Abdoul Wahab DIABY
Abdoul Wahab DIABY
Data Scientist Fullstack Developer Business Analyste
Abdoul Wahab DIABY

Blog

Le Big Data, Comprendre pour Agir (Partie 1)

Le Big Data, Comprendre pour Agir (Partie 1)

Littéralement, BIG DATA signifie méga données, grosses données ou encore données massives. Ils désignent un ensemble très volumineux de données qu’aucun outil classique de gestion de base de données ou de gestion de l’information ne peut vraiment travailler. En effet, nous procréons environ 2,5 trillions d’octets de données tous les jours.
Ce sont les informations provenant de partout : messages que nous nous envoyons, vidéos que nous publions, informations climatiques, signaux GPS, enregistrements transactionnels d’achats en ligne et bien d’autres encore. Ces données sont baptisées Big Data ou volumes massifs de données.
Dans la plupart des scénarios d’entreprise, le Big data représente un tel volume de données, qu’il dépasse la capacité de traitement opérationnelle.

Les géants du Web, au premier rang desquels Google, Facebook, Amazon , ont été les tous premiers à déployer ce type de technologie.

Le Big Data est donc une révolution dans le domaine du traitement numérique des informations. L’utilisation de l’analyse des données par les entreprises augmente d’année en année.

Ces dernières se concentrent pour l’instant essentiellement sur leurs données clients. Le Big Data est donc florissant dans les applications B2C (Business to Consumer) notamment les CMS, CRM, les ERP et bien encore.

En fonction de l’environnement, il est possible de diviser l’analyse du Big Data en 3 domaines :

  1. Analyse prescriptive : c’est le domaine de l’analyse d’entreprise (Business Analytics) consacré à la recherche du meilleur plan d’action pour une stratégie donnée.
  2. Analyse prédictive : elle englobe une variété de techniques issues des statistiques d’extraction de connaissances à partir de données et de la théorie des jeux qui analysent des faits présents et passés pour faire des hypothèses prédictives sur des événements futurs.
  3. Analyse descriptive : elle est utilisée pour décrire les caractéristiques de base des données d’une étude. Il s’agit de fournir des résumés simples sur les échantillons et les mesures. Avec une analyse graphique simple, l’analyse descriptive constitue la base de presque toutes les analyses quantitatives de données.

Vous pouvez aussi donner aux fournisseurs une liste prédictive des achats à effectuer en fonction des informations de commande actuelles et des données historiques de vos clients. Il faut noter que jusqu’à présent, il était quasi impossible d’optimiser l’expérience des prospects en fonction de leurs interactions avec les sites. Mais avec les outils actuels d’analyse avancée, il est possible d’optimiser votre chaîne d’approvisionnement et la rendre plus rentable.

Intégrer le Big Data à toute la chaîne de valeur de l’entreprise en utilisant des analyses avancées en temps réel permet d’optimiser les performances côté fournisseur et de réaliser des économies. Ainsi grâce à une bonne maîtrise du Big Data vous pouvez :

  • Adopter des mesures rapides et éclairés avec une vue en direct sur votre chaîne logistique telle que l’évolution du niveau de stocks
  • Prédire les besoins en matière de satisfaction produits et identifier les problèmes d’arriéré potentiels.
  • Découvrir des informations enfouies dans vos données pour optimiser votre façon de faire des affaires.

Qu’il s’agisse de l’organisation des ressources humaines, de la gestion des données et de la Supply Chain ou meme de la prévision des besoins du personnel et des clients, il est essentiel de comprendre les facteurs qui affectent l’efficacité opérationnelle pour rentre votre entreprise performante. Pour cela, le traitement des données récoltées va donc être d’une importance capitale.

(Dans un prochain article, je vous parlerais de l’importance du BigData.)

Ajouter Commentaire