Quantcast
PME : mesurez-vous aux plus grands !

Big Data : une opportunité à saisir pour les PME

shutterstock_201901843

Des géants du web, aux startups spécialisées dans le Big Data en passant par des ESN et des fournisseurs tels HPE ou Microsoft, le marché foisonne de solutions de Big Data. Pour innover plus rapidement et proposer des produits et services mieux ciblés et plus performants, les PME doivent, sans plus attendre, se saisir du sujet.

La maitrise du Big Data devient un des éléments majeurs de la compétitivité des entreprises. « Si une entreprise fait l’impasse sur le Big Data, elle se fera doubler sur son propre marché par une startup ou par une entreprise concurrente qui saura exploiter les gisements de données disponibles et innovera plus rapidement qu’elle », affirme Nicolas Vincent, senior manager chez Kurt Salmon.

En effet, grâce à l’exploitation d’une grande variété de données (texte, vidéos, sons, images, etc.) issues d’une multitude de sources (bases de données internes à l’entreprise, externes, réseaux sociaux, études, observatoires, indicateurs, open data, etc.), les entreprises sont capables de mieux identifier les besoins du marché et de proposer plus rapidement de nouveaux services et modèles économiques.

Mais pour Florence Laget, directrice Big Data chez HPE France, le volume de données n’est pas indispensable à la mise en œuvre d’une stratégie Big Data. « L’absence d’un grand volume de données ne doit pas, pour autant, dispenser les PME d’une stratégie de Big Data, car, quel que soit le volume dont elles disposent, il est devenu crucial d’en tirer parti au maximum afin d’innover, de prendre des parts de marché et d’améliorer ses processus. Toutes les entreprises sont concernées par la valorisation des données. »

Tous les secteurs d’activité sont concernés

Si les startups furent les premières à se saisir du Big Data, tous les grands comptes de la vieille économie ont compris l’intérêt de puiser dans la donnée des sources d’innovation, de productivité, de rentabilité et de disruption.

C’est ainsi que les compagnies d’assurance ont revu leur façon d’assurer leurs clients. Grâce à l’analyse de données issues de diverses sources – outils de CRM, objets connectés, études de marché, indicateurs économiques, réseaux sociaux, données géographiques, etc. -, elles sont devenues capables de proposer des contrats personnalisés pour coller au plus près des risques quotidiens des clients.

Autre domaine révolutionné par le Big Data ; la relation marque-consommateurs. « En collectant les données issues de la navigation des consommateurs sur les sites d’e-commerce, les achats effectués en ligne, les commentaires laissés sur les forums ou sur les réseaux sociaux, les e-commerçants acquièrent une vision 360° des consommateurs. Grâce à l’analyse et au recoupement de toutes ces données par des outils de Big Data, ils proposent en temps réel aux clients des recommandations personnalisées : offres promotionnelles, autres produits susceptibles de les intéresser, alertes sur leurs produits préférés, prêts personnalisés, etc. » précise Luc Germain, directeur Open Solutions chez Devoteam.

D’autres secteurs comme l’e-santé, les transports ou l’agriculture bénéficient aussi de la valorisation des données. Par le croisement de données météorologiques, d’indicateurs sur la qualité des sols et de l’air (température, humidité…), de photos d’exploitations issues de satellites ou de drones, les exploitants agricoles gagnent en productivité. L’industrie n’est pas en reste avec les données issues des capteurs, des process de fabrication ou de la logistique. « Une entreprise comme UBS, par exemple, a constaté en collectant des données sur les parcours des livreurs, qu’en organisant les trajets de façon à les faire tourner uniquement à droite, les temps de livraison étaient considérablement raccourcis », raconte Ludovic Nonclercq, skill unit manager, Devoteam.

Mais si le Big Data est désormais présent dans tous les secteurs d’activité, force est de constater que de nombreuses PME ont encore des réticences face à cette technologie qu’elles estiment trop complexe à mettre en œuvre. Or, de nombreuses solutions existent, que ce soit des outils « on premise » ou des offres disponibles dans le Cloud. Tout est question d’organisation et de pragmatisme.

