Merhi, M. I., & Bregu, K. (2020). Effective and efficient usage of big data analytics in public sector. Transforming Government: People, Process and Policy.
Les avancées technologiques récentes ont permis d’augmenter la production de données. L’augmentation de la production de données offre des opportunités d’amélioration de la prise de décision. En effet, les mégadonnées peuvent contribuer à la résolution de problèmes tels que la congestion routière ou la prestation de soins de santé. Cependant, certains chercheurs estiment que les gouvernements sont en retard par rapport au secteur privé pour exploiter le potentiel des mégadonnées. Par conséquent, cette recherche se questionne sur la manière dont le secteur public peut utiliser les mégadonnées efficacement et avec efficience ?
Définition
Le modèle dynamique des mégadonnées est basé sur le principe de la dynamo, qui indique que lorsqu’une boucle de fil est déplacée entre les pôles nord et sud d’un aimant sans courant, un courant est momentanément produit. Dans le cas des mégadonnées, lorsqu’elles se déplacent entre un environnement « utilisateur » et un environnement « technologique », le courant de l’utilisation efficiente et efficace des mégadonnées est généré par un effet d’apprentissage.
Les facteurs du modèle sont basés sur des théories provenant de la discipline des systèmes d’information. Il s’agit de :
(1) la théorie générale des systèmes selon laquelle un système est une intégration de composantes réunies par un lien commun et cohésif ;
(2) le modèle d’acceptation technologique qui indique que l’acceptation d’une technologie dépend de son utilité perçue et de sa facilité d’utilisation perçue ;
(3) la théorie de la contingence qui postule que la solution pour tous les problèmes de gestion dépend des facteurs influents sur une situation.
Principaux facteurs du modèle dynamique des mégadonnées :
- Facteurs centrés sur la technologie
- Les infrastructures technologiques sont l’épine dorsale des systèmes d’information et comprennent un certain nombre de technologies telles que les serveurs d’applications, les services d’annuaire et de sécurité, les serveurs de périphérie, les serveurs de données et de transactions et la gestion du stockage.
- Les contrôles de sécurité sont répartis en cinq catégories :
- Authentification : les individus prenant part à une transaction ou une communication électronique sont ceux qu’ils prétendent être.
- Non-répudiation : aucun individu participant à une transaction électronique ne devrait être en mesure de nier sa participation à la transaction.
- Confidentialité : les communications entre individus sont limitées à ceux impliqués dans la transaction.
- Vie privée : des protections garantissent que les informations personnelles des utilisateurs collectées ne sont pas divulguées sans permission.
- Intégrité des données : les données transmises ne sont pas créées, interceptées, modifiées ou supprimées de manière illicite.
- Facteurs centrés sur l’utilisateur
- Transparence : publicisation des données et des informations utilisées par les processus de décision internes et les procédures.
- Responsabilité : relation entre le système et les citoyens dans laquelle le système est tenu responsable par les citoyens.
- Efficacité : maîtrise des outils informatiques.
- Acceptation de la technologie : perception de la facilité d’utilisation et de l’utilité des individus.
- Facteurs centrés sur les organisations publiques
- Technologies de l’information : obligation de réduire la fracture numérique et de fournir une plate-forme technologique équitable.
- La culture nationale : l’environnement culturel et historique unique à chaque pays doit être pris en compte dans le cadre d’une politique nationale d’utilisation des mégadonnées.
- Facteurs gouvernementaux : développement de normes et de procédures publiques.
- Les experts sélectionnés jugent que ce sont les facteurs technologiques qui sont les plus importants pour l’efficacité des mégadonnées.
- Les trois sous-facteurs technocentriques les plus importants pour l’efficacité des mégadonnées sont :
- Authentification = 24 %
- Non-répudiation = 19 %
- Confidentialité = 18 %
- Les sous-facteurs centrés sur l’utilisateur les plus importants pour l’efficacité des mégadonnées sont :
- Transparence et responsabilité = 77 %
- Efficacité = 11 %
- Acceptation de la technologie = 11 %
- Les sous-facteurs centrés sur le gouvernement sont classés entre eux selon l’importance qu’ils ont dans l’efficacité des mégadonnées :
- L’accent mis sur les technologies de l’information = 48 %
- La culture nationale = 32 %
- Les facteurs gouvernementaux = 21 %
- Le rôle du gouvernement pour concevoir les politiques envers les technologies de l’information et même pour participer directement comme un fournisseur est critique pour améliorer l’efficacité et l’efficience de l’utilisation des mégadonnées
- Il y a un besoin élevé de main-d’œuvre qualifiée pouvant maîtriser les données. La formation des fonctionnaires actuels est une option pour remédier à cet enjeu.
- L’authentification et la non-répudiation sont les deux facteurs les plus importants pour une utilisation efficace des mégadonnées.
- Les décideurs publics doivent mettre à jour les technologies pertinentes, cadrer les politiques vers les technologies de l’information et former les citoyens.
- Cette publication repose sur une recherche quantitative.
- Les chercheurs ont utilisé le processus de hiérarchie analytique.
- Les données ont été collectées en 2019 auprès de 12 experts en systèmes d’information et en technologies de compagnies américaines. Ils ont été sélectionnés parce qu’ils avaient participé à des projets liés aux mégadonnées.
- Les répondants devaient réaliser des jugements comparatifs entre les facteurs choisis par les chercheurs. Les personnes interrogées ont été invitées à comparer chaque paire de facteurs et sous-facteurs à la fois en utilisant cette échelle pour développer les matrices de comparaison par paires.
- Après avoir rempli la matrice de comparaison, les poids prioritaires et le ratio de cohérence ont été calculés parmi les facteurs via la matrice de comparaison par paires. Le ratio de cohérence est de 0,079.
- Les résultats doivent être interprétés à la lumière des limites suivantes :
- Le modèle dynamique des mégadonnées inclut plusieurs facteurs qui sont considérés comme les facteurs les plus critiques. Il est toutefois possible qu’il existe d’autres facteurs qui influencent l’efficacité des mégadonnées dans le secteur public.
Il n’y a aucune information liée au financement de la publication.