linkedin twitter
Big Data et machine Learning

Tout le monde en parle, mais concrètement, qu’en est-il ? La DATA est un sujet fourre-tout, où sont juxtaposés les termes data science, big data, machine Learning, expérience client, personal privacy, Internet of Things, j’en passe. Le forum SAS de Paris du 10 octobre 2016, nous a permis de mettre des exemples sur ces différents sujets de l’écosystème DATA. Je vous propose à mon tour, un rapide aperçu de ce qui a été présenté et bien entendu des tendances à venir.

Métier du BIG DATA : Complémentarité entre data engineer et data scientist

La plupart des entreprises actuelles, ont mis en place des systèmes dits décisionnels, de pilotage opérationnel, leur ayant coûté des investissements souvent importants. A ce titre, parce que ces mêmes entreprises ne vont pas jeter par la fenêtre ces investissements, nous pouvons dire que la BI dite « traditionnelle » a encore quelques jours devant elle.

Cependant, les besoins, les opportunités, autour de la data, mettent en lumière les limites de ces systèmes. Au-delà des outils, il y a aussi les hommes, qu’en est-il des évolutions autour des métiers de la data ?

Rôles des data engineer Vs rôles des data scientits
Compétences des data engineer Vs compétences des data scientits

Les data engineer, à l’origine des systèmes décisionnels, ont encore de beaux jours devant eux, à condition de ne pas rester accrochés aux compétences qu’ils possèdent aujourd’hui, à savoir la maîtrise des architectures, des systèmes, logiciels ETL…

Les data scientists ont, eux, aujourd’hui le vent en poupe, parce qu’ils possèdent des connaissances dans les domaines des statistiques, de la programmation, de la modélisation (mathématique), et qu’ils maîtrisent des outils de dataviz, font miroiter (à juste titre) aux entreprises une valorisation inespérée de leur capital data.

Dans les faits, une équipe DATA, regroupera donc pour être efficace une équipe multi-compétences, réunissant data engineers et data scientists, leurs compétences étant, dans l’écosystème actuel, nécessaires et complémentaires.

Les opportunités liées aux Big Data & Machine Learning

Les opportunités et leviers business créés par machine learning sont très nombreux, et probablement encore à inventer.

Il est possible d’identifier des leviers de croissance pour les entreprises, là, où il n’était pas possible de le faire il y a encore quelques temps. Pourquoi seulement maintenant alors que le terme de Machine Learning date des années 1980 ? La réponse est probablement qu’il est nécessaire, à l’apprentissage automatique, de disposer d’un grand nombre de données pour être efficace, et, que stockage et traitement étaient très onéreux jusqu’il y a peu.

Evolution des coûts de stockage de données
Évolution des coûts de stockage de données depuis 1956

En effet, aujourd’hui, les coûts de stockage devenus très faibles et les capacités de calculs devenues quasi illimitées grâce au cloud computing offrent la possibilité d’exploitation de ces fameuses big data.

Tout ceci reste très théorique, qu’en est-il sur le terrain ?

Quelques leviers business des Big Data et Machine Learning

La connaissance client

Un levier business facilement identifiable consiste en l’amélioration de la connaissance client, et en la capacité à prédire son comportement grâce au machine learning.

L’amélioration de la connaissance client, permet, in-fine, l’augmentation des conversions, de la vente, mais une connaissance mieux ciblée permettra aussi :

  • D’augmenter l’acquisition de clients,
  • De développer les comptes clients (vendre plus et plus proche du besoin, voire créer le besoin),
  • L’augmentation de la rétention (baisse du taux de churn), et même si votre client est passé à travers toutes les mailles vos filets (de sauvetage).

Grâce à la connaissance clients, et à l’utilisation de modèles pertinents, le marketing aura la possibilité de réactiver les anciens comptes.

Protection contre la fraude

La fraude, dans le e-commerce est un frein qu’il est possible d’endiguer de différentes manières, mais parfois, cette lutte contre la fraude a des effets désastreux sur le taux de conversion.

