{"id":138144,"date":"2021-04-15T10:39:52","date_gmt":"2021-04-15T10:39:52","guid":{"rendered":"https:\/\/news.sap.com\/france\/?p=138144"},"modified":"2023-10-12T14:07:19","modified_gmt":"2023-10-12T14:07:19","slug":"qu-est-ce-que-le-big-data","status":"publish","type":"post","link":"https:\/\/news.sap.com\/france\/2021\/04\/qu-est-ce-que-le-big-data\/","title":{"rendered":"Qu’est-ce que le Big Data ?"},"content":{"rendered":"

Le Big Data est le flot d’informations dans lequel nous nous trouvons tous les jours (des zettaoctets de donn\u00e9es provenant de nos ordinateurs, des terminaux mobiles et des capteurs). Ces donn\u00e9es sont utilis\u00e9es par les entreprises pour orienter la prise de d\u00e9cisions, am\u00e9liorer les processus et les strat\u00e9gies, et cr\u00e9er des produits, des services et des exp\u00e9riences centr\u00e9s sur le client. <\/strong><\/p>\n

Le Big Data d\u00e9signe non seulement de gros volumes de donn\u00e9es, mais aussi des donn\u00e9es de nature vari\u00e9e et complexe. Il d\u00e9passe g\u00e9n\u00e9ralement la capacit\u00e9 des bases de donn\u00e9es traditionnelles \u00e0 capturer, g\u00e9rer et traiter ce type de donn\u00e9es. De plus, le Big Data peut provenir de n’importe o\u00f9 et de tout ce que nous sommes en mesure de surveiller num\u00e9riquement. Les satellites, les appareils IoT (Internet des Objets), les radars et les tendances des r\u00e9seaux sociaux ne sont que quelques exemples parmi la multitude de sources de donn\u00e9es explor\u00e9es et analys\u00e9es pour rendre les entreprises plus r\u00e9silientes et comp\u00e9titives.<\/p>\n

\n

L’importance de l’analyse du Big\u00a0Data<\/strong><\/h2>\n

La v\u00e9ritable valeur du Big Data se mesure d’apr\u00e8s votre capacit\u00e9 \u00e0 l’analyser et \u00e0 le comprendre.\u00a0L’intelligence artificielle<\/a>\u00a0(IA), le machine learning<\/a> et les technologies de base de donn\u00e9es modernes permettent de le visualiser et de l’analyser pour fournir des informations exploitables en temps r\u00e9el. L’analyse du Big Data aide les entreprises \u00e0 exploiter leurs donn\u00e9es en vue de saisir de nouvelles opportunit\u00e9s et de cr\u00e9er de nouveaux mod\u00e8les de gestion. Comme l’a si bien dit Geoffrey Moore, auteur et analyste de gestion, \u00ab\u00a0sans analyse du Big Data, les entreprises sont aveugles et sourdes, errant sur le Web comme des cerfs sur une autoroute\u00a0\u00bb.<\/em><\/p>\n<\/p>\n

\n
\n

How does Big Data and Analytics work? Simply Explained<\/a><\/h3>\n

Click the button below to load the content from YouTube.<\/p>\n

\n
\n
<\/div>\n<\/div>\n

Always allow YouTube<\/a>
\n \n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n \"How<\/p>\n

\n \n <\/path>\n <\/path>\n <\/svg>\n <\/div>\n<\/p><\/div>\n<\/section>\n
\n

L’\u00e9volution du Big\u00a0Data<\/strong><\/h2>\n

Aussi inconcevable que cela puisse para\u00eetre aujourd’hui, l’Apollo Guidance Computer a emmen\u00e9 l’homme sur la lune avec moins de 80\u00a0kilo-octets de m\u00e9moire. Depuis, la technologie informatique s’est d\u00e9velopp\u00e9e \u00e0 un rythme exponentiel, de m\u00eame que la g\u00e9n\u00e9ration de donn\u00e9es. La capacit\u00e9 technologique mondiale \u00e0 stocker des donn\u00e9es a doubl\u00e9 tous les trois ans depuis les ann\u00e9es\u00a01980. Il y a un peu plus de 50\u00a0ans, lors du lancement d’Apollo\u00a011, la quantit\u00e9 de donn\u00e9es num\u00e9riques g\u00e9n\u00e9r\u00e9es dans le monde aurait pu tenir dans un ordinateur portable. Aujourd’hui, l’IDC estime<\/a>\u00a0ce chiffre \u00e0 44\u00a0zettaoctets (soit 44\u00a0000 milliards de gigaoctets) et pr\u00e9voit qu’il atteindra 163\u00a0zettaoctets en 2025.<\/p>\n

44<\/strong> <\/span>zettaoctets de donn\u00e9es num\u00e9riques aujourd’hui,\u00a0IDC<\/a><\/p>\n

