Ysance - Dossier de presse Big Data
1 j'aime3,228 vues
Ysance est une agence de conseil en technologies digitales spécialisée dans le big data, co-fondée en 2005 et composée de 100 experts. Elle aide les entreprises à tirer profit des données comportementales grâce à des solutions sur mesure, notamment en big data et en business intelligence. L'agence développe une expertise dans l'environnement Hadoop et propose des plateformes adaptées à divers secteurs pour optimiser la connaissance client et les opérations marketing.
Ysance - Dossier de presse Big Data
- 4. 3 IngénieurENSEM,RomainChaumaisdébutechezAltran,puiscréélasociétéEconomiz, éditeurd'unesolutiondeeCRM multicanal.Ilintègreensuiteunesociétédeconsultingen décisionnelpuisco-fondeYsanceen2005.SesprincipalesmissionschezBNPParibas,Caisse d'épargne,Orange,PagesJaunes,Dartyluipermettentd'acquérirunesolideexpériencedans lesdomainesdelaBusinessIntelligence,duDataManagementetduCRM.RomainChaumais militepourduBigDataauseindesgrandesetpetitesentreprises. RomainChaumais co-fondateur Françoisde Charon estnommé directeurde la stratégie digitale chezYsance.Ilétait auparavantchezPagesJaunesMarketingServicescommeconsultantCRM puisdirecteur marketing.Ilapourmissionauseind’YsanceagencYdeconstruirel’offre,d’accompagnerles clientsversdesstratégiesdemarketingrelationnelsurmesureetdecréerdelatransversalité surlesoffresYsance.Aprèsl’arrivéerécentedeMarcValléeaupostededirecteurbusiness unit,YsanceagencYconfortesavolontédesedévelopperdanslecommercedigital. FrançoisdeCharon DirecteurBusinessUnit IngénieurESI,Richardpossède18ansd'expérienceenSSIIdansledomainedudécisionnel, pendantlesquellesilapuparticipéàdegrandsprojetspourCarrefour,BNPParibas,EDF... Danslesannées2000ilparticipeaulancementdelafilialeBId'unegrandesociétéde servicesfrançaisepuisrejointYsance,en2007,pourcréeretdévelopperlaBUdécisionnelle qu’ilco-dirigeaujourd’hui. RichardHooft DirecteurBusinessUnit Nosexpertsprésentssurlesalon
- 8. Précurseurdanslamiseenoeuvredetechnologiedisruptive,Ysanceest aujourd’huiunacteurincontournabledesplateformesBigData. Al'èredu "DataDeluge"etdeladigitalisationdesinteractionsoùladonnéebrute constitueuneincroyablerichesse,Ysanceproposedessolutionscomplètes etsur-mesuredédiéesauxprojetsBigData:étuded'opportunités,définition deUseCases, conceptiond'architecture,implémentationetexécution. DepuisDepuis4ans,Ysanceadéveloppéuneexpertiseuniqueetpointuede l’environnement Hadoop (MapReduce,HBase,ElasticSearch,R,etc.)etbâtit unécosystèmedepartenairestechnologiquescomplet:DistributionHadoop (MapR,Cloudera),BigDataasaService(Google,Amazon,CloudWatt),Data Management (Talend,Dataiku),Data Visualization (QlikView,Tableau Software). MaisMaisaudelàdestechnologies,YsanceconstruitdesplateformesBigData pourlesmettreauservicedesdifférentsmétiersdel’entreprise:CRM, eCommerce,Marketing,Ventes,RH,Finances,BI,Datamining, etc.Alaclé, unemeilleureconnaissanceclient,desplateformesdécisionnelsScaleOutet peucoûteuses,uneoptimisationdevosopérationsmarketing(acquisition, fidélisation,monétisation),desprocessusd’entrepriseplusperformants,un eCommerce & CRM omnicanalaméliorant l’expérience utilisateur,la satisfactionsatisfactionclientetvotrestratégieWeb2Store,unelogistiquesuperviséeet pilotée en tempsréel,un usage maîtrisé desréseauxsociauxpourle recrutementetvotreeReputation,uneanalyseprédictivedesnouveaux phénomènesetdenouvellestendancestellesquedescomportements d’achatinédits,desanomaliestechniquesoudesdétectionsdefraudes… 7
