Startups Big Data

Le Big Data est l’anglicisme couramment employé pour désigner le flux des données numériques.

Il aurait été théorisé pour la première fois en 1997. On parle aussi de mégadonnées ou de données de masse. Qu’elles soient générées dans le milieu professionnel ou par des particuliers lors d’échanges sur le web, les data sont des données qui posent la question de leur collecte et de leur exploitation. Pour les entreprises, le RGPD (règlement pour la donnée), décret de la CNIL (Commission Nationale Informatique et Libertés) est chargé de définir en France le cadre de la collecte, de l’exploitation, du droit à la rectification et à l’oubli des données. Cela signifie qu’aujourd’hui, les prospects d’une entreprise doivent fournir leur consentement à la collecte et à l’exploitation de leurs données et qu’ils exercent un certain droit sur celles-ci. Pour les particuliers, la CNIL apporte d’autres éléments de protection comme le droit à la rectification, à l’effacement et à l’oubli (déréférencement) des données échangées sur Internet.  

Le Big Data ne se limite pas qu’aux données personnelles liées à l’identité ou à la vie privée. On appelle Big Data l’ensemble des données produites par les individus. On l’appelle ainsi car cette information précieuse prend une place de stockage considérable et impose la création de lieux de stockage appelés data center, soit des serveurs de cloud publics dans lesquels sont stockées les informations des utilisateurs moyennant la souscription à un abonnement mensuel. On parle de cloud computing, ou d’informatique en nuage à propos du stockage des données dans ces serveurs publics (mais également à propos de la mise à disposition d’une puissance de calcul, de mémoire et de réseau). On compte le volume de Big Data en zettaoctets (1021 giga) et sa croissance est continue. Le cabinet IDC mentionne un pic à 40 zettaoctets d’ici 2020.  

Usages du Big Data 

En tant que flot immense de données, le Big Data ne peut être exploité tel quel. Il faut d’abord définir un cas d’usage avant de recueillir la donnée dans les règles.Puis la nettoyer afin de la rendre plus propre et plus homogène pour obtenir un jeu de données exploitables avant d’obtenir un retour sur investissement et une donnée valorisée. Le Big Data a donné un essor considérable au marketing digital. Le secteur a compris l’importance de la donnée pour affiner les leviers d’acquisition de prospects. Des métiers se sont progressivement construits autour de la collecte, de l’analyse et de l’exploitation des données afin de savoir quoi en faire et comment en tirer le meilleur parti. On parle notamment des métiers de la data science et de la data analyse. La science en bénéficie également, puisque le Big Data ouvre de nouvelles opportunités à la recherche scientifique. Le croisement des données permet une meilleure compréhension de la médecine, des sciences sociales (sociologie, politique, communication), de la météorologie et de l’environnement ainsi que du commerce et de la finance.  

Les data scientists peuvent éduquer des intelligences artificielles à interpréter un jeu de données, prédire une situation d’après des statistiques extraites de données récurrentes, mieux comprendre des comportements sociologiques et détecter des tendances en créant des algorithmes de calcul incluant des technologies de Big Data. On considère aujourd’hui la donnée et le Big Data comme un nouvel or noir et un fioul très puissant pour les entreprises et institutions pour interpréter le monde qui les entoure de façon automatisée.  

En entreprise, le Big Data aide le département des ressources humaines à réaliser un meilleur profilage au moment de l’embauche ou des entretiens d’évaluation des salariés, il permet d’économiser de l’énergie dans les bâtiments, etc. Les entreprises exploitent le Big Data pour affiner leurs modèles économiques et leurs leviers d’acquisition et recherchent des modèles économiques qui transforment la donnée en donnée en valeur. Le Big Data est utile à l’intelligence des villes, à la modélisation d’itinéraires de transport et de fret plus efficaces, à la gestion des flux de visiteurs dans les lieux publics, à la gestion de la clientèle de parkings, … Il sert autant les institutions privées que publiques, les écoles, l’Etat et au sein de l’état, la Défense, la lutte antiterroriste, l’espionnage, … Les cas d’usage sont innombrables, encore faut-il trouver les bons jeux de données et la bonne manière de les valoriser. 

Qui produit le Big Data ?  

Les données du Big Data sont la résultante de nos échanges en ligne, qu’ils soient professionnels ou personnels. Sur les réseaux sociaux, dans nos courriers électroniques, dans nos messages privés, lors de nos déplacements, lorsque l’on navigue en ligne, dès lors que l’on crée un compte utilisateur sur un service, ou que l’on utilise une application mobile, nous générons des données. Dans l’industrie et les entreprises, les données peuvent être collectées à partir des flux de visiteur, il peut s’agir des données collectées par des capteurs, l’exploitation d’un site, l’utilisation d’appareils électroniques… Les GAFAM, les géants du web, sont les principaux concepteurs de technologies de Big Data. Ils proposent des offres de cloud computing pour héberger les données, fournissent des plateformes où sont générées des milliards d’interactions et vendent des services à leurs clients qui sollicitent l’échange de données. 

