> Data > Comment aborder le big data ? 5 étapes clés, en toute sécurité…

Comment aborder le big data ? 5 étapes clés, en toute sécurité…

Data - Par Loïc Duval - Publié le 08 décembre 2015
email

Personne n’échappe au Big Data. Mais au-delà de l’effet de mode, le Big Data est un concept qui a le potentiel de transformer toute entreprise, quelle que soit sa taille, et d’apporter des réponses métiers nouvelles pour rendre l’entreprise plus compétitive. Voici 7 étapes clés à considérer…

Comment aborder le big data ? 5 étapes clés, en toute sécurité…

C’est entendu, « Big Data » est avant tout un buzz word, un de ces mots à la mode que toutes les équipes marketing de l’univers IT emploient à toutes les sauces et le plus souvent à tort et à travers.

Par-delà le mot, se cachent pourtant différentes réalités tangibles. D’une manière générale, la notion de « Big Data » fait référence à un volume de données trop imposant et trop complexe pour être géré par l’infrastructure traditionnelle des entreprises. Ce que certains désignent par les 5 Challenges « V » : Volume, Vélocité (Vitesse), Variété, Véracité (et Valeur), et Visibilité.

Les trois premiers « V » forment l’aspect technique : comment gérer l’explosion volumétrique des informations, la vitesse à laquelle elles affluent (les données arrivent de plus en plus sous forme de flux à absorber en temps-réel), et la diversité des informations (données issues de capteurs, de réseaux sociaux, de périphériques, d’applications, de sites Web, de comportements d’utilisateurs, etc.).

Les deux derniers « V » représentent davantage la dimension « Métiers » : comment donner de la visibilité à ces amas de données pour en extraire une information utile, et comment s’assurer de leur fiabilité pour que l’entreprise en tire une vraie valeur, un vrai avantage compétitif. Ils sont le véritable enjeu pour l’entreprise.

Big Data = Opportunité

Mais que l’on s’intéresse aussi bien aux aspects IT que métiers, il est essentiel de réaliser que le « Big Data » n’est en aucun cas une solution technique, un outil. C’est bien davantage une philosophie, une approche, qui impose une autre façon de penser, une autre culture d’entreprise.

La plupart des données issues des flux sociaux, des logs ou des streams IoT n’est pas utile, mais, de plus en plus, en les rapprochant, on peut y dénicher des « patterns » et de l’information utile. Google peut prédire les épidémies de grippe, Cortana prédit les résultats des élections et des compétitions sportives, Visa ou American Express anticipent la fidélité de leurs clients, etc.

Le Big Data se différencie de l’approche analytique classique par sa volonté d’agréger ces sources si variées pour anticiper plutôt que simplement constater, pour prédire plutôt qu’affabuler.

Quelle que soit la taille de votre entreprise, le Big Data est avant tout une opportunité : celle d’être capable d’apprendre des données pour prendre plus rapidement des décisions, anticiper les besoins et tendances et rendre l’entreprise plus réactive et compétitive. Oui, même les TPE et PME peuvent saisir cette opportunité et bénéficier des avantages du « Big Data ».

Nouvelles opportunités, nouveaux atouts

Une récente étude de Bain & Company, diffusée sur le site Microsoft, montrait que les entreprises qui utilisaient au mieux les concepts Big Data ont :

Cinq fois plus de chances de prendre des décisions clés avant leurs concurrents.
• Trois fois plus de chances de réaliser les décisions prises comme attendu.

D’une manière générale, les concepts Big Data peuvent vous aider améliorer

  1. La planification des projets et favoriser les nouvelles idées (et donc l’innovation),
  2. la productivité (en optimisant le fonctionnement de l’usine, la répartition des tâches, la fiabilité du système d’information ou des outils de travail/production),
  3. l’engagement des consommateurs (en leur délivrant une expérience plus personnalisée),
  4. Réduire l’insatisfaction des clients et prédire les comportements des consommateurs (notamment en exploitant les données de parcours sur les sites et les données des réseaux sociaux),
  5. Mieux cibler de nouveaux clients et à re-cibler ceux existants (en segmentant plus intelligemment les consommateurs et en vous aidant à définir des promotions et les programmes de fidélité plus efficaces), • Dans les coupes budgétaires et la réorganisation de l’entreprise.