- 11. Aveclamultiplicationàl’infinidesdonnéesaccessiblesauxentreprises,leframeworkopensource HadoopestdevenuhégémoniquesurlessolutionsdetypeMapReduceenmoinsdequatreans, étouffanttoutevelléitédeconcurrencepropriétaire.Leséditeurstraditionnelsensontramenésàun rôled’assemblagedebriquescomplémentaires,somméesd’interagirautourdecemêmenoyau ouvert.Cecipourleplusgrandbénéficedesentreprises. LeLemondedesmoteursdetraitementdedonnéesdetypeBigDataadéjàbienchangé,depuisses récentsdébuts.Ilyapeu,celui-ciétaitglobalementscindéendeux.D’uncôté,lesmoteursspécialisés quioffrentuneoptimisation maximale,viaunestructuration etun stockagedesdonnéesen colonnes parexemple,etpermettentdes requêtes analytiques ensemblistes propices aux applicationsdetypedécisionnel.Cesontles«coupéssport»delabasededonnées,composés d’acteurstelsqueSybaseIQ,Vertica,Infobright,Vectorwize,Calpont…Del’autrecôté,lesmoteursde traitementdedonnéesdetypeApplianceMPP(MassiveParallelProcesing)quisontdavantage adaptésadaptésauxgrandsdatawarehousesd’entreprisepourdesusagesaussibientransversesque métiers(EDW).Ilscentralisentle patrimoine d’informationsde l’entreprise etautorisentune organisationdesdonnéesrelativementsouple.Cesontles«semi-remorques»delabasede données,certespluspuissants,maismoinsabordablesquelesmoteursspécialisés.S’ycôtoient Teradata,Oracle(Exadata),ouencoreIBM (Netezza). Maisvoilà.Sicesdeuxapprochesrépondentàdesusagesbienréels,ellespeinentàtraiterlajungle desdonnéesstructuréesetnonstructuréesdésormaisproduites:commentairessurréseaux sociaux,mobilité,machine-to-machine,traficweb… Stratégiquepourl’entreprise,cettemasse croissanted’informationsrecèleuneréellevaleuréconomique,maisdépassetrèslargementla capacitédesmoteursdetraitementtraditionnels.Autrementdit,cesderniersnesontdéjàplus adaptésàlagestionintensivedepétaoctetsdedonnées.C’estlàqu’interviennentlesframeworksde typeMapReduce,dontl’approcheconsisteàexplorer,puisàrévélerdesdonnéeschaudes,bruteset potentiellementpotentiellementnonstructurées.Auprixd’unemoindreperformanceparCPU etd’unerelative inertiedanslestraitements,laquantitédedonnéestraitablesesticidémultipliéeàl’infini(cf.schéma 1),commeunemotricedontonpourraitaccrocherautantdewagonsqu’onlesouhaite. Schéma1 Performance Volumededonnées FrameworkMapReduce ApplianceMPP Moteursspécialisés BigData:HorsHadoop,pointdesalut ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppement 10
- 12. Cenouveaumondeestbiendifférentdesdeuxprécédents.Alorsqueplusieurséditeurssepartagent historiquementlemarchédesmoteursdetraitementdedonnéesdetypeSGBD,Hadoops’impose d’oresetdéjàcommeleprincipaletincontournablemoteurdetypeMapReduce.Rappeldesfaits.En 2008,Googlepubliel’algorithmedesonFrameworkMapReduce,dontYahooproposeuncloneOpen source.Hadoopestné.Cemoteur,quifonctionnesurunsystèmedefichiersrépartissurplusieurs machinesphysiques(HDFS),reprendlesgrandsprincipesdel’algorithmeMapReduceenjava.Très rapidement,cetteplateformefédèreunconglomératd’acteursdiversanimésdepuis2009parla FondationFondationApache.Cesderniersl’enrichissentetcréentunécosystèmecompletenajoutantchacun