Avec l’édition 2013 de son étude européenne “Business Intelligence Maturity Audit” (biMA), Steria a cherché à répondre à un problème intéressant : les entreprises françaises sont-elles prêtes pour le Big Data ?
Bien entendu, il est essentiellement question ici de Big Data analytique, nouveau cheval de bataille de l’informatique décisionnelle.
L’étude biMA fait ressortir que 42% des entreprises françaises estiment que le Big Data permettra d’améliorer leurs processus de planification et de prévisions et 34% la connaissance et la maitrise de leur activité. À contrario, seules 7% des personnes interrogées (au niveau européen cette fois-ci) déclarent que le Big Data analytique est un sujet très important pour elles.
Apparaissent comme des freins à l’avancée du traitement des sources Big Data le niveau insuffisant de qualité des données (34% des réponses), la complexité des systèmes à mettre en place (24%), l’incapacité de la BI à fournir une vue d’ensemble de l’entreprise (21%) et le manque de compétences (27%).
Les résultats de l’étude ont de quoi laisser dubitatif. Oui, le Big Data peut aider les entreprises à gérer leur business et – donc – à maximiser leurs bénéfices, mais, non, le sujet n’est pas considéré comme essentiel… Curieux.
Et que dire des raisons invoquées ? Si la complexité des infrastructures de traitement des sources Big Data et le manque de compétences sont des freins avérés à l’expansion de cette approche, les autres arguments doivent être tempérés.
Le Big Data désigne par essence des ensembles massifs de données semi-structurées ou non structurées. La qualité des données est donc inférieure à celle des informations stockées dans un datawarehouse classique. Espérer éliminer ce problème est donc illusoire. Au mieux, il peut être contenu dans les limites du raisonnable… Un travail de spécialiste ; le data scientist.
Le Big Data analytique serait peu intéressant car la BI ne permet même pas d’avoir une vue d’ensemble de l’activité de l’entreprise ? En traitant l’ensemble des flux d’information des entreprises, sans intégration préalable et en quasi-temps réel, c’est justement ce problème que le Big Data analytique compte résoudre. L’argument va donc plutôt en faveur de l’adoption du Big Data.
Le fond du problème est in fine de faire le distinguo entre le traitement d’ensembles massifs de données structurées (et donc très pertinentes), au sein d’un datawarehouse par exemple, et le traitement d’ensembles massifs de données semi-structurées ou non structurées (parfois moins pertinentes, c’est la limite de l’exercice), via le Big Data. L’un ne saurait remplacer, ni être comparé à, l’autre.
« Le Big Data constitue un véritable levier de croissance pour les économies du monde entier, tous secteurs et toutes tailles d’entreprises confondus. En France, le marché du Big Data devrait être multiplié par 4 d’ici 2016, pour dépasser 1 milliard d’euros », précise Hichem Dhrif, directeur du Département Conseil Administration, Transport, Défense en charge du domaine d’excellence Entreprise Information Management au sein de Steria France.
Crédit photo : © pro motion pic – Fotolia.com
Voir aussi
Quiz Silicon.fr – Que connaissez-vous des réseaux VPN ?
Mandiant a attribué un APT à Sandworm, considéré comme le principal groupe cybercriminel à la…
Les deux startup proposent un connecteur entre la platefome OpenCTI de Filigran et l’EDR de…
Des chercheurs ont mis des agents LLM à l'épreuve dans la détection et l'exploitation de…
Dans la lignée de Signal, iMessage intègre une couche de chiffrement post-quantique.
Douze fournisseurs sont classés dans le dernier Magic Quadrant des infrastructures LAN.
Commvault s'offre Appranix, éditeur d'une plateforme cloud de protection et de restauration des applications.