Mais comment aborder un concept aussi vaste et complexe ?

Voici 7 points clés, 7 étapes indispensables à considérer pour guider votre démarche.

1/ Comprendre le changement de culture

Entreprendre un projet Big Data, c’est entreprendre une démarche qui engage les métiers, et l’entreprise d’une manière générale, dans une transformation où la donnée devient centrique, où la culture même de l’entreprise est conduite par la donnée.

Les anciennes approches BI tendent à focaliser les intervenants sur l’arbre qui, parfois, masque la forêt. L’approche Big Data s’intéresse bien davantage à la forêt elle-même.  offrir un paysage du Business de l’entreprise en y donnant de la perspective.Elle implique à la fois un partage intensif de l’information et des processus de décision guidés par la donnée, plus exactement par les « patterns », les connaissances et les modèles prédictifs tirés des données et leurs croisements.

Elle implique donc aussi de repenser les Workflows.

Il en découle un changement de culture :

• Afin que les collaborateurs puissent trouver de nouvelles approches dans la résolution de leurs problèmes en s’appuyant sur toutes les données imaginables et non uniquement sur les jeux limités et déjà cadrés traditionnellement mis à leur disposition par l’IT.
• Pour transformer systématiquement les découvertes, les informations utiles issues des données, en décisions et en actions à même d’influencer le Business de l’entreprise.

Dès lors, tout projet Big Data doit nécessairement être supporté par les directions générales et métiers.

2/ Mettre le consommateur au centre de la réflexion

En aucun cas, le projet Big Data ne doit être initié ni dirigé par l’IT. Le projet Big Data est un projet d’entreprise initié et dirigé par les métiers. Et pour cause. Tout projet Big Data devrait mettre le consommateur au centre de la réflexion. Il faut s’intéresser aux différents types de consommateurs et chercher des moyens d’analyser les données de l’entreprise en fonction des consommateurs et par rapport aux consommateurs. Par exemple, vous avez probablement une vue de vos ventes par produits, mais avez-vous une vue des ventes par « nouveaux clients », par clients de telles tranches d’âge, par clients de telles catégories socioprofessionnelles ?

L’un des objectifs phares d’une telle réflexion est d’utiliser les données pour se rapprocher du client. Le Big Data tend à promouvoir une approche centrée sur les consommateurs car celle-ci permet des analyses plus sophistiquées et la réalisation de modèles prédictifs.

Remarque pour les IT : bien évidemment, dans les grandes entreprises, l’IT est aussi un métier et l’IT peut avoir besoin du Big Data pour ses propres besoins notamment en matière de maintenance de l’infrastructure (pour prédire les besoins de ressources et prédire les dysfonctionnements par exemple) et de sécurité (pour détecter les comportements anormaux ou à risques, les connexions non conventionnelles, etc.). Mais c’est bien le besoin du métier IT qui dirigera le projet et non l’envie d’intégrer des technologies « hypes » (en vogue).

3/ Connaître les problèmes que l’on cherche à résoudre

Cela semble une lapalissade, mais cela n’a aucun intérêt de lancer un projet Big Data pour simplement faire du Big Data. Commencez par cerner les problèmes que vous essayez de résoudre, qu’il s’agisse d’optimiser sa production, de comprendre le comportement du consommateur, de trouver de nouveaux clients, d’améliorer l’efficacité des opérations marketing, etc.

C’est une fois le problème posé que l’on peut commencer à chercher les données éventuellement utiles et les analyser pour élaborer des solutions.

4/ Démarrer petit… pour agir vite.

Avec la BI classique, bien des entreprises ont déjà découvert qu’il était plus pertinent de démarrer « petit » puis de grandir par itérations. C’est encore plus essentiel avec les projets Big Data. Sinon quoi, vous vous retrouverez rapidement noyé par la masse de données et les multiples interprétations qui peuvent en découler.

