SommaireQui sommes nous ?

Nos experts présents sur le salon

Notre métier

Nos offres

Ysance et les Big Data

Nos experts ont la parole

Big Data : Hors Hadoop, point de salut

Le Big Data : un levier incontournable pour monétiser

les données comportementales

Les gagnants et les perdants de la révolution Big Data

Modification organisationnelle liée au big data : le big défi

Big Data : un second souffle pour les medias

L’Over Data ou quand la « not so Big Data » devient L’Over Data ou quand la « not so Big Data » devient

source de valeur pour l’entreprise

Tendances Business Intelligence 2014 : vers une BI augmentée

2

3

4

5

9

6

10

13

15

17

19

20

22

2

Une équipe d'experts au service du digital

Créée en 2005 par une équipe d’experts IT, Ysance est une agence conseil en technologie digitale forte de 100 collaborateurs.L’essorL’essor des usages numériques et leur imbrication croissante dans la sphère économique irriguent aujourd'hui chaque fonction de l’entreprise. Fort de ce constat, Ysance aide les directions métier à tirer un profit durable de ce nouvel environnement en les accompagnant dans la conception, la mise en œuvre puis l’animation de leurs plate-formes digitales.

Qui sommes nous ?

3

Ingénieur ENSEM, Romain Chaumais débute chez Altran, puis créé la société Economiz, éditeur d'une solution de eCRM multicanal. Il intègre ensuite une société de consulting en décisionnel puis co-fonde Ysance en 2005. Ses principales missions chez BNP Paribas, Caisse d'épargne, Orange, PagesJaunes, Darty lui permettent d'acquérir une solide expérience dans les domaines de la Business Intelligence, du Data Management et du CRM. Romain Chaumais milite pour du Big Data au sein des grandes et petites entreprises.

Romain Chaumaisco-fondateur

François de Charon est nommé directeur de la stratégie digitale chez Ysance. Il était auparavant chez PagesJaunes Marketing Services comme consultant CRM puis directeur marketing. Il a pour mission au sein d’Ysance agencY de construire l’offre, d’accompagner les clients vers des stratégies de marketing relationnel sur mesure et de créer de la transversalité sur les offres Ysance. Après l’arrivée récente de Marc Vallée au poste de directeur business unit, Ysance agencY conforte sa volonté de se développer dans le commerce digital.

François de CharonDirecteur Business Unit

Ingénieur ESI, Richard possède 18 ans d'expérience en SSII dans le domaine du décisionnel, pendant lesquelles il a pu participé à de grands projets pour Carrefour, BNP Paribas, EDF... Dans les années 2000 il participe au lancement de la filiale BI d'une grande société de services française puis rejoint Ysance, en 2007, pour créer et développer la BU décisionnelle qu’il co-dirige aujourd’hui.

Richard HooftDirecteur Business Unit

Nos experts présents sur le salon

Précurseur dans la mise en oeuvre de technologie disruptive, Ysance est aujourd’hui un acteur incontournable des plateformes Big Data.  A l'ère du "Data Deluge" et de la digitalisation des interactions où la donnée brute constitue une incroyable richesse, Ysance propose des solutions complètes et sur-mesure dédiées aux projets Big Data : étude d'opportunités, définition de Use Cases,  conception d'architecture, implémentation et exécution.

DepuisDepuis 4 ans, Ysance a développé une expertise unique et pointue de l’environnement Hadoop  (Map Reduce, HBase, Elastic Search, R, etc.) et bâtit un écosystème de partenaires technologiques complet : Distribution Hadoop (MapR, Cloudera), Big Data as a Service (Google, Amazon, CloudWatt), Data Management (Talend, Dataiku), Data Visualization (QlikView, Tableau Software).

MaisMais au delà des technologies, Ysance construit des plateformes Big Data pour les mettre au service des différents métiers de l’entreprise : CRM, eCommerce, Marketing, Ventes, RH, Finances, BI, Datamining,  etc. A la clé, une meilleure connaissance client, des plateformes décisionnels Scale Out et peu coûteuses, une optimisation de vos opérations marketing (acquisition, fidélisation, monétisation), des processus d’entreprise plus performants, un eCommerce & CRM omnicanal améliorant l’expérience utilisateur, la satisfactionsatisfaction client et votre stratégie Web2Store, une logistique supervisée et pilotée en temps réel, un usage maîtrisé des réseaux sociaux pour le recrutement et votre eReputation, une analyse prédictive des nouveaux phénomènes et de nouvelles tendances telles que des comportements d’achat inédits, des anomalies techniques ou des détections de fraudes… 

7

Avec la multiplication à l’infini des données accessibles aux entreprises, le framework open source Hadoop est devenu hégémonique sur les solutions de type Map Reduce en moins de quatre ans, étouffant toute velléité de concurrence propriétaire. Les éditeurs traditionnels en sont ramenés à un rôle d’assemblage de briques complémentaires, sommées d’interagir autour de ce même noyau ouvert. Ceci pour le plus grand bénéfice des entreprises.

