Investor's wiki

Big Data

Big Data

Qu'est-ce que le Big Data ?

Les mégadonnées désignent les ensembles vastes et divers d'informations qui croissent à un rythme de plus en plus rapide. Il englobe le volume d'informations, la vitesse ou la vitesse à laquelle elles sont créées et collectées, et la variété ou l'étendue des points de données couverts (connus sous le nom de "trois V" des mégadonnées). Les mégadonnées proviennent souvent de l'exploration de données et arrivent sous plusieurs formats.

Comment fonctionnent les mégadonnées

Les mĂ©gadonnĂ©es peuvent ĂȘtre classĂ©es comme non structurĂ©es ou structurĂ©es. Les donnĂ©es structurĂ©es sont constituĂ©es d'informations dĂ©jĂ  gĂ©rĂ©es par l'organisation dans des bases de donnĂ©es et des tableurs ; il est souvent de nature numĂ©rique. Les donnĂ©es non structurĂ©es sont des informations qui ne sont pas organisĂ©es et qui ne relĂšvent pas d'un modĂšle ou d'un format prĂ©dĂ©terminĂ©. Il comprend des donnĂ©es recueillies Ă  partir de sources de mĂ©dias sociaux,. qui aident les institutions Ă  recueillir des informations sur les besoins des clients.

Les mĂ©gadonnĂ©es peuvent ĂȘtre recueillies Ă  partir de commentaires partagĂ©s publiquement sur les rĂ©seaux sociaux et les sites Web, volontairement recueillies Ă  partir d'appareils Ă©lectroniques et d'applications personnels, par le biais de questionnaires, d'achats de produits et d'enregistrements Ă©lectroniques. La prĂ©sence de capteurs et d'autres entrĂ©es dans les appareils intelligents permet de collecter des donnĂ©es dans un large Ă©ventail de situations et de circonstances.

Les mégadonnées sont le plus souvent stockées dans des bases de données informatiques et sont analysées à l'aide de logiciels spécialement conçus pour gérer des ensembles de données volumineux et complexes. De nombreuses sociétés de logiciels en tant que service (SaaS) se spécialisent dans la gestion de ce type de données complexes.

Les usages du Big Data

Les analystes de donnĂ©es examinent la relation entre diffĂ©rents types de donnĂ©es, telles que les donnĂ©es dĂ©mographiques et l'historique des achats, pour dĂ©terminer s'il existe une corrĂ©lation. Ces Ă©valuations peuvent ĂȘtre effectuĂ©es en interne ou en externe par un tiers qui se concentre sur le traitement des mĂ©gadonnĂ©es dans des formats digestibles. Les entreprises utilisent souvent l'Ă©valuation des mĂ©gadonnĂ©es par ces experts pour les transformer en informations exploitables.

De nombreuses entreprises, telles qu'Alphabet et Meta (anciennement Facebook), utilisent le big data pour générer des revenus publicitaires en plaçant des publicités ciblées pour les utilisateurs sur les réseaux sociaux et ceux qui naviguent sur le Web.

Presque tous les départements d'une entreprise peuvent utiliser les résultats de l'analyse des données, des ressources humaines et de la technologie au marketing et aux ventes. L'objectif du Big Data est d'augmenter la vitesse à laquelle les produits arrivent sur le marché, de réduire le temps et les ressources nécessaires pour gagner l'adoption du marché, cibler les publics et s'assurer que les clients restent satisfaits.

Avantages et inconvénients du Big Data

L'augmentation de la quantité de données disponibles présente à la fois des opportunités et des problÚmes. En général, disposer de plus de données sur les clients (et les clients potentiels) devrait permettre aux entreprises de mieux adapter les produits et les efforts de marketing afin de créer le plus haut niveau de satisfaction et de fidéliser les clients. Les entreprises qui collectent une grande quantité de données ont la possibilité de mener des analyses plus approfondies et plus riches au profit de toutes les parties prenantes.

Avec la quantité de données personnelles disponibles sur les individus aujourd'hui, il est crucial que les entreprises prennent des mesures pour protéger ces données ; un sujet qui est devenu un débat brûlant dans le monde en ligne d'aujourd'hui, en particulier avec les nombreuses violations de données que les entreprises ont subies ces derniÚres années.

Bien qu'une meilleure analyse soit positive, le Big Data peut également créer une surcharge et du bruit, ce qui réduit son utilité. Les entreprises doivent gérer de plus grands volumes de données et déterminer quelles données représentent des signaux par rapport au bruit. Décider ce qui rend les données pertinentes devient un facteur clé.

De plus, la nature et le format des donnĂ©es peuvent nĂ©cessiter un traitement spĂ©cial avant qu'elles ne soient traitĂ©es. Les donnĂ©es structurĂ©es, composĂ©es de valeurs numĂ©riques, peuvent ĂȘtre facilement stockĂ©es et triĂ©es. Les donnĂ©es non structurĂ©es, telles que les e-mails, les vidĂ©os et les documents texte, peuvent nĂ©cessiter l'application de techniques plus sophistiquĂ©es avant de devenir utiles.

Points forts

  • Les mĂ©gadonnĂ©es sont une grande quantitĂ© d'informations diverses qui arrivent en volumes croissants et Ă  une vitesse toujours plus Ă©levĂ©e.

  • Les mĂ©gadonnĂ©es sont le plus souvent stockĂ©es dans des bases de donnĂ©es informatiques et sont analysĂ©es Ă  l'aide de logiciels spĂ©cialement conçus pour gĂ©rer des ensembles de donnĂ©es volumineux et complexes.

  • Les mĂ©gadonnĂ©es peuvent ĂȘtre structurĂ©es (souvent numĂ©riques, facilement formatĂ©es et stockĂ©es) ou non structurĂ©es (plus libres, moins quantifiables).

  • Presque tous les dĂ©partements d'une entreprise peuvent utiliser les rĂ©sultats de l'analyse de donnĂ©es volumineuses, mais la gestion de son encombrement et de son bruit peut poser des problĂšmes.

  • Les mĂ©gadonnĂ©es peuvent ĂȘtre recueillies Ă  partir de commentaires partagĂ©s publiquement sur les rĂ©seaux sociaux et les sites Web, volontairement recueillis Ă  partir d'appareils Ă©lectroniques et d'applications personnels, par le biais de questionnaires, d'achats de produits et d'enregistrements Ă©lectroniques.