Dans un monde où le volume d’objets connectés se multiplie chaque année, le volume de données va augmenter en parallèle et les services rendus avec. Dans l’Internet des Objets, le Big Data est crucial. Il s’agit de récolter les données d’usage et de les transformer en valeur. Dans le quantified self, “l’auto-mesure”, les entreprises créent des objets connectés comme des montres, des bracelets d’activité, des balances connectées et autres capteurs de sport intégrés dans des vêtements, dans des écouteurs, etc. Grâce aux mesures relevées par les capteurs (cardiofréquencemètre, tensiomètre, podomètre, impédancemètre…), il est possible de fournir à un sportif des statistiques sur sa pratique, de lui faire relever des défis et de lui proposer de dépasser ses propres scores par exemple.  

Le secteur de la santé bénéficie de la récolte de Big Data mais les données personnelles de santé sont actuellement confidentielles et protégées. Seules les entreprises qui exploitent ces données de manière anonyme après avoir recueilli le consentement des usagers peuvent bénéficier de données intéressantes pour la réalisation d’études nationales, par exemple. Le Big Data constitue un précieux vivier d’information qui pourrait aider les progrès de la médecine, puisque la récolte de données de santé liées aux maladies chroniques et affections de longue durée, à l’efficacité des traitements pris, au suivi post-opératoire, etc, sont autant de données qui pourraient participer à l’aide au diagnostic.  

Le Big Data n’est pas une “science exacte”. Les données partagées peuvent être faussées pour de très nombreuses raisons. Les usagers eux-mêmes peuvent choisir de falsifier leurs informations pour garder la confidentialité des informations partagées. C’est pourquoi la donnée ne consiste qu’en une base statistique, si elle est anonyme. Le Big Data le plus intéressant pour les intérêts marchands est la donnée réelle et la plus complète possible, pour connaître le profil du consommateur. Avant d’être exploitée, la donnée doit être décortiquée, triée et organisée correctement. Pour être efficace, la donnée est classée en trois catégories, c’est la règle des 3V. V comme Volume de données qui croissent sans interruption, V comme Vélocité, le traitement des données doit être actualisé en permanence et traité avec rapidité car elles évoluent sans cesse et V comme Variété dans la structure des données (triées ou non-triées, …). On parle aussi des 5V en ajoutant V pour Véracité : concernant la fiabilité des données et son exactitude, et V pour Valeur : le fait de se concentrer sur les données à valeur ajoutée.  

Les métiers et formations au Big Data 

Pour les métiers du marketing digital, il devient vital de comprendre la logique de la collecte, du tri et de l’exploitation de la donnée. L’industrie nécessite de profils d’ingénieurs spécialistes en big data pour faire de la maintenance prédictive des machines, modéliser des solutions pour optimiser les procédés de fabrication industriels et la longévité des produits… Pour exercer une profession autour du Big Data, un diplôme d’ingénieur avec une spécialité data science est l’une des pistes. On peut passer par une formation au développement en école d’informatique, par un master scientifique ou technique ou en mathématiques appliquées à l’université. Des cursus privés de spécialisation au Big Data existent au format bootcamp dans des écoles de code pour obtenir des notions de développement, utiles à tous les métiers de la donnée. Certains métiers de la donnée peuvent être accessibles par une école de commerce ou de communication avec une spécialisation au Big Data en complément. 

Travailler en startup 

Exercer une profession spécialisée autour du Big Data est un atout en startup technologique. De nombreux postes de data scientist et data analyst sont créés dans le cadre de la transformation numérique des entreprises. Les salaires sont attractifs et les talents encore peu nombreux. Le Big Data est un vecteur de compétitivité des entreprises qui investissent pour devenir “data-driven”.  

Les startups technologiques de tous secteurs recherchent des spécialistes Big Data : FoodTech, LegalTech, MarTech, MedTech, FinTech, AssurTech, … C’est un métier qui a de l’avenir devant soi et qui va continuer de se subdiviser en pôles d’activité spécialisés et à prendre en complexité dans les années à venir.  

Découvrez d’autres secteurs de startups tech à EuraTechnologies : Développement durable, Mobilité, agriculture connectée, e-commerce, santé, assurtech, …

Découvrez également l’actualité et les événements d’EuraTechnologies