LeLe monde des moteurs de traitement de données de type Big Data a déjà bien changé, depuis ses récents débuts. Il y a peu, celui-ci était globalement scindé en deux. D’un côté, les moteurs spécialisés qui offrent une optimisation maximale, via une structuration et un stockage des données en colonnes par exemple, et permettent des requêtes analytiques ensemblistes propices aux applications de type décisionnel. Ce sont les « coupés sport » de la base de données, composés d’acteurs tels que Sybase IQ, Vertica, Infobright, Vectorwize, Calpont… De l’autre côté, les moteurs de traitement de données de type Appliance MPP (Massive Parallel Procesing) qui sont davantage adaptésadaptés aux grands datawarehouses d’entreprise pour des usages aussi bien transverses que métiers (EDW). Ils centralisent le patrimoine d’informations de l’entreprise et autorisent une organisation des données relativement souple. Ce sont les « semi-remorques » de la base de données, certes plus puissants, mais moins abordables que les moteurs spécialisés. S’y côtoient Teradata, Oracle (Exadata), ou encore IBM (Netezza).

Mais voilà. Si ces deux approches répondent à des usages bien réels, elles peinent à traiter la jungle des données structurées et non structurées désormais produites : commentaires sur réseaux sociaux, mobilité, machine-to-machine, trafic web… Stratégique pour l’entreprise, cette masse croissante d’informations recèle une réelle valeur économique, mais dépasse très largement la capacité des moteurs de traitement traditionnels. Autrement dit, ces derniers ne sont déjà plus adaptés à la gestion intensive de pétaoctets de données. C’est là qu’interviennent les frameworks de type Map Reduce, dont l’approche consiste à explorer, puis à révéler des données chaudes, brutes et potentiellementpotentiellement non structurées. Au prix d’une moindre performance par CPU et d’une relative inertie dans les traitements, la quantité de données traitables est ici démultipliée à l’infini (cf. schéma 1), comme une motrice dont on pourrait accrocher autant de wagons qu’on le souhaite.

Schéma 1

Performance

Volume de données

Framework Map Reduce

Appliance MPP

Moteurs spécialisés

Big Data : Hors Hadoop, point de salutPar Romain Chaumais, Co-fondateur d’Ysance et Directeur du Développement

10

Ce nouveau monde est bien différent des deux précédents. Alors que plusieurs éditeurs se partagent historiquement le marché des moteurs de traitement de données de type SGBD, Hadoop s’impose d’ores et déjà comme le principal et incontournable moteur de type Map Reduce. Rappel des faits. En 2008, Google publie l’algorithme de son Framework Map Reduce, dont Yahoo propose un clone Open source. Hadoop est né. Ce moteur, qui fonctionne sur un système de fichiers répartis sur plusieurs machines physiques (HDFS), reprend les grands principes de l’algorithme Map Reduce en java. Très rapidement, cette plateforme fédère un conglomérat d’acteurs divers animés depuis 2009 par la FondationFondation Apache. Ces derniers l’enrichissent et créent un écosystème complet en ajoutant chacun à leur tour de nouvelles briques. Si Hortonworks, spinoff de Yahoo et Cloudera sont parmi les éditeurs les plus actifs pour enrichir l’écosystème Hadoop (Flume, Scoop, ZooKeeper etc.), ils sont loin d’être les seuls. Pour masquer la relative complexité de l’univers Map Reduce et rendre ce dernier encore plus facile d’accès, Facebook a développé Hive, qui permet d’interroger un cluster Hadoop directement en SQL, quand Pig, autre langage de requêtage de haut niveau, est proposé par Yahoo. Il faut souligner que la liste de ces contributeurs ne cesse de s’allonger (eBay, Twitter, etc.).

