Deux cas concrets d’application des Big Data

Aujourd’hui, nous évoquons deux cas concrets d’application des Big Data sur le terrain avec Frédéric Dulac, Directeur de Business & Decision Eolas, que j’ai eu l’occasion d’interviewer à l’issue de la conférence Time2marketing du 18 juin 2014 à Paris.

Le premier de ces exemples consiste à  associer du temps réel et de la recommandation dans un site de e-commerce afin de mieux conseiller l’internaute dans son parcours d’achat. Le second cas est celui d’un projet élaboré pour une grande chaîne de magasins souhaitant augmenter sa connaissance client : une partie des données vient des informations collectées en magasin, et une autre de son site de e-commerce. Le but est d’associer ces informations pour mieux comprendre les besoins et les comportements des clients.

YG : Derrière ces projets de nature différente il y a des technologies diverses ?

FD : Tout à fait. Ces technologies sont multiples : nous sommes dans une période de grande effervescence technologique, avec notamment la création de start-up spécialisées, de nouveaux usages qui apparaissent également etc. On retient néanmoins un aspect fondamental dans cette notion de Big Data : Les Big Data c’est avant tout de la data, donc la problématique c’est « comment je peux arriver à traiter la donnée ? ».

Il y a d’un côté toutes ces données, hiérarchisées et ordonnancées sur SQL qui représentent quelques pourcents de l’ensemble des données qui peuvent être collectées dans une entreprise, et de l’autre, toutes les autres données traitées avec de nouvelles notions.

Parmi les logiciels faisant partie de cet attirail technologique, quel est le rôle de Map Reduce ?

Map Reduce est un Framework (ou environnement de développement), un univers de développement sur Hadoop, qui se base sur un système de fichiers distribué, et dont l’idée est simplement de créer une clé de valeur de réduction  (map) des données présentes dans l’ensemble d’un silo. Tout ceci pour les collecter, les organiser et les ordonnancer afin d’y installer des algorithmes de traitement. Ceux-ci permettront de développer de nouvelles valeurs et créer des liens qui auraient été improbables au départ.

Quelle est la raison d’être de cette nouvelle façon de traiter la donnée ?

Auparavant, on était incapable de traiter toutes ces données, et on se masquait derrière ce problème en se disant « rangeons correctement ces données et tout ira bien ». Sauf qu’avec l’arrivée du Web et des objets connectés, la création de données double tous les 18 mois ! Il fallait donc réagir. Les programmes historiques étaient incapables de gérer tout cela, une rupture était donc nécessaire. Celle-ci a été initiée par les géants du Web, tels que Facebook, Google, Amazon etc.

De nouveaux logiciels sont désormais utilisés par l’ensemble des acteurs du marché; ils sont issus de programmes open source et sont le résultat d’un essor de captation et de compréhension des données. Jusqu’alors, on essayait de comprendre les comportements en utilisant un ou deux pourcents des données. Mais on a maintenant l’instrumentalisation logicielle et le prix associé qui permettent de traiter massivement toutes ces données.

Ceci est valable pour les sites de e-commerce, mais aussi pour les municipalités, par exemple : avec le concept de smart city qui se développe, on envisage de pouvoir scruter et comprendre toutes les problématiques d’une ville, par exemple la gestion du trafic, la pollution etc. ce qui était autrefois inconcevable en termes de coûts par rapport à l’économie dégagée.

Le coût de traitement ayant fortement diminué, on est maintenant capable de créer de nouvelles valeurs, et de mon point de vue, nous sommes au début d’une nouvelle ère de la technologie où il va falloir s’adapter et se former pour bien intégrer ces nouvelles notions et savoir les réutiliser.