Big data : une révolution numérique

Vous avez dit Big data ?

Traiter de manière pertinente un flot continu de données hétérogènes est le défi que doivent relever les acteurs du Big data.

Le Big data - ou datamasse en français - découle de la capacité à traiter rapidement et de manière pertinente un grand volume de données hétérogènes. Il répond à la règle dite des 3V, qui en fixe les principes : un grand Volume de données, une grande Variété de données (structurées ou brutes, appartenant à différents formats, publiques ou répondant à des conditions strictes d’utilisation) et une Vélocité élevée, autrement dit une vitesse de traitement qui, dans l’idéal, s’approche du temps réel. À ces trois points, présentés en 2011 par le cabinet McKinsey, deux autres V relatifs à la Valeur et à la Véracité sont venus s’ajouter.

Des données comme matière première

Depuis une vingtaine d’années, la plupart des données produites sont dématérialisées. Des informations qui sont directement créées par l’homme (textes, données chiffrées, images fixes ou animées, sons…), par des systèmes techniques (données de connexion, télépaiements, télescopes, capteurs environnementaux, péages routiers…) ou encore par les outils interconnectés (cartes de transport, véhicules, mobilier intelligent, GPS…). Nombre de ces données font déjà l’objet d’un traitement statistique de masse, le plus souvent par les géants d’Internet comme Google, Facebook ou encore Yahoo!, par des opérateurs téléphoniques, par les banques et les assurances ou par certains organismes publics (universités, sécurité nationale…). Leur volume augmente de manière exponentielle et pourrait, selon les prévisionnistes, être multiplié par 100 d’ici à 2020.

Un système d’aide à la décision

La mise en place d’une démarche Big data doit aider les dirigeants d’entreprises à faire les bons choix au bon moment.

Le traitement de ces données peut servir plusieurs objectifs. Lorsqu’il porte sur des informations structurées et sériées, comme celles issues de l’entreprise, il permet d’évaluer une situation, d’élaborer des tableaux de bord afin de faciliter, au quotidien, la prise de décision des responsables (DG, DAF, RH, DSI…).

Lorsqu’il sert à analyser des données massives et multistructurées, il offre la possibilité, grâce à l’application de lois statistiques, de tirer des principes généraux de l’étude d’un simple échantillon et donc de jouer un rôle prédictif. Idéalement, le Big data permet de faire les bons choix au bon moment. Il s’inscrit comme un outil d’aide à la décision tant pour les actions de gestion que pour l’élaboration des stratégies. Sa mise en place dans une entreprise correspond à une véritable démarche. Elle suppose non seulement un changement des mentalités, dans la mesure où elle implique que la prise de décisions soit guidée par des données, mais aussi une évolution des méthodes de travail, en raison, notamment, de l’accélération qu’elle induit dans le processus décisionnel.

Des compétences techniques pointues

La dématérialisation des échanges est telle qu’aujourd’hui un grand nombre d’entreprises se trouvent en possession d’une masse colossale et en constante augmentation d’informations, concernant notamment leurs clients et leurs prospects. Les difficultés qu’elles rencontrent, dans la mise en place d’une démarche Big data, portent ainsi davantage sur le traitement de ces données que sur leur recueil.

Le déploiement du Big data combine le plus souvent deux approches. Une augmentation des capacités de stockage de données via des solutions permettant un ajustement progressif des besoins, comme c’est le cas avec le « cloud », par exemple. Et le développement de bases de données et d’algorithmes aptes à extraire en continu des enseignements pertinents d’une masse évolutive de données multistructurées. Ce développement s’appuyant généralement sur des solutions comme NoSQL, Redis, Hadoop ou encore HBase. Sans surprise, la mise en place de ces solutions informatiques impose le recours à des spécialistes de la gestion et de l’analyse des données de masse (data scientist, data analyst, data officer…).

Les usages du Big data

Agriculture, commerce, industrie, assurance, santé… les applications du Big data concernent tous les secteurs économiques.

L’approche des clients est, sans conteste, le premier domaine investi par les entreprises ayant lancé une démarche Big data. L’analyse des données récoltées notamment via les réseaux sociaux, les commerces en ligne, la navigation sur les sites ou encore les envois de mailings permet de mieux les connaître. Grâce à cette démarche, les services marketing se trouvent en mesure :
- de cibler avec précision leurs offres commerciales (en croisant les données, il est possible de connaître l’activité professionnelle d’un client, ses loisirs, ses habitudes de consommation...) ;
- de répondre immédiatement à l’expression du besoin d’un client ou d’un prospect (l’analyse en temps réel des données permet, par exemple, d’adresser une promotion en rapport avec le sujet d’un tweet ou d’un courriel rédigé par un internaute) ;
- d’anticiper une tendance, un comportement de masse et de s’y préparer (l’analyse du comportement d’un échantillon de population représentatif doit permettre, avec plus ou moins de précision, de définir le comportement d’un plus grand nombre d’individus).

Mais le Big data ne s’arrête pas là. Il permet également :
- la création de nouveaux services, comme la prévision des déplacements des populations à partir des données de géolocalisation que proposent désormais certains opérateurs téléphoniques ;
- la mise en place d’une agriculture dite « de précision » permettant, via l’analyse des données climatiques, de photos satellites, de données sur la composition des sols, de limiter les apports d’eau, d’engrais ou de pesticide aux seules zones qui, dans un champ, en ont besoin ;
- d’améliorer l’expérience client dans le tourisme et la culture (meilleure gestion des files d’attente, anticipation des besoins…) ;
- d’améliorer les services des assureurs grâce à une meilleure identification des risques (tarification plus adaptée au client, détection facilitée des comportements frauduleux…) ;
- d’optimiser les processus de recherche fondamentale dans le domaine de la santé, mais aussi la mise au point des médicaments.