Dans un monde de plus en plus digitalisé, le Big Data est un allié pour continuer à s'épanouir mais pas seulement.
Dans ce monde où l'incertitude omniprésente, cela provoque des phénomènes comme la saisonnalité dans les ventes. Mais nous nous sommes habitués à cette incertitude et nous apprenons à survivre, voire à prospérer, dans cette nouvelle ère.
Ce qui apparaissait au départ comme un défi pour de nombreuses entreprises est aujourd'hui reconnu comme une opportunité d'améliorer notre connectivité et notre résilience en tant qu'organisations dans ce monde complexe.
Bien que cela ne se soit pas produit aussi rapidement que nous l'espérions tous, les grands bouleversements comme la pandémie prendra fin à un moment ou à un autre.
Entre-temps, la technologie des données progresse en fonction de facteurs plus traditionnels. Alors que de plus en plus d'entreprises se transforment en entreprises axées sur les données, de nouvelles tendances émergent ou gagnent en influence. Nous allons nous se penchera sur certaines de ces tendances que nous voyons se densifier.
De nouvelles méthodes d'accès, de partage et d'analyse des données voient le jour, à mesure que l'on prend conscience de la valeur réelle des données. La clé est l'intégration - rassembler les données de manière informative et les mettre en toute sécurité entre les mains des analystes, des professionnels et des dirigeants qui peuvent en faire le meilleur usage.
Tout commence par des données qui s'écoulent dans des data lakes et d'autres référentiels, mais une fois qu'elles sont correctement catégorisées et analysées, elles se transforment en décisions commerciales plus intelligentes et en profits plus importants.
Nous avons identifié six tendances que nous pouvons attendre pour l'année à venir.
Data Intelligence. Les clouds deviennent plus sophistiqués en réponse à une plus grande dispersion physique des personnes et des données.
Les préoccupations en matière de protection de la vie privée et les exigences de conformité vont se multiplier, avec une demande croissante de transparence quant aux mesures prises par les entreprises pour protéger les données personnelles.
De plus en plus d'entreprises tiendront compte de la "durabilité" dans leurs décisions de gestion des données, en se concentrant sur les meilleures pratiques environnementales pour l'informatique en cloud.
L'analyse prédictive et en libre-service augmentera l'utilité et la valeur des données grâce à un meilleur accès et à des interfaces intelligentes.
L'intelligence artificielle (IA) et l'apprentissage automatique évolutif (ML) gagneront en importance, ajoutant une flexibilité accrue aux plateformes d'information sur les données.
L'internet des objets (IoT) continuera à se développer et à accroître la demande en matière d'analyse de données.
1 Data intelligence clouds.
Au cours de l'année écoulée, l'investissement dans la technologie Data cloud s'est accéléré en raison du besoin accru de travailleurs à distance et de la capacité croissante d'accéder à des données dispersées grâce aux solutions de maillage des données et la volonté de créer des socles de données à la fois sécurisés et en self-service.
Traditionnellement, l'environnement de données d'une entreprise consistait en un noyau d'utilisateurs accédant à une poignée de serveurs à partir d'un nombre limité de bureaux. Ces restrictions sont tombées en désuétude grâce au développement du maillage de données.
Un maillage de données est une solution logicielle décentralisée qui libère le potentiel du nuage de données d'une organisation à l'échelle de l'entreprise. Accroître la disponibilité de nouvelles réserves de données et l'accès des utilisateurs dans l'ensemble de l'organisation. De plus en plus d'entreprises considèrent leurs produits de données comme des entités individuelles créatrices de valeur, détenues et gérées de manière fédérée.
Au cours de l'année écoulée, la capacité d'accéder à des données cohérentes et de qualité dans un nuage de données s'est avérée à la fois plus complexe et plus cruciale pour les décisions commerciales d'une entreprise.
L'afflux toujours croissant de données dans le système n'est pas considéré comme un problème à résoudre, mais comme une opportunité à exploiter. Plus de données équivaut à une analyse plus complexe et plus éclairante, à une élaboration simplifiée de solutions, à des rapports plus dynamiques et plus illustratifs, à un accès élargi aux données et à des produits de données précieux et perspicaces.
Avec l'émergence de places de marché de données accessibles, la base d'utilisateurs de données a explosé, mettant des données précises et informatives à la disposition des utilisateurs et des dirigeants d'entreprise.
L'augmentation exponentielle du travail à distance, liée à Covid, signifie que beaucoup plus de personnes dans l'entreprise accèdent à l'information à partir de multiples référentiels dans de multiples endroits.
