Le Big Data exige une approche descendante : les nouvelles orientations pour l’adopter

Fusion entre les systèmes opérationnels et les systèmes d’analyse
Il existait auparavant une nette séparation entre les systèmes opérationnels/ transactionnels et les systèmes analytiques, où la majorité des données sont utilisées à des fins d'analyse. Ce type de répartition de la donnée évolue rapidement. On assiste à une fusion progressive entre les données des systèmes opérationnels et les systèmes d'analyse. Ces derniers intègrent de plus en plus les données de détail en complément des données agrégées. Cela permet une grande souplesse d’analyse et une plus grande créativité/liberté directement au sein des systèmes analytiques par les utilisateurs métier. C’est là que les solutions Big Data offre un moyen économique et performant pour stocker et gérer les volumes grandissants au sein de ces systèmes.

Diversité des outils de gouvernance et d’analyse des données
On observe, ensuite, une évolution rapide des types d'outils utilisés pour gouverner et étudier les données. Aujourd'hui, les données sont omniprésentes : au sein de l’entreprise, dans le Cloud, dans les applications, etc. C’est pourquoi la majorité des entreprises ont recours désormais à un modèle hybride.

Au-delà du stockage et du traitement de cette masse d’informations, il faut donc être capable de la cataloguer, de la sécuriser, et de prévoir son évolution dans le temps. Les entreprises doivent donc en parallèle de la mise en œuvre technique du Big Data, améliorer leur approche méthodologique et s’outiller en termes de gouvernance et gestion de la sécurité. Ceci est indispensable pour assurer la sécurité des données des applications opérationnelles une fois transvasées dans des environnements Big Data.

Se différencier de la concurrence, véritable mine d’or du Big Data
Il est vrai que le monde entier s'intéresse à la valeur ajoutée que peut apporter le Big Data. Nous avons identifié six types de solutions : Hadoop et In memory (HANA), Tableau Software et Qlik, et aussi d'autres outils de visualisation professionnels qui entrent dans une troisième catégorie. On trouve ensuite NoSQL, des bases de données comme GreenPlum et Analytics, et, pour terminer, le Cloud. Différents types de technologies associés à différentes configurations d’usages qui vont se dessiner à mesure que le marché évolue.

Sur un marché compétitif comme la France, il est très difficile d'identifier vers quels produits ou solutions tendent les nouveaux clients. Comprendre comment les consommateurs perçoivent le message véhiculé par leur marque est un besoin typique des entreprises. Se distinguer de la concurrence et trouver de nouveaux clients est indispensable, qu’il s’agisse d’une société d'assurance ou une entreprise de télécommunication. C'est à ce niveau que le Big Data peut faire la différence.

Les données stockées en internes ne sont pas abandonnées au profit des sources externes
Il est essentiel de bien faire la distinction entre la valeur et le volume de données. Les données de valeur sont un sous-ensemble des données volumineuses, obtenues après un traitement et une interprétation qui les rend précieuses. Dans le cas de transactions bancaires, par exemple, la quantité de données n'est pas très importante. Si vous allez à un distributeur automatique aujourd'hui, une caméra et un écran tactile enregistrent tout. Des données comme le lieu de l'opération, le numéro de votre mobile, et vos comptes en ligne sont réunies. Mais aussi d’autres informations comme les sommes que vous versez ou celles que vous transférez. Nous sommes donc en présence d'un certain nombre de données qui constituent un tout petit sous-ensemble de l'univers global des données. Mais elles sont très précieuses unitairement, et il ne faut donc pas les altérer en quoi que ce soit.

D'autres données plus conséquentes, en rapport avec l'écran tactile et le schéma opératoire choisi, sont collectées pour améliorer l'expérience utilisateur. Si certaines sont mal interprétées ou incorrectes unitairement, cela a peu d’importance car elles sont utilisées pour faire des moyennes à partir de centaines ou milliers d'expériences.

Donc certaines données sont uniques à l’entreprise et seront préservées comme telles tandis que d’autres données « de commodité » et facilement accessibles et intégrables peuvent être fournies par des sources externes à des coûts compétitifs, pour enrichir le patrimoine données de l’entreprise.

Convaincre les Directions d'investir dans des outils Big Data
Il convient de commencer par l'essentiel : déterminer ce qui est important pour son entreprise. Que recherche-t-elle ? Sa priorité est-elle de segmenter son marché et d'améliorer l'efficacité de ses opérations commerciales ? D’augmenter son efficacité logistique ? De consolider une vue 360° de ses clients pour une approche marketing plus personnalisée?

Une fois ces priorités définies, il devient possible d’estimer les volumes et traitements induits par ces initiatives et de quantifier le bénéfice technique (rapidité de mise en œuvre et baisse des coûts) et métiers (informations plus pertinentes et plus récentes) qui pourront être obtenus grâce à la mise en œuvre de projets Big Data.

Les technologies sont suffisamment nombreuses et variées pour que chacun trouve l'ensemble de solutions qui lui permettra de résoudre son problème. Reste à les sélectionner avec soins et à les intégrer harmonieusement avec le système d’information de l’entreprise, pour consolider son capital immatériel et délivrer la promesse d’une meilleure compétitivité !