Même si Hadoop n’était peut-être pas initialement la technologie la plus performante, son environnement se développe tellement rapidement qu’aucun acteur privé ne semble en mesure d’aligner seul les ressources en R&D nécessaires pour contrer cette dynamique. Résultat, la déferlante Hadoop a étouffé toute velléité de concurrence propriétaire, devenant hégémonique en à peine 4 ans d’existence. Microsoft a même fini par troquer sa technologie propriétaire Windows HPC Server (abandonnée en novembre dernier) contre une solution « Hadoop native » sur Windows Azure, tandis que la technologie Map Reduce développé par Aster Data, racheté (trop tôt ?) par Teradata,Teradata, n’a eu pas le temps de percer. A l’inverse, Amazon Web Services (AWS) a bâti son offre de Big Data sur le moteur Hadoop proposé en mode On Demand tandis que Oracle installe Cloudera au cœur de sa Big Data Appliance. Finalement, il ne reste plus aux éditeurs qu’un rôle d’assemblage de briques complémentaires (administration, monitoring, sécurité…) sommées d’interagir autour du même noyau Hadoop (cf. schéma 2), à l’instar du modèle économique d’un Red Hat dans l’univers Linux.

Schéma 1

11

Principal élément de différenciation entre les distributions

Il aura donc fallu attendre l’avènement du Big Data pour voir des éditeurs traditionnellement aussi propriétaires que Microsoft, Oracle ou IBM bâtir des distributions autour d’un cœur en open source. Autrement dit, Hadoop a réussi sur le même modèle que Linux : hégémonie d’une technologie ouverte. Ce constat est lourd de conséquences, pour les éditeurs, désormais obligés de partager la valeur avec leurs clients. Il l’est aussi pour les utilisateurs, qui peuvent accéder au moindre coût à des technologies complexes et avant-gardistes, avec des ROI démultipliés par rapport aux projets habituels. La voilà, la grande nouveauté : Hadoop a permis de déverrouiller le marché du BigData dès sasa genèse et le rendre accessible à tous, des grands groupes jusqu’aux TPE. Un constat qui aurait été impossible avec des outils purement propriétaires. Ce n’est pas la moindre de ses conséquences.

12

Chaque donnée comportementale, potentiellement utile pour l’entreprise, recèle une valeur jusqu’alors inexploitable. C’est là qu’intervient le Big Data dont la capacité à manier sur un mode exploratoire de très grandes quantités de données permet de dépasser le mass marketing pour entrer de plain pied dans le personal marketing.

AA l’heure de l’envolée des prix des matières premières, il en est une que les entreprises produisent elles-mêmes et dont elles foisonnent : ce sont les données comportementales. Géolocalisation, historisation des parcours de navigation, systèmes de connexion de type machine à machine… A mesure que des pans entiers de l’économie s’organisent en réseaux autour de systèmes d’informations centralisés, les entreprises sont en mesure de tracer le moindre comportement individuel. Or chacune de ces données comportementales, aussi futile ou inconsistante puisse-t-elle paraitre, est une information potentiellement utile. Celle-ci permet en effet de comprendre des phénomènesphénomènes auparavant noyés, d’identifier des tendances, voire de tester en temps réel la validité de choix stratégiques ou marketing. Même les aberrations deviennent dès lors riches d’enseignements, à l’instar des fautes d’orthographes saisies dans de simples moteurs de recherche. En clair, ces données recèlent une très grande valeur, pour peu qu’elles soient collectées, stockées, mises à disposition et exploitées de façon pertinente.

Or tout l’enjeu est là. Car comment monétiser la valeur intrinsèque de ces données ? Comment créer de la valeur à partir de séries aussi abondantes qu’éparses de données brutes ? C’est le rôle du Big Data, une démarche d’un nouveau genre qui permet aux entreprises d’interroger des puits de données auparavant inexploitables et de découvrir sur un mode exploratoire des opportunités business importantes.

C’estC’est le cas par exemple d’un éditeur de jeux vidéo qui, grâce à l’analyse des données comportementales captées sur les pages vues de son site, a pu en déduire les préférences de jeux de chacun des visiteurs. L’éditeur a vu ainsi multiplier par 500 le taux de transformation de sa newsletter commerciale en envoyant un email personnalisé à chaque membre au regard des pages qu’il avait visitées.

Certes,Certes, de grande quantité de données sont déjà analysées de longue date par l’informatique décisionnelle (Business Intelligence). Même constat avec les solutions de type web analytics, qui permettent depuis longtemps de mesurer et d’analyser l’utilisation d’internet à des fins d’optimisation. Ce qui est nouveau, en revanche, c’est la capacité de gérer très simplement et à moindre coût des volumétries aussi massives, de pouvoir naviguer en quasi temps réel dans des dédales d’événements interdépendants pour chercher à faire sens et, de fait, à proposer de nouveaux modes de représentation adaptés à chaque usage. Un exemple révélateur est celui d’un sitesite de rencontre américain qui grâce à la mise en place d’une architecture de type Big Data – en utilisant l’écosystème Amazon AWS et la solution Elastic MapReduce Hadoop - a pu profondément améliorer l’algorithme de recommandation de profils amoureux tout en divisant par 100 le coût de calcul quotidien.

