A lire sur: http://www.infodsi.com/articles/140993/entreprises-sont-concernees-big-data-surtout-periode-crise.html
Récolte, stockage et exploitation de données pertinentes
En informatique, une donnée est une description élémentaire et mémorisable d’une réalité (d’une action, d’un évènement, d’une chose, etc.).Tout système ou application informatique récolte, stocke et traite des données, et les mêmes contraintes président à la constitution et à l’exploitation de bases de données (toujours réductibles à un certain nombre de tables) depuis l’invention de l’informatique.
" Les données doivent notamment être récoltées en minimisant les biais et erreurs, explique Converteo, et de manière la plus granulaire qui soit afin de permettre une exploitation efficace. La mémoire des systèmes n’étant pas illimitée par le passé (on considère que ce n’est plus le cas aujourd’hui, grâce à la baisse des coûts de stockage), un arbitrage était nécessaire afin de stocker les données les plus pertinentes. Lorsque l’on dispose de données exactes, granulaires et pertinentes, il s’agit enfin de les exploiter correctement, c’est-à-dire en limitant et en optimisant les algorithmes de traitement afin d’obtenir des résultats pertinents en limitant les ressources utilisées (temps passé, interventions humaines, etc.) ".
Le BigData : quand les données posent problèmes
Les données disséminées dans les systèmes informatiques atteignent parfois un tel volume ou un tel niveau de complexité qu’elles deviennent intraitables avec les moyens disponibles; le problème est aggravé par la baisse des coûts de stockage qui pousse les concepteurs de système à discriminer de moins en moins les données à stocker. Le temps, les processus de calcul (les algorithmes) ou l’infrastructure matérielle peuvent ainsi être dépassés par des données trop nombreuses, ou pas assez normées parce que présentes dans des formats trop différents : on désigne par le terme Big Data ces données problématiques.
La prévision météorologique peut être un exemple d’un système Big Data dont la complexité n’a encore été qu’effleurée, donne pour exemple Converteo. Le système météorologique de notre planète fonctionne en vase clos (ou peu s’en faut), et le suivi puis le retraitement de différents paramètres (hydrométrie, direction et forces des vents, etc.) nous permet déjà de prévoir grossièrement le temps à petit échelle temporelle et géographique grâce à d’innombrables machines en réseau. Rien ne devrait nous empêcher, une fois un nombre suffisant de données récoltées pour ce système déterministe, de prévoir à long terme et de manière globale le temps… Si ce n’est la complexité des calculs à mener, en temps réel et à l’échelle de la planète, afin de garantirla pertinence des résultats de traitement.
Un mot nouveau pour désigner un vieux problème
Le terme Big Data, comme avant lui celui de Cloud (computing) est un néologisme servant à mieux définir (et donc à mieux comprendre et communiquer) un problème qui n’a attendu ni le web ni l’informatique pour apparaître, rappelle le cabinet de conseil. On peut notamment penser à l’invention de l’index terminologique (vers l’an 1200) placé à la fin de certains livres, qui permet de rechercher et de lier certains termes pour« traiter »ces thèmes avec plus de vitesse et de pertinence.
Le mot Big Data est devenu en quelques années un mot-valise parfois confondu avec la mise à disposition des données publiques et privées (l’Open Data), et est souvent considéré comme un défi majeur des années à venir; la publicité qui en est faite répond justement à deux mouvements récents et opposés que sont la multiplication inédite des données disponibles sur nos réseaux et l’articulation de solutions, notamment techniques, permettant de les exploiter plus rapidement ou efficacement.
« C'est dans les vieux maux qu'on faitla meilleure soupe »
L’opportunité pour des entreprises proposant des solutions de traitements Big Data comme IBM est de taille, mais dépasse souvent les problèmes qui se posent réellement aux entreprises manipulant des données: à la fois en termes de moyens proposés et d’avance sur le calendrier, devant l’ « apocalypse des données » annoncée par les entreprises proposant ces solutions et reprise par des acteurs soucieux de suivre les dernières tendances (notamment les cabinets de conseil ; voir à ce propos l’étude McKinsey sur le Big Data, publiée en 2011, et celle d’AT Kearney, publiée en janvier 2013).