àleurtourdenouvellesbriques.SiHortonworks,spinoffdeYahooetClouderasontparmiles éditeurslesplusactifspourenrichirl’écosystèmeHadoop(Flume,Scoop,ZooKeeperetc.),ilssont loind’êtrelesseuls.Pourmasquerlarelativecomplexitédel’universMapReduceetrendrece dernierencoreplusfaciled’accès,FacebookadéveloppéHive,quipermetd’interrogeruncluster HadoopdirectementenSQL,quandPig,autrelangagederequêtagedehautniveau,estproposépar Yahoo.Ilfautsoulignerquelalistedecescontributeursnecessedes’allonger(eBay,Twitter,etc.). Même siHadoop n’étaitpeut-être pasinitialementla technologie la plusperformante,son environnementsedéveloppetellementrapidementqu’aucunacteurprivénesembleenmesure d’alignerseullesressourcesen R&D nécessairespourcontrercette dynamique.Résultat,la déferlanteHadoopaétouffétoutevelléitédeconcurrencepropriétaire,devenanthégémoniqueenà peine4ansd’existence.MicrosoftamêmefinipartroquersatechnologiepropriétaireWindowsHPC Server(abandonnéeennovembredernier)contreunesolution«Hadoopnative»surWindows Azure,tandisquelatechnologieMapReducedéveloppéparAsterData,racheté(troptôt?)par Teradata,Teradata,n’aeupasletempsdepercer.Al’inverse,AmazonWebServices(AWS)abâtisonoffrede BigDatasurlemoteurHadoopproposéenmodeOnDemandtandisqueOracleinstalleClouderaau cœurdesaBigDataAppliance.Finalement,ilneresteplusauxéditeursqu’unrôled’assemblagede briquescomplémentaires(administration,monitoring,sécurité…)somméesd’interagirautourdu mêmenoyauHadoop(cf.schéma2),àl’instardumodèleéconomiqued’unRedHatdansl’univers Linux. Schéma1 11 Principalélémentdedifférenciationentrelesdistributions
- 14. Chaque donnée comportementale,potentiellementutile pourl’entreprise,recèle une valeur jusqu’alorsinexploitable.C’estlàqu’intervientleBigDatadontlacapacitéàmaniersurunmode exploratoiredetrèsgrandesquantitésdedonnéespermetdedépasserlemassmarketingpour entrerdeplainpieddanslepersonalmarketing. AAl’heuredel’envoléedesprixdesmatièrespremières,ilenestunequelesentreprisesproduisent elles-mêmesetdontellesfoisonnent:cesontlesdonnéescomportementales.Géolocalisation, historisationdesparcoursdenavigation,systèmesdeconnexiondetypemachineàmachine… A mesure que des pans entiers de l’économie s’organisenten réseaux autourde systèmes d’informationscentralisés,lesentreprisessontenmesuredetracerlemoindrecomportement individuel.Orchacunedecesdonnéescomportementales,aussifutileouinconsistantepuisse-t-elle paraitre,estuneinformationpotentiellementutile.Celle-cipermeteneffetdecomprendredes phénomènesphénomènesauparavantnoyés,d’identifierdestendances,voiredetesterentempsréellavalidité de choix stratégiques ou marketing.Même les aberrations deviennent dès lors riches d’enseignements,àl’instardesfautesd’orthographessaisiesdansdesimplesmoteursderecherche. Enclair,cesdonnéesrecèlentunetrèsgrandevaleur,pourpeuqu’ellessoientcollectées,stockées, misesàdispositionetexploitéesdefaçonpertinente. Ortoutl’enjeuestlà.Carcommentmonétiserlavaleurintrinsèquedecesdonnées?Commentcréer delavaleuràpartirdesériesaussiabondantesqu’éparsesdedonnéesbrutes?C’estlerôleduBig Data,unedémarched’unnouveaugenrequipermetauxentreprisesd’interrogerdespuitsde donnéesauparavantinexploitablesetdedécouvrirsurunmodeexploratoiredesopportunités businessimportantes. C’estC’estle cas parexemple d’un éditeurde jeux vidéo