Big Data vs Business Intelligence : ce qu’il faut comprendre

Big data vs Business Intelligence: ce qu'il faut comprendre

business inteligence vs big data

L’un des principaux problèmes auxquels doivent faire face les entreprises, ce n’est pas le manque d’informations pour prospecter, travailler, décider. C’est au contraire l’excès. Il y en a trop, partout.
Multiplication des terminaux, des points de contact avec clients, salariés, fournisseurs; accroissement des échanges (réseaux sociaux, points de vente, sites internet, etc.); évolution de la démographie.

 

Big data et Business intelligence : les fondamentaux

La BI vise à collecter, nettoyer et enrichir des données structurées pour les stocker dans un data warehouse. Il s’agit d’aider les métiers à prendre des décisions sur des bases solides, documentées et argumentées. (voir aussi cet article)

Le Big Data (comme expliqué dans notre article) vise à traiter des volumes de données impossibles à gérer dans des bases de données classiques. Les questions posées par la notion de Big Data sont donc fondamentalement moins liées à l’usage auquel on destine ces données qu’à leur forme, leur nature…et surtout leurs manques !

Autrefois, les données étaient organisées et traitées en fonction de l’objectif pour lequel elles étaient collectées. Leur valeur était liée à la conception ex-ante de l’usage que l’on avait l’intention d’en faire. Aujourd’hui, la valeur de la donnée réside dans l’utilisation et surtout la réutilisation possible des données.

Résultat : il va toujours manquer des éléments dans ces données.

Exemple : On aura stocké les données de consultations du site internet d’un client fidèle et intéressant. On les aura croisées avec les données de comportement d’achat, de fidélité, etc. Parfait. Tout ceci se trouve dans les bases de données organisées de façon classique. Le marketing demande alors : ce client est-il un influenceur ?

Il faudra alors trouver la réponse en dehors de la base de données interne, en identifiant l’activité de ce client sur les réseaux sociaux, ainsi que quantité d’autres indicateurs permettant de préciser la notion, assez floue, « d’influenceur ».

Piloter et comprendre

Dans le cas ci-dessus, le problème n’est plus d’aider à une décision du type : « une promotion spéciale, réservée à nos clients fidèles est-elle judicieuse ? ». Une décision de pilotage.

Le problème peut-être par exemple de savoir « quel est le profil de l’influenceur idéal pour notre marque ? Un client fidèle ? Pas forcément un client, mais quelqu’un qui intervient souvent sur Twitter sur tel ou tel sujet ? »

On comprend dès lors qu’on aura besoin de passer de la BI classique au Big data. Essentiellement pour des raisons de philosophie de l’approche que pour des raisons techniques. On devra aller chercher dans ce cas des données non structurées, des données provenant de capteurs ou de médias sociaux qui ne peuvent être gérées dans un data warehouse classique.

Big data et Business Intelligence : complémentarité

Malgré leur ressemblance, la BI et le Big data sont deux approches différentes mais complémentaires. La Business intelligence reste nécessaire dans de nombreux domaines et les data warehouses sont extrêmement puissants. Inversement, la vraie question du Big data (voir aussi cet article) est souvent de bien définir à quoi il va servir. On a trop tendance à se ruer sur le lancement d’un projet Big data, parce que le mot est à la mode, et à échouer dans ce projet, tout simplement parce que l’on ne sait pas quelles questions poser aux données et surtout comment les poser. La question va bien au-delà de la technique.

 

VOUS AIMERIEZ DEVENIR UN PRO DU« BIG DATA ET DE LA BI » ?

Cliquez ici et prenons Rendez-Vous.

Leave a Reply

Your email address will not be published.

Share This

Copy Link to Clipboard

Copy