Le Big Data : un levier incontournable pour monétiser les données comportementalesPar Romain Chaumais, Co-fondateur d’Ysance et Directeur du Développement

13

Là où la BI impose une agrégation forcément simplificatrice pour créer des outils de pilotage organisationnel, le Big Data permet de stocker des données individualisées pouvant aller jusqu’à la mise en place de stratégies CRM hyper-segmentées tendant vers le one-to-one. En révélant ce qu’on ne peut pas voir par la masse et en complétant les technologies décisionnelles actuelles auxquelles il ajoute un axe inédit (l’individu), le Big Data offre la possibilité à l’entreprise de dépasser le mass marketing pour entrer de plain pied dans le personal marketing.

Big Data for small companies ?

L’arrivéeL’arrivée du Big Data n’est donc pas anodine, pour les entreprises. En devenant le socle actif de nouveaux produits et services, le Big Data appelle une révision profonde des modèles économiques, désormais nécessairement orientés données. Cette rupture est d’autant plus structurante que le Big Data n’est pas l’apanage des grands groupes, loin de là. Il permet en effet d’optimiser les coûts d’exploitation par une réduction massive des infrastructures exigées. Etant basé sur une architecture exportée et élastique de type cloud, les coûts d’exploitation deviennent fonction des besoins et utilisations exprimés au jour-le-jour par l’entreprise.

Enfin,Enfin, la maturité et la robustesse des solutions du marché limitent drastiquement le coût d’entrée, dans un contexte concurrentiel par ailleurs propice à l’innovation. Alors que les projets décisionnels traditionnels nécessitent parfois plusieurs mois d’intégration et une architecture technique lourde, les projets de Big Data offrent donc des ROI particulièrement élevés. De quoi les rendre accessible à la moindre startup, au moindre site de e-commerce, à la moindre PME. En clair, le Big Data complète le décisionnel… et se démocratise.

14

Loin d’un simple buzz marketing, la révolution Big Data est en marche. Une déferlante qui risque de tout balayer sur son passage. A qui saura profiter le phénomène ?

A l’annonce du phénomène Big Data en 2010, il y a eu les enthousiastes, les avant-gardistes, les doux-rêveurs, les sceptiques et les dubitatifs. Trois ans plus tard, le bilan est sans appel : avec 2,5 trillions de données créées chaque jour dans le monde, la data est omniprésente. Fort de cette nouvelle donne, l’exploitation de ce déluge de données offre des opportunités business jusqu’alors inexploitées aux entreprises qui ont anticipé et compris les enjeux d’une approche data-centric.

AA qui saura profiter le phénomène Big Data ? Qui seront les gagnants et les perdants de cette révolution en marche ?

Acteurs de l’Open source, du Cloud et du web : le tiercé gagnant

Indéniablement,Indéniablement, les premiers gagnants du Big Data sont les acteurs de l’Open Source, comme Apache et Hadoop, mais aussi ceux qui ont bâti des solutions autour des logiciels libres, comme Cloudera ou Hortonworks, et les start-up qui offrent des solutions dédiées Hadoop (Datameer, MapR, Karmasphère, Platfora). Portés par la croissance des acteurs de l’Open Source et surfant sur des innovations technologiques autour des problématiques du Big Data, ils ont bénéficié de l’amplitude économique de ce nouveau marché.

LesLes constructeurs de matériel (Dell, HP, …) tirent également bien leur épingle du jeu en proposant de nouvelles capacités de stockage pour cette masse vertigineuse de données. A ces derniers, viennent évidemment s’ajouter les acteurs du Cloud, capables de délivrer des plateformes de Big Data massivement scale out.

LeLe Big Data profite aussi aux gros consommateurs de données et notamment aux acteurs du web. A la fois acteurs et utilisateurs, ces derniers ont su capitaliser leurs ressources pour développer des plateformes Big Data très performantes et peu coûteuses, c’est le cas – pour ne citer que les plus importantes - de Facebook, Linkedin, Amazon, Yahoo, Twitter, Ebay, etc.

ParPar corollaire, on retrouve parmi les gagnants du Big Data, les entreprises, de toutes tailles et tous secteurs d’activité confondus, qui ont su tirer profit de cette manne d’informations partagées et dynamiques offerte par ces géants du web. Intégrées à leur stratégie décisionnelle et répercutées à l’ensemble des couches organisationnelles (marketing, supply chain, RH, contrôle de gestion…), ces précieuses données textuelles - telles que les avis clients, les commentaires sur les réseaux sociaux, les logs, etc. -, deviennent un formidable atout de compétitivité pour ces entreprises « datavore ».