qui,grâce à l’analyse des données comportementalescaptéessurlespagesvuesdesonsite,apuendéduirelespréférencesdejeuxde chacundesvisiteurs.L’éditeuravuainsimultiplierpar500letauxdetransformationdesanewsletter commercialeenenvoyantunemailpersonnaliséàchaquemembreauregarddespagesqu’ilavait visitées. Certes,Certes,degrandequantitédedonnéessontdéjàanalyséesdelonguedateparl’informatique décisionnelle(BusinessIntelligence).Mêmeconstataveclessolutionsdetypewebanalytics,qui permettent depuis longtemps de mesurer et d’analyser l’utilisation d’internet à des fins d’optimisation.Cequiestnouveau,enrevanche,c’estlacapacitédegérertrèssimplementetà moindrecoûtdesvolumétriesaussimassives,depouvoirnaviguerenquasitempsréeldansdes dédalesd’événementsinterdépendantspourchercheràfairesenset,defait,àproposerde nouveauxmodesdereprésentationadaptésàchaqueusage.Unexemplerévélateurestceluid’un sitesitederencontreaméricainquigrâceàlamiseenplaced’unearchitecturedetypeBigData–en utilisantl’écosystèmeAmazonAWSetlasolutionElasticMapReduceHadoop-apuprofondément améliorerl’algorithmederecommandationdeprofilsamoureuxtoutendivisantpar100lecoûtde calculquotidien. LeBigData:unlevierincontournablepourmonétiser lesdonnéescomportementales ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppement 13
- 17. Nombreusessontaussilesentreprisesquivontrestersurlatouchefaceàl’émergencedu phénomèneBigData.Acommencerparleséditeursdebasededonnées(Oracle,Microsoft,IBM, Teradata,…),premièresvictimescollatéralesdelaterribleconcurrenced’Hadoopenmatièrede technologiesetdecoût. ViennentViennentensuiteleshébergeursdedonnées,lesconstructeursd’appliances(Exadata,Greenplum…) etautresacteurstechnologiquesquinesontpas(ouneserontpasàtemps)compatiblesavec Hadoopqui,au-delàdutraitementdesBigData,permetd’étendrelapuissancedesarchitecturesBI traditionnelles. OnOn compte égalementparmilesperdants,touteslesentreprisesdontla DSIne saura pas s’appropriercettetechnologiepourrépondreauxbesoinsdesmétiersetlesmétiersquine percevrontpaslepotentielbusinessoffertparletraitementdesBigData.BrefàtouslesCassandres pourquile Big Data n’étaitqu’un buzzmarketing etquin’ontpasprisà tempsce virage technologique… CommeCommechaqueinnovation,leBigDataapporterasonlotdegagnantsetdeperdants.Carbienque lestechnologiessedéveloppenttrèsvite,leurmaîtrisedemandeuncertaintempsd’adaptationen termesd’apprentissagedelavaleurdeladonnéemaisaussientermesd’organisation,d’acquisition decompétencesoud’expériencesutilisateur.Sicen’estpasdéjàfait,2013s’annonceêtreuneannée décisivepourselancerdansletraitementdesBigData.Au-delà,leretardaccumulérisquebiend’être irréversible… 16
- 18. Etsilesprojetsbigdataétaientl’occasionderepenserl’organisationdel’entreprise,sonapproche techniquecommesonnoyaudécisionnel? Contrairementauxidéesreçues,laproblématiqueRHdubigdataneserésumepasaumanquede datascientistsoudataanalysts.Maintenantquelespremiersdatalabssontconstruitsetqueles technologiessontstablesetreconnues,lebigdatasedéploieàtouslesniveauxdel’entreprise,du développeuràlaDSI,duresponsableacquisitionaudirecteurmarketing,commeàl’ensembledes sphèresapplicatives,modifiantainsilesusagesetlesbesoinsentermesderessources. ConséquenceConséquencedecedécloisonnement,onassisteàunéclatementdescompétences.Chaqueentité