introduction

Gros comme le nom et le plus gros dans la nature, le Big Data est un mot à la mode de la technologie qui ne va pas disparaître de si tôt. Selon ABI Research, les dépenses liées au Big Data au niveau mondial ont dépassé les 31 milliards de dollars (environ 20,8 milliards de livres sterling, soit 40,2 milliards de dollars australiens) en 2013 et devraient atteindre 114 milliards de dollars (environ 76,6 milliards de livres sterling, ou 148 milliards de dollars australiens) en 2018. Pourtant, nombreux sont ceux qui sont encore perplexes sur ce qu’est réellement le Big Data et pourquoi cela pourrait valoir la peine d’être mis en valeur dans trois ans à peine..

Précédent Page 1 sur 6 Suivant Précédent Page 1 sur 6 Suivant

1. Qu'est-ce que c'est?

Ce terme est purement et simplement utilisé pour décrire les énormes ensembles de données générés par les processus numériques et les échanges sur les réseaux sociaux, qui s’accroissent chaque jour de plus en plus rapidement. Il s'agit d'un mélange de données structurées, semi-structurées et non structurées qui ne peuvent pas être traitées par des bases de données ou des logiciels classiques, mais qui doivent plutôt être acheminés via des programmes d'analyse spécifiques..

Le traitement des mégadonnées est déjà une grosse affaire et le manque de compétences pour utiliser correctement les analyses afin de déchiffrer des informations exploitables reste un problème très réel, même si nous sommes assez avancés pour comprendre ce qu’est le big data..

Précédent Page 2 sur 6 Suivant Précédent Page 2 sur 6 Suivant

2. Des analyses solides sont la clé

Tirer parti du big data pour tirer parti de tout avantage commercial suppose de disposer de solides outils analytiques ainsi que des compétences pour les utiliser. Posséder un modèle d'analyse performant signifie que votre entreprise sera en mesure de trouver de nouvelles corrélations pour résoudre les problèmes, identifier les tendances et, en gros, gagner plus d'argent..

Michael Watson, de Supply Chain Quarterly, a présenté une analyse succincte de l'analyse des données volumineuses. Il y avait trois types d'analyse: l'analyse descriptive, l'analyse prédictive et l'analyse normative. Descriptive présente les données d’une manière qui vous permet de savoir ce qui se passe à l’endroit où les données sont extraites. Predictive décrit comment vous pouvez utiliser des données et en faire de meilleures prévisions. Pendant ce temps, il est normatif d’utiliser des données combinées avec les prévisions ultérieures pour prendre des mesures qui amélioreront les affaires..

Associer ces éléments et poser les bonnes questions au début de l'ensemble du processus analytique sont essentiels pour vous assurer que votre modèle fonctionne et produit les résultats souhaités..

Précédent Page 3 sur 6 Suivant Précédent Page 3 sur 6 Suivant

3. L'Internet des objets contribue beaucoup

Croyez-le ou non, Gartner a un cycle de battage publicitaire pour les technologies émergentes et, après avoir été en tête du classement en 2013, le big data a été dépassé par un autre mot à la mode de la technologie: l'Internet des objets. Même si c'est le cas, le Big Data a d'énormes avantages à tirer de l'IdO.

L'estimation conservatrice de Cisco sur l'IoT mentionne que le nombre d'appareils connectés atteindra 21 milliards d'ici 2018 et la mauvaise nouvelle pour les entreprises non préparées est qu'il va y avoir des zettaoctets sur des zettaoctets de données à gérer. Donner un sens à toutes ces données est toujours un défi de taille et le déficit de compétences, auquel nous reviendrons dans la diapositive suivante, est susceptible de faire ou de briser le succès des données tirées de tous. ces choses".

Précédent Page 4 sur 6 Suivant Précédent Page 4 sur 6 Suivant

4. Il y a encore un grand manque de compétences

Les scientifiques de données sont chargés de gérer les ensembles de données proposés et de les analyser. Pour ceux qui souhaitent se lancer dans une carrière, les nouvelles sont bonnes: le déficit de compétences pour les scientifiques de données est actuellement énorme. Une étude de Gartner révèle que 85% des entreprises figurant sur la liste Fortune 500 ne parviendront pas à exploiter les données de manière efficace en 2015 et qu'il est crucial de combler le fossé entre elles afin de permettre aux entreprises de tirer pleinement parti des avantages du big data.

Accenture, de son côté, a mené un projet de recherche d'un an sur les scientifiques des données et a constaté que les États-Unis créeraient environ 39 000 nouveaux emplois pour des experts en analyse d'ici à 2015, mais qu'ils ne pourraient attribuer des candidats qu'à 23% de ces postes..

Un moyen facile de combler les lacunes est, bien évidemment, de former et de promouvoir de l'intérieur, bien que cela dépende de la bonne formation en place et de la présence des "bonnes" personnes au sein de l'organisation. L’autre voie est l’éducation.

L’Académie européenne de la science des données, une plate-forme en ligne destinée à la formation de scientifiques des données dans l’ensemble de l’Europe, est l’un de ces établissements d’enseignement. Selon lui, la demande de professionnels possédant les compétences nécessaires pour gérer les mégadonnées augmenterait de 160% d'ici 2020 et a déjà obtenu un investissement de 2,9 millions d'euros (2,2 millions de livres sterling ou 3,25 millions de dollars) de la part de l'Union européenne pour dispenser une gamme de cours. être mis en route à la fin de 2015. D'autres programmes de ce type sont également en préparation et ils ne peuvent que contribuer à combler le déficit..

Précédent Page 5 sur 6 Suivant Précédent Page 5 sur 6 Suivant

5. Les données riches pourraient être encore plus importantes

Rado Kotorov, directeur de l'innovation chez Information Builders, l'a bien exprimé lorsqu'il a décrit la différence entre les données massives et les données riches comme la différence entre le pétrole brut et le pétrole raffiné. Les données riches, en termes simples, sont ce qui ressort lorsque les données de différents systèmes sont combinées et placées dans un contexte afin qu'elles deviennent une proposition pratique pour les entreprises et les particuliers..

Il résout l'une des principales plaintes concernant les mégadonnées en ce sens que les données non structurées produites ne fournissent pas un aperçu suffisamment détaillé par rapport au niveau de données contextualisées possible avec des données riches. Le fait que les données riches ont besoin du Big Data pour exister signifie que le Big Data ne disparaîtra jamais. Pourtant, pour un niveau plus élevé d'informations et d'avantages, les données riches doivent faire partie du tableau..

Cependant, l’un des problèmes majeurs que suscitent les données enrichies sera au final le fait qu’elles sont plus détaillées et pourraient, en tant que telles, présenter un risque pour la vie privée des consommateurs que des données volumineuses non structurées pourraient ne pas finir par représenter. Ce que cela pourrait bien présenter est une situation dans laquelle les consommateurs sont encore plus protégés sur leurs données personnelles et choisissent de céder moins aux entreprises qui le demandent, voire même de les utiliser comme outil de négociation à l'avenir..

"À l'avenir, les utilisateurs pourront choisir de contrôler les informations qu'ils créent et de les redistribuer aux entreprises. Cela pourrait consister à réduire leurs factures ou à obtenir un meilleur service de la part d'un fournisseur", a admis Matt Pfeil, responsable des relations avec la clientèle. chez DataStax.

Précédent Page 6 sur 6 Suivant Précédent Page 6 sur 6 Suivant
Actions