Le Big Data est tellement en vogue que la maison blanche vient d’annoncer une initiative nationale autour du Big Data. Pour Philippe Nieuwbourg, analyste chez Decideo, cette initiative nous propulse dans l’ère la science des données (Data Science).
Côté Business Intelligence (BI), on parle beaucoup du Big Data Analytics. L’avènement du Big Data Analytics vient bousculer notre conception du BI. En effet, le BI, depuis longtemps dominé par le traitement de données structurées, voit de nouvelles approches et de nouveaux outils émerger.
Mais l‘approche bien établie du BI, incarnée par les entrepôts de données et le OLAP (On Line Analytical Processing), fondée sur une excellente compréhension de la donnée à traiter, sur le calcul minutieux d’indicateurs de performance et sur l’organisation des données sous une forme multidimensionnelle est-elle vraiment remise en question? Non! Le Big Data Analytics vient enrichir une boîte à outils déjà bien fournie. Et la croissance rapide du Big Data Analytics ne menace en rien les approches bien établies et pour lesquelles les entreprises réitèrent leur fort engagement.
Avant de nous pencher sur ce qu’est le Big Data Analytics, tentons d’abord de comprendre le concept de Big Data. Ce qui qualifie le Big Data, c’est bien plus que le volume, c’est aussi la variété et la vélocité. Ce sont les trois « V » du Big Data.
- Le volume, ça veut dire des téraoctets de données (voire des pétaoctets), des milliards d’enregistrements dans une BD.
- La vélocité, c’est la rapidité, la durée de vie de la donnée et sa fréquence de capture; les logs d’utilisation sur un site WEB achalandé, les vidéos des caméras de surveillance, les discussions dans les médias sociaux sont des exemples de Big Data à forte vélocité.
- La variété, c’est que la donnée peut avoir plusieurs formes : de la donnée structurée (des transactions de vente), non structurée (la transcription d’une conversation dans un centre d’appel, voire même l’enregistrement sonore), des fils RSS, de la donnée géo localisée, des vidéos, etc.
On sait maintenant un peu mieux ce qu’on entend par Big Data. Le Big Data Analytics, c’est donc l’analyse de cette donnée variée, à forte vélocité et à fort volume.
Les besoins analytiques du Big Data nous forcent à actualiser des concepts et techniques que nous connaissons depuis longtemps en BI, comme l’intelligence artificielle, le data mining, l’analyse prédictive, la reconnaissance de texte et l’analyse sémantique.
On qualifie souvent l’analyse du Big Data « d’analyse avancée » (advanced analytics). Philip Russom est plus précis à mon avis quand il la qualifie de Discovery Analytics (analyse en mode découverte). Cette appellation est très révélatrice : on fouille dans la donnée pour trouver quelque chose. Cette notion peut être mise en opposition au BI traditionnel où on suit des indicateurs de performance conventionnés, bien établis et bien mesurés. Avec le Big Data on tente de trouver des tendances ou des corrélations insoupçonnées. L’utilisateur du Discovery Analytics, c’est un analyste d’affaires, quelqu’un qui veut (et peut) fouiller l’information pour trouver la perle rare, l’indice qu’il pourra transformer en avantage concurrentiel. Une des études de Russom est d’ailleurs révélatrice : le principal frein à l’adoption du Big Data Analytics dans les organisations, c’est l’absence d’analyste d’affaires avec les bonnes compétences. Avec le Big Data Analytics, on adresse donc des besoins différents du BI traditionnel taillé sur mesure pour faciliter le travail de la haute gestion, des décideurs, voire des employés plus « opérationnels ».
Les applications concrètes du Big Data Analytics
Mais quelles sont les applications concrètes du Big Data Analytics? L’analyse de Russom révèle que la principale utilisation du Big Data Analytics concerne tout ce qui touche l’analyse du comportement des consommateurs : mieux cibler les produits, trouver de nouvelles opportunités de marché, analyser le comportement des consommateurs sur des sites marchands, détecter des fraudes, pour ne nommer que ces exemples. On le retrouve dans les domaines de la vente au détail, de l’assurance, de la télécommunication. Mais il reste que le potentiel est énorme dans plusieurs autres domaines comme en médecine, dans la lutte contre la criminalité, en climatologie, etc.
Depuis plusieurs années, nous constatons que plusieurs de nos clients ne savent pas quoi faire d’une grande partie de leurs données. Au-delà des indicateurs de performance conventionnés et liés à des objectifs d’entreprise, c’est toute une partie des données qui reste inexploitée. L’avènement du Big Data Analytics amène son lot de nouveaux concepts, de nouvelles technologies et nouveaux produits. Ils sont probablement des pistes solution pour nos clients. Mais au-delà des outils, il faut affronter le travail colossal de compréhension de ces masses de données. Du pain sur la planche!
Business Intelligence Trends 