Abed AJRAOU, Responsable de Domaine Business Intelligence Business Solution, Pages Jaunes
Néanmoins, il est complètement inutile de collecter une grande quantité de données si elles ne sont pas correctement utilisées. La forte affluence au salon Big Data Paris 2015, nous a montré qu’il existe un réel engouement pour ce sujet et la plupart des personnes présentes ont bien pris conscience que le changement est en marche. Les experts dans le domaine du Big Data se rejoignent pour dire que le Big Data doit être au service du Business et que la science des mégadonnées doit apporter de la valeur pour l’entreprise. Et pourtant, lorsque nous essayons de savoir comment exploiter au mieux nos données, nous avons des réponses beaucoup moins tranchées. Nous avons soit des réponses purement techniques, ou alors des retours d’expériences ciblés et connus maintenant du grand public. La problématique est la suivante : comment structurer ces initiatives Big Data pour leur permettre d’accueillir l’ensemble des projets autour de la création de valeurs par les données ?
La Data Intelligence Platform couvre les initiatives Big Data
La clef est l'exploration systématique des données avec un sens business et une technicité pointue. La plateforme Data Intelligence donne une meilleure vision des initiatives sur le BigData. Elle peut être définie selon quatre volets :
• Speed Data : une première tendance consiste à utiliser de nouvelles technologies pour exploiter les données massives en temps réel. L’objectif de ce type de projet est de mettre en évidence de façon instantanée la détection de signaux pouvant interagir sur un processus métier (achat frauduleux, changement de trajet suivant le trafic en temps réel …).
• Discovery Data : un autre volet regroupe l’ensemble des analyses prédictives et des analyses de simulation permettant ainsi de déterminer des recommandations pertinentes. Les analyses des réseaux sociaux permettent par exemple aux entreprises de donner du sens aux orientations business et ouvrent ainsi des pistes de réflexion sur de nouvelles offres.
• Smart Data : ces initiatives exploitent et analysent les données cognitives telles que les habitudes des internautes ou encore celles issues des objets connectés pour apporter encore plus de solutions intelligentes. Le plus souvent couplées à des algorithmes de machine learning, ces solutions sont en autoapprentissage. Un exemple classique de Smart Data est la personnalisation automatique du contenu en exploitant toutes les données qui sont accumulées via les canaux sociaux pour permettre d’une part l’optimisation de l'affichage du contenu, mais également d’accroître l'expérience utilisateur.
• Transparency Data : ces types de projets sont souvent liés à l’open data qui impose une libération des données pour donner plus d’exemplarité. On y trouve aussi la transparence d’un processus métier dans l’entreprise qui accroît la visibilité sur une éventuelle défaillance ce qui rend ainsi l’entreprise plus performante.
Plus aucune décision sans données ... ce plongeon (DIP) aura bien lieu
En conclusion, pour que la plateforme Data Intelligence soit une réalité, une vision beaucoup plus large sur les possibilités autour du Big Data est nécessaire. Malheureusement, encore aujourd’hui, nombreux sont ceux qui pensent aux usages du Big Data sans y adresser une stratégie autour de la data. Cependant, ce plongeon (DIP) dans la data va devoir se faire pour en découvrir des usages business perspicaces.
La Data Intelligence Platform couvre les initiatives Big Data
La clef est l'exploration systématique des données avec un sens business et une technicité pointue. La plateforme Data Intelligence donne une meilleure vision des initiatives sur le BigData. Elle peut être définie selon quatre volets :
• Speed Data : une première tendance consiste à utiliser de nouvelles technologies pour exploiter les données massives en temps réel. L’objectif de ce type de projet est de mettre en évidence de façon instantanée la détection de signaux pouvant interagir sur un processus métier (achat frauduleux, changement de trajet suivant le trafic en temps réel …).
• Discovery Data : un autre volet regroupe l’ensemble des analyses prédictives et des analyses de simulation permettant ainsi de déterminer des recommandations pertinentes. Les analyses des réseaux sociaux permettent par exemple aux entreprises de donner du sens aux orientations business et ouvrent ainsi des pistes de réflexion sur de nouvelles offres.
• Smart Data : ces initiatives exploitent et analysent les données cognitives telles que les habitudes des internautes ou encore celles issues des objets connectés pour apporter encore plus de solutions intelligentes. Le plus souvent couplées à des algorithmes de machine learning, ces solutions sont en autoapprentissage. Un exemple classique de Smart Data est la personnalisation automatique du contenu en exploitant toutes les données qui sont accumulées via les canaux sociaux pour permettre d’une part l’optimisation de l'affichage du contenu, mais également d’accroître l'expérience utilisateur.
• Transparency Data : ces types de projets sont souvent liés à l’open data qui impose une libération des données pour donner plus d’exemplarité. On y trouve aussi la transparence d’un processus métier dans l’entreprise qui accroît la visibilité sur une éventuelle défaillance ce qui rend ainsi l’entreprise plus performante.
Plus aucune décision sans données ... ce plongeon (DIP) aura bien lieu
En conclusion, pour que la plateforme Data Intelligence soit une réalité, une vision beaucoup plus large sur les possibilités autour du Big Data est nécessaire. Malheureusement, encore aujourd’hui, nombreux sont ceux qui pensent aux usages du Big Data sans y adresser une stratégie autour de la data. Cependant, ce plongeon (DIP) dans la data va devoir se faire pour en découvrir des usages business perspicaces.