Vous avez
une question ?
Un projet ?

Contactez nous !
 

Contactez-nous

Vous avez une question ? un projet ? 
Vous souhaitez plus d'informations sur un produit ? sur notre offre ? 
Contactez-nous, on vous répond sous 4H.

retour

Big Data

Chaque jour, la quantité de données créées et manipulées ne cesse d’augmenter, et ce quel que soit le secteur d’activité concerné.
Cette croissance, exponentielle, est liée à l’évolution du nombre d’utilisateurs des solutions IT, l’évolution des périmètres couverts et des usages (mobile,...), la génération de données par des machines, la finesse de l’information tracée, la croissance des volumes opérationnels, l’évolution de l’historique de données disponible.
Le Big Data transforme progressivement les organisations autour de la valorisation de l’information. Avec la finesse d’information sur les opérations passées et de plus en plus d’informations prospectives, le Big Data va permettre l’éclosion de modèles prédictifs plus pertinents.

Les systèmes de base de données relationnelles et les outils d’aide à la décision n’ont initialement pas été créés afin de manipuler une telle quantité et richesse de données, et il peut vite devenir compliqué et improductif pour les entreprises d’accéder à ces masses de données avec les outils classiques.

Cette nouvelle problématique a donné naissance aux systèmes de gestion de base de données appelés « NoSQL » (Not Only SQL), qui ont fait le choix d’abandonner certaines fonctionnalités des SGBD classiques au profit de la simplicité, la performance et de la capacité à monter en charge.

Des frameworks comme Hadoop ont également été créés et permettent le requêtage, l’analyse et la manipulation de ces données en masse.

Nous relevons que les principales solutions de Big Data sont Open Source. Ce contexte favorise leur vitesse de développement et de diffusion au sein des entreprises et collectivités.

Et ce à moindre coût par rapport à des solutions dont l’évolution de la capacité est verticale : coût des ressources matérielles, licences,...

Beaucoup d’entreprises et de collectivités publiques utilisent déjà des solutions Big Data, souvent hébergées dans le cloud (ex : Google Analytics, réseaux sociaux, Salesforce,...).

Les solutions Big Data ont fait leurs preuves et sont mûres pour un déploiement en production.

 

Il existe de nombreux cas d’usage des solutions de valorisation et d’analyse massive de données. Nous en avons détaillé quelques une ci-dessous mais nous pouvons aussi citer l’analyse fine de processus, la recherche scientifique, les analyses politiques et sociales, l’analyse de données de capteurs sur les chaînes industrielles...

 

Vue à 360° des clients et analyse des comportements de consommation

Le Big Data transforme en profondeur les métiers du marketing.

Une vue complète de chaque client nécessite la manipulation de larges ensembles de données :

  • informations sur le client : stockées dans le SI, disponibles sur les réseaux sociaux publiques
  • comportements d’achat : détail des commandes, fréquence, canaux
  • segmentation
  • parcours / historique de la relation depuis la prospection
  • niveau d’engagement; parrainage d’autres clients
  • enquêtes de satisfaction
  • expérience d’utilisation, utilisation des services après-vente.

La collecte et la consolidation de toutes ces données représente une tâche fastidieuse, rarement faite ou uniquement sur un petit panel de clients. Les solutions Big Data peuvent permettre d’automatiser cela et apporter les gains suivants :

  • optimisation de l’adéquation des produits et services proposés
  • affinage des ciblages et optimisation des communications avec chaque client : canal, message,...

 

Le Big Data facteur d’optimisation de la chaîne d'approvisionnement

La masse de données disponible sur tous les mouvements permet d’analyser et de piloter plus finement les processus logistiques et d’approvisionnement.

La richesse d’information permet de combiner les différents facteurs de qualité (délais, défauts, qualité de service,...) et économiques (prix d’achat, coût de possession et de stockage,...) dans les analyses.

Le Big Data permet d’intégrer plus facilement les données logistiques dans les informations du cycle de vie des objets (commande, logistique, exploitation, recyclage,...) et permet ainsi une vision à 360° autour de la fonction d’approvisionnement.

 

Usage Machine learning

Utilisation d’une base de faits de taille importante pour produire des modèles

Nouvelle image (3)

Ceci permet de répondre aux besoins suivants :

  • Classification / segmentation automatique
  • Ciblage
  • Détection des fraudes / détection tentatives d’intrusion
  • Recommandations
  • Arbres de décision

Découvrez les 4 étapes de cadrage proposées par Smile et indispensables à la bonne marche de votre projet

 
Demarche de cadrage Big data from Smile