Big Data : la promesse du ROI

Aujourd’hui, tous les experts de la question s’accordent pour dire que les contraintes majeures que sous-tend le Big Data, peuvent être résumées avec les « 3 V » : Volume, Vitesse et Variété.

Le Volume concerne la croissance exponentielle des données de transaction, des données d’interaction et des données de traitement. La Vitesse repose sur la cadence accélérée de génération (l’évolution récente des technologies génère plus de données dans des temps plus courts), la capture et le partage des données. La Variété est associée à l’hétérogénéité des données récoltées, en fonction de leur source et de leurs interactions, mais aussi à leur évolution rapide, puisqu’il est question de temps-réel.

Big Data : la promesse du ROI

Au premier abord, le Big Data semble donc être principalement une problématique de stockage des informations, de gestion du cycle de vie des données, de leur qualité, mais aussi de leur analyse et de leur exploitation par des systèmes d’information. Mais les systèmes traditionnels n’ont pas été conçus pour répondre à de si gros Volumes, à tant de Vitesse et tant de Variété.

Posé de cette façon, le problème est déjà de taille car il faut être en mesure d’évaluer l’ampleur du besoin, l’interaction des systèmes et de concevoir l’architecture qui permettra, a minima de répondre à des besoins très concrets de gestion des flux et du stockage. Il s’agit là d’un chantier important, souvent coûteux en temps et en argent.

Mais le projet devient plus complexe encore s’il est motivé par l’ambition de tirer une valeur de ces données.

Pour aider les responsables de systèmes d’information dans leur tâche, il existe bien sûr des experts. On les appelle les « Data Scientists », des spécialistes dont le métier est de comprendre les ensembles de données, d’identifier les façons de les croiser, les recouper et d’en extraire l’essence qui permettra de mettre en œuvre des scénarios de test ou des systèmes opérationnels. Ils conçoivent au quotidien des systèmes élaborés et efficaces, mais ces systèmes sont malheureusement encore conçus à destination de publics trop restreints et leurs applications sont encore cloisonnées. L’effort qui reste à faire consiste à traduire les « bits » et les « bytes » en un langage métier que chaque utilisateur en entreprise puisse comprendre, puis à délivrer les analyses de manière à ce que l’utilisateur final puisse aussi les consulter sur les terminaux fixes ou mobiles qu’il utilise quotidiennement.

Stocker et analyser les données ne sert à rien si l’on ne peut pas réagir en fonction des informations et des découvertes extraites des données, si l’on ne peut pas expérimenter des hypothèses.

Retirer de la valeur des données était jusqu’à présent rendu difficile par les obstacles techniques et financiers. Avec l’émergence de nouvelles technologies analytiques plus abordables, ces obstacles s’estompent peu à peu. Plus que de régler un problème, il s’agit aujourd’hui de préparer le futur : les entreprises qui considèrent le Big Data comme un outil d’aide à la décision et d’aide à la conduite de leurs affaires prendront l’avantage sur leurs concurrents.

Bien évidemment, il y aura toujours des sociétés qui se contenteront de chercher des solutions à leurs problèmes, mais – c’est le cas depuis toujours et dans toutes les industries – le postulat de base lorsque l’on fait un investissement, n’est pas de régler un problème en attendant qu’un autre se présente, mais bien de réaliser dans les meilleurs délais possibles un retour sur investissement … idéalement conséquent.
Et c’est bien cela que les entreprises ne doivent pas perdre de vue.
Bien évidemment certaines typologies de sociétés tireront plus rapidement profit du Big Data que les autres.

En effet, on peut d’ores et déjà identifier les marchés dont les données sont les mieux structurées et la gestion des process la plus aboutie, comme des candidats idéalement placés pour la mise en place d’un projet Big Data.

Par ailleurs, les sociétés dont l’architecture informatique est encore en maturation peuvent également envisager d’inclure le Big Data au sein de leurs réflexions et de leurs investissements.

Ces entreprises dont la structure organisationnelle est – en raison de leur cœur de métier – aboutie ainsi que celles pour lesquelles l’analyse des données transactionnelles est directement liée au revenu peuvent avancer sereinement et espérer un ROI extrêmement rapide.

Citons par exemple, l’exemple de sociétés d’expertise automobile qui récoltent traditionnellement d’importants volumes de données, sur les sinistres les plus fréquents, sur les véhicules les plus concernés par les accidents, sur les coûts récurrents ou moyens de certains sinistres. Elles vont pouvoir très rapidement rationaliser leurs démarches d’expertise. Plutôt que d’envoyer, pour chaque sinistre, un expert sur le terrain, elles seront de plus en plus en mesure d’identifier rapidement la gravité du dégât, son coût et déterminer si la réparation est envisageable ou non en fonction du type et de l’âge du véhicule. Grace aux nouveaux systèmes, les assurances, clientes de ces cabinets, pourront réduire les délais d’expertise en automatisant (avec une marge d’erreur nulle) les tâches les mieux maitrisées, réduire les coûts (envoi d’une personne sur le terrain) et les coûts connexes (tels que les frais de gardiennage). Ainsi, ils maîtriseront mieux le coût des sinistres.

Les secteurs de la vente en ligne, mais aussi du jeu en ligne, atteignent déjà un retour sur leurs investissements Big Data. Pour ce qui est du jeu en ligne, les systèmes décisionnels permettent par exemple d’analyser l’activité en ligne des joueurs, leur comportement social, d’établir les classements des meilleurs joueurs, de les récompenser par des prix virtuels pour stimuler leur engagement et les fidéliser. L’étude des comportements et des habitudes de jeu permet également à l’éditeur de faire profiter ses partenaires commerciaux d’opportunités promotionnelles. L’analyse des interactions dans le domaine de la vente en ligne permet également d’obtenir des résultats similaires dans des délais très courts.

Il faut donc dépasser la simple interrogation sur la résolution d’un problème ponctuel pour envisager les vrais bénéfices qui pourront être retirés d’une politique Big Data judicieusement menée.

Pour que le Big Data ne soit pas seulement un poste de dépense, mais une opportunité de revenu, les entreprises doivent comprendre l’état actuel de leurs données, la façon dont elles sont récoltées, stockées et gérées, mais elles doivent aussi envisager des scénarios d’interaction et de recoupement en fonction de leurs besoins métiers spécifiques. Des rapports d’analyse résultants, les entreprises gagnent rapidement en intelligence. L’étape suivante consiste, une fois les scénarios validés, à automatiser les règles métiers, ou via des alertes générées par des événements préconfigurés, à avertir en temps réel  les preneurs de décision – y-compris s’ils sont en situation de mobilité – que leur intervention est requise. C’est à mon sens la voie la plus efficace pour un retour sur investissement rapide d’une politique Big Data.