Volumes, Vitesse, Variété... La règle des 3 V définirait la Big Data. Disons qu'elle le symbolise. En réalité, le Big Data matérialise une nouvelle approche de l'information. Hier, on demandait à sa direction ICT de pouvoir fournir telles ou telles données une fois par mois, sinon une fois par trimestre. Nous étions dans le registre des requêtes sur bases de données, dans la logique des DBMS -relationnels ou non, imposant des données structurées dans des champs prédéfinis. Aujourd’hui, dans le Big Data, la demande est différente: pouvoir rassembler toutes les données disponibles ou presque et les mettre à disposition des managers, le plus rapidement possible et jusque sur des iPad!
Rassembler ces données va permettre d'étudier, par exemple, les comportements des consommateurs d’un site en fonction des pages consultées, des produits présélectionnés, du temps d’attente entre deux actions et de l’heure de connexion, voire relier ces comportements à des remarques postées sur des blogs. Objectif: construire des modèles pour cibler les meilleurs potentiels et agir rapidement (appels, relances, nouvelles offres, services complémentaires...).
Les perspectives de développement sont quasiment illimitées puisqu’elles dépendent désormais de la capacité de l’entreprise à imaginer de nouvelles combinaisons. Ces sources commencent à être utilisées dans les assurances, la sécurité: les réseaux sociaux servent notamment à vérifier des déclarations. Certaines marques sont capables de comparer leurs ventes et l’apparition des noms de leurs produits sur Internet (dans des blogs, des sites de contenus) ou dans des tweets. Avec les coordonnées de ces tweets, il est possible de rapidement contacter les clients potentiels. Dernier exemple, l'analyse des enregistrements vocaux dans les call centers.
Bref, les entreprises sont désormais en mesure de comprendre des phénomènes complexes et, surtout, faire partager ces analyses pour accroître leur intelligence collective. Une nécessité. En effet, selon une étude récente, 81% des cadres dirigeants admettent qu’ils ne disposent toujours pas les bonnes informations pour prendre leurs décisions de façon sereine. Et de reconnaitre qu’ils ignorent la qualité et la pertinence des données.
Et pour cause. Certains dossiers, aujourd'hui, recèlent parfois une volumétrie inattendue. Ainsi, le choix d'un emplacement pour ériger une ferme d'éoliennes, par exemple, nécessite une batterie impressionnante de données liées à la météorologie, à des modélisations et simulations diverses -le tout pouvant peser jusqu'à 6 péta-octets de données...
L’accès à une telle puissance d’analyse sur des ensembles variés de données offre une véritable valeur ajoutée: on comprend des comportements, on détecte des tendances, des patterns, des regroupements. Si le Data Mining portait sur des échantillons, les technologies de Big Data nous offrent la capacité à découvrir des évolutions, des relations sur une population entière. Il devient possible de tester des hypothèses en temps réel et de factualiser les décisions. Et alors que des centaines d’attributs caractérisaient hier un client ou un profil, demain, ce sont potentiellement plusieurs milliers d’attributs dont disposeront les entreprises.
Rassembler ces données va permettre d'étudier, par exemple, les comportements des consommateurs d’un site en fonction des pages consultées, des produits présélectionnés, du temps d’attente entre deux actions et de l’heure de connexion, voire relier ces comportements à des remarques postées sur des blogs. Objectif: construire des modèles pour cibler les meilleurs potentiels et agir rapidement (appels, relances, nouvelles offres, services complémentaires...).
Les perspectives de développement sont quasiment illimitées puisqu’elles dépendent désormais de la capacité de l’entreprise à imaginer de nouvelles combinaisons. Ces sources commencent à être utilisées dans les assurances, la sécurité: les réseaux sociaux servent notamment à vérifier des déclarations. Certaines marques sont capables de comparer leurs ventes et l’apparition des noms de leurs produits sur Internet (dans des blogs, des sites de contenus) ou dans des tweets. Avec les coordonnées de ces tweets, il est possible de rapidement contacter les clients potentiels. Dernier exemple, l'analyse des enregistrements vocaux dans les call centers.
Bref, les entreprises sont désormais en mesure de comprendre des phénomènes complexes et, surtout, faire partager ces analyses pour accroître leur intelligence collective. Une nécessité. En effet, selon une étude récente, 81% des cadres dirigeants admettent qu’ils ne disposent toujours pas les bonnes informations pour prendre leurs décisions de façon sereine. Et de reconnaitre qu’ils ignorent la qualité et la pertinence des données.
Et pour cause. Certains dossiers, aujourd'hui, recèlent parfois une volumétrie inattendue. Ainsi, le choix d'un emplacement pour ériger une ferme d'éoliennes, par exemple, nécessite une batterie impressionnante de données liées à la météorologie, à des modélisations et simulations diverses -le tout pouvant peser jusqu'à 6 péta-octets de données...