del’entreprise,dirigéeparladonnée(datadriven),vadevoirs’appropriercettetechnologieetles nouvellespossibilitésqu’elleoffreàl’échelledesesfonctions.Aprésentqueladonnéeestmotricede l’activitédel’entreprise,celle-cinepeutplussecontenterd’undatalab.Uneculturetechniquepour touteslesstratesorganisationnellesdevientunprérequisaubigdata.Trouvercesnouveauxprofils «hybrides»,quiappréhendentàlafoislatechnologieetsesenjeuxmétier,vadevenirlenouveau casse-têtedesDRH. LesqualitésattenduespourundéveloppeurbigdataestbienlongueLesqualitésattenduespourundéveloppeurbigdataestbienlongue AuniveaudelaDSI,lesprofilsrestentlesmêmes,saufqu’ilsvontdevoirintégrerlesnouveaux principestechnologiquesd’uneplate-formebigdata:scaleout,clustering,parallélisme… etles vulgariserà destination desmétiers.Cesderniers,quantà eux,vontdevoircomprendre la significationetl’intérêtdeladonnéecommeréponseconcrèteàleurproblématiquemétier,pour ensuiteinteragiraveclaDSIpourbâtircesnouveauxusages. LesLeséquipesmarketing,parexemple,replacerontlecontactaucœurdeleurproblématiqueet intégrerontl’ensembledescanauxetdessupportspouravoirunevisionomnicanale.Ellesnevont plusraisonnerparsilos,maisintégrer,dansleurstratégiecustomercentric,l’ensembledessupports etdescanauxdecontactssurlesquelsexistentlamarque,cequiimpliquelaconsolidationdeleur relationaveclaDSI. Làoùçasecorse,c’estenamont,côtétechnique,oùlesexigencessontbienplusnombreuses.Lebig dataétantàsesprémices,iln’existeaucunesolutionclésenmain. Toutestàinventer,àbâtir,cequiexigededescendredansles«couchesbasses»delatechnique.Toutestàinventer,àbâtir,cequiexigededescendredansles«couchesbasses»delatechnique. Ainsi,lalistedesqualitésattenduespourundéveloppeurbigdataestbienlongue.Al’espritpionnier, nécessaireàl’appréhensiond’unnouvelécosystème,s’ajouteunefortecultureweb,uneaccointance pourles technologies brutes,une bonne connaissance des infrastructures parallèles etde l’environnementLinux(Shell)ainsiqu’uneparfaitemaîtrisedeslangagesJava,JavascriptetJSON. Modificationorganisationnelleliéeaubigdata:lebigdéfi ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppementetFrançoisdeCharon, DirecteurdelaStratégieDigitalechezYsance. 17
- 20. Ladématérialisationdessupportsconjuguéeàl’avènementderéseauxsociauxontprofondément bouleversénotrefaçond’appréhenderlesmédias.Lesacteurshistoriquesetgrandesmarques média,enpertedevitesse,doiventplusquejamaiscapitalisersurleuraudiencewebcommelevier deperformance,decroissanceetd’innovation.LeBigDataestlàpourlesaider… TempsTempsdenavigation,pagesconsultées,supportsdeconsultation,avisdéposés,logs,donnéesissues desmoteursderecherchesoudesréseauxsociaux,indexageinternet,formulaires… jamaisles lecteursdemédiasonlinen’ontlaisséautantd’«empruntes»deleurpassage,niautantd’indicessur leurmanièredeconsommerlesmédiasetleurscontenus. CeCedélugededonnéesbrutesmulti-source(BigData)peutaujourd’hui-grâceàlapuissancedes ressourcesinformatiquesnotammentliéeauCloudComputingetàlamaturitéetlarichessede l’écosystèmeOpenSource- êtrecollecté,stockéetanalyséentempsréel.Unemined’orpourqui souhaiteacquériruntraficefficace,crossdomaine,aumeilleurcoût,etaméliorersignificativement sontauxdeconversion. CarCargrâceauBigData,lesmédiasvontpouvoirmieuxinterpréterlepaysagemédiatique,mieux comprendreleurpublicetdévelopperdescontenusetdesstratégiescommercialesenadéquation