Le «Big Data» en pratique. On se souvient toujours de sa première fois. «Big Data» : Et si c était vrai

Transcription

1 Le «Big Data» en pratique On se souvient toujours de sa première fois «Big Data» : Et si c était vrai L existence sur le marché d un large choix de solutions proposées par de grands noms du secteur ainsi que le lancement de premières réalisations de grande envergure dont certaines feront l objet de retours d expériences lors de la Conférence Big Data Paris 2013 témoignent du changement de statut du «Big Data», de mythe à réalité. Mais, à l image des premiers projets décisionnels ou de déploiement d ERP des années 90, le «Big Data» ne dispose, aujourd hui, d aucun cadre industriel de mise en œuvre et ses domaines d application sont encore loin d être circonscrits. Si le savoir-faire et les technologies ont atteint un certain niveau de maturité, ce n est pas encore le cas sur le plan méthodologique. Parmi les autres inconnues figurent les investissements nécessaires et les cas d usage au-delà des premiers exemples publicisés. Des manques qui expliquent en partie la méfiance de certains et à contrario l engouement des autres. Alors marketing ou (r)évolution? Le «Big Data» ne laisse pas indifférent. Une raison simple : l épée de Damoclès qui pèse sur la capacité de l entreprise à ne plus être en mesure de faire face au déluge inexorable de données. D ailleurs, pour ceux qui ne s en seraient pas encore rendu compte, l entreprise a déjà plus que les pieds dans l eau. Aussi, nul besoin d aller chercher des cas d usage du «Big Data» hors des frontières de l entreprise ou d imaginer des usages qui rendraient presque «Big brother» sympathique. Exploiter la masse de données à disposition pour en tirer toute la valeur est un défi auquel sont déjà confrontées quasi toutes les entreprises. Trop d informations tue l information. Le «Big Data» ne fait au fond que remettre en lumière ce problème et faire prendre conscience à tous que si rien n est fait, celui-ci ne va faire qu empirer, développement de l économie digitale et des objets communicants obligent. En s attaquant simultanément à la quadruple problématique du volume, de la variété, de la vélocité et de la véracité, le «Big Data», prétend, à l instar du MDM en son temps sur les données de référence, apporter une réponse innovante, pour ne pas dire curative, à ce problème déjà bien présent et ouvrir la porte à de nouveaux usages qui dépassent notre imagination. Car oui, l entreprise est déjà submergée d information et n a d ores et déjà plus les capacités de les ingérer efficacement dans ses processus opérationnels et décisionnels. À très court terme, il s agit d abord pour elle de valoriser son patrimoine informationnel existant qui reste Big Data Les facteurs clés de succès 1

2 sous-exploité. Concrètement elle doit déjà chercher à tirer le plein potentiel de la manne d information accumulée et disséminée dans ses intranets, ses systèmes de messagerie, ses systèmes de gestion de contenu, ses messageries instantanées ou encore ses réseaux sociaux d entreprise. Une ambition qui nécessite d identifier, de traiter et d injecter ces informations brutes, de la raffiner pour en faire un carburant premium des systèmes existants tant opérationnels (ERP, CRM ) que décisionnels (BI, BAM ). Un objectif ambitieux sans réponse efficace aujourd hui. On comprend dès lors la nécessité du développement de technologies spécifiques et de nouvelles pratiques en garantissant le rendement optimal. À propos des technologies, tout n est d ailleurs pas aussi nouveau qu on veut bien nous le faire croire dans le Big Data. Bon nombre d innovations sont en fait une démocratisation de technologies existantes, ce qui en soi est plutôt rassurant (système d analyse de données temps réel, base de données en mémoire, recherche et reconnaissance multi-média texte, images, son, etc.). En revanche côté pratiques, méthodologie de déploiement, c est le grand désert. On est encore dans l expérimental, mais les choses évoluent vite, très vite. Le «Big Data» est là et de façon durable. Quelle forme prendra-t-il dans votre entreprise, comment apparaîtra-t-il, sur quels cas d usage, sous qu elle impulsion, métier ou DSI? Difficile de le prédire. Une chose est sûre : il faut vous y préparer. Car votre première fois viendra et plus vite que vous ne l imaginez, alors autant mettre tous les atouts de votre côté. C est pourquoi nous avons réuni pour vous les principaux facteurs clés de succès pour réussir votre premier projet «Big Data». «Big-Files» : La vérité n est pas toujours ailleurs Premier obstacle : le cas d usage Si le métier n a pas exprimé de cas d usage précis, nul besoin d essayer d en dériver un d une entreprise concurrente. La vérité n est pas toujours ailleurs. Elle se trouve souvent sous vos yeux, à vos pieds. Commencez par regarder intra-muros dans ces cas récurrents pour lesquels vous n arrivez pas à apporter de réponse satisfaisante malgré vos tentatives répétées ou ceux qui sont considérés comme un mal nécessaire, sur lesquels personnes ne pensent que l on ne peut raisonnablement faire mieux (qualité des données, vision à 360, connaissance client, analyse prédictive des ventes, optimisation de la chaine d approvisionnement, gestion des connaissances, recherche d information, analyse et résolution de problème, optimisation des processus métier, etc.). Challengez-les sous le prisme du «Big Data», vous verrez alors sans aucun doute les choses de manières différentes. «Seeing is believing» : Montrez des évidences Deuxième obstacle : le financement Le «Big Data» nécessite des investissements importants et une part d incertitude quant au résultat final. Dès lors, comment obtenir son financement? Au-delà de l expression de l intérêt métier et économique estimés de votre projet «Big Data», le plus sûr chemin est Big Data Les facteurs clés de succès 2

