Dans une récente étude, Deloitte a déterminé les différents obstacles qui empêchent les organisations d’utiliser judicieusement l’analytique d’affaires. Ces obstacles se résument à une infrastructure technologique désuète, à la qualité et la quantité des données recueillies, et à un leadership qui ne soutient ni ne comprend les avantages de l’analytique. Cette présentation définit le concept des données massives et leur importance, et précise les cas où leur utilisation est pertinente. Le potentiel des données massives est considérable, mais elles peuvent représenter une distraction onéreuse. Une fois les limitations de la taille, du type, de la source et de la complexité des données utiles franchies, vous pouvez vous poser des questions décisives qui sont essentielles au succès de votre organisation.

1. Un océan de données massives :
plonger ou s’immerger lentement?
Jane Griffin
Leader nationale
des Services d’analytique

2. Aperçu
Que sont les données massives?
Pourquoi s’intéresser aux données massives?
Ce que les données massives ne permettent pas
Enjeux relatifs aux données massives
Avez-vous bel et bien besoin de données
massives?
Quelles sont vos questions d’affaires les
plus importantes?

3. Le concept des données massives fait certainement
assez de bruit pour donner des maux de tête à
quiconque. Certains disent qu’elles sont essentielles
pour conserver un avantage concurrentiel à long
terme; d’autres pensent plutôt qu’elles comportent
plus de risques que d’avantages. Et plusieurs estiment
qu’il suffit d’acheter le matériel et les logiciels
nécessaires pour régler la question.

4. Que sont les données massives?
Il s’agit d’un ensemble de données si énorme…
• qu’il présente des problèmes de stockage de données, de traitement en temps réel et
de confidentialité;
• qu’il ne peut être géré rapidement par les outils traditionnels de gestion et d’analyse des données.
Les 3 V des données massives
Données internes + externes
Données structurées + non structurées
Volume
La taille des données au sein d’une
organisation explose de To à Po.
Variété
Les formats de données, les structures
et les sémantiques sont plus variés et
incompatibles.
Vélocité
De nos jours, les données sont générées
rapidement.

5. Comment ça se passe?
• Renseignements
sur les achats
• Registre
des achats
• Registre
des paiements
• Segmentation
• Renseignements
sur les offres
• Communications
avec les clients
• Personnes-
ressources de
soutien
• Vue intégrée
• Blogues
• Tarification
dynamique
• Historiques
des offres
• Parcours
de navigation
• Centre de service
• Recherches
• Ciblage des
comportements
• Entonnoirs
dynamiques
Signaux de DONNÉES MASSIVES
Interactions avec les
clients, interentreprises,
entreprise-
consommateur
Trafic Web
Systèmes
internes
• Réseaux sociaux
• Contenu généré
par l’utilisateur
• Dispositifs de
surveillance
• Web mobile
• Données
démographiques
• Fil de nouvelles
d’entreprises
• Images
• Audio
• Vidéo
• Parole-texte
• Journaux de
maintenance
• SMS/MMS
• Sentiment
Pétaoctets
Téraoctets
Gigaoctets
Mégaoctets
Kilooctet

6. Les données massives sont le nouvel or noir. Les
entreprises, les gouvernements et les organismes qui
pourront exploiter cette ressource auront un énorme
avantage sur ceux qui ne le pourront pas.
The Future of Big Data, Pew Internet, 20 juillet 2012 [traduction libre]

7. Pourquoi s’intéresser aux données massives?
• Les sources de données massives sont nombreuses et ne cessent de croître.
Elles incluent tous les stocks de renseignements sur les opérations :
• Les flux de données deviennent chaque année de plus en plus nombreux, importants
et complexes.
• La collecte de données massives a déjà commencé dans les secteurs bancaire, des
télécommunications et des médias. Les entreprises de ces secteurs n’ont pas d’autres
choix que de se jeter à l’eau.
• Dans d’autres secteurs, l’adoption des données massives représente davantage un choix.
• Le choix d’explorer et de rechercher des avantages concurrentiels en obtenant une
meilleure perspective.
Marché financier et
commerce électronique
Conversations par
téléphone cellulaire
Clavardage sur les
réseaux sociaux
Signaux RFID et
données des satellites
météorologiques
Tendances dans
les recherches et la
navigation sur Internet
Caméras de suivi de la
circulation automobile et
caméras de surveillance

8. Explorez le potentiel des données massives, mais
faites-le en connaissance de cause et n’oubliez pas
que le but est plus de perspective plutôt que plus
d’information.

