Chez le médecin, à la banque ou dans notre voiture, les données (a.k.a. data) sont partout dans notre quotidien. Mais à quoi servent-elles vraiment ? Comment les collecter pour en tirer des informations pertinentes ? Qui les utilise et pourquoi ? Eléments de réponse.
La data c’est quoi ?
La data c’est tout simplement l’information dématérialisée capable de circuler à travers un réseau de télécommunication ou informatique. Plus concrètement, lorsque nous naviguons sur internet, nous déposons des données. L’objectif pour ceux qui les collectent : mieux connaitre les consommateurs que nous sommes et pouvoir nous proposer des produits toujours plus adaptés à nos besoins.
A l’aide du big data (données de masse), les produits proposés seront ciblés plus finement et en fonction de plus de critères que ceux généralement utilisés. Les enjeux sont à la fois commerciaux et marketing. « La data est considérée comme le carburant du management. Elle apporte la précision dans les estimations et la prédiction », explique Samia Gamoura, enseignante-chercheuse spécialisée dans le big data et l’IA à EM Strasbourg. Mais quelles est la différence entre data et big data ?
Big data : l’analyse de masse
Le but du big data ? « Enregistrer un maximum de données. Ce terme englobe des techniques destinées à gérer les méga données », explique Ouail Oulmakki, professeur, ingénieur et Head of Graduate Education, Master of Science DISC (Digital and Innovative Supply Chain) à NEOMA Business School.
Petit point histoire : en 2001, l’analyste du cabinet Meta Group (devenu Gartner) Doug Laney définissait les big data d’après le principe des « 3 V » :
le Volume de données de plus en plus massif
la Variété de ces données qui peuvent être brutes, non structurées ou semi-structurées
la Vélocité qui désigne le fait que ces données sont produites, récoltées et analysées en temps réel.
Certaines entreprises ajoutent même un quatrième « V » à cette définition : la Véracité. Elle évoque la nécessité de vérifier la crédibilité de la source et la qualité du contenu afin de pouvoir exploiter ces données.
Jobs 4.0: comment la data transforme les métiers ?
Au cœur du digital, la data transforme certains de nos métiers et en fait émerger de nouveaux. De community manager à chief happiness officer en passant par influenceur ou encore data scientist, ces professions font désormais partie intégrante des organisations. « La data, avec l’intelligence artificielle et l’automatisation, joueront un grand rôle dans ce que certains nomment la quatrième révolution industrielle qui bousculera le 21è siècle. », explique Samia Gamoura. Selon une étude du World Economic Forum, l’IA sera même à l’origine de la création de 58 millions de nouveaux postes d’ici 2022.
#NameDropping : les mots pour survivre au pays de la data
Data : donnée stockée numériquement
Big data : ensemble de ces données à l’échelle internationale
Data storytelling : construire des histoires à partir des chiffres
Data vanity : analyser tout et n’importe quoi pour n’en tirer aucune conclusion
Algorithme : procédé qui permet de résoudre un problème sans avoir besoin d’inventer une solution à chaque fois
ETL : pour Extraire (des données brutes), Transformer (par le nettoyage et l’enrichissement des données pour les rendre utilisables) et Load (chargement des données dans un répertoire)
IoT : l’internet des objets, une connexion entre les appareils connectés (smartwatches, véhicules connectés…)
Machine learning : technologie permettant aux systèmes informatiques d’apprendre, de s’ajuster et de s’améliorer grâce aux données
Cloud computing : ensemble de logiciels ou de données hébergés ou lancés sur des serveurs distants, accessible depuis n’importe où sur internet
Batch processing : permet de traiter de larges volumes de données
Stream processing : permet d’agir en temps réel sur les données à l’aide de requête continues
Qui sont les pros de la data ?
Le data analyst épluche la data ! Il l’inspecte, la nettoie, la transforme pour en faire des modèles et découvrir les informations permettant de tirer des conclusions éclairées. Il a une casquette à la fois tech et business.
Le data engineer développe, organise et met en forme de grands volumes de données afin de les mettre à disposition de toutes les équipes de son entreprise.
Le data scientist agrège des données pour créer des modèles prédictifs et ainsi prendre des décisions basées sur des schémas statistiques.
Le data architect met en place toutes les structures pour collecter et stocker la donnée de manière intelligente et viable.
fourni par le Borlabs Cookie