3 d en réduire le ticket d entrée réalisant, plutôt qu un long discours, un «PoC» (démonstrateur). Cette approche «short steps, visible result» doit étayer votre «Business Case» et surtout susciter l intérêt des plus réticents pour obtenir in fine leur adhésion. Ce «PoC» doit s appuyer sur un ou deux «quick wins», des victoires rapides qui adressent des points de douleur actuels et largement partagés. Son marketing interne doit être pris en compte. Il s agit là d un point capital. Éviter de parler de projets d innovation ou d aventure technologiques, mais démontrer en quoi le «Big Data» résout une problématique jusque-là mal adressées dans l entreprise ou encore en quoi il ouvre un champ nouveau d opportunités avec à la clé une performance métier supérieure. Autre vertu fondamentale : vous permettre de mieux qualifier et maîtriser la nature des technologies à employer et quantifier les réels investissements à réaliser. Un point dur du «Big Data» souvent mis en avant par les plus réfractaires. Aussi, pensez à collecter des métriques précises au fil de l avancement des phases de développement et d exploitation pour établir un «ROI» (retour sur investissement) et un «TCO» (coût de possession) crédibles à la cible. Ces éléments factuels sont essentiels pour les décideurs. Il faut non seulement démontrer que le «Big Data» marche, mais aussi que l investissement est à la portée de l entreprise. «Not invented here : be welcome» : Ayez les pieds dans le nuage Troisième obstacle : la technologie Par essence, un projet «Big Data» nécessite la mise en œuvre de (nouvelles) technologies (stockage de masse, analyse temps réel ) souvent non présentes et non maîtrisées par l entreprise. Compte tenu des volumes, de la variété et de vélocité des données à traiter, il est essentiel que vous disposiez d une infrastructure à la demande (matériels et logiciels). Et là, il n y a pas à hésiter : mettez vos deux pieds dans le nuage, les yeux fermés. Vous réduirez votre risque technologique et votre investissement financier. Ne vous lancez pas dans un investissement «in house». La maturité du marché des services du nuage vous permet dès aujourd hui, quelle que soit la taille de votre entreprise, de faire un «PoC» à moindres coûts. Une option qui se révèlera d autant plus payante lorsque vous transformerez l essai en solution industrialisée. Évolutivité à vos besoins et modèle de facturation adapté et maîtrisable seront alors incontournables. Et, soyez rassuré. Les «Cloud services» et les technologies qui les motorisent ont aujourd hui atteint un niveau de maturité suffisant. Yahoo, Google, Twitter, Facebook ou encore Amazon ne les utilisent-ils pas quotidiennement? Pour autant sortez couvert et prenez les précautions d usage dans le choix de vos partenaires. La sélection de vos «Cloud Services Providers» doit faire l objet d une attention particulière, et ce, dès la phase de «PoC». Si le processus achat peut être allégé, veillez à ce qu il ne se réduise pas à des critères exclusivement budgétaires. La proximité et la réactivité du support, le respect des engagements de confidentialité, les garanties de disponibilité du service sont des critères prépondérants. N oubliez pas que votre «PoC» s appuiera sur des données du réel, au moins en partie. Leurs capacités à satisfaire votre politique de sécurité, adaptée pour l occasion à l externalisation tant sur les aspects exécution, accès aux services que les volets stockage et sécurisation de l information ne sont pas à négliger. Le défaut de sécurité est en Big Data Les facteurs clés de succès 3

