Dark Analytics

Tendance

Dark Analytics

Tech Trends 2017

Alors même que le big data continue de jeter des défis redoutables aux entreprises, une nouvelle frontière pointe déjà à l’arrière-plan. Plus complexe, plus profonde, plus volumineuse encore, la « matière noire » de l’univers informationnel des entreprises attend de livrer ses secrets aux pionniers.

DARK ANALYTICS : A LA DÉCOUVERTE DE LA VALEUR CACHÉE DES DONNÉES

Les entreprises gagnent en maturité sur le big data. Mais même les plus avancées n’ont pas encore réellement « plongé sous la surface » des océans de données. Dans les deux années qui viennent, cela va changer.

Les dark analytics feront parler les données muettes : celles que les entreprises n’exploitent pas à l’heure actuelle, les données non structurées (images, sons) et celles qui sont cachées dans les tréfonds du deep web, ignoré par les moteurs de recherche classiques.

Ces données recèlent une valeur méconnue : en les exploitant, les entreprises pourraient réaliser, d’ici à 2020, des gains de productivité de 430 milliards de dollars US au niveau mondial.

Fiction : découvrez comment cette tendance s'appliquerait aux organisations

En septembre 2019, le pôle Recherche de l’hôpital universitaire Luc Montagnier a tiré un premier bilan positif de son programme « Données 360° », expérimenté depuis deux ans avec l’INSERM. L’ambition de ce programme se résume en une phrase : exploiter, où qu’elles se trouvent, les données permettant d’améliorer la prise en charge des patients.

Pour mettre en œuvre ce principe, l’hôpital a commencé par recenser toutes les données dont il disposait, en provenance des services administratifs ou des diverses unités médicales et fonctionnelles, puis les a regroupées dans un data lake, un réservoir de données sans structure contraignante. Certaines de ces données étaient non structurées, comme par exemple les mémos vocaux que les praticiens hospitaliers laissent aux internes ou bien les conversations téléphoniques des patients souffrant d’une affection longue durée, en partie suivis à distance. Un logiciel de traitement vocal a permis de convertir ces données vocales en textes exploitables.

Par ailleurs, l’hôpital a conclu des partenariats avec d’autres parties prenantes, telles que l’assurance maladie, des mutuelles ou des laboratoires pharmaceutiques pour accéder à leurs données. Certains patients ont également donné leur accord pour partager leurs données personnelles, comme leurs moniteurs d’activité physique ou, pour les diabétiques, leurs capteurs de glycémie connectés. Enfin, l’hôpital a extrait des informations ciblées dans le deep web, non indexé par les moteurs de recherche classiques, notamment des bases de publications médicales ou des référentiels d’interactions médicamenteuses.

Les résultats n’ont pas tardé à suivre. La prévention et le suivi des patients, par exemple, ont été améliorés grâce à un meilleur ciblage. En effet, des corrélations ont pu être établies, par exemple entre l’adresse de résidence et la prévalence de certaines pathologies. La pharmacovigilance a été améliorée : certains signes de complications sont identifiés plus tôt et mieux associés à une intolérance médicamenteuse.

Le personnel médical, lui aussi, y trouve son compte. Ainsi, par exemple, grâce à une meilleure prévision des épidémies, le planning du personnel et l’occupation des lits sont mieux anticipés. La fréquence et la durée des périodes de tension ont été réduites.

Tech Trends 2017

L'entreprise cinétique

Découvrez les grandes tendances technologiques qui impacteront les organisations