9. Ce que les données massives ne permettent pas
• Contourner la réalité statistique ou rendre la méthode
scientifique désuète
• Décharger les utilisateurs de la nécessité de poser
les questions pertinentes
• Éliminer la nécessité de trouver les bonnes
caractéristiques
• Garantir votre capacité à répondre rapidement,
uniquement parce que vous pouvez produire des
résultats en temps réel
• Rendre les analyses coût-avantages ou du
RCI désuètes

10. Technologie Données Gens
Enjeux relatifs aux données massives

11. Technologie
Aspect Principal enjeu
Extensibilité • Flexibilité de l’infrastructure d’interagir avec un volume important à l’aide de
divers formats de données
Intégration • Coût de compilation, de gestion et d’utilisation des données sur des
plateformes et des systèmes variés
Déploiement • Choix entre des solutions et des appareils sur mesure ou des services
d’informatique en nuage
• Transition de systèmes patrimoniaux vers de nouvelles technologies
Analytique • Algorithmes extensibles qui donnent quand même des résultats explicables
Enjeux relatifs aux données massives

12. Données
Aspect Principal enjeu
Qualité
des données
• Maintien de la qualité lorsqu’une grande quantité de données est externe
ou non structurée
Gouvernance • Réévaluation des politiques, des normes et de l’environnement
réglementaire en matière de données internes ou externes
Confidentialité • Enjeux relatifs à la confidentialité et à la sécurité liés aux données d’entrée
et aux résultats
Aspect Principal enjeu
Talent • Acquisition des compétences nécessaires pour mettre à profit les
données massives
Gens
Enjeux relatifs aux données massives

13. Les données massives ne sont pas une solution
miracle. Elles sont très prometteuses, et nous avons
vu des sociétés les exploiter d’excellente façon.
Cependant, il n’est pas nécessaire d’utiliser des
données massives si des petits ensembles de données
font l’affaire.

14. L’utilisation des données massives est pertinente
Exploiter les signaux faibles
Des sources de données variées peuvent compliquer le repérage des tendances.
Favoriser les expérimentations
Essayer différents scenarios et établir la différence entre corrélation et causalité.
Analytique des images et vidéos
L’audio et les vidéos sont complexes… une tâche idéale pour des applications de
données massives.
Obtenir un impact en temps réel
Incidence notable grâce à l’analyse de données de diverses sources en temps réel.

15. Offrir plus de précision plus rapidement
Chercher à trouver des tendances à petite échelle et éviter les fausses
corrélations.
Travailler avec des budgets limités
Tirer profit des compétences et des outils existants de gestion et d’analytique.
Gérer les risques pour les renseignements personnels et la sécurité
Contrôler les procédures de contrôle et de gestion des données pour les petits
ensembles de données, mais non pour les données massives.
Procédures de base de gestion du rendement et de prévision
Les données financières et comptables ont des volumes moins grands, elles sont
pour la plupart structurées et faciles à analyser à l’aide d’outils traditionnels.
L’utilisation des petits ensembles de données est pertinente

16. Quelles sont vos questions décisives?
Les données massives sont devenues une composante importante de votre stratégie.
Cependant, elles peuvent également devenir une distraction onéreuse. Commencez
par déterminer vos questions d’affaires les plus décisives.
Étudiez les questions d’affaires essentielles, plus particulièrement :1
Demandes
de croissance
rentable
Attentes
grandissantes
des
consommateurs
Pressions
réglementaires
accrues
Signaux
nouveaux et
différents
Recherche de
perspectives
cachées

17. Quelles sont vos questions décisives?
Déterminez les décisions qui nécessitent une meilleure compréhension :
Évaluez les ensembles de données potentiels
2
3
• Soyez précis
• Associez-les à une valeur mesurable ($)
• Mettez l’accent sur l’optimisation ou l’innovation plutôt que sur l’information
• Proposez des gestes concrets (faire, et non prouver)
• Utilisez des questions axées sur « quoi », « où » et « comment »
plutôt que sur « pourquoi »
• Selectionnez les données pertinentes à collecter
(par ex., les données sur les créditeurs)
• Examinez comment vos questions décisives intéragissent avec votre
ensemble de données (par ex., pouvons-nous réduire les coûts avec
une consolidation des fournisseurs ou de l’approvisionnement?)

18. Alors, lorsque vous plongerez dans les données massives,
rappelez-vous
…qu’elles sont extrêmement prometteuses
…qu’elles offrent des occasions d’innovation formidables
…mais qu’elles ne sont pas une solution miracle à tous
les défis de l’analytique

19. Jane Griffin
Leader nationale des Services d’analytique
Envoyez un courriel à Jane Griffin
www.linkedin.com/in/griffinjane
www.deloitte.ca/analytique
Personne-
ressource