Démarrez avec des problèmes assez simples et des données maîtrisées. Limitez-vous par exemple à tel ou tel type de consommateur et à un type d’interaction à résoudre. Faites des essais. S’ils ne mènent à rien, vous aurez peu perdu en temps et en investissement. S’ils portent leurs fruits, vous saurez tenir une piste que vous pourrez approfondir. Dans un premier temps, vous pourrez répéter le processus puis l’enrichir et lui donner plus d’envergure. Surtout, en démarrant petit, vous vous accordez davantage d’agilité et donc de réactivité. Le Big Data n’est rien s’il ne vit pas au rythme des données.

5/ Choisir les bonnes données…  et les bonnes compétences

La BI classique se contentait en général d’aller piocher dans les bases de données de l’entreprise.

L’approche Big Data vise à, quasi systématiquement, croiser les données phares de l’entreprise avec des sources externes et variées (réseaux sociaux, bases informationnelles, journaux/logs, données de capteurs). Il faut apprendre à lier et dériver les données. Ce qui conduira très souvent grosses PME et grandes entreprises à se barder d’une nouvelle catégorie de collaborateurs, les Data Scientists, libres d’expérimenter et jouer avec les données pour trouver de nouvelles réponses à des problèmes souvent très anciens.

6/ Utiliser des solutions adaptées à ses besoins…  et penser Cloud Démarrer petit…

Dans l’ambition des projets, comme dans les outils à implémenter. Inutile de se précipiter dans l’élaboration de son propre cluster Hadoop sur l’infrastructure interne. Ce n’est certainement pas la solution, et c’est mettre la charrue avant les bœufs (bien des DSI ont monté des clusters Hadoop et ont ensuite demandé aux métiers ce qu’on pouvait en faire… pour finalement activer des projets Big Data n’utilisant pas Hadoop).

Le Cloud offre aujourd’hui toute une panoplie de solutions qu’ils s’agissent de monter des clusters Hadoop, d’analyser des données en streaming ou, plus pratiquement, d’élaborer des modèles prédictifs via du Machine Learning, ou d’accéder à des solutions clés en main dédiées à des problématiques données et accessibles à toutes TPE/PME : Google Analytics pour votre site Web, BIME Analytics pour le pilotage de votre activité, InsightSquared pour l’analyse des ventes (avec lien Salesforce), Canopy pour l’analyse comportementale des consommateurs, Radius pour les prospects, Qualtrics pour des recherches marché et concurrence, Constant Contact pour l’analyse de campagnes, Splunk Cloud pour l’intelligence opérationnelle, sans oublier Watson Analytics d’IBM et, bien sûr, le très universel Microsoft Power-BI intégré à Office 365 et Excel, etc. Cette liste est très loin d’être exhaustive. Il existe une pléthore de solutions, plus ou moins spécialisées dans un domaine ou une problématique mais très peu coûteuses, pour mettre en œuvre vos premiers projets.

7/ Penser Sécurité, Conformité, Vie privée

Tout projet Big Data impose de se pencher de nouveau sur ses données. Une occasion idéale de se repencher sur leur sensibilité et leur criticité. À l’heure où les frontières périmétriques n’ont plus le même rôle et la même pertinence, il est essentiel de protéger avant tout les données les plus sensibles plutôt que les voies d’accès.

Outre les problématiques d’authentification et de politiques d’accès qui doivent être repensées, le Big Data demande aussi souvent de se repencher sur la conformité des données aux réglementations en vigueur. Et parce que l’essentiel des projets Big Data sont centrés sur les consommateurs, il est essentiel d’adopter des mesures et comportements qui respectent la vie privée des clients. Opter pour des solutions Cloud résout une partie des problèmes (notamment parce qu’ils sont reportés sur l’hébergeur), mais une partie seulement.

Téléchargez cette ressource

Guide de Sécurité IA et IoT

Guide de Sécurité IA et IoT

Compte tenu de l'ampleur des changements que l'IA est susceptible d'entraîner, les organisations doivent élaborer une stratégie pour se préparer à adopter et à sécuriser l'IA. Découvrez dans ce Livre blanc Kaspersky quatre stratégies efficaces pour sécuriser l'IA et l'IoT.

Data - Par Loïc Duval - Publié le 08 décembre 2015