Il s’agit donc pour les entreprises de se méfier du buzz orchestré autour du Big Data et de bien identifier leurs besoins en la matière ; ces acteurs risquent autrement de payer cher des solutions peu adaptées ou inutilisables par leurs employés. La mise en place d’une solution Big Data renvoie l’entreprise à ses usages et à sa politique de données; dans certains casla simple formation à l’outil ne suffit pas et doit être accompagnée d’une démarche de sensibilisation aux données, voire de recrutement ad hoc.
BigData, big enjeux ?
Si nous mettons de côté la frénésie ambiante autour des problématiques Big Data, il apparaît assez clairement que les utilisateurs de données (organisations, entreprises, gouvernements, etc.) sont très inégaux dans leur maturité face aux problèmes de données… Et que beaucoup sont très loin de souhaiter ou même de nécessiter des solutions Big Data dédiées en sus des solutions déjà trouvées pour organiser et exploiter leurs données, notamment car le volume de celles?ci ne le justifie pas.
Au contraire, certaines grandes organisations ou entreprises ont un réel besoin d’exploiter des données plus efficacement, parce que leur business model repose sur cette exploitation (Facebook, Google) ou parce que les économies réalisables sont clairement identifiées et portées par des volumes importants. Certaines opportunités « dormantes » sont par ailleurs ignorées des entreprises, qui n’ont pas toujours de « culture de la donnée » les poussant à exploiter leurs données (les données clients notamment).
Le marketing, un des grands gagnants du BigData
Le marketing est un des domaines dans lesquels l’utilisation des solutions Big Data est aujourd’hui déjà pertinente, par exemple pour des études comportementales sur les données récoltées sur Internet. La campagne présidentielle de 2012 a ainsi utilisé des solutions Big Data pour segmenter toujours plus finement l’électorat et lui adresser des messages toujours plus personnalisés.
Des modèles mathématiques de plus en plus complexes sont ainsi mis en place (de même qu’en finance ou en économie) pour affiner les analyses et renforcer les outils mis à disposition des professionnels du secteur. Les bases de données de clients sont de plus en plus précises, exploitées de plus en plus vite, et avec de plus en plus de pertinence grâce aux solutions et algorithmes Big Data.
Quelle politique de données pour les entreprises ?
Il s’agit pour les entreprises de décider de leur politique vis-à-vis des données en général avant de décider d’utiliser ou non des solutions Big Data (il en va de même pour l’Open Data), répond Converteo. Si la direction de l’entreprise ne croit pas pouvoir assumer la réalité des chiffres générés par ou contribuant à son activité, etles publier aux équipes internes afin de suivre les objectifs qui en découlent, investir dans des solutions Big Data sera rarement un calcul payant. Une vision pragmatique et de transparence (en interne) des données est nécessaire, ce dont certaines entreprises fonctionnant en « boîte noire » sont incapables.
De la BigData à la donnée valorisée
Les éditeurs de solution Big Data jamais en manque d’inspiration ont défini les 3V du Big Data : volume, vitesse et variété. Certains éditeurs et consultants ont ajouté un quatrième V pour valeur. Si les 3 premiers V sont tout à fait légitimes, ils représentent aujourd’hui la partie « facile » du sujet car les solutions technologiques d’aujourd’hui sont capables de les adresser.
Le vrai sujet est donc le quatrième V, la valeur, conclut le cabinet de conseil Converteo. Là il n’est pas tant question de technologie que d’humain. Entre la culture des entreprises où l’OPGS (opinion du plus gros salaire) prône sur les approches data driven et l’absence de profils mathématiciens dans les organisations, la valeur de la donnée n’est pasrévélée ni exploitée. La crise est une opportunité car elle est une période clef où les entreprises cherchent à rationnaliser. La valorisation de leurs données est une solution pour détecter des poches de valeur et mieux s’adapter aux besoins et comportements de leurs clients.
