Il se télécharge quotidiennement l'équivalent de 8 années complètes de vidéos sur les serveurs de YouTube, Google accède à 20 milliards de pages Web tous les jours et les experts s'accordent à dire que pas moins de 90 % des données disponibles actuellement ont été produites au cours des deux dernières années. Si, comme c'est à prévoir, cette tendance se poursuit, les sujets que regroupe le vocable à la mode "Big Data" vont se transformer en réel défi pour les entreprises, qui devront mettre les moyens en face de ce besoin émergent. Mais où en sont les entreprises ?

Encore du chemin à faire

Schéma 1 (cliquez sur l'image pour l'agrandir)

Une récente étude du cabinet d'analyse Markess International intitulée "Nouvelles perspectives d'exploitation des données clients avec le Big Data", menée auprès de 110 décideurs (60 % de l'informatique, 26 % du marketing, 2 % de la direction générale) d’organisations privées et publiques de plus de 250 salariés ainsi qu'auprès d'une soixantaine d'acteurs de ce marché, montre que les décideurs restent peu informés sur les technologies associées au Big Data. Même si 70 % d'entre eux déclarent avoir une très bonne ou une bonne connaissance du concept, les faits montrent que leur niveau de compréhension des technologies associées reste relativement faible. Les résultats varient toutefois en fonction de la taille de l'entreprise, de son secteur d’activité et du profil des décideurs interrogés : mais même parmi les décideurs informatiques, le niveau de compréhension qu'ils ont ne dépasse pas une "connaissance moyenne" lorsqu'ils l'évaluent sur une échelle de 1 à 5 (cf. schéma 1).

Parmi les 77 décideurs de l'échantillon ayant déclaré avoir une très bonne ou une bonne connaissance du Big Data, 42 % estiment qu'il se rapporte à l'analyse des données non structurées, 35 % à la gestion de nouveaux types de sources à analyser et 32 % à la gestion de la disparité des données et des sources. En d'autres termes, parmi les nombreuses caractéristiques relatives au Big Data proposées dans le questionnaire (volume de données excédant les capacités d'analyse et de gestion d'information de l’entreprise, nouvelles bases de données et nouvelles technologies, identification de valeur et d’information utile à l’entreprise, amélioration des capacités de prédiction, amélioration de la performance et des capacités de gestion des données...), les décideurs interrogés retiennent essentiellement la gestion de nouvelles données ou de nouvelles sources de données soutenue par un objectif analytique. "Les autres 'V' (pour volume et vitesse de traitement) qui définissent le Big Data sont moins identifiés comme étant caractéristiques", note Lætitia Bardoul, analyste senior chez Markess International, en charge de cette étude. "En effet, un plus faible pourcentage de décideurs identifie les capacités liées aux nouvelles infrastructures de gestion et de stockage des données à la gestion en temps réel ou en mode flux".

Schéma 2 (cliquez sur l'image pour l'agrandir)

L'étude s'étant concentrée sur les volumes des données clients, les décideurs confirment en grande majorité avoir connu une hausse significative du volume de ces données depuis 2010, avec des perspectives d'augmentation d’ici 2014 (cf. schéma 2). Pour eux, les principaux enjeux du Big Data sont de réduire les temps d'analyse des données clients et de pouvoir améliorer leur exploitation, notamment avec de nouvelles possibilités de segmentation et de ciblage marketing.

Des projets encore rares

En 2012, 31 % des décideurs interrogés déclarent avoir un intérêt dans les problématiques de Big Data. Mais seuls 6 % des entreprises déclarent avoir déjà conduit un projet dans ce périmètre. Et comme tout dépend du budget, force est de constater que les entreprises n'inscrivent pas encore le Big Data à celui-ci : seuls 2 % d'entre elles déclarent en avoir défini un et 14 % prévoient de le faire d'ici à 2014. Parmi les principaux freins à l'élaboration de ces budgets, on note les difficultés à identifier les gains concrets associés à ces projets, mais aussi leur impact sur le système d’information.

Le document de synthèse de cette étude est téléchargeable ici.

Cas concrets, bénéfices substantiels

Si le Big Data n'en est encore qu'à ses balbutiements, il existe néanmoins des projets réussis dans le domaine, dont le moindre n'est pas celui de l'University of Ontario Institute of Technology, au Canada : concernant le service de néonatologie, le projet Artemis part du postulat qu'en analysant à la volée de grands volumes de données remontés à partir de différents capteurs installés sur les prématurés, on arrive à anticiper les défaillances et ainsi à sauver des vies.

Pas moins de quinze capteurs transférant leurs mesures au système ont ainsi été installés sur les prématurés du service. À ces remontées d'informations il faut ajouter celles entrées manuellement par le personnel hospitalier. L'infrastructure mise en place permet d'analyser toutes ces données en temps réel et de prévenir la mortalité : à base de produits Stream Computing d'IBM, la solution a conduit à une diminution de 40 % du taux de mortalité des nouveau-nés. Les défaillances potentielles sont détectées avec 24 heures d’avance, ce qui offre à l'équipe médicale un délai de réflexion supplémentaire très appréciable et lui permet de réagir au problème plus efficacement.

Dans un registre plus léger, Catalina Marketing analyse de très gros volumes de données pour identifier avec précision les clients les plus susceptibles de répondre à des offres marketing ciblées. Cette entreprise d'origine américaine présente également en Europe gère l'une des bases de données marketing les plus volumineuses au monde. Contenant des données recueillies pendant trois ans auprès de 140 millions de consommateurs américains, elle compte quelque 650 milliards de lignes. C'est Catalina Marketing qui est à l'origine des coupons à bandes rouges que tout un chacun s'est déjà vu délivrer à l'occasion de ses achats en supermarché. Son rôle est d'analyser et de prévoir les comportements d'achat des consommateurs pour générer ces coupons de réduction.

Classiquement, seul 1 % des coupons distribués en caisse est restitué. L'objectif du projet était bien entendu d'améliorer ce taux en ciblant mieux et en distribuant les coupons avec une plus grande pertinence au travers de la mise en place d'un outil de datamining capable de traiter de tels volumes. La solution adoptée est Enterprise Miner de SAS ; celle-ci a permis de développer une meilleure connaissance des comportements des consommateurs. Le résultat a été spectaculaire : les consommateurs sont dans l'ensemble huit fois plus sensibles aux bons de réduction générés par Catalina Marketing. La moyenne de taux de restitution s'établit entre 10 et 12 %. Mais sur certaines gammes de produits à forte valeur ajoutée, on arrive à des taux d'utilisation des coupons allant jusqu'à 25 %.

La conscience tant de l'importance que du périmètre du Big Data n'est pas encore pleine au sein des entreprises, y compris auprès de leurs informaticiens. Mais elle fait son chemin. Et c'est heureux, puisqu'avec le phénomène auquel nous assistons de croissance exponentielle des volumes de données générées et donc à traiter dans tous les domaines, toutes les entreprises seront concernées à terme, y compris les PME. Et l'entreprise qui ne le prendrait pas en compte stagnerait. Or, lorsqu'on stagne, on recule en fait, par rapport à ses concurrents. Nous allons, dans nos éditions à venir, continuer à illustrer le phénomène du Big Data, notamment au travers d'exemples concrets.

Benoît Herr