La recette d'une approche analytique Big Data réussie en entreprise est simple : prenez une problématique métier, appliquez une approche analytique des données, et vous pourrez ainsi développer des modèles prédictifs plus efficaces. Depuis l'émergence du Big Data, cette recette est devenue incontournable en entreprise, ayant prouvé son efficacité dans des services aussi différents que le marketing, la direction financière, la production industrielle ou encore l'informatique.

Face à cela, il est toujours étonnant d'observer le manque de ressources allouées à l'apprentissage des techniques et outils d'analyse Big Data... Pourtant, cela n'est ni extrêmement couteux, ni très compliqué. Et surtout, le retour sur investissement est immédiat, car l'analyse Big Data est le meilleur moyen que nous ayons pour transformer les données en revenus réels.

Le monde informatique a aussi sa part du gâteau à prendre

Travailler au sein de la direction informatique n'est jamais aisé : en plus de résoudre les casse-tête technologiques, les équipes sont souvent sollicitées pour améliorer des processus métiers et business. Tout en essayant de prévoir l'imprévisible et préparer les infrastructures aux nouveaux besoins, aux risques inconnus...

Ce constat nous rappelle que la direction informatique englobe aujourd'hui la plupart des processus essentiels au bon fonctionnement de l'entreprise, et surtout à sa croissance. De plus elle a accès à un volume de données incroyable grâce à sa position transversale au sein de l'entreprise.

Pour exploiter ce potentiel, le service informatique aspire à fonctionner comme une entreprise. Les décideurs visionnaires adoptent volontiers les technologies d'analyse du Big Data pour décider de leurs orientations futures. Pourquoi les gestionnaires informatiques visionnaires seraient-ils différents ? Si la DSI souhaite s'affirmer comme une division centrale de l'entreprise, elle finira inévitablement par utiliser l'analytique dans tous les aspects de son activité. C'est le plus sûr moyen de devenir acteur de l'innovation, et non plus une simple fonction support.

Les données sont à portée de main

Aujourd'hui, une entreprise peut aisément abriter des centaines de téraoctets, voire de pétaoctets, de données riches, multiples, sans corrélation entre elles, et qui constituent un véritable trésor virtuel à l'état brut.

Ce gisement d'informations reste encore largement sous exploité, et parfois même ignoré, en raison des sources multiples de données qui sont parfois difficiles à identifier. Mais si vous regroupez les données issues des progiciels vendus dans le commerce et des applications internes (l'organisation classique d'une entreprise) en ajoutant toutes les données externes utilisées, la valeur potentielle des informations de l'entreprise augmente forcément.

Il ne reste plus qu'à y appliquer les technologies d'analyse pour passer à l'étape suivante.

C'est là que les choses se compliquent encore.

Prenons un exemple parlant et porteur : la sécurité. Les RSSI centralisent des volumes de données gigantesques qui pourraient contribuer au meilleur fonctionnement de l'entreprise si nous arrivions à les exploiter de façon pertinente et surtout, au bon moment. Bien sûr il existe des solutions qui peuvent faire cela à notre place, mais elles offrent souvent une réponse trop ciblée à des problèmes vastes. Quand à la méthode traditionnelle qui consisterait à suivre son intuition pour analyser et anticiper les aléas du métier, je crois que ses limites ne sont plus à prouver...

C'est ainsi que l'approche Big Data apporte toute sa valeur. En regroupant autant de données de suivi et de reporting que possible (tout ce qui est à votre portée, y compris les fichiers de log ou les données systèmes), vous pouvez ensuite utiliser une technologie de reconnaissance qui identifie et signale tout écart significatif entre le comportement observé et celui prévu (plus le volume de données sera important, plus le nombre de tendances ou modèles pourront être identifiés). Bien entendu, c'est la corrélation qui nous intéresse ici, et non pas la cause du problème.

Même avec des sources de données limitées et des modèles simples, il devient plus simple de déclencher une alerte, bien avant tout autre système d'avertissement traditionnel.

Comment tirer profit de cette masse de données ?

Alors que la technologie est là, les problèmes semblent persister !

Il est certain que la majorité des entreprises utilisera les solutions d'analyse du Big Data dans les années qui viennent, si ce n'est déjà le cas, indépendamment de leur service IT. Cependant, une part du rôle des départements IT a toujours été de tester et d'être précurseur en matière d'innovation technologique. L'objectif reste d'acquérir suffisamment d'expérience pour former ensuite les autres à l'utiliser au mieux de ses capacités. Cette approche a déjà fait ses preuves, alors pourquoi ne pas continuer ?

Pour cela, nul besoin de s'équiper de technologies ultra compliquées composés de milliers de nœuds et de serveurs. Il suffit d'investir dans des environnements relativement modestes, disposer d'une puissance de calcul raisonnable, se concentrer sur des quantités de données limitées et surtout de rassembler une petite équipe d'experts motivés travaillant sur des scenarii intéressants.