Editeurs,Editeurs, hébergeurs de base de données et constructeurs d’appliances, en queue de peloton

Les gagnants et les perdants de la révolution Big DataPar Romain Chaumais, Co-fondateur d’Ysance et Directeur du Développement

15

Nombreuses sont aussi les entreprises qui vont rester sur la touche face à l’émergence du phénomène Big Data. A commencer par les éditeurs de base de données (Oracle, Microsoft, IBM, Teradata, …), premières victimes collatérales de la terrible concurrence d’Hadoop en matière de technologies et de coût.

ViennentViennent ensuite les hébergeurs de données, les constructeurs d’appliances (Exadata, Greenplum…) et autres acteurs technologiques qui ne sont pas (ou ne seront pas à temps) compatibles avec Hadoop qui, au-delà du traitement des Big Data, permet d’étendre la puissance des architectures BI traditionnelles.

OnOn compte également parmi les perdants, toutes les entreprises dont la DSI ne saura pas s’approprier cette technologie pour répondre aux besoins des métiers et les métiers qui ne percevront pas le potentiel business offert par le traitement des Big Data. Bref à tous les Cassandres pour qui le Big Data n’était qu’un buzz marketing et qui n’ont pas pris à temps ce virage technologique…

CommeComme chaque innovation, le Big Data apportera son lot de gagnants et de perdants. Car bien que les technologies se développent très vite, leur maîtrise demande un certain temps d’adaptation en termes d’apprentissage de la valeur de la donnée mais aussi en termes d’organisation, d’acquisition de compétences ou d’expériences utilisateur. Si ce n’est pas déjà fait, 2013 s’annonce être une année décisive pour se lancer dans le traitement des Big Data. Au-delà, le retard accumulé risque bien d’être irréversible…

16

Et si les projets big data étaient l’occasion de repenser l’organisation de l’entreprise, son approche technique comme son noyau décisionnel ?

Contrairement aux idées reçues, la problématique RH du big data ne se résume pas au manque de data scientists ou data analysts. Maintenant que les premiers datalabs sont construits et que les technologies sont stables et reconnues, le big data se déploie à tous les niveaux de l’entreprise, du développeur à la DSI, du responsable acquisition au directeur marketing, comme à l’ensemble des sphères applicatives, modifiant ainsi les usages et les besoins en termes de ressources.

ConséquenceConséquence de ce décloisonnement, on assiste à un éclatement des compétences. Chaque entité de l’entreprise, dirigée par la donnée (data driven), va devoir s’approprier cette technologie et les nouvelles possibilités qu’elle offre à l’échelle de ses fonctions. A présent que la donnée est motrice de l’activité de l’entreprise, celle-ci ne peut plus se contenter d’un datalab. Une culture technique pour toutes les strates organisationnelles devient un prérequis au big data. Trouver ces nouveaux profils « hybrides », qui appréhendent à la fois la technologie et ses enjeux métier, va devenir le nouveau casse- tête des DRH.

Les qualités attendues pour un développeur big data est bien longueLes qualités attendues pour un développeur big data est bien longue

Au niveau de la DSI, les profils restent les mêmes, sauf qu’ils vont devoir intégrer les nouveaux principes technologiques d’une plate-forme big data : scale out, clustering, parallélisme… et les vulgariser à destination des métiers. Ces derniers, quant à eux, vont devoir comprendre la signification et l’intérêt de la donnée comme réponse concrète à leur problématique métier, pour ensuite interagir avec la DSI pour bâtir ces nouveaux usages.

LesLes équipes marketing, par exemple, replaceront le contact au cœur de leur problématique et intégreront l’ensemble des canaux et des supports pour avoir une vision omnicanale. Elles ne vont plus raisonner par silos, mais intégrer, dans leur stratégie customer centric, l’ensemble des supports et des canaux de contacts sur lesquels existent la marque, ce qui implique la consolidation de leur relation avec la DSI.

Là où ça se corse, c’est en amont, côté technique, où les exigences sont bien plus nombreuses. Le big data étant à ses prémices, il n’existe aucune solution clés en main.

Tout est à inventer, à bâtir, ce qui exige de descendre dans les « couches basses » de la technique.Tout est à inventer, à bâtir, ce qui exige de descendre dans les « couches basses » de la technique.Ainsi, la liste des qualités attendues pour un développeur big data est bien longue. A l’esprit pionnier, nécessaire à l’appréhension d’un nouvel écosystème, s’ajoute une forte culture web, une accointance pour les technologies brutes, une bonne connaissance des infrastructures parallèles et de l’environnement Linux (Shell) ainsi qu’une parfaite maîtrise des langages Java, Javascript et JSON.

