French, Management

Le pouvoir du big data

le-pouvoir-du-big-data

La révolution numérique est en marche, à l’image de la révolution industrielle qui a bouleversé nos habitudes de vie et de consommation. Aujourd’hui, nous ne pouvons nous séparer de notre smartphone, et nous agrémentons notre maison d’outils pour analyser température ou qualité de l’air. Les assistants personnels deviendront bientôt indispensables. L’apparition de nouvelles sources d’information et la multiplication des objets connectés élargissent le champ des possibles en matière d’exploitation de données. Selon un rapport Ernst & Young (EY, 2014), on crée dans le monde autant de données en 10 minutes qu’il n’y en eût de l’aube de l’humanité jusqu’en 2003. Chaque minute, selon Domo, 204 millions d’emails sont envoyés, les utilisateurs de Facebook partagent 2,5 millions de contenus, et ceux de Twitter quelques 277 000 tweets. Cette surabondance de données transforme à la fois notre vision, notre appréhension et notre interprétation des informations qui nous entourent. Dès 1960, l’informatique décisionnelle a cherché à tirer profit de la gestion et la manipulation d’informations, afin de prendre des décisions. Cela est désormais possible à grande échelle. Le terme big data, ou données massives, renvoie à des volumes très importants de données, différant ainsi des volumes traités traditionnellement par les outils de gestion. Les capacités d’analyse sont démultipliées, celles de stockage et de traitement sont presque illimitées. De nouveaux outils et méthodes sont nécessaires pour analyser une telle quantité de données, et ainsi ainsi en extraire des informations ou prédictions qui serviront les analystes. Nous l’avons vu, les données s’accroissent et évoluent dans le même temps. Elles ne sont plus définies de manière exhaustive, ou au travers de seuls échantillonnages comme ce fut le cas. En dépit de son nom, le big data n’est pas uniquement une question de volumétrie, qui peut différer selon le secteur d’activité ou la taille de l’entreprise. Dès 2001, un modèle appelé “3 V” est proposé par Gartner, et orienté vers les axes suivants :

• Volumes (quantité de données à stocker ou à traiter);

• Vélocité (fréquence et vitesse d’enregistrement, d’exécution, d’analyse et de prise de décision);

• Variété (hétérogénéité des données, formats et supports).

Alors que ce modèle a permis d’éprouver la capacité des systèmes à traiter les données massives, d’autres critères ont par la suite été rajoutés dans un objectif métier. Comme vu précédemment, l’important n’est pas de détenir de nombreuses données dont la plupart ne servent pas. Il faut plutôt repérer les données pertinentes et justes, pouvant apporter de la valeur ajoutée à l’entreprise et à ses clients. Ainsi, les V pour véracité (fiabilité et qualité des données), et valeur (intrinsèque des données pour l’entreprise) se sont greffés au modèle des 3V. Le data mining permet de répondre à ces problématiques de sélection, et a toujours été au cœur du domaine des assurances. Ce terme renvoie aux outils et processus d’exploration, de modification et de modélisation de grands volumes de données. L’objectif est d’établir des relations entre les données jusqu’alors inconnues.

Bien que l’analyse de données et la statistique exploratoire existent depuis des décennies, l’avancée technologique et le big data ont permis l’évolution des pratiques. Alors qu’il s’agissait uniquement de modéliser le réel pour mieux le comprendre, le data mining se doit aussi d’être également un outil d’aide à la décision. Aussi, des techniques a priori éloignées de la culture statisticienne ont fait leur apparition, telles que la reconnaissance de formes (pattern recognition), ou l’apprentissage automatique (intelligence artificielle, machine learning). Les entreprises cherchent à utiliser le big data pour découvrir des faits dont ils n’avaient jusqu’alors pas connaissance. Les récessions économiques ont entraîné des changements profonds dans la plupart des entreprises, plus particulièrement celles qui dépendent de la consommation de masse. En utilisant les advanced analytics, les entreprises peuvent étudier le big data pour comprendre l’état actuel de leur activité, et suivre les aspects en évolution. Les données représentent à la fois défis et opportunités, pour les organisations et leurs fonctions financières. D’une part, la capacité à collecter, gérer, et analyser les données efficacement, peut mener à des meilleures décisions métiers et un avantage concurrentiel durable. Meglena Kuneva, commissaire européenne, soulignait dès 2009 que « les données personnelles sont le nouveau pétrole d’Internet et la nouvelle monnaie du monde digital ». Depuis, les données sont devenues une nouvelle classe d’actifs économiques. D’autre part, il est plus difficile de trouver la valeur des données lorsque celles-ci proviennent de partout, en dehors de ce qui a été géré historiquement par l’entreprise en interne. Maîtriser l’ensemble des informations générées par les systèmes de transactions représente déjà un défi complexe pour une entreprise. Au-delà de fournir aux entreprises des informations sur leur fonctionnement et leur activité, le big data permet également d’en savoir plus sur les comportements des consommateurs. Ainsi, il est possible de cibler un cluster de clients, afin de leur proposer des services ou des produits par lesquels ils pourraient être intéressés. Les objets connectés, par exemple, constituent une riche manne d’informations concernant leur propriétaire. Dans le contexte big data, les données sont de plus en plus intégrées dans les stratégies. C’est ainsi qu’une tendance a émergé : la data driven economy (l’économie guidée par les données). Le concept de l’Internet of Things (IoT, ou internet des objets), porte sur les échanges de données provenant d’objets connectés vers le réseau internet. Il s’agit également d’un marché doté d’un fort potentiel d’évolution, en raison du développement des technologies et de l’utilisation conjointe des données massives. En effet, les objets connectés (tels que les smartphones, smartwatches ou encore les capteurs environnementaux) récoltent de nombreuses données sur leurs utilisateurs, d’où un couplage évident avec les techniques big data. Les utilisations de ces données peuvent être variées, et représentent un avantage concurrentiel important pour les entreprises qui se sont lancées dans l’aventure big data. Les banques et les assureurs ont ainsi la possibilité de proposer des offres sur-mesure à leurs clients, selon leurs profils et leurs comportements. À l’heure où la personnalisation et l’expérience client occupent une place prépondérante dans les stratégies, le big data offre de nombreuses perspectives intéressantes, si tant est qu’on en maîtrise les techniques. La route est donc longue et semée d’embûches, mais big data et IoT font partie des technologies de l’industrie du futur. Les entreprises ont donc tout intérêt à monter dans le train en marche.

Marion MEYER

0 Comments
Share

BONDS & SHARES

Reply your comment:

Your email address will not be published. Required fields are marked *