Pour tirer le meilleur parti de la révolution de la donnée, il faut révolutionner la culture d’entreprise et amener des profils mathématiciens dans les métiers et les directions générales pour appliquer les bons traitements d’analyse et révéler ce potentiel encore inexploité.
lundi 27 mai 2013
Si peu d’entreprises ont choisi une stratégie de pilotage par la
donnée, la crise risque de ne pas leur laisser le choix. Dans chaque
industrie, les premiers de la classe cherchent à analyser le volume
exponentiel de données généré par les interactions qu’ils ont avec leurs
clients sur les différents canaux de contact. Le Big Data décrit la
dimension quantitative des données, explique Converteo e-business
consulting, le cabinet de conseil spécialisé dans le digital et la data,
mais le vrai sujet est la valeur extraite de ces données car elles
doivent permettre de prendre les bonnes décisions, notamment en période
de crise.Récolte, stockage et exploitation de données pertinentes
En informatique, une donnée est une description élémentaire et mémorisable d’une réalité (d’une action, d’un évènement, d’une chose, etc.).Tout système ou application informatique récolte, stocke et traite des données, et les mêmes contraintes président à la constitution et à l’exploitation de bases de données (toujours réductibles à un certain nombre de tables) depuis l’invention de l’informatique.
" Les données doivent notamment être récoltées en minimisant les biais et erreurs, explique Converteo, et de manière la plus granulaire qui soit afin de permettre une exploitation efficace. La mémoire des systèmes n’étant pas illimitée par le passé (on considère que ce n’est plus le cas aujourd’hui, grâce à la baisse des coûts de stockage), un arbitrage était nécessaire afin de stocker les données les plus pertinentes. Lorsque l’on dispose de données exactes, granulaires et pertinentes, il s’agit enfin de les exploiter correctement, c’est-à-dire en limitant et en optimisant les algorithmes de traitement afin d’obtenir des résultats pertinents en limitant les ressources utilisées (temps passé, interventions humaines, etc.) ".
Le BigData : quand les données posent problèmes
Les données disséminées dans les systèmes informatiques atteignent parfois un tel volume ou un tel niveau de complexité qu’elles deviennent intraitables avec les moyens disponibles; le problème est aggravé par la baisse des coûts de stockage qui pousse les concepteurs de système à discriminer de moins en moins les données à stocker. Le temps, les processus de calcul (les algorithmes) ou l’infrastructure matérielle peuvent ainsi être dépassés par des données trop nombreuses, ou pas assez normées parce que présentes dans des formats trop différents : on désigne par le terme Big Data ces données problématiques.
La prévision météorologique peut être un exemple d’un système Big Data dont la complexité n’a encore été qu’effleurée, donne pour exemple Converteo. Le système météorologique de notre planète fonctionne en vase clos (ou peu s’en faut), et le suivi puis le retraitement de différents paramètres (hydrométrie, direction et forces des vents, etc.) nous permet déjà de prévoir grossièrement le temps à petit échelle temporelle et géographique grâce à d’innombrables machines en réseau. Rien ne devrait nous empêcher, une fois un nombre suffisant de données récoltées pour ce système déterministe, de prévoir à long terme et de manière globale le temps… Si ce n’est la complexité des calculs à mener, en temps réel et à l’échelle de la planète, afin de garantirla pertinence des résultats de traitement.
Un mot nouveau pour désigner un vieux problème
Le terme Big Data, comme avant lui celui de Cloud (computing) est un néologisme servant à mieux définir (et donc à mieux comprendre et communiquer) un problème qui n’a attendu ni le web ni l’informatique pour apparaître, rappelle le cabinet de conseil. On peut notamment penser à l’invention de l’index terminologique (vers l’an 1200) placé à la fin de certains livres, qui permet de rechercher et de lier certains termes pour« traiter »ces thèmes avec plus de vitesse et de pertinence.
Le mot Big Data est devenu en quelques années un mot-valise parfois confondu avec la mise à disposition des données publiques et privées (l’Open Data), et est souvent considéré comme un défi majeur des années à venir; la publicité qui en est faite répond justement à deux mouvements récents et opposés que sont la multiplication inédite des données disponibles sur nos réseaux et l’articulation de solutions, notamment techniques, permettant de les exploiter plus rapidement ou efficacement.
« C'est dans les vieux maux qu'on faitla meilleure soupe »
L’opportunité pour des entreprises proposant des solutions de traitements Big Data comme IBM est de taille, mais dépasse souvent les problèmes qui se posent réellement aux entreprises manipulant des données: à la fois en termes de moyens proposés et d’avance sur le calendrier, devant l’ « apocalypse des données » annoncée par les entreprises proposant ces solutions et reprise par des acteurs soucieux de suivre les dernières tendances (notamment les cabinets de conseil ; voir à ce propos l’étude McKinsey sur le Big Data, publiée en 2011, et celle d’AT Kearney, publiée en janvier 2013).