avecleuraudience.Comment?D’unepart,parlamiseenplaced’algorithmesquivontpermettrede sélectionnerlesdonnées,delesprioriseretdelesexploiterdansl’optiquedecréerunparcours utilisateurpersonnalisé,puis,parladéfinition,desindicateursclésdeperformance(KPI).L’objectif finaldelapersonnalisationestdefournirleboncontenu,àlabonnepersonne,aubonmomentet vialeboncanal.Aquoibonmettreenavantdesarticlessurl’actualitéinternationalepourun internauteinternaute quine va consulterque les pages Sport?Pourquoiproposerun système de géolocalisationàquelqu’unquiconsultelesitedepuissonPCouunaffichagemulti-colonneau possesseurdeSmartphone?… Làoùautrefois,l’objectifétaitd’accumulerunmaximum d’audience,leBigDataaaujourd’hui renversécettetendance.Cequicompteàprésentcen’estplusdegagnerla«courseàl’audience», maisbiend’acquériruntrafictactique.Onnerésonneplusicienvolumemaisenprofilvisiteurcréé etstocké. Ilestnécessairepourceladedévelopperunestratégiedemarketing«agile»oùchaque profilvaentraineràlafoisdesrecommandationsspécifiquesaucontenu/service/produitetdes stratégies de communication personnalisées en fonction des canaux utilisés,des besoins, préférencesouhabitudesdechacund’eux.Carpluslelecteurauralesentimentd’êtrecompriset reconnu,reconnu,plusilvadégageruneaffectionpourlamarquemédiaets’yengager(récurrencedesvisites, tempsdenavigationpluslong,abonnementauxnewsletters,recommandationàsesamis…). Ce traficqualifié,vecteurd’adhésion etde fidélisation,estaussisource de revenus.Carla fragmentationdel’audiencevalorisel’inventairepublicitaire.Untelniveaudepersonnalisation devientunsérieuxatoutmarketingpourquisait«manager»correctementetdemanièreréfléchie sesdonnées.Derrièrecettepromessededélivrerlabonnepublicitéàlabonnepersonne,ilyafortà parierquelesannonceurssebousculeront.Apportantlà,unsecondsouffleinespéréauxmédias online… BigData:unsecondsoufflepourlesmedias ParFrançoisdeCharon,DirecteurdelastratégiedigitalechezYsance 19
- 21. Lasystématisationdel’exploitationdesBigDataetsonimpactpositifsurlesentreprisesontfait évoluerlesmentalitésversetautourdeladonnée,laissantplaceàunphénomènenouveauqu’on pourraitappelerl’OverData;ouquandlesdonnées-sanspourautantrépondreauxcaractéristiques exigéesparlesBigData- s’avèrentsourcedegrandevaleurpourl’entreprise.Explications… PlusPlusbesoindeprésenterl’intérêtdesBigDataauxchefsd’entreprises.Sonimpactplusquepositif surl’organisation,ledéveloppementetlacroissancedel’entrepriseluiad’ailleursvalulesurnom de «pétrole du XXIème siècle ».De plusen plusdata driven,lesentreprisessontaujourd’hui nombreusesàsepenchersurcephénomèneetàvoirenladonnéeleGraalinespérépoursortirde lacrise. OuiOuimaisvoilà,lesBigDataentrentdansdescritèresdevolume,devariétéetdevélocité(3V)bien précisettellementimportants(voiremêmehorsnorme)qu’ilsneconcernentfinalementqu’une infimepartiedesprojetsd’exploitationdedonnées.Quedoit-onfairealors?Ignorercettenuanceet continueràleurdonnerletitredeprojetBigDataaurisquedevoirs’agrandirencoreunpeuplusla confusionqu’ilyaautourdecephénomène?Ouexcluretoutbonnementlesentreprisesdontlescas d’usagen’entrentpasdanscescritèresquitteàlesécarterdecettemined’informationextraitedela donnée? Certes,Certes,non!SurtoutqueladémarchederéflexionfaiteparlesentreprisesautourdesBigDataafait