David-Stéphane Fala, Directeur Conseil, Practice Big Data de Micropole
Tous les jours, 2,5 trillions d’octets de données sont générées dans le monde, selon IBM. Conséquence : 90 % des données existantes aujourd’hui ont été créées au cours des deux dernières années... Et parmi cette masse d’informations, certaines produites par l’entreprise ne sont pas exploitées, que ce soit par manque de moyens financiers ou par méconnaissance. Or, ces Dark Data possèdent une vraie valeur intrinsèque pour l’entreprise et constituent une mine d’informations opérationnelles qu’il ne faut pas négliger.
Comment catégoriser ces Dark Data ?
Il existe 3 raisons pour lesquelles ces données ‘obscures’ restent très peu exploitées à ce jour :
· non identifiées elles ne sont donc pas collectées,
· identifiées, il est trop compliqué de les exploiter avec les technologies classiques,
· disponibles au sein du SI, elles ne sont pas exploitables en l'état.
Mais heureusement, ces Dark Data fonctionnent à l'inverse de la matière noire (Dark Matter) : il est possible de les identifier, de les quantifier et de les rendre exploitable, pour en tirer les bénéfices.
Replacer la DSI au centre de l’entreprise et de ses performances
Dans un rapport de 2010, McKinsey prédisait une augmentation de 60 % de la marge d’exploitation des retailers qui utiliseraient pleinement ces Big Data. Imaginez les possibilités offertes par l’exploitation des données internes non ou peu exploitées ! Comment intégrer alors l’ensemble de ces données non métier, produites par l‘entreprise ou la DSI, et leur donner du sens ? Grâce au Big Data ! Aujourd’hui, il est désormais possible de stocker ces données et donc de les analyser.
Quelles conséquences directes pour l’entreprise ?
La problématique essentielle liée aux Dark Data (après le travail d'identification) est lié à leur volumétrie conséquente et à la variété de leur format. Le Big Data apporte la possibilité de mieux connecter les systèmes de production au système d’information, en apportant les outils permettant l'exploitation des données de type "machine" (log, capteurs, archives, etc.). À la clé pour la DSI : une diminution des coûts et une capacité d’analyse inégalable. L’avantage ? Pouvoir intervenir de manière proactive sur les machines et réduire ainsi les temps d’arrêt. Désormais, la DSI va pouvoir obtenir une vision globale de ce qui est produit, et intégrer l’ensemble des informations à la plateforme, ce qui va ainsi améliorer son ROI.
Les possibilités sont infinies : impliquer d’autres projets et d’autres métiers sur la plateforme, interconnecter différents systèmes, relier et connecter les capteurs présents dans les systèmes de production... La DSI peut alors exploiter les logs, ces journaux d’activités produits par les applications ou les outils de production, et ainsi anticiper les problèmes. Ce qui permettra un downtime réduit et des gains de productivité conséquents.
Une connaissance pointue du système
La phase de cadrage en amont est essentielle. En effet, il s’avère indispensable de tirer la meilleure connaissance possible du système pour estimer au plus près l’impact de ces données. La DSI se pose alors en moteur de l’activité de l’entreprise, et avance au cas par cas en fonction des métiers, des secteurs… Pour exemple, un projet de ce type récemment mis en place chez un constructeur automobile, dont l'une des chaînes de montage tombait régulièrement en panne. Après analyse des logs des capteurs, il a été établi qu’une surchauffe anormale d'un ensemble de robots causait ces pannes. D’où l’intérêt d’intégrer au plus vite ces données afin de définir précisément la cause des problèmes rencontrés et les anticiper. Un gage essentiel de compétitivité pour toute entreprise.
Comment catégoriser ces Dark Data ?
Il existe 3 raisons pour lesquelles ces données ‘obscures’ restent très peu exploitées à ce jour :
· non identifiées elles ne sont donc pas collectées,
· identifiées, il est trop compliqué de les exploiter avec les technologies classiques,
· disponibles au sein du SI, elles ne sont pas exploitables en l'état.
Mais heureusement, ces Dark Data fonctionnent à l'inverse de la matière noire (Dark Matter) : il est possible de les identifier, de les quantifier et de les rendre exploitable, pour en tirer les bénéfices.
Replacer la DSI au centre de l’entreprise et de ses performances
Dans un rapport de 2010, McKinsey prédisait une augmentation de 60 % de la marge d’exploitation des retailers qui utiliseraient pleinement ces Big Data. Imaginez les possibilités offertes par l’exploitation des données internes non ou peu exploitées ! Comment intégrer alors l’ensemble de ces données non métier, produites par l‘entreprise ou la DSI, et leur donner du sens ? Grâce au Big Data ! Aujourd’hui, il est désormais possible de stocker ces données et donc de les analyser.
Quelles conséquences directes pour l’entreprise ?
La problématique essentielle liée aux Dark Data (après le travail d'identification) est lié à leur volumétrie conséquente et à la variété de leur format. Le Big Data apporte la possibilité de mieux connecter les systèmes de production au système d’information, en apportant les outils permettant l'exploitation des données de type "machine" (log, capteurs, archives, etc.). À la clé pour la DSI : une diminution des coûts et une capacité d’analyse inégalable. L’avantage ? Pouvoir intervenir de manière proactive sur les machines et réduire ainsi les temps d’arrêt. Désormais, la DSI va pouvoir obtenir une vision globale de ce qui est produit, et intégrer l’ensemble des informations à la plateforme, ce qui va ainsi améliorer son ROI.
Les possibilités sont infinies : impliquer d’autres projets et d’autres métiers sur la plateforme, interconnecter différents systèmes, relier et connecter les capteurs présents dans les systèmes de production... La DSI peut alors exploiter les logs, ces journaux d’activités produits par les applications ou les outils de production, et ainsi anticiper les problèmes. Ce qui permettra un downtime réduit et des gains de productivité conséquents.
Une connaissance pointue du système
La phase de cadrage en amont est essentielle. En effet, il s’avère indispensable de tirer la meilleure connaissance possible du système pour estimer au plus près l’impact de ces données. La DSI se pose alors en moteur de l’activité de l’entreprise, et avance au cas par cas en fonction des métiers, des secteurs… Pour exemple, un projet de ce type récemment mis en place chez un constructeur automobile, dont l'une des chaînes de montage tombait régulièrement en panne. Après analyse des logs des capteurs, il a été établi qu’une surchauffe anormale d'un ensemble de robots causait ces pannes. D’où l’intérêt d’intégrer au plus vite ces données afin de définir précisément la cause des problèmes rencontrés et les anticiper. Un gage essentiel de compétitivité pour toute entreprise.