Innovation

9 mars 2017

5 étapes pour implémenter les big data dans votre entreprise

Les big data sont devenues une mine d’or pour les entreprises qui souhaitent se développer. Encore faut-il pouvoir les recueillir correctement et, surtout, les interpréter. Ces 5 étapes vont vous permettre de les intégrer à votre stratégie big data et d’en tirer le meilleur profit pour votre entreprise.

Étape 1 : se fixer des objectifs

Toutes les entreprises n'ont pas forcément un site web, mais toutes ont désormais une activité en ligne et celle-ci laisse des empreintes... sous forme de données. Principal problème : disposer de données sur ses clients n’est pas tout, il faut pouvoir en tirer profit.

Pour recueillir des données et en tirer parti, vous devez avant tout identifier vos objectifs : accélérer votre croissance, doper votre notoriété, etc. Mieux vaut débuter avec des objectifs quantifiables. Une fois ces objectifs établis, vous devez vous interroger sur les sources déjà disponibles dans votre entreprise. Les fiches clients peuvent être un bon début. Les adresses, dates d’anniversaire, e-mails que l’on peut y trouver constituent déjà des données importantes. Notez que cette tâche peut nécessiter la création de canaux d’information internes (marketing, finances, ventes, RH).

Étape 2 : agréger les différentes sources de données

Lorsque les sources d’informations sont établies, la collecte va débuter. À ce niveau, tous les départements de l’entreprise ne sont pas logés à la même enseigne. Il sera sans doute nécessaire de promouvoir la collecte dans certains départements, où les données sont moins disponibles ou généralement moins exploitées. C’est normal et cela fait partie du processus de mutualisation. L’opération prendra peut-être du temps.

Pour obtenir des données exploitables, vous devrez également effectuer un travail de standardisation et de normalisation entre des logiciels et des bases de données pas toujours compatibles.

Enfin, plus le processus est automatisé, plus la marge d'erreur est faible.

Étape 3 : assurer le stockage et la sécurisation des données

Le cloud apporte une valeur ajoutée par rapport à des infrastructures classiques sur site, notamment grâce au stockage élastique (capacité illimitée où l'entreprise ne paie que le stockage réellement utilisé).

Pour assurer la sécurité au projet, une attention particulière doit être apportée :

  • au contrôle des accès (qui accède aux données des clients dans votre entreprise)
  • à l'isolation réseau (contre les intrusions éventuelles de hackers)
  • au chiffrement des données (pour qu’elles ne soient pas lisibles sans accès privilégié)

Étape 4 : impliquer tous les métiers de l’entreprise dans la stratégie big data

Les projets big data sont par essence des projets transversaux. L'erreur la plus courante est de confondre le (big) data scientist avec la seule personne ressource en la matière.

De nombreuses entreprises peuvent d’ailleurs être effrayées par le coût d’un "data scientist" dans le payroll. Si vous ne disposez pas d’un tel profil dans vos rangs, vous pouvez faire appel à un spécialiste freelance pour une durée déterminée, histoire de maîtriser les coûts.

Pour démarrer de la donnée brute et arriver à des analyses exploitables, il faut impliquer la plupart des compétences de l'organisation (décideurs, DSI, marketing), en passant par ce "data scientist", qui jouera le rôle de chef d’orchestre. Le principal frein reste la non-communication, l’isolation est contre-productive.

Étape 5 : analyser les données recueillies

Les outils utilisés pour l'analyse et l'interprétation des données recueillies doivent répondre à une règle dite des 3V" :

  • volume
  • variété
  • vélocité

Pour y arriver, la logique des standards ouverts s’impose. Ces derniers sont essentiels, et pas uniquement pour réduire les coûts. Ils sont les garants de l’interopérabilité des données et systèmes. Ils permettent à vos logiciels, systèmes et données de parler entre eux et de se comprendre. Toute stratégie big data doit se fonder idéalement sur une logique Open Source. Parmi ces outils, on citera entre autres Hadoop, Hive, Pig ou encore Sqoop.

En savoir plus sur les big data ?