naîtreunemultitudedeprojetsd’analysededonnéesquisanspourautantêtredetypeBigDataont beaucoupdevaleur.Ilestdoncaujourd’huinécessaired’introduireunnouveauniveaud’analysequi comprendtoutesles«autres»données-quelquesoitleurvolume,fréquenceouformat-quise situententrelesdonnéesdécisionnellesetlesBigDataetqu’onpourraitappelerl’OverData. IlIls’agiraitdel’exploitationdedonnéesplussouterraines(smallblackdata)etplusorientéesBtoB, pouranalyser,parexemple,lesprocessusdeproductionetdesécuritévial’activitédessystèmes embarquéstelsquelesbadgeuses,lescentresd’appelsetlessolutionsdomotiques,sagestiondes ressourceshumainesouencoresonactivitésurlewebcommel’analysed’uneFanpage,lescitations surlesréseauxsociaux,lesvisitessursonsiteinternet,lepositionnementdesonapplicationsur l’appstore,etc. PlusieursPlusieursentreprisessesontd’ailleurslancéesavecsuccèsdansl’analysedecertainspansdeleurs données.Onretiendraparmilescasd’usagelespluscélèbres,l’exempledeGoogleaveclamiseen placedesonprojet«GoogleM&Ms».Soucieusedelasantédesessalariés,l’entreprisearassemblé desdonnéestellesquelesdistancesparcouruesoulesalimentsconsommésàlacantinepour mettreenplacedessolutionsvisantàfreinerlaconsommationexcessivedeM&Msaubureau.Ou encore,l’initiativeduconcessionnaireRenaultquiaanalyséletrajetparcouruetlesdémarches effectuéesparlesalariédepuisl’entréedusitejusqu’àlachaînedeproductionpouroptimiser l’arrivéederessourcestemporairesencasdenécessité.l’arrivéederessourcestemporairesencasdenécessité. ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppement L’OverDataouquandla«notsoBigData»devientsource devaleurpourl’entreprise 20
- 23. En2013,ladéferlanteBigDatas’estabattuesurlaBusinessIntelligence,renversanttoutsurson passage.Littéralementprisedevitesse,cettedernièren’apaseuletempsdefairesamutationetelle s’esttrouvéeconfrontéeàlarichessedudomainedespossiblesdesBigData.Aujourd’hui,ellen’a d’autrechoixquedes’appropriercenouvelenvironnement«fulldigital».Place,donc,en2014,àune BIaugmentéedontlesattentessontdésormaisinhérentesàcellesdesBigData. VersuneBIaussivivequeleweb SousSousl’influencedesBigData,onattenddésormaisd’uneplateformeBIqu’ellepuisseêtreaussi rapidequelewebetdonc«entempsréel».Làoùlamesuredebases’effectueencoreaujourd’huià J+1,laBIen2014permettrad’analyserlesdonnéesdescinqdernièresminutes,voiremêmedescinq dernièressecondes.Avecunutilisateur/consommateurhyper-connectéethyperactifsurleweb,les outilsdécisionnelssedoivent,eneffet,d’êtresynchronisésaurythmedecetteperpétuelleactivité digitaleetcalquésàlavitessedufameux WOM («word-of-mouth»,«boucheàoreille»enfrançais), sicherauxdirectionsmarketing. Outreuneplusgranderéactivitéetagilité,lesentreprisesréclament,paradoxalement,uneBImoinsOutreuneplusgranderéactivitéetagilité,lesentreprisesréclament,paradoxalement,uneBImoins chèreàmettreenplace,àopéreretàdéployerpouruntoujoursplusgrandnombred’utilisateurs. UneaubainedoncpourlessolutionsdistribuéesenOpenSourcequisontlesseulesàproposeràce jourundéploiementdemasseàmoindrecoût. VersuneBIcustomeretusercentric PlusPlus besoin de prouveraujourd’huique le pilotage de la performance se faitautourdu consommateuretnonduproduit.Al’instardesBigData,laBIen2014avocationàsavoirquelssont lesbesoinsduclient,quelestsoncomportement,quellessontsesréactionsparrapportaux situationsqu’onluipropose,quelleestsavaleur,etc.LaBIdedemainseveut,donc,clairement