163<\/span> <\/strong>zettaoctets de donn\u00e9es num\u00e9riques en 2025,\u00a0IDC<\/a><\/p>\n

Plus les logiciels et la technologie se d\u00e9veloppent, moins les syst\u00e8mes non num\u00e9riques sont viables. Le traitement des donn\u00e9es g\u00e9n\u00e9r\u00e9es et collect\u00e9es num\u00e9riquement requiert des syst\u00e8mes de data management<\/a> plus avanc\u00e9s. En outre, la croissance exponentielle des plates-formes de r\u00e9seaux sociaux, des technologies pour smartphones et des appareils IoT connect\u00e9s num\u00e9riquement ont contribu\u00e9 \u00e0 l’\u00e9mergence du Big Data.<\/p>\n

\n

Types de Big Data\u00a0: que sont les donn\u00e9es structur\u00e9es et non structur\u00e9es\u00a0?<\/strong><\/h2>\n

Les ensembles de donn\u00e9es sont g\u00e9n\u00e9ralement cat\u00e9goris\u00e9s en trois types, selon leur structure et la complexit\u00e9 de leur indexation.<\/p>\n

\"Illustration<\/p>\n

    \n
  1. Donn\u00e9es structur\u00e9es :\u00a0<\/strong>ce type de donn\u00e9es est le plus simple \u00e0 organiser et \u00e0 rechercher. Il peut inclure des donn\u00e9es financi\u00e8res, des machine logs et des d\u00e9tails d\u00e9mographiques. Une feuille de calcul Microsoft\u00a0Excel, avec sa mise en forme de colonnes et de lignes pr\u00e9d\u00e9finies, offre un moyen efficace de visualiser les donn\u00e9es structur\u00e9es. Ses composants peuvent facilement \u00eatre cat\u00e9goris\u00e9s, ce qui permet aux concepteurs et administrateurs de bases de donn\u00e9es de d\u00e9finir des algorithmes simples pour la recherche et l’analyse. M\u00eame lorsque les donn\u00e9es structur\u00e9es sont tr\u00e8s volumineuses, elles ne sont pas n\u00e9cessairement qualifi\u00e9es de Big Data, car elles sont relativement simples \u00e0 g\u00e9rer et ne r\u00e9pondent donc pas aux crit\u00e8res qui d\u00e9finissent le Big Data. Traditionnellement, les bases de donn\u00e9es utilisent un langage de programmation appel\u00e9 SQL (Structured Query Language) pour g\u00e9rer les donn\u00e9es structur\u00e9es. SQL a \u00e9t\u00e9 d\u00e9velopp\u00e9 par IBM dans les ann\u00e9es\u00a01970 pour permettre aux d\u00e9veloppeurs de cr\u00e9er et g\u00e9rer des bases de donn\u00e9es relationnelles (de type feuille de calcul) qui commen\u00e7aient \u00e0 \u00e9merger \u00e0 l’\u00e9poque.<\/li>\n
  2. Donn\u00e9es non structur\u00e9es :\u00a0<\/strong>cette cat\u00e9gorie de donn\u00e9es peut inclure des publications sur les r\u00e9seaux sociaux, des fichiers audio, des images et des commentaires client ouverts. Ces donn\u00e9es ne peuvent pas \u00eatre facilement captur\u00e9es dans les bases de donn\u00e9es relationnelles standard en lignes et colonnes. Auparavant, les entreprises qui voulaient rechercher, g\u00e9rer ou analyser de grandes quantit\u00e9s de donn\u00e9es non structur\u00e9es devaient utiliser des processus manuels laborieux. La valeur potentielle li\u00e9e \u00e0 l’analyse et \u00e0 la compr\u00e9hension de ces donn\u00e9es ne faisait aucun doute, mais le co\u00fbt associ\u00e9 \u00e9tait souvent trop exorbitant pour en valoir la peine. Compte tenu du temps n\u00e9cessaire, les r\u00e9sultats \u00e9taient souvent obsol\u00e8tes avant m\u00eame d’\u00eatre g\u00e9n\u00e9r\u00e9s. Contrairement aux feuilles de calcul ou aux bases de donn\u00e9es relationnelles, les donn\u00e9es non structur\u00e9es sont g\u00e9n\u00e9ralement stock\u00e9es dans des lacs de donn\u00e9es, des entrep\u00f4ts de donn\u00e9es et des bases de donn\u00e9es NoSQL.<\/li>\n
  3. Donn\u00e9es semi-structur\u00e9es :\u00a0<\/strong>comme leur nom l’indique, les donn\u00e9es semi-structur\u00e9es int\u00e8grent \u00e0 la fois des donn\u00e9es structur\u00e9es et non structur\u00e9es. Les e-mails en sont un bon exemple, car ils incluent des donn\u00e9es non structur\u00e9es dans le corps du message, ainsi que d’autres propri\u00e9t\u00e9s organisationnelles telles que l’exp\u00e9diteur, le destinataire, l’objet et la date. Les dispositifs qui utilisent le marquage g\u00e9ographique, les horodatages ou les balises s\u00e9mantiques peuvent \u00e9galement fournir des donn\u00e9es structur\u00e9es avec un contenu non structur\u00e9. Une image de smartphone non identifi\u00e9e, par exemple, peut indiquer qu’il s’agit d’un selfie et pr\u00e9ciser l’heure et l’endroit o\u00f9 il a \u00e9t\u00e9 pris. Une base de donn\u00e9es moderne ex\u00e9cutant une technologie d’IA peut non seulement identifier instantan\u00e9ment diff\u00e9rents types de donn\u00e9es, mais aussi g\u00e9n\u00e9rer des algorithmes en temps r\u00e9el pour g\u00e9rer et analyser efficacement les ensembles de donn\u00e9es disparates.<\/li>\n<\/ol>\n
    \n