L’accès à une telle puissance d’analyse sur des ensembles variés de données offre une véritable valeur ajoutée: on comprend des comportements, on détecte des tendances, des patterns, des regroupements. Si le Data Mining portait sur des échantillons, les technologies de Big Data nous offrent la capacité à découvrir des évolutions, des relations sur une population entière. Il devient possible de tester des hypothèses en temps réel et de factualiser les décisions. Et alors que des centaines d’attributs caractérisaient hier un client ou un profil, demain, ce sont potentiellement plusieurs milliers d’attributs dont disposeront les entreprises.
Reste la question -épineuse- de la qualité des données. Comme on ne maîtrise ni la fréquence ni le volume et encore moins le format et la structure des données, le Big Data modifie les schémas de gouvernance et de gestion des données. Difficile, d!s lors, d’en maîtriser la qualité. Impossible de faire le tri. Il faut tout prendre et tout analyser. La question de la qualité des données se posera autrement, sur le terrain. Le problème n'est pas nouveau, mais il resurgit plus intensément: on manque d’indicateurs de qualité. Force est de le reconnaître: on se contente d'estimer de façon empirique que les données sont de qualité. Avec la multiplication de ces échanges, il faudra le démontrer. Tout comme la qualité des données tierce... Il y aura forcément un blocage si on ne parvient pas à développer des indicateurs en interne, ou avec une tierce partie. Cela est déjà important dans un contexte traditionnel. Dans un contexte Big Data, ce pourrait être bloquant.
Autre défi, l'organisation. Le Big Data va transformer nos modes de collaboration et remettre en cause la hiérarchie traditionnelle. Les fonctions transverses (marketing, achats, finance, ressources humaines…) auront mis leurs données, intelligibles, au service des opérationnels; leurs interventions dans les processus de décisions quotidiens seront différentes.
Cette transversalité renforcera l’autonomie de décision et d’action des opérationnels. Par exemple, un commercial verra instantanément qu’un client n’est pas rentable et surtout pourquoi: un trop grand nombre de livraisons, un mix produit déséquilibré par rapport à d’autres clients comparables. Il sera plus autonome pour comprendre les enjeux et pourra donc agir rapidement en conséquence.
Cette transformation des processus s’accompagnera inévitablement d’une évolution des modes de construction des entrepôts de données, voire des méthodes de gestion de projets et des architectures techniques. La tendance est à la décentralisation des éléments composant la donnée, pour aboutir au final à une vision purement logique.
Plus étonnant, la frontière de l’entreprise devient mouvante. A qui sont les données qui construisent les décisions: aux clients? A l’espace public? Où s’arrête la responsabilité de l’entreprise: toujours au salarié? Les sociétés sont de plus en plus interconnectées intimement avec leurs clients, leurs fournisseurs, les réseaux personnels de leurs salariés et l’espace public. Elles se présentent de plus en plus comme une confédération mobile (fournisseurs, fabricants, clients, salariés, investisseurs, espace public) autour d’une marque, d’un service ou d’un produit.
Autre défi, l'organisation. Le Big Data va transformer nos modes de collaboration et remettre en cause la hiérarchie traditionnelle. Les fonctions transverses (marketing, achats, finance, ressources humaines…) auront mis leurs données, intelligibles, au service des opérationnels; leurs interventions dans les processus de décisions quotidiens seront différentes.
Cette transversalité renforcera l’autonomie de décision et d’action des opérationnels. Par exemple, un commercial verra instantanément qu’un client n’est pas rentable et surtout pourquoi: un trop grand nombre de livraisons, un mix produit déséquilibré par rapport à d’autres clients comparables. Il sera plus autonome pour comprendre les enjeux et pourra donc agir rapidement en conséquence.
Cette transformation des processus s’accompagnera inévitablement d’une évolution des modes de construction des entrepôts de données, voire des méthodes de gestion de projets et des architectures techniques. La tendance est à la décentralisation des éléments composant la donnée, pour aboutir au final à une vision purement logique.
Plus étonnant, la frontière de l’entreprise devient mouvante. A qui sont les données qui construisent les décisions: aux clients? A l’espace public? Où s’arrête la responsabilité de l’entreprise: toujours au salarié? Les sociétés sont de plus en plus interconnectées intimement avec leurs clients, leurs fournisseurs, les réseaux personnels de leurs salariés et l’espace public. Elles se présentent de plus en plus comme une confédération mobile (fournisseurs, fabricants, clients, salariés, investisseurs, espace public) autour d’une marque, d’un service ou d’un produit.
«Big Data... Méfiez-vous: l'appellation est trompeuse! »
