Business Intelligence et Big Data : nouvelle ère technologique

Quand on évoque le sujet des Big Data et de la Business Intelligence (BI), il n’est pas rare d’obtenir deux avis opposés : ceux qui disent que la Business Intelligence va être remplacée par les Big Data d’une part. Et un autre point de vue, diamétralement opposé, qui consiste à dire que les Big Data n’apportent rien par rapport à la Business Intelligence.

Ces deux avis, largement exagérés, sont battus en brèche par Mick Levy dans cette présentation qu’il a réalisée lors de la Matinale du Big Data du 8 octobre 2014. Non seulement les Big Data ne remplacent pas à l’identique la Business Intelligence, mais elles en sont même un des éléments de l’évolution (peut-être devrait-on parler de révolution…). Mick, dans cette présentation, nous explique pourquoi et comment l’évolution de la business intelligence sera inéluctable et comment injecter du Big Data dans les architectures pour doper la BI.

La Business Intelligence et les Big Data doivent elles vraiment être en opposition ?

La Business Intelligence, c’est-à-dire l’informatique à l’usage des décideurs et des dirigeants d’entreprise, est actuellement en train de se réinventer en cette période d’effervescence technologique :  les Big Data permettent en effet d’explorer de nouvelles possibilités qui vont révolutionner l’informatique décisionnelle. De là à bouleverser totalement la business intelligence ?  Selon Mick Levy, « cela fait vingt ans que Business & Decision travaille sur les Data Warehouses (entrepôts de données, qui sont des bases de données décisionnelles), et nous sommes convaincus que Hadoop (environnement de développement) est un excellent complément aux entrepôts de données ».

En effet, les limites des architectures décisionnelles traditionnelles commencent à être atteintes, et de nouveaux usages ne peuvent être satisfaits : travail sur les données non structurées, nouvelles sources ignorées par les datawarehouses comme les données des capteurs ou les médias sociaux, énormes volumes de données devant être gérées en intégration avec le système d’information de l’entreprise, intégration des algorithmes prédictifs devenus accessibles à tous… L’informatique décisionnelle a toujours été vue comme un élément à part du système d’information de l’entreprise, mais avec les Big Data, cela est en train de changer.

Utiliser Hadoop pour doper le Data Warehouse

En premier lieu, le Data Warehouse a encore de beaux jours devant lui. Entre autres, pour les raisons suivantes :

• Sa structuration est importante dans beaucoup de domaines : financier, risque, et même les indicateurs commerciaux, quand la rémunération des vendeurs en dépend ;
• Celui-ci a atteint un seuil de maturité ;
• Les compétences nécessaires ont été acquises, ce qui n’est pas nécessairement le cas dans le domaine des Big Data ;
• La Business Intelligence, du fait de sa maturité a permis le développement d’outils très puissants à destination des utilisateurs.

La « data-thérapie »

En outre, la Business Intelligence est largement répandue et ancrée dans les pratiques des entreprises : il est donc préférable de la compléter avec les Big Data pour envisager de nouveaux usages, plutôt que de chercher à la remplacer par quelque chose d’autre. On peut ainsi soigner certaines « maladies » en utilisant les Big Data.

Prenons cet exemple (que nous ne pouvons nommer) d’une flotte de 40 000 véhicules actifs, dont une grande partie électrique. Sur cette flotte, nous observons aujourd’hui 45 000 immobilisation d’une journée au moins, ce qui montre qu’il y a encore des progrès à faire sur la fiabilité. Business & Decision a donc équipé cette flotte de capteurs permettant des diagnostiques proactifs de ces véhicules.

4 conseils pour marier Big Data et Business Intelligence

Conseil n°1 : Gagner en agilité avec un « lac de données » pour permettre aux utilisateurs de travailler directement sur les données qui ensuite peuvent être réinjectées dans l’entrepôt de données. Ceci permet de disposer d’un environnement agile sans transformation et sans modélisation, et donc d’aller plus vite. Il s’agit simplement d’adopter une démarche inverse à la démarche traditionnelle. En premier lieu, une démarche de préparation des données est nécessaire, ce qui permet de gagner en vitesse ;

Conseil n°2 : Si la pression est trop forte, il faut utiliser Hadoop. Le terme technique est l’offload : les données sont déposées dans Hadoop (données froides ou historiques) et celle-ci deviennent immédiatement accessibles. Le coût de stockage est extrêmement faible, et cela baisse le TCO (Total Cost of Ownership) du décisionnel ;

Conseil n°3 : si des limites se font ressentir, on va procéder à un certain nombre de traitements et de calculs avec Map Reduce et réaliser des calculs que l’on ne peut réaliser dans un environnement réel. Aujourd’hui, ils peuvent être envisagés afin de les réinjecter dans l’environnement décisionnel. Cela pourrait être comparé à un « super calculateur » que l’on aurait mis à disposition de tout un chacun. Map Reduce peut répartir le zonage entre plusieurs serveurs disponibles et paralléliser les calculs de façon très puissante ;

Conseil n°4 : en addition de ces fonctionnalités, on utilise Hadoop pour apporter des nouveautés ;

• Par exemple, intégrer de nouvelles sources de données (les médias sociaux, la pub en ligne, le Web analytics…) ;
• Il est également possible de lier différents types de données : données opérationnelles de l’entreprise, données de l’entreprise « dans l’ombre », données commercialisées par d’autres entreprises, données issues des médias sociaux, des smartphones et enfin de l’Open Data ;
• Troisièmement, exploiter les données différemment : des bases analytiques à haute performance permettent de fournir des réponses analytiques basées sur Hadoop (Hbase, Cassandra). Il est également possible d’exploiter des moteurs de recherche, des bases graph qui permettent de mettre à jour des corrélations, et enfin des bases documentaires comme Mongo dB. Celle-ci permet de stocker et d’analyser les documents (par exemple, La Poste utilise cette technologie pour retrouver les lettres perdues) ;
• Enfin, prédire l’avenir avec la statistique ou anticiper les comportements des clients. Ce n’est pas nouveau, mais avec les Big Data, il y a des solutions open source (par exemple R) qui permettent des résultats fabuleux par exemple autour des analyses d’attrition (churn).

Une nouvelle ère technologique

La vision de Business & Decision est la suivante, a conclu Mick Levy dans sa présentation : nous plongeons dans un domaine étendu du décisionnel où le champ des possibles s’élargit. Nous entrons dans une nouvelle ère technologique où les architectures simples « ESOR » (ETL, SGBD, OLAP, Reporting) évoluent vers une multiplication des outils et des technologies  pour répondre à de nouveaux enjeux.

Gartner prédit que fin 2018 les architectures BI telles que nous les connaissons aujourd’hui auront fortement évoluées. Mick Levy, dans sa conclusion, nous a annoncé qu’il faut « se préparer à ces changements, et élargir le champ des possibles au travers de cette nouvelle architecture ».