Modification organisationnelle liée au big data : le big défiPar Romain Chaumais, Co-fondateur d’Ysance et Directeur du Développement et François de Charon,Directeur de la Stratégie Digitale chez Ysance.

17

La composante technique est donc très forte pour le big data. Elle se simplifiera certainement dans les années à venir. En attendant, il n’y a pas sur le marché de ressources opérationnelles. C’est un véritable défi pour tous les DRH de sociétés de consulting IT. Se lancer dans la gestion de solutions big data impose alors d’être incubateur de talents, de parier sur des profils qui détiennent au moins une des qualités requises et de les former en interne, avec le risque de « fuites des cerveaux » que cela comprend. C’est souvent le revers de la médaille des prises de choix avant-gardistes.

18

La dématérialisation des supports conjuguée à l’avènement de réseaux sociaux ont profondément bouleversé notre façon d’appréhender les médias. Les acteurs historiques et grandes marques média, en perte de vitesse, doivent plus que jamais capitaliser sur leur audience web comme levier de performance, de croissance et d’innovation. Le Big Data est là pour les aider…

TempsTemps de navigation, pages consultées, supports de consultation, avis déposés, logs, données issues des moteurs de recherches ou des réseaux sociaux, indexage internet, formulaires… jamais les lecteurs de médias online n’ont laissé autant d’ « empruntes » de leur passage, ni autant d’indices sur leur manière de consommer les médias et leurs contenus.

CeCe déluge de données brutes multi-source (Big Data) peut aujourd’hui - grâce à la puissance des ressources informatiques notamment liée au Cloud Computing et à la maturité et la richesse de l’écosystème Open Source -  être collecté, stocké et analysé en temps réel. Une mine d’or pour qui souhaite acquérir un trafic efficace, cross domaine, au meilleur coût, et améliorer significativement son taux de conversion.

CarCar grâce au Big Data, les médias vont pouvoir mieux interpréter le paysage médiatique, mieux comprendre leur public et développer des contenus et des stratégies commerciales en adéquation avec leur audience. Comment ? D’une part, par la mise en place d’algorithmes qui vont permettre de sélectionner les données, de les prioriser et de les exploiter dans l’optique de créer un parcours utilisateur personnalisé, puis, par la définition, des indicateurs clés de performance (KPI). L’objectif final de la personnalisation est de fournir le bon contenu, à la bonne personne, au bon moment et via le bon canal. A quoi bon mettre en avant des articles sur l’actualité internationale pour un internauteinternaute qui ne va consulter que les pages Sport ? Pourquoi proposer un système de géolocalisation à quelqu’un qui consulte le site depuis son PC ou un affichage multi-colonne au possesseur de Smartphone ?…

Là où autrefois, l’objectif était d’accumuler un maximum d’audience, le Big Data a aujourd’hui renversé cette tendance. Ce qui compte à présent ce n’est plus de gagner la « course à l’audience », mais bien d’acquérir un trafic tactique. On ne résonne plus ici en volume mais en profil visiteur créé et stocké.  Il est nécessaire pour cela de développer une stratégie de marketing « agile » où chaque profil va entrainer à la fois des recommandations spécifiques au contenu/service/produit et des stratégies de communication personnalisées en fonction des canaux utilisés, des besoins, préférences ou habitudes de chacun d’eux. Car plus le lecteur aura le sentiment d’être compris et reconnu,reconnu, plus il va dégager une affection pour la marque média et s’y engager (récurrence des visites, temps de navigation plus long, abonnement aux newsletters, recommandation à ses amis…).

Ce trafic qualifié, vecteur d’adhésion et de fidélisation, est aussi source de revenus. Car la fragmentation de l’audience valorise l’inventaire publicitaire. Un tel niveau de personnalisation devient un sérieux atout marketing pour qui sait « manager » correctement et de manière réfléchie ses données. Derrière cette promesse de délivrer la bonne publicité à la bonne personne, il y a fort à parier que les annonceurs se bousculeront. Apportant là, un second souffle inespéré aux médias online…

Big Data : un second souffle pour les mediasPar François de Charon, Directeur de la stratégie digitale chez Ysance

19

La systématisation de l’exploitation des Big Data et son impact positif sur les entreprises ont fait évoluer les mentalités vers et autour de la donnée, laissant place à un phénomène nouveau qu’on pourrait appeler l’Over Data ; ou quand les données - sans pour autant répondre aux caractéristiques exigées par les Big Data -  s’avèrent source de grande valeur pour l’entreprise. Explications…

PlusPlus besoin de présenter l’intérêt des Big Data aux chefs d’entreprises. Son impact plus que positif sur l’organisation, le développement et la croissance de l’entreprise lui a d’ailleurs valu le surnom de « pétrole du XXIème siècle ». De plus en plus data driven, les entreprises sont aujourd’hui nombreuses à se pencher sur ce phénomène et à voir en la donnée le Graal inespéré pour sortir de la crise.