Première étape : définir l’objectif d’un projet Big Data

En préambule d’une stratégie Big Data, l’entreprise doit définir son objectif. Ainsi, la première question qu’elle doit se poser est la finalité de cette stratégie. Quelle difficulté souhaite-t-elle surmonter ? Cherche-t-elle à améliorer la productivité de telle ou telle activité, à acquérir une meilleure connaissance de ses clients, à créer de nouveaux services, à développer un nouveau modèle économique ou encore à améliorer son image. « Soit l’amélioration porte sur le business de l’entreprise et concerne alors toutes les activités commerciales, marketing, communication de l’entreprise, soit elle porte sur les processus et se focalise alors sur la chaine de production, la logistique, les achats, etc. » précise Florence Laget. Pour Luc Germain, « faire l’impasse sur cette première étape conduit immanquablement l’entreprise à un échec ».

La deuxième étape consiste à faire un état des lieux des données présentes dans l’entreprise : données issues des systèmes de gestion (CRM, achats, production, etc.), données transactionnelles, registres officiels, sites internet, médias sociaux, données issues de capteurs et objets connectés, traces numériques, études, etc. La PME peut alors faire le choix de ne s’appuyer que sur ses propres données ou de les enrichir par des informations externes issues de nombreuses sources : open data, objets connectés, indicateurs, mesures, statistiques, bases de données, réseaux sociaux, etc. « Il existe, par exemple, des API capables d’aspirer des informations sur Facebook ou Twitter » précise Nicolas Vincent. Et, poursuit Florence Laget, « l’acquisition d’informations extérieures peut susciter dans l’entreprise des idées qu’elle n’aurait pas eues en exploitant uniquement ses sources ».

Déploiement interne ou Cloud : quelle stratégie adopter ?

En fonction du volume de données, de la maturité de l’entreprise en matière de Big Data et de ses compétences, plusieurs choix s’offrent à elle. « En cas de faible volume, elle peut acquérir une solution comme HPE Vertica, qui lui permettra de gérer des données structurées et semi-structurées sous SQL. Cette solution implémentée sur le serveur de l’entreprise est gratuite jusqu’à un téraoctet de données et ne nécessite aucune compétence spécifique, SQL étant maîtrisé par toutes les PME », souligne notre interlocutrice. Une PME peut aussi développer des applications qui font appel à des fonctions analytiques dans le cloud sans s’équiper de tous les outils. C’est le cas pour Haven on Demand et ses 70 fonctions Big Data accessibles en mode API.

Une entreprise peut aussi faire le choix de souscrire une offre chez un opérateur de Cloud public, privé ou auprès d’une startup spécialisée dans le Big Data. En faisant ce choix, l’entreprise accède via internet aux outils de Big Data (infrastructures, logiciels et stockage). Inutile donc pour elle d’investir dans l’achat d’une infrastructure et de logiciels. Il lui revient en revanche la responsabilité de l’exploitation des données et l’interfaçage avec le système d’information de l’entreprise. Des compétences sont donc requises. « C’est pourquoi, pour une PME totalement néophyte, des startups spécialisées comme C-Radar (mise à disposition de données de marché) ou Dataiku (studio d’analyse de données) sont de bons partenaires pour mettre le pied à l’étrier. Ces prestataires accompagnent l’entreprise soit dans l’enrichissement de ses données par des sources extérieures, soit dans leur exploitation et leur valorisation. Au-delà des données et outils mis à disposition, c’est surtout l’apport de compétences en data analytics, via les data scientists, qui est porteur de valeur pour l’entreprise » explique Nicolas Vincent.

