Les mégadonnées (big data), un facteur de succès exponentiel pour les entreprises

Depuis le début de l’informatique, le volume de données générées et stockées augmente de manière exponentielle. Cette profusion de données aujourd’hui disponibles constitue pour beaucoup d’entreprises et d’organisations une source très importante de valeur, qui peut être utilisée pour acquérir un avantage concurrentiel et améliorer les performances de l’entreprise. McKinsey rapportait il y a 10 ans déjà que les organisations axées sur les données (« data-driven ») étaient 23 fois plus susceptibles d’acquérir des clients, 6 fois plus susceptibles de fidéliser leurs clients et 19 fois plus susceptibles d’être rentables que les autres.

Ainsi, selon Fortune Business Insights, le marché mondial de l’analyse des big data devrait passer de 272 milliards de dollars en 2022 à 655 milliards de dollars en 2029, avec un taux de croissance annuel moyen de 13,4 % au cours de la période de prévision.

Auparavant, les entreprises ne pouvaient exploiter qu’une infime partie de leurs informations pour des applications opérationnelles et analytiques. Le rapide développement et déploiement des architectures Cloud cette dernière décennie a fortement favorisé l’émergence des applications utilisant ces données, en particulier l’intelligence artificielle et l’apprentissage automatique.

 

Les mégadonnées améliorent de multiples fonctions de l’entreprise

Toutes les fonctions dans les entreprises peuvent en tirer parti. Par exemple, la vente et le marketing pour mieux comprendre les consommateurs et mieux servir leurs besoins ; la finance pour mieux analyser les flux, lutter contre la fraude et estimer les risques ou prendre des meilleures décisions d’investissement, la logistique pour optimiser la gestion des stocks et leurs flux, ainsi que les ressources humaines pour soutenir le recrutement ou identifier les compétences disponibles. Grâce aux big data, les entreprises peuvent générer de la valeur, accroître significativement leur performance, voire créer de nouveaux services et produits totalement inédits.

 

L’application des mégadonnées dans différents secteurs

Certains secteurs d’activités sont plus avancés que d’autres, notamment :

  • Le secteur du commerce électronique, avec l’analyse des données sur le comportement des consommateurs en temps réel permet de proposer les produits les plus susceptibles d’être achetés. Puisque la capacité à offrir une expérience client exceptionnelle est la clé de l’augmentation des marges bénéficiaires, les technologies des données deviennent des partenaires indispensables.
  • Le secteur bancaire qui a rapidement adopté ces technologies pour mieux identifier et lutter contre la fraude, ou pour surveiller les marchés et par exemple, implémenter des solutions de « trading » automatique haute fréquence.
  • Le secteur de la santé qui a connu des progrès extraordinaires pour le séquençage ADN, le diagnostic de maladies, le développement de médicaments et la médecine personnalisée.
  • Le domaine de la défense avec la surveillance des réseaux sociaux, des communications et les développements de systèmes embarqués de plus en plus sophistiqués et automatiques grâce à l’utilisation de multiples capteurs.

Néanmoins, si certains précurseurs ont déjà su tirer parti du big data et montrer des avancées importantes, d’autres secteurs peuvent également en profiter. Dans l’industrie manufacturière par exemple, une grande partie des données collectées reste souvent inutilisée. Une gestion plus efficace des big data permettrait aux entreprises dans ce secteur d’identifier de nouvelles méthodes pour économiser de l’argent et augmenter la qualité des produits. Par ailleurs, la maintenance prédictive – qui s’appuie sur des mesures plutôt que des règles – permet d’anticiper les pannes et d’optimiser la planification des travaux de maintenance nécessaires.

Un autre secteur qui pourrait mieux bénéficier du big data est le secteur public. Bien qu’il existe quelques exceptions notables, comme les villes « intelligentes » et les applications de sécurité publique, de nombreuses organisations du secteur public n’ont pas encore pleinement exploité le potentiel des mégadonnées pour améliorer la prestation de services et l’élaboration de politiques.

 

L’utilisation des mégadonnées en Suisse

Selon un rapport de l’Office fédéral de la statistique, le marché du big data et de l’analytique en Suisse devrait croître à un taux de croissance annuel composé (TCAC) de 7,6% entre 2020 et 2025, pour atteindre une valeur de 3,6 milliards de francs d’ici 2025. La croissance prévue reste toutefois légèrement plus faible qu’au niveau mondial. Par ailleurs, le rapport souligne l’adoption croissante de technologies émergentes telles que l’IA et l’apprentissage automatique en tant que moteurs importants du marché.

La présence de fournisseurs de données volumineuses et d’entreprises technologiques de premier plan en Suisse devrait également contribuer à la croissance du marché dans les années à venir. Pour sa part, ELCA a cumulé une forte expérience avec plusieurs dizaines de projets réalisés chaque année tirant parti du big data et dans tous les secteurs d’activité. Cela nous permet d’apporter beaucoup de valeur à nos clients de toutes tailles dans cette transformation vers une organisation dite « data-driven ».

Yves Burki

Yves Burki est Head of Delivery Business Line chez ELCA Engineering, dirigeant les équipes en charge des projets de mise en place de plateformes de données, des solutions analytiques et d’intelligence artificielle. Titulaire d’un doctorat es Sciences de l’EPFL et à l’origine de la construction de ces équipes chez ELCA, il cumule bientôt 30 ans d’expérience dans le domaine.

2 réponses à “Les mégadonnées (big data), un facteur de succès exponentiel pour les entreprises

  1. Très intéressant d’avoir de gros volumes de data qui apporte des gains, mais comment juger de leur qualité, à fortiori comment les “nettoyer”?
    Merci
    Serge

    1. Bonjour, merci pour votre commentaire. En effet la qualité des données est un point important qu’il faut analyser et traiter avec soin. Certains problèmes de qualité peuvent être nettoyés par des outils spécifiques, ou des processus ad hoc plus ou moins automatiques. Le plus simple étant par exemple pour des problèmes de différents formatages de certaines informations. Pour des données manquantes, certaines peuvent parfois aussi être dérivées ou estimées en fonction d’autres informations. Par exemple, le genre ou l’âge peut parfois être déduit d’une comparaison avec le profilage des clients ayant indiqué leur genre respectivement leur date de naissance. Si le profilage d’une personne n’ayant pas fourni l’information est très proche d’un profil type d’un genre ou d’une classe d’âge, on lui attribuera l’information correspondante.
      Par ailleurs, certains contextes ne nécessitent pas d’avoir une qualité des données sans faille pour en tirer la valeur recherchée. Il suffit que les données de bonne qualité soient statistiquement suffisamment représentatives. Aussi, certains contextes produisent également des données très standardisées, avec très peu de problèmes de qualité. Je pense par exemple aux outils de suivi des interactions clients sur une plateforme d’eCommerce ou des données générées par IoT.
      En général, ELCA propose à ses clients au tout au début d’un projet une analyse de la qualité des données pour en estimer le potentiel impact sur les objectifs recherchés.

Les commentaires sont clos.