OuiOui mais voilà, les Big Data entrent dans des critères de volume, de variété et de vélocité (3V) bien précis et tellement importants (voire même hors norme) qu’ils ne concernent finalement qu’une infime partie des projets d’exploitation de données. Que doit-on faire alors ? Ignorer cette nuance et continuer à leur donner le titre de projet Big Data au risque de voir s’agrandir encore un peu plus la confusion qu’il y a autour de ce phénomène ? Ou exclure tout bonnement les entreprises dont les cas d’usage n’entrent pas dans ces critères quitte à les écarter de cette mine d’information extraite de la donnée ?

Certes,Certes, non ! Surtout que la démarche de réflexion faite par les entreprises autour des Big Data a fait naître une multitude de projets d’analyse de données qui sans pour autant être de type Big Data ont beaucoup de valeur. Il est donc aujourd’hui nécessaire d’introduire un nouveau niveau d’analyse qui comprend toutes les « autres » données - quel que soit leur volume, fréquence ou format - qui se situent entre les données décisionnelles et les Big Data et qu’on pourrait appeler l’Over Data.

IlIl s’agirait de l’exploitation de données plus souterraines (small black data) et plus orientées BtoB, pour analyser, par exemple, les processus de production et de sécurité via l’activité des systèmes embarqués tels que les badgeuses, les centres d’appels et les solutions domotiques, sa gestion des ressources humaines ou encore son activité sur le web comme l’analyse d’une Fanpage, les citations sur les réseaux sociaux, les visites sur son site internet, le positionnement de son application sur l’appstore, etc.

PlusieursPlusieurs entreprises se sont d’ailleurs lancées avec succès dans l’analyse de certains pans de leurs données. On retiendra parmi les cas d’usage les plus célèbres, l’exemple de Google avec la mise en place de son projet « Google M&Ms ». Soucieuse de la santé de ses salariés, l’entreprise a rassemblé des données telles que les distances parcourues ou les aliments consommés à la cantine pour mettre en place des solutions visant à freiner la consommation excessive de M&Ms au bureau. Ou encore, l’initiative du concessionnaire Renault qui a analysé le trajet parcouru et les démarches effectuées par le salarié depuis l’entrée du site jusqu’à la chaîne de production pour optimiser l’arrivée de ressources temporaires en cas de nécessité.l’arrivée de ressources temporaires en cas de nécessité.

Par Romain Chaumais, Co-fondateur d’Ysance et Directeur du Développement

L’Over Data ou quand la « not so Big Data » devient source de valeur pour l’entreprise

20

Le champ des possibles est donc infini. Aussi infini que celui des Big Data… Il nécessite toutefois des compétences techniques distinctes. L’approche est certes moins orientée vers l’enjeu de volume - et donc vers les technologies en rupture de type Hadoop - mais la capacité à collecter cette « over » donnée où elle se trouve, à garantir sa qualité et à savoir l’injecter dans des outils opérationnels de l’entreprise demande un travail complexe et minutieux. Finalement, les méthodes projets sont assez proches de celles des Big Data mais les technologies de récolte utilisées ressemblent davantage à celles de la Business Intelligence (tableaux de bords, bases relationnelles, tableaux Excel…).

UnUn entre deux qui devrait satisfaire, pour commencer, bon nombre d’entreprises leur permettant ainsi de faire, en douceur, leurs premiers pas vers le Big Data…

21

En 2013, la déferlante Big Data s’est abattue sur la Business Intelligence, renversant tout sur son passage. Littéralement prise de vitesse, cette dernière n’a pas eu le temps de faire sa mutation et elle s’est trouvée confrontée à la richesse du domaine des possibles des Big Data. Aujourd’hui, elle n’a d’autre choix que de s’approprier ce nouvel environnement « full digital ». Place, donc, en 2014, à une BI augmentée dont les attentes sont désormais inhérentes à celles des Big Data.

Vers une BI aussi vive que le web

SousSous l’influence des Big Data, on attend désormais d’une plateforme BI qu’elle puisse être aussi rapide que le web et donc « en temps réel ». Là où la mesure de base s’effectue encore aujourd’hui à J+1, la BI en 2014 permettra d’analyser les données des cinq dernières minutes, voire même des cinq dernières secondes. Avec un utilisateur / consommateur hyper-connecté et hyperactif sur le web, les outils décisionnels se doivent, en effet, d’être synchronisés au rythme de cette perpétuelle activité digitale et calqués à la vitesse du fameux  WOM (« word-of-mouth », « bouche à oreille » en français), si cher aux directions marketing.