    Les sources du Big\u00a0Data<\/strong><\/h2>\n

    Les objets g\u00e9n\u00e9rateurs de donn\u00e9es se d\u00e9veloppent \u00e0 un rythme spectaculaire, depuis les drones jusqu’aux grille-pains. Toutefois, \u00e0 des fins de cat\u00e9gorisation, les sources de donn\u00e9es sont g\u00e9n\u00e9ralement divis\u00e9es en trois types\u00a0:<\/p>\n

    \"Illustration<\/p>\n

    Donn\u00e9es sociales<\/strong><\/h3>\n

    Comme leur nom l’indique, les donn\u00e9es sociales sont g\u00e9n\u00e9r\u00e9es par les r\u00e9seaux sociaux : commentaires, publications, images et, de plus en plus, vid\u00e9os. En outre, compte tenu de l’ubiquit\u00e9 croissante des r\u00e9seaux 4G et 5G, on estime que le nombre de personnes dans le monde qui regardent r\u00e9guli\u00e8rement des contenus vid\u00e9o sur leur smartphone atteindra\u00a02,72\u00a0milliards en 2023<\/a>. Bien que les tendances concernant les r\u00e9seaux sociaux et leur utilisation \u00e9voluent rapidement et de mani\u00e8re impr\u00e9visible, leur progression en tant que g\u00e9n\u00e9rateurs de donn\u00e9es num\u00e9riques est incontestable.<\/p>\n

    Donn\u00e9es machine<\/strong><\/h3>\n

    Les machines et appareils IoT sont \u00e9quip\u00e9s de capteurs et ont la capacit\u00e9 d’envoyer et de recevoir des donn\u00e9es num\u00e9riques. Les capteurs IoT aident les entreprises \u00e0 collecter et traiter les donn\u00e9es machine provenant des appareils, des v\u00e9hicules et des \u00e9quipements. Globalement, le nombre d’objets g\u00e9n\u00e9rateurs de donn\u00e9es augmente rapidement, des capteurs m\u00e9t\u00e9orologiques et de trafic jusqu’\u00e0 la surveillance de la s\u00e9curit\u00e9. Selon l’IDC, il y aura plus de 40 milliards d’appareils IoT en 2025, g\u00e9n\u00e9rant pr\u00e8s de la moiti\u00e9 des donn\u00e9es num\u00e9riques mondiales.<\/p>\n

    Donn\u00e9es alt\u00e9rables<\/strong><\/h3>\n

    Il s’agit des donn\u00e9es parmi les plus \u00e9volutives au monde. Par exemple, un d\u00e9taillant international traite plus d’un million de transactions client par heure. Si l’on ajoute \u00e0 cela les transactions d’achat et bancaires au niveau mondial, on comprend mieux le volume ph\u00e9nom\u00e9nal de donn\u00e9es g\u00e9n\u00e9r\u00e9es. En outre, les donn\u00e9es alt\u00e9rables contiennent de plus en plus de donn\u00e9es semi-structur\u00e9es, y compris des images et des commentaires, ce qui les rend d’autant plus complexes \u00e0 g\u00e9rer et \u00e0 traiter.<\/p>\n

    \n

    Les cinq\u00a0V du Big\u00a0Data<\/strong><\/h2>\n

    Ce n’est pas parce qu’un ensemble de donn\u00e9es est volumineux qu’il s’agit n\u00e9cessairement de Big Data. Pour \u00eatre qualifi\u00e9es en tant que telles, les donn\u00e9es doivent poss\u00e9der au minimum les cinq caract\u00e9ristiques suivantes\u00a0:<\/p>\n