Ces spécialistes de la donnée sont indispensables, car le Big Data, en rupture totale avec l’analyse classique des données qui repose sur l’effet de causalité, est basé sur la corrélation entre des données qui n’ont rien en commun. « Par ailleurs, son fonctionnement se base sur l’exécution d’un traitement réparti sur des serveurs mis en parallèle, c’est-à-dire plusieurs ordinateurs indépendants fédérés comme un système unique », explique Florence Laget. En fonction du volume de données, ce traitement peut nécessiter d’importantes capacités de calcul. Or, ces moyens sont disponibles dans les grands datacenters comme Amazon, Google ou chez des fournisseurs comme Microsoft, HPE, IBM, des ESN (Atos, Ysance, Micropole…) ou des startups spécialisées. Mais, comme le précise Nicolas Vincent, « il est possible pour une PME de tirer de la valeur liée à la bonne exploitation de ses données sans avoir recours à des puissances de calcul importantes. C’est pourquoi je préfère parler de Smart Data pour les PME que de Big Data. »

Big Data : une stratégie qui se construit étape par étape

Tous les professionnels sont unanimes : une stratégie Big Data se construit par étape. « L’entreprise doit procéder par itération. Elle doit débuter par un cas d’usage, le tester, et en cas de succès industrialiser le processus. L’industrialisation du process s’accompagne généralement d’une croissance du volume de données et il est alors pertinent d’implémenter en interne une solution de Big Data », conseille Florence Laget, la directrice Big Data de HPE.

Un avis partagé par Nicolas Vincent. « Si dans un premier temps il est pertinent de souscrire un contrat chez un prestataire de services pour tester un ou plusieurs projets, une fois l’entreprise convaincue des bénéfices, il est plus intéressant de mettre en œuvre une solution interne afin d’être plus réactif et de mener des analyses très spécifiques à son activité ». Pour Ludovic Nonclercq, « il est préférable de former ou de recruter un data analyst dont le rôle est d’identifier les données qui fournissent des informations utiles à la performance de l’entreprise, plutôt qu’un data scientist dont la mission est de développer des algorithmes et des modèles statistiques qui optimisent les performances métiers. »

Par ailleurs, il est important pour les entreprises de s’organiser en rapprochant la DSI, les spécialistes de la donnée et les métiers, car une donnée n’a de valeur que lorsqu’on sait l’interpréter. « Une information sur une machine de production sera lisible par les spécialistes de la chaine de production. Dans le cadre de la maintenance prédictive, ils seront capables d’évaluer la pertinence de la changer ou d’opter pour une nouvelle machine plus performante sachant, par exemple, que les réglementations ou les besoins du marché ont évolué. C’est en collectant toutes ces données et en les faisant analyser en relation avec les métiers que l’entreprise prend les meilleures décisions, » souligne Florence Laget.

Mise en place d’une gouvernance de la donnée

Enfin, le Big Data nécessite de bien connaître les données collectées et produites par l’entreprise. Il nécessite aussi de reconsidérer les processus de collecte, de traitement, de stockage et de repenser leur organisation de manière transverse et non en silo. Il est en effet contre-productif, par exemple, de voir dans les services marketing et commercial deux bases de données clients disjointes et incompatibles alors qu’une partie des informations collectées est similaire.

Une stratégie Big Data nécessite de gérer et centraliser l’ensemble des données produites ou collectées par l’entreprise. Stockées dans un data lake, ces données sont déposées sans connaître leur finalité. « Le Big Data ne s’inscrit pas dans un processus statique, mais dans une démarche de création de valeur en continu », précise notre interlocutrice. Une approche très différente de celle pratiquée dans le cadre du décisionnel, où les données étaient orchestrées dans des bases en fonction de l’objectif de leur exploitation. Bien que la philosophie du Big Data soit de collecter la donnée sans but précis, les process de collecte et de stockage doivent être, en revanche, finement orchestrés. La mise en place d’une stratégie Big Data nécessite donc de la part de l’entreprise de déployer une gouvernance de la donnée et de considérer que la data est au cœur de son activité.