Outre une plus grande réactivité et agilité, les entreprises réclament, paradoxalement, une BI moins Outre une plus grande réactivité et agilité, les entreprises réclament, paradoxalement, une BI moins chère à mettre en place, à opérer et à déployer pour un toujours plus grand nombre d’utilisateurs. Une aubaine donc pour les solutions distribuées en Open Source qui sont les seules à proposer à ce jour un déploiement de masse à moindre coût.

Vers une BI customer et user centric

PlusPlus besoin de prouver aujourd’hui que le pilotage de la performance se fait autour du consommateur et non du produit. A l’instar des Big Data, la BI en 2014 a vocation à savoir quels sont les besoins du client, quel est son comportement, quelles sont ses réactions par rapport aux situations qu’on lui propose, quelle est sa valeur, etc. La BI de demain se veut, donc, clairement customer centric. Et c’est là l’un des plus grands défis techniques qui l’attend, car introduire le client au sein de l’ensemble des systèmes d’information décisionnels est un exercice complexe, tant la volumétrie est importante.

D’autant que ce recentrage vers le client va bouleverser la chaîne décisionnelle classique et placer la D’autant que ce recentrage vers le client va bouleverser la chaîne décisionnelle classique et placer la BI, non plus uniquement sous la responsabilité des DSI, mais aussi sous le contrôle des utilisateurs métiers. Ainsi déployée à toute l’entreprise, la récolte de cette masse de données, si elle veut être pertinente au niveau décisionnel, doit se greffer et être disséminée parmi les différentes applications opérationnelles de l’entreprise : CRM, ERP, Hotline, RSE, ecommerce, intranet…

Vers une BI applicative

OutreOutre cette nécessaire évolution sur le fond, c’est surtout sur la forme que les adaptations de la BI sont les plus attendues, car pour aller vers une BI accessible à tous, les outils informatiques doivent être repensés pour ressembler davantage à ceux utilisés quotidiennement dans son univers personnel.

Par Romain Chaumais, Co-fondateur d’Ysance et Directeur du Développement

Tendances Business Intelligence 2014 : vers une BI augmentée

22

Les tableaux de reporting, d’abord, puis les traitements analytiques, ensuite, ont eu leurs heures de gloire. Place désormais, à la datavisualisation ou comment représenter les données de façon visuelle pour que l’information soit comprise en un clin d’œil et la décision qui en découle prise dans la foulée.

PourPour ce faire, il est indispensable de développer des outils BI à l’image d’une application web grand public : intelligente, interactive et prédictive. Intelligente, d’abord, car les applications BI, en 2014, seront capables de capter le flux de données utile à l’entreprise et de les contextualiser en fonction de l’employé décideur, de ses exigences opérationnelles et de l’application qu’il utilise. Imaginez, alors, des solutions qui présentent, en temps réel : pour le chef d’entreprise, les chiffres d’affaires par magasin ; pour la personne en charge du réassort, le prévisionnel des ventes pour les prochains jours ; ; pour le SAV, une alerte lors d’un taux de retour trop important sur un même produit ; ou encore, pour un DRH, les performances de ses offres d’emplois …

Interactive ensuite, dans les modes de recherche et dans la navigation au sein de la donnée. En 2014, on ne requêtera plus la donnée, on ira la capter directement dans le flux massif des données, simplement, en langage naturel, via un moteur de recherche de type Google Search.

Prédictive enfin, parce que, comme toute bonne application web qui se respecte, elle doit permettre à l’utilisateur d’avoir une vision macro (agrégée) mais aussi micro (détaillée) du flux de données grâce à des algorithmes prédictifs qui vont suggérer les décisions à prendre, par le biais d’alertes, de suggestions, de recommandations ou de classification des priorités de l’information. Un peu comme le fait Facebook avec ses posts « A la Une » ou Twitter avec les Top Trends…

LesLes réseaux sociaux et les Big Data ont donc suscité l’envie d’une BI plus souple, flexible, accessible et moderne ; une BI applicative, en temps réel et multi-device. Bref, une BI augmentée en concordance à la fois avec l’environnement technologique dans lequel elle évolue et avec les exigences métiers et business actuelles. Et cette Business Intelligence, en 2014, n’aura de cesse de s’adapter pour rivaliser avec l’élargissement perpétuel du champ des possibles en matière de nature et de volume des données offert par les Big Data. A tel point qu’il est très difficile de prévoir à quoi elle ressemblera en 2015…

23