A titre d’exemple, l’utilisation de systèmes de sécurisation du paiement, dans le tunnel d’achat, peut faire perdre jusqu’à 30% de conversion. La question à se poser est donc la suivante, est-il nécessaire de systématiser la sécurisation au risque de perdre du CA ?

La réponse proposée semble plutôt simple, et la Data apporte encore une fois une réponse. Elle la possibilité d’identifier les fraudes avant qu’elles aient lieu. En effet, la reconnaissance du comportement de navigation, l’analyse du panier, l’association à des groupes de profils, etc., permet de lever cette étape selon un seuil de risques défini par le e-commerçant, en améliorant de facto CA et marge de l’entreprise. Certains parlent d’augmentations de 20%…

Internet of Things

L’internet des objets ouvre une multitude d’opportunités, la combinaison des réseaux (LoRa, Sigfox) et de la diversité des capteurs permet l’imagination de nouveaux usages apportant toujours plus au client.
Dans l’automobile, par exemple, l’utilisation des big data et de la datascience, permettent de répondre à différentes problématiques, telle que la détection précoce de cas d’anormalité (usure, fatigue…). L’identification de ces anomalies permet d’offrir aux clients un service mieux adapté, pour une satisfaction (une rétention ?) améliorée.

Quid de la « Personal Privacy »

Vie Privée

Une question récurrente avec la DATA est celle de la sécurité de l’information et notamment celle liée aux données personnelles. Plusieurs réponses, règlementaire ou technologiques, sont apportées à cette question sur la « personnal privacy ».

GPDR : General EU Data Protection Regulation

Jusqu’à aujourd’hui, les principales règles de protection en matière de données personnelles sont régies en Europe via le Safe Harbor, et la CNIL pour la France. Ces règlementations, limitées par leurs portées et les moyens mis en œuvre pour le contrôle, vont être renforcées par la GDPR.

Cette nouvelle règlementation vise à protéger contre l’usage malveillant ou abusif de la donnée personnelle. Ainsi la GDPR doit protéger l’individu en lui rendant la possibilité de protéger sa vie privée. A ce titre, applicable dès mai 2018, elle régira les règles de collecte, de traitement et d’exposition des données personnelles. Les données personnelles ne seront plus considérées comme étant la propriété de ceux qui en font l’usage.

Les deux impacts majeurs de cette réglementation, sont les possibilités offertes à l’individu de reprendre la main sur ses données personnelles, via la possibilité a minima d’y accéder, mais aussi à faire effacer ses données personnelles ; et la nécessité pour les entreprises de réorganiser les processus, les usages, liés aux données personnelles.

Privacy by design

Une autre réponse liée à la maîtrise de ses informations est de ne pas la partager. Là, le casse-tête commence, quoique…
L’exemple présenté par Rand Hindi, fondateur de la start-up Snips, est très intéressant. L’idée pour un assistant personnel, afin d’être utile est de connaître tout de vous, qui sont vos proches (contacts de votre téléphone), où vous êtes (la géolocalisation du mobile, mais pas seulement), ce que vous faites (vos réservation airbnb, vos trajets Uber préférés, etc…).
Sauf que tout partager avec un tiers peut devenir un risque, une relecture de 1984 de George Orwell peut rafraichir la mémoire pour les sceptiques et adeptes du « Je n’ai rien à cacher ».

En effet, pour la plupart des usages personnels, et probablement professionnels, les smartphones sont capables de répondre aux problématiques de sécurité, ils offrent une sécurité de par leur construction, et ils sont capables de calculs permettant de répondre aux enjeux cités ci-dessus, alors pourquoi donner ses données personnelles à des tiers quand il est possible d’exploiter différemment ce que nous avons sous la main ?

Pour conclure

A travers ces quelques exemples, nous avons mis en évidence quelques usages et règles d’usages de la data, du big data et des machine learning. Le contexte actuel nous propose des challenges à venir passionnants, business, organisationnels, technologiques, et plus globalement de transformation, que nous relèverons avec succès.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Voir plus
scroll to top