Yves Marie Lemaitre - Expert en Data Management - Data Elicitation
Même si l’augmentation du volume des données a été un phénomène courant, le Big data est une notion récente, une tendance dont l’émergence est due à une conjonction de facteurs.
Si, au XXe siècle, les quantités de données ont augmenté assez régulièrement, au rythme d’une seule nouvelle dimension, tous les 20 ans environ, depuis le début du XXIe siècle, on observe l’arrivée concomitante de la mobilité (Smartphone/Tablettes, permanence de la connexion, multi-écrans…), de la mondialisation et de sa cohorte de nouveaux utilisateurs (Chine, Inde, Afrique, Amérique Latine…), d’infrastructures facilitatrices (4G/LTE/Fibre, transport low cost, économie collaborative…) et enfin de la dématérialisation (cloud, e- et m-commerce, nouveaux systèmes de paiement…) : d’un seul coup, les données deviennent incommensurables. C’est le Big Data.
Cette explosion des données commande de nouvelles manières de l’appréhender, subtilement, méthodiquement, intelligemment. Il faut être smart. Exploiter les Big Data, c’est en extraire les Smart Data.
De la même manière que le Big Data se définit par les 4V (Volume, Vélocité, Variété, Véracité), le Smart Data a aussi ses définitions synthétiques, comme les 5S de l’Adetem, par exemple (voir un descriptif sommaire ici). Parce que la problématique est dans la prise en main des données, une définition méthodologique doit être mise en place : voici le CQFD, pour Calibrer-Qualifier-Forer-Déployer.
· Calibrer, c’est déterminer avant tout les axes de recherche en fonction de l’objectif recherché, et organiser les données en conséquence ; à cet effet, des outils d’acquisition de données peuvent être utilisés, des outils standardisés des grandes entreprises du marché (ETL) aux solutions open data, notamment Hadoop.
· Qualifier, c’est connaître les informations nécessaires au projet, en éliminant les données inutiles, et en enrichissant les données conservées ; là encore, il existe de nombreux outils, de sélection, d’alignement, de croisement, de nettoyage des données.
· Forer, c’est extraire les informations pertinentes, et les accumuler pour analyse en temps réel (usage tactique) ou bien pour en tirer des tendances (usage stratégique) ; les outils de data et text mining, de machine learning et autres moteurs d’analyse seront utilisés à ce stade.
· Déployer, enfin, c’est tirer les conclusions, dans un format qui permette aux décideurs de se projeter, et de définir des actions, lesquelles seront validées et contrôlées en rebouclant le processus CQFD ; les outils statistiques, et plus particulièrement de Data Visualisation seront ici précieux.
Finalement, en matière de Big Data, être smart est essentiellement une question de méthode ; les outils existent, et sont déjà maîtrisés par de nombreux spécialistes. Mais, pour mettre en œuvre le changement (et, dans ce domaine, la France est clairement à la peine, comme le rappelle McKinsey dans cette étude), il est indispensable de faire appel à une expertise expérimentée en Management des Données. Avoir recours à une ressource dédiée, c’est mettre le Big Data au cœur de votre organisation pour la réussite de votre stratégie. CQFD.
fr.dataelicitation.com
|
Comprendre les apports du Big Data sur La Formation Pour Tous
Les données collectées par tout type d'entreprise sur tout type de comportement sont aujourd'hui extrêmement nombreuses et variées. Mais qu'est-ce réellement que le big data ? Comment les données sont-elles collectées, stockées, triées, exploitées, vendues ? Qui sont les acteurs de ce marché et comment est-il réglé ?
Votre plan de formation :
- L'expansion de la data - Les 4V du big data - Les collecteurs de data - Les 4B de l'échange de données sur internet - Les raisons de la collecte des data - Les méthodes de collecte des données - Les cookies - Le stockage des données - L'exploitation des data collectées - Les missions des Data Scientists ou Data Managers - Les malveillants possibles face aux données - Les législations liées aux données
Yves-Marie Lemaître est consultant Certified Web Analyst de la DAA (Digital Analytics Association). 
|
Les commentaires récents