4 effet souvent l argument massue utilisé à tort pour laisser dans les tiroirs certains projets. Aussi, en l adressant d emblée vous augmenterez considérablement vos chances de faire de votre projet une «success story». «Data detective wanted» : Chassez les données Quatrième obstacle : les experts. Un projet «Big Data» ne se réduit pas à un projet technologique. Les difficultés majeures se situent dans l algorithmique de traitement des informations. En extraire les éléments différenciateurs, la valeur attendue peut s avérer vite très complexe et l appel à de l expertise est une quasi nécessité. Sans celle-ci, votre projet «Big Data» est en fort risque d échec. Ces profils d un nouveau genre, communément appelé «Data Scientist», sont de véritables détectives de la donnée en plus d être généralement de fins statisticiens. Ils maîtrisent parfaitement les outils mathématiques et ont une appétence pour les technologies. Nombre de nouvelles solutions du marché ont été élaborées avec et pour eux (Apache Pig, JAQL, R Project ). Mais ces ressources sont encore rares. Seuls quelques cabinets en proposent ostensiblement et leur rareté n a d égale que leur tarif prémium. Une situation qui risque d ailleurs de perdurer, voire de s amplifier. À consommer donc avec parcimonie sur la base d un cahier des charges clair avec engagement sur le résultat. «Be(ig) data, be(ig) analytics» : Mettez la tête dans les données Cinquième obstacle : la valeur métier Créer de la valeur métier n est pas simple. Attendez-vous à ce que cela soit consommateur d énergie et nécessite un processus itératif fait de «Try & Fail». Vous devez comme indiqué précédemment vous affranchir des problématiques techniques et vous doter des expertises spécifiques au «Big Data» pour concentrer vos efforts sur la dimension fonctionnelle de votre projet. L essentiel pour vous est de dériver la valeur attendue de l information et/ou d en révéler la valeur cachée. De nombreuses activités vous attendent : identifier les sources d information pertinentes et les droits d exploitation associés, organiser les données, définir les scénarii d ingestion et d anonymisation, identifier les clés d analyse, de «data crunching», penser la stratégie de stockage et de reversement dans les systèmes existants, concevoir les interfaces de visualisation et de restitution, etc. Big Data Les facteurs clés de succès 4

5 «Learning Curve : slow ahead» : Ne confondez pas vitesse et précipitation Sixième obstacle : vous Nombreux sont ceux qui se brûleront les ailes en fixant des objectifs inatteignables pour leur premier projet «Big Data». Il ne s agit pas de révolutionner le genre, de faire bien sur le plan stratégique, de courir après la concurrence qui se dit déjà bien avancée. Mais, à l instar de tout alpiniste qui doit gravir le Mont-Blanc, vous devez franchir graduellement les étapes en passant par des paliers stables construits autour d une ambition raisonnée et progressive. La «Big data Mountain» n est pas aussi haute que vous vous l imaginez. Sachez décoder les fondamentaux au-delà du «buzz» marketing et du harcèlement médiatique. «Big Data : Silence Action!» : Soyez acteur Le «Big Data», c est déjà aujourd hui. La problématique ne va faire que s aggraver, nul besoin d être devin. Il y aura clairement deux camps comme pour toute nouvelle technologie ou pratique qui bouscule l «establishment» : les suiveurs et les meneurs. Notre conseil. Quittez au plus vite le siège du spectateur. Adoptez un calendrier proactif adapté à vos processus, vos valeurs et la culture de votre entreprise. Ne succombez pas aux sirènes du «Big Data» par idéologie. Comprenez, réfléchissez aux applications dans votre entreprise, observez. Essayez. Et surtout, si vous ne devez retenir qu un conseil, ne partez pas seul, faites-vous accompagner. Big Data Les facteurs clés de succès 5