Il s’agit donc pour les entreprises de se méfier du buzz orchestré autour du Big Data et de bien identifier leurs besoins en la matière ; ces acteurs risquent autrement de payer cher des solutions peu adaptées ou inutilisables par leurs employés. La mise en place d’une solution Big Data renvoie l’entreprise à ses usages et à sa politique de données; dans certains casla simple formation à l’outil ne suffit pas et doit être accompagnée d’une démarche de sensibilisation aux données, voire de recrutement ad hoc.
BigData, big enjeux ?
Si nous mettons de côté la frénésie ambiante autour des problématiques Big Data, il apparaît assez clairement que les utilisateurs de données (organisations, entreprises, gouvernements, etc.) sont très inégaux dans leur maturité face aux problèmes de données… Et que beaucoup sont très loin de souhaiter ou même de nécessiter des solutions Big Data dédiées en sus des solutions déjà trouvées pour organiser et exploiter leurs données, notamment car le volume de celles?ci ne le justifie pas.
Au contraire, certaines grandes organisations ou entreprises ont un réel besoin d’exploiter des données plus efficacement, parce que leur business model repose sur cette exploitation (Facebook, Google) ou parce que les économies réalisables sont clairement identifiées et portées par des volumes importants. Certaines opportunités « dormantes » sont par ailleurs ignorées des entreprises, qui n’ont pas toujours de « culture de la donnée » les poussant à exploiter leurs données (les données clients notamment).
Le marketing, un des grands gagnants du BigData
Le marketing est un des domaines dans lesquels l’utilisation des solutions Big Data est aujourd’hui déjà pertinente, par exemple pour des études comportementales sur les données récoltées sur Internet. La campagne présidentielle de 2012 a ainsi utilisé des solutions Big Data pour segmenter toujours plus finement l’électorat et lui adresser des messages toujours plus personnalisés.
Des modèles mathématiques de plus en plus complexes sont ainsi mis en place (de même qu’en finance ou en économie) pour affiner les analyses et renforcer les outils mis à disposition des professionnels du secteur. Les bases de données de clients sont de plus en plus précises, exploitées de plus en plus vite, et avec de plus en plus de pertinence grâce aux solutions et algorithmes Big Data.
Quelle politique de données pour les entreprises ?
Il s’agit pour les entreprises de décider de leur politique vis-à-vis des données en général avant de décider d’utiliser ou non des solutions Big Data (il en va de même pour l’Open Data), répond Converteo. Si la direction de l’entreprise ne croit pas pouvoir assumer la réalité des chiffres générés par ou contribuant à son activité, etles publier aux équipes internes afin de suivre les objectifs qui en découlent, investir dans des solutions Big Data sera rarement un calcul payant. Une vision pragmatique et de transparence (en interne) des données est nécessaire, ce dont certaines entreprises fonctionnant en « boîte noire » sont incapables.
De la BigData à la donnée valorisée
Les éditeurs de solution Big Data jamais en manque d’inspiration ont défini les 3V du Big Data : volume, vitesse et variété. Certains éditeurs et consultants ont ajouté un quatrième V pour valeur. Si les 3 premiers V sont tout à fait légitimes, ils représentent aujourd’hui la partie « facile » du sujet car les solutions technologiques d’aujourd’hui sont capables de les adresser.
Le vrai sujet est donc le quatrième V, la valeur, conclut le cabinet de conseil Converteo. Là il n’est pas tant question de technologie que d’humain. Entre la culture des entreprises où l’OPGS (opinion du plus gros salaire) prône sur les approches data driven et l’absence de profils mathématiciens dans les organisations, la valeur de la donnée n’est pasrévélée ni exploitée. La crise est une opportunité car elle est une période clef où les entreprises cherchent à rationnaliser. La valorisation de leurs données est une solution pour détecter des poches de valeur et mieux s’adapter aux besoins et comportements de leurs clients.
Pour tirer le meilleur parti de la révolution de la donnée, il faut révolutionner la culture d’entreprise et amener des profils mathématiciens dans les métiers et les directions générales pour appliquer les bons traitements d’analyse et révéler ce potentiel encore inexploité.
Source: infoDSI.com
Aucun commentaire:
Enregistrer un commentaire