Big Data Le terme « Big Data » est devenu incontournable. Les technologies du Big Data permettent de capturer, stocker, gérer et analyser des données massives (en volume), complexes (en variété) et évoluant rapidement (en termes de vitesse de transfert et de variabilité structurelle). Ceci était impossible avec les technologies informatiques traditionnelles.
Ce terme prend une importance croissante dans le monde des affaires. Les entreprises utilisent les données pour de nombreuses activités, comme mieux comprendre le comportement des clients, identifier de nouvelles opportunités et optimiser leurs opérations.
Par exemple, Atlantis Technology, filiale du groupe Binter, utilise le Big Data pour analyser l'efficacité de ses campagnes marketing. L'entreprise divise d'abord ses clients potentiels en deux groupes, et la campagne est ciblée sur l'un d'eux. Pendant la campagne, elle suit les clics sur son site web, sur ses publicités Google, etc., jusqu'à la conclusion d'une vente, le cas échéant. Grâce à ces données, elle analyse le comportement des clients ayant bénéficié de la campagne et le compare à celui de l'autre groupe afin de déterminer si la campagne a été réellement fructueuse ou si elle aurait permis d'obtenir les mêmes résultats sans elle.
Le Big Data joue un rôle important dans le secteur de la santé. Ces dernières années, les services de santé ont développé leur utilisation du Big Data afin d'améliorer la prise en charge des patients et de réduire les coûts, car les vastes ensembles de données permettent l'identification précoce des patients à haut risque. À titre d'exemple, on peut citer le cas du Centre hospitalier universitaire Notre-Dame de Candelaria, qui utilise une grande quantité d'images des yeux des patients pour déterminer le degré de rétinopathie diabétique.
Le big data est également utilisé dans le secteur public. Les gouvernements s'en servent pour améliorer les services et élaborer de meilleures politiques. Par exemple, le gouvernement des îles Canaries publie les données d'arrivée des passagers dans les différents aéroports et ports de l'archipel. Ces données sont essentielles pour des entreprises comme TITSA, qui les analysent afin de déterminer les heures de pointe et d'augmenter la fréquence des bus dans ces zones. Cela leur permet de concentrer leurs ressources sur les zones les plus pertinentes et de mettre en place des stratégies de sécurité publique plus efficaces.
Selon la définition de Gartner datant d'environ 2001 (et qui reste la définition standard) : le Big Data désigne des données plus variées, présentées en volumes croissants et à une vitesse plus élevée. C'est ce qu'on appelle les « trois V » :
- Volume : La quantité de données est cruciale. Avec le Big Data, il faut traiter d’importants volumes de données non structurées et peu denses. Il peut s’agir de données de valeur inconnue ou de données provenant d’équipements dotés de capteurs. Dans certains cas, cela peut représenter des dizaines, voire des centaines de pétaoctets de données.
- Vitesse : La vitesse correspond au débit de réception des données et, éventuellement, au débit d’exécution des actions. Les débits les plus élevés impliquent généralement une transmission directe des données en mémoire, plutôt qu’un enregistrement sur disque. Certains produits intelligents connectés à Internet fonctionnent en temps réel ou quasi réel et nécessitent une évaluation et une action en temps réel.
- Diversité : La diversité désigne les différents types de données disponibles. Les données classiques étaient structurées et pouvaient être clairement organisées dans une base de données relationnelle. Avec l’essor du Big Data, les données se présentent désormais sous de nouveaux types non structurés. Les données non structurées et semi-structurées, telles que le texte, l’audio ou la vidéo, nécessitent un prétraitement supplémentaire pour être interprétées et enrichies de métadonnées.
IBM décrit le Big Data en intégrant deux V supplémentaires:
- Variabilité
- La manière dont les données sont collectées peut varier selon le moment et le lieu, ce qui crée une certaine dépendance au contexte de leur collecte. Cette variabilité implique que les données ne peuvent être interprétées de manière pertinente que si le contexte est pris en compte. Les technologies qui composent une architecture Big Data doivent être suffisamment flexibles pour s'adapter aux évolutions des méthodes d'acquisition, de stockage et de traitement des données.
- Valeur
- L'objectif ultime du Big Data est d'extraire de la valeur de toutes les informations stockées grâce à divers processus, de manière efficace et au moindre coût. Il est crucial de garantir que les connaissances générées reposent sur des données exactes. Par conséquent, un système Big Data doit extraire cette valeur sous forme de nouvelles informations de la manière la plus optimale possible, en s'adaptant à tous les formats existants et futurs.
Depuis la Chaire, nous promouvrons la diffusion, la formation et la recherche dans Big Data aider les entités publiques et privées des îles Canaries à apprendre et à appliquer ces technologies afin qu'elles puissent devenir plus efficaces.
