Le Big Data est un phénomène qui a débuté en 2012 et qui continue de progresser en 2022. Le fondement du Big Data est simple : les données, sous toutes leurs formes, sont considérées comme une matière première, un type de capital que l’organisation possède mais qui doit être utilisé pour être valorisé.
Dans le présent article, je vais vous expliquer ce qu’est le Big Data et les limites des systèmes d’information actuels qui ont conduit à la naissance de cette méthode.
Sommaire
Définition du Big Data
Selon Wikipédia, le Big Data se définit comme suit :
« Big data », littéralement « grosses données », est un terme anglophone désignant des ensembles de données devenus si vastes qu’ils sont difficiles à gérer à l’aide des techniques classiques de gestion de bases de données.
La capture, le stockage, la recherche, le partage, l’analyse et la visualisation des données doivent être redéfinis dans ces nouveaux ordres de grandeur. »
Il s’agit donc d’un ensemble de technologies, d’architecture, d’outils et de procédures qui permettent à une organisation de rassembler, traiter et analyser rapidement d’énormes quantités de contenus hétérogènes et dynamiques, ainsi que d’extraire des informations importantes à un coût peu élevé.
Les trois V du Big Data
Le Big Data englobe trois dimensions essentielles : le volume, la variété et la vitesse.
En effet, le globe génère quotidiennement une quantité croissante de données, et ce matériel est conservé dans des profondeurs historiques toujours plus grandes. Leur granularité est de plus en plus fine, et de nombreux supports se dématérialisent.
Sur la base de ce constat, les méthodes actuelles de gestion et de traitement des bases de données sont incapables de gérer un tel afflux de volume. Elles ne sont pas en mesure de répondre aux nouvelles demandes en temps voulu et de manière rentable.
Par exemple, les technologies actuelles d’exploration de données peuvent évaluer une grande quantité de données, mais uniquement sur un échantillon représentatif ; le Big Data permet d’examiner l’ensemble des données.
Les entreprises peuvent facilement être gênées par les volumes toujours plus importants de données à traiter et à stocker dans les systèmes d’information (coûts exponentiels, incapacité à analyser et à accéder à toutes ces données dans un délai raisonnable, retard sur les entreprises concurrentes). A l’inverse, on peut en faire une force en mettant en place des solutions capables de traiter et de valoriser de grandes quantités de données.
Des formats de données nouveaux et plus variés pour l’intégration et l’analyse
Jusqu’à récemment, la tendance était d’arranger un maximum de données avant de les intégrer dans les Systèmes d’Information pour en améliorer le stockage et le traitement. Les outils ETL (Extract, Transform, and Load) permettent de normaliser et de structurer les données avant de les intégrer dans les systèmes d’information. Cependant, de nouveaux formats de données frappent à la porte des entreprises, désireuses de démontrer leur valeur dans la stratégie et la prise de décision de l’entreprise.
Ces nouvelles données non structurées sont diverses :
- photos,
- courriels (avec analyse sémantique de leur contenu)
- des statistiques issues des médias sociaux (commentaires et opinions des internautes sur Facebook ou Twitter par exemple)
- ou encore des données issues de capteurs GPS, de capteurs L profonds, etc.
Ces nouvelles données cherchent à se positionner dans la stratégie de l’organisation et représenteraient 80% des données dont dispose l’entreprise.
Les systèmes d’information actuels sont incapables de stocker et d’analyser ces nouvelles formes de données. Le Big Data permet l’intégration et l’analyse de données non structurées recueillies à partir de sources diverses.
Collecte et analyse des données en temps réel
Ces nouvelles données sont générées en flux continu (données générées par les réseaux sociaux, données générées par des capteurs) et doivent donc être traitées quasiment en temps réel car certaines d’entre elles sont intégrées dans des processus sensibles au temps, comme l’analyse des données météorologiques en temps réel pour prévoir les catastrophes naturelles ou la gestion des fraudes. D’une manière générale, les décideurs ne se contentent plus de faits à J+1.
Par conséquent, les procédures de collecte et de traitement des données doivent s’adapter à ces nouveaux défis afin de :
Collecter les données » au fil de l’eau « , comme les flux de données sur les réseaux sociaux.
Pouvoir réagir rapidement à une situation, traiter et évaluer ces données quasiment en temps réel.
Quelques applications du Big Data
Avant de conclure, voici quelques exemples d’applications du Big Data. Les applications du Big Data sont diverses :
Marketing, le Big Data permet de mieux comprendre les clients grâce à l’analyse de leur comportement, la micro-segmentation, l’analyse multicanal, etc.
La science, le Big Data permet le traitement et l’analyse de volumes massifs de données pour la recherche médicale (la recherche génétique génère 1 To de données à chaque expérience), l’analyse de données météorologiques provenant de capteurs, etc.
Finance, le Big Data permet un traitement plus rapide et donc des temps de réponse plus courts dans des opérations sensibles au facteur temps comme la gestion des risques ou la gestion des fraudes.
Conclusion :
Cet article définit le Big Data ; dans l’article suivant, nous examinerons les étapes d’une approche Big Data et ses éléments importants de réussite.