    \"Illustration<\/p>\n

      \n
    1. Volume :\u00a0<\/strong>m\u00eame si le volume n’est pas le seul composant qui constitue le Big Data, il s’agit d’une de ses caract\u00e9ristiques principales. Pour g\u00e9rer et exploiter pleinement le Big Data, des algorithmes avanc\u00e9s et des analyses pilot\u00e9es par l’IA sont n\u00e9cessaires. Mais avant tout cela, il doit exister un moyen fiable et s\u00e9curis\u00e9 de stocker, d’organiser et d’extraire les t\u00e9raoctets de donn\u00e9es d\u00e9tenus par les grandes entreprises.<\/li>\n
    2. Vitesse\u00a0:\u00a0<\/strong>auparavant, les donn\u00e9es g\u00e9n\u00e9r\u00e9es devaient ensuite \u00eatre saisies dans un syst\u00e8me de base de donn\u00e9es traditionnel (souvent manuellement) avant de pouvoir \u00eatre analys\u00e9es ou extraites. Aujourd’hui, gr\u00e2ce \u00e0 la technologie du Big\u00a0Data, les bases de donn\u00e9es sont capables de traiter, d’analyser et de configurer les donn\u00e9es lorsqu’elles sont g\u00e9n\u00e9r\u00e9es, parfois en l’espace de quelques millisecondes. Pour les entreprises, cela signifie que les donn\u00e9es en temps r\u00e9el peuvent \u00eatre exploit\u00e9es pour saisir des opportunit\u00e9s financi\u00e8res, r\u00e9pondre aux besoins des clients, pr\u00e9venir la fraude et ex\u00e9cuter toute autre activit\u00e9 pour laquelle la rapidit\u00e9 est un facteur cl\u00e9.<\/li>\n
    3. Vari\u00e9t\u00e9\u00a0:\u00a0<\/strong>les ensembles de donn\u00e9es contenant uniquement des donn\u00e9es structur\u00e9es ne rel\u00e8vent pas n\u00e9cessairement du Big\u00a0Data, quel que soit leur volume. Le Big\u00a0Data comprend g\u00e9n\u00e9ralement des combinaisons de donn\u00e9es structur\u00e9es, non structur\u00e9es et semi-structur\u00e9es. Les solutions de gestion des donn\u00e9es et les bases de donn\u00e9es traditionnelles n’offrent pas la flexibilit\u00e9 et le p\u00e9rim\u00e8tre n\u00e9cessaires pour g\u00e9rer les ensembles de donn\u00e9es complexes et disparates qui constituent le Big\u00a0Data.<\/li>\n
    4. V\u00e9racit\u00e9\u00a0:\u00a0<\/strong>bien que les bases de donn\u00e9es modernes permettent aux entreprises d’accumuler et d’identifier des volumes consid\u00e9rables de Big\u00a0Data de diff\u00e9rents types, elles ne sont utiles que si elles sont pr\u00e9cises, pertinentes et opportunes. S’agissant des bases de donn\u00e9es traditionnelles aliment\u00e9es uniquement avec des donn\u00e9es structur\u00e9es, le manque de pr\u00e9cision des donn\u00e9es \u00e9tait souvent d\u00fb \u00e0 des erreurs syntaxiques et des fautes de frappe. Les donn\u00e9es non structur\u00e9es pr\u00e9sentent toute une s\u00e9rie de nouvelles difficult\u00e9s en mati\u00e8re de v\u00e9racit\u00e9. Les pr\u00e9jug\u00e9s humains, le \u00ab\u00a0bruit social\u00a0\u00bb et les probl\u00e8mes li\u00e9s \u00e0 la provenance des donn\u00e9es peuvent avoir un impact sur la qualit\u00e9 des donn\u00e9es.<\/li>\n
    5. Valeur :\u00a0<\/strong>les r\u00e9sultats de l’analyse du Big Data sont souvent fascinants et inattendus. Mais pour les entreprises, l’analyse du Big Data doit fournir une visibilit\u00e9 qui les aident \u00e0 gagner en comp\u00e9titivit\u00e9 et en r\u00e9silience, et \u00e0 mieux servir leurs clients. Les technologies modernes offrent la possibilit\u00e9 de collecter et d’extraire des donn\u00e9es susceptibles de procurer un avantage mesurable \u00e0 la fois en termes de r\u00e9sultats et de r\u00e9silience op\u00e9rationnelle.<\/li>\n<\/ol>\n
      \n

      Avantages du Big\u00a0Data<\/strong><\/h2>\n

      Les\u00a0solutions modernes de gestion du Big\u00a0Data<\/a>\u00a0permettent aux entreprises de transformer leurs donn\u00e9es brutes en informations pertinentes avec une rapidit\u00e9 et une pr\u00e9cision sans pr\u00e9c\u00e9dent.<\/p>\n