur notre bien-être personnel, nos performances professionnelles
et le monde qui nous entoure.
Tableau et Tableau Software sont des marques commerciales de Tableau Software, Inc. Tous les autres noms de société et de produit peuvent être des marques appartenant à leurs détenteurs respectifs.
À propos de Tableau
Tableau Software aide les utilisateurs à voir et à comprendre leurs données. En proposant une approche révolutionnaire de l'aide à la décision, Tableau vous permet de vous connecter à vos données, de les visualiser et de les partager rapidement et facilement, aussi bien sur un ordinateur que sur une tablette. Créez et publiez des tableaux de bord et partagez-les avec vos collègues, partenaires ou clients, sans avoir de connaissances particulières en programmation. Découvrez comment Tableau peut aider votre entreprise. Téléchargez la version d'évaluation gratuite à l'adresse http://www.tableau.com/fr-fr/products/trial.
Ressources supplémentaires
Télécharger la version d'évaluation gratuite
Livres blancs connexes
Fabrication moderne : les 4 aspects de la transformation du secteur grâce
aux données
Les 8 grandes tendances du Big Data pour 2016
Notre vision du Big Data
Voir tous les livres blancs
Explorer d'autres ressources
· Démonstrations de produits
· Formation et didacticiels
· Communauté et assistance
· Témoignages clients
· Solutions
XXXXXX
Top Related