La « culture données » en entreprises, définie largement comme l’intégration des données dans les décisions et la tolérance aux argumentations fondées sur des données, repose sur une culture quantitative qui n’est pas si répandue. Cela nécessite des investissements en formation au moins autant qu’en technologies, ainsi que de lever les réticences concernant le partage des données. Cela demande aussi d’accepter de déléguer les décisions à ceux qui maîtrisent les approches quantitatives quand de nombreux dirigeants préfèrent se référer à leur propre expertise.
Ce livre ne traite pas de statistiques, cependant les statistiques inductives sont au cœur du Big Data. Leur vocabulaire est très spécifique et constitue souvent un frein à la compréhension des concepts. Nous prendrons parfois des raccourcis avec les ma-thématiques afin de définir une zone commune d’échanges entre manageurs et statisticiens, leur incompréhension mutuelle constituant une des plus formidables barrières à l’utilisation du Big Data.
Les statistiques descriptives, celles des tableurs, condensent les données sous forme compacte. Elles sont traditionnellement appliquées aux résultats d’expériences et permettent des intuitions sur les causes des phénomènes objets de l’expérience. La théorie sur les causalités en jeu est ab-sente ou peu formelle.
Les statistiques inférentielles, ou inductives, cherchent, elles, à tirer des conclusions de données sujettes à variations statistiques, comme des échantillons et à exprimer directement les propriétés de la population, dont l’erreur est cadrée avec des fonctions de probabilités : avoisiner une valeur dans un intervalle dit de confiance, rejeter une hypothèse avec une probabilité d’erreur, ou créer un modèle statistique à partir de données, ce qui rejoint notre définition du Big Data…