customercentric.Etc’estlàl’undesplusgrandsdéfistechniquesquil’attend,carintroduireleclient auseindel’ensembledessystèmesd’informationdécisionnelsestunexercicecomplexe,tantla volumétrieestimportante. D’autantquecerecentrageversleclientvabouleverserlachaînedécisionnelleclassiqueetplacerlaD’autantquecerecentrageversleclientvabouleverserlachaînedécisionnelleclassiqueetplacerla BI,nonplusuniquementsouslaresponsabilitédesDSI,maisaussisouslecontrôledesutilisateurs métiers.Ainsidéployéeàtoutel’entreprise,larécoltedecettemassededonnées,sielleveutêtre pertinenteauniveaudécisionnel,doitsegrefferetêtredisséminéeparmilesdifférentesapplications opérationnellesdel’entreprise:CRM,ERP,Hotline,RSE,ecommerce,intranet… VersuneBIapplicative OutreOutrecettenécessaireévolutionsurlefond,c’estsurtoutsurlaformequelesadaptationsdelaBI sontlesplusattendues,carpourallerversuneBIaccessibleàtous,lesoutilsinformatiquesdoivent êtrerepenséspourressemblerdavantageàceuxutilisésquotidiennementdansson univers personnel. ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppement TendancesBusinessIntelligence2014:versuneBIaugmentée 22
- 24. Lestableauxdereporting,d’abord,puislestraitementsanalytiques,ensuite,onteuleursheuresde gloire.Placedésormais,àladatavisualisationoucommentreprésenterlesdonnéesdefaçonvisuelle pourquel’informationsoitcompriseenunclind’œiletladécisionquiendécouleprisedansla foulée. PourPourcefaire,ilestindispensablededévelopperdesoutilsBIàl’imaged’uneapplicationwebgrand public:intelligente,interactiveetprédictive.Intelligente,d’abord,carlesapplicationsBI,en2014, serontcapablesdecapterlefluxdedonnéesutileàl’entrepriseetdelescontextualiserenfonction del’employédécideur,desesexigencesopérationnellesetdel’applicationqu’ilutilise.Imaginez, alors,dessolutionsquiprésentent,entempsréel:pourlechefd’entreprise,leschiffresd’affairespar magasin;pourlapersonneenchargeduréassort,leprévisionneldesventespourlesprochainsjours ;;pourleSAV,unealertelorsd’untauxderetourtropimportantsurunmêmeproduit;ouencore, pourunDRH,lesperformancesdesesoffresd’emplois… Interactiveensuite,danslesmodesderechercheetdanslanavigationauseindeladonnée.En2014, onnerequêteraplusladonnée,oniralacapterdirectementdanslefluxmassifdesdonnées, simplement,enlangagenaturel,viaunmoteurderecherchedetypeGoogleSearch. Prédictiveenfin,parceque,commetoutebonneapplicationwebquiserespecte,elledoitpermettre àl’utilisateurd’avoirunevisionmacro(agrégée)maisaussimicro(détaillée)dufluxdedonnéesgrâce àdesalgorithmesprédictifsquivontsuggérerlesdécisionsàprendre,parlebiaisd’alertes,de suggestions,derecommandationsoudeclassificationdesprioritésdel’information.Unpeucomme lefaitFacebookavecsesposts«AlaUne»ouTwitteraveclesTopTrends… LesLesréseauxsociauxetlesBigDataontdoncsuscitél’envied’uneBIplussouple,flexible,accessible etmoderne ;une BIapplicative,en tempsréeletmulti-device.Bref,une BIaugmentée en concordanceàlafoisavecl’environnementtechnologiquedanslequelelleévolueetavecles exigencesmétiersetbusinessactuelles.EtcetteBusinessIntelligence,en2014,n’auradecessede s’adapterpourrivaliseravecl’élargissementperpétuelduchampdespossiblesenmatièredenature etdevolumedesdonnéesoffertparlesBigData.Atelpointqu’ilesttrèsdifficiledeprévoiràquoi elleressembleraen2015… 23