Microsoft, Pourquoi miser sur la donnée ?

Face à l’explosion des données, « en termes de croissance exponentielle, nous avons une visibilité à échéance 2020 de 40 zeta octets de données au niveau mondial » souligne Anne-Lise Touati,  Directrice des Solutions et Serveurs Cloud Microsoft France. Chiffre astronomique et résultat à la fois des objets connectés mais aussi des devices mobiles … Alors comment valoriser ces données en entreprise ? L’Institut Montaigne révèle dans une étude que 7% du PIB en 2025 serait le résultat du phénomène du Big Data et de l’Internet des Objets. La valorisation des données n’est donc pas si loin que cela, et l’impact économique est énorme. Dès qu’on collecte et exploite les données, il est possible d’en ressortir de l’intelligence pour les entreprises disposant ainsi de plus productivité, d’agilité et de précisions. Alors comment Microsoft se positionne autour de la donnée ? Trois axes, la visualisation des données, l’apprentissage statistique ou Machine Learning, et le Cloud.

Betclic visualise la donnée

Pour Betclic, essentiellement connu pour le pari sportif en France, la donnée a évidemment un caractère stratégique. Pierre Derome, CTO de Betclic le confirme « il est important de voir l’importance des données pour un groupe comme le nôtre », le groupe est présent sur plusieurs pays avec différentes marques, « notre datawarehouse, c’est 5 téra de données, la complexité vient des différents produits, des pays aux réglementations précises, des contraintes temps réel, des sources de données extrêmement variées et des divers métiers ». Chaque métier doit gérer ses propres indicateurs en temps réel, assembler la donnée, avoir ses propres dashboards, prendre les décisions sur la base d’informations pertinentes. Betclic a donc fait le pari d’utiliser les technologies Office 365 et Power BI « pour garantir l’appropriation par chacun des métiers de la donnée et la transformer en information pour prendre les décisions ». L’appropriation a été très rapide et facile pour l’ensemble des utilisateurs de Power BI. Finies les formations techniques avec des Power users, bienvenue aux formations basées sur l’analyse de la donnée. De plus, « dès qu’on dispose des données, il y a très peu de préparation à faire, tout le processus se fait rapidement » souligne Pierre Derome « nous utilisons de l’always-on sur SQL Server pour faire des refresh et des mises à jour ». La facilité de visualisation change tout, et le métier se l’approprie. Cette plate-forme permet donc de faire de la BI en toute simplicité, mais pour aller plus loin, côté BI en mobilité, signalons que Microsoft a récemment acquis Datazen, pour faciliter la BI on-premise en situation de mobilité.

Le Machine Learning vu par Conexance

Qui mieux qu’un spécialiste des mécaniques de scoring pour parler du Machine Learning ? René Lefébure, Directeur Recherche et Développement chez Conexance, insiste sur l’apprentissage statistique et optimise l’analyse prédictive. Contrairement au temps réel chez Betclic, Conexance gère des données historisées sur de longues périodes, à savoir 36 mois environ. Les informations sont confinées d’où cette notion de clubs fermés, avec trois bases de données, une base informations confidentielles sur Oracle, une base transactionnelle sur SQL Server, une base exploration sur le Cloud, le tout pour 900 millions de transactions, « nous avons potentiellement 1600 items descriptifs d’un comportement client », la largeur des analyses pose évidemment des problématiques spécifiques dès l’utilisation de techniques statistiques. Alors, le mode ‘look a like’ est utilisé pour les analyses et les similarités de ressemblances. Quant à la logique de mise en production et performances, « nous produisons 5000 scores par an en 6 étapes » commente René Lefebure. Et par rapport aux statistiques traditionnelles, comment qualifier le Machine Learning ? « c’est l’apprentissage à partir des données ». Avec la croissance des données, le milieu devient mouvant, les frontières se modifient et fluctuent, les formules ne sont plus figées. Bien au contraire, à chaque changement de données, la formule s’ajuste au mieux. Avec l’approche Machine Learning, on note une baisse des coûts en analytique et un gain de la performance.

Et Damien Cudel, Chef de Marché Big Data & Business Intelligence, Microsoft France, d’ajouter « Azure Machine Learning s’adresse aux DataScientists et n’a pas besoin de déploiement local, ni d’ajout de software, on peut mettre en place un modèle statistique en production, le tout en moins de 7 minutes, c’est la grande force de cette plate-forme ». Est-il possible de faire encore plus simple ? Il semblerait que oui, en développant par exemple « une économie de la DataScience qui permettra un échange de modèles mis à disposition pour qu’ils soient intégrés directement dans les applications ». La DataScience devient ainsi accessible au plus grand nombre…

La Cloud ou l’innovation au service des entreprises

Et pour conclure, Edouard de Payenneville, Chef de produit Azure, Microsoft France rappelle « grâce au Cloud et aux infrastructures flexibles, les entreprises peuvent monétiser de nouveaux services, innover plus vite, plus facilement et moins cher ». Deux éléments à savoir l’état d’esprit et l’expérimentation – les data labs, « test end learn » – doivent booster les entreprises. Au travers du Cloud Azure, «  on peut faire vite et bien, c’est la démarche Fast IT, on garantit à la fois les investissements passés, c’est la continuité, et la sécurité, l’IT doit garder la main mise sur l’infrastructure ». Enfin, l’avantage de cette démarche est bien le Time to Market avec le passage du développement de modèles algorithmiques à quelques minutes, mais aussi le fait d’être disruptif au travers des business models. La démarche de confiance de Microsoft s’appuie sur deux notions, la transparence et le contrôle. Entreprises et données ne font plus qu’un !