Les concepts et les percées en matière de maillage de données augmenteront la fonctionnalité des plates-formes technologiques de données, permettant un accès transparent et sécurisé à d'énormes quantités de données de haute qualité, pertinentes et opportunes provenant de multiples référentiels.
2. Préoccupations en matière de protection de la vie privée et exigences en matière de conformité
Bien que le règlement général sur la protection des données (RGPD) soit spécifiquement un règlement de l'UE concernant la protection des données personnelles et la vie privée, sa portée a eu des implications massives à l'échelle mondiale. Les lois d'autres régions géographiques, telles que la Californie, le Brésil et, plus récemment, la Chine, lui ont emboîté le pas.
Ces lois ne s'appliquent pas seulement aux entreprises situées dans leur juridiction géographique. D'une manière générale, elles s'appliquent à toute organisation qui reçoit, transfère, stocke, transmet, accède ou utilise ou traite d'une autre manière des données à caractère personnel concernant des personnes situées dans leur région géographique ou des citoyens de cette région.
Collectivement, ces règlements imposent aux entreprises qui traitent des données à caractère personnel de suivre et d'identifier ces activités et de mettre en place des garanties pour la sécurité et la protection de ces données.
La nécessité de protéger la confidentialité des données des personnes présentes dans les systèmes d'une entreprise va bien au-delà des exigences réglementaires. Si une entreprise souhaite accueillir de nouveaux clients et conserver ceux qu'elle a déjà, ces derniers doivent avoir la certitude que leurs données personnelles seront traitées en toute sécurité à tout moment.
Une entreprise peut prendre de nombreuses mesures pour se conformer à la réglementation et inspirer confiance à ses clients. Réduire au minimum le traitement des données à caractère personnel est un principe important. Les données à caractère personnel doivent être traitées dans un but transparent et légal, et leur portée et leur volume doivent être proportionnés à l'objectif fixé. Il faut s'attendre à ce que l'accent soit mis sur les outils permettant d'intégrer par défaut ou de manière automatisée la protection de la vie privée dans les pipelines d'exploitation des données.
Les entreprises qui mettent l'accent sur la protection des données de leurs clients auront un avantage commercial sur leurs concurrents. Il faut s'attendre à ce que davantage d'entreprises fassent preuve de transparence quant à la manière dont elles protègent les données personnelles de leurs clients et fassent la promotion des mesures qu'elles prennent pour sauvegarder leurs systèmes.
3.Durabilité et environnement
Conscientes de la valeur de la responsabilité sociale, de nombreuses entreprises commencent à prendre en compte le développement durable dans leurs besoins en matière de plateforme d'information sur les données.
Le simple fait de transférer les données dans le nuage est une décision respectueuse de l'environnement. Les économies d'énergie sont considérables, grâce aux choix de conception des grands centres de données personnalisés et aux économies d'échelle. Leurs technologies de refroidissement innovantes et l'utilisation efficace des serveurs permettent de réduire considérablement la consommation d'énergie par rapport à un déploiement classique sur site. En outre, les entreprises de Big Data sont bien avancées dans leur objectif d'utiliser 100 % d'énergie renouvelable à court terme, ce qui apporte des avantages environnementaux supplémentaires.
Lorsque les entreprises s'efforcent de tirer le meilleur parti de leurs ressources, elles n'adoptent pas nécessairement un point de vue strictement environnemental, mais les avantages en termes de développement durable sont un sous-produit naturel.
Une organisation peut augmenter son score de durabilité simplement en ajustant les exigences fonctionnelles. Par exemple, en encourageant l'utilisation de demandes de temps de réponse plus lents ou de calculs approximatifs, les utilisateurs réduisent l'augmentation des frais généraux en partageant mieux la puissance informatique existante. L'exécution de tâches multiples en traitement par lots permet également de mieux utiliser les ressources.
L'automatisation peut également permettre de réaliser des économies. Plutôt que d'exiger que les ressources de réserve restent inactives et disponibles en cas de panne, des règles de basculement automatisées peuvent être créées pour utiliser les ressources existantes qui sont disponibles pour supporter un poids supplémentaire lorsque le besoin s'en fait sentir. Ce type de flexibilité promet des taux d'utilisation globaux plus élevés, ce qui se traduit par des rendements plus élevés et une réduction tout aussi bénéfique de l'impact environnemental.
Les entreprises responsables tiendront davantage compte de la durabilité dans la planification de leurs données, ce qui leur permettra d'économiser de l'argent et de préserver l'environnement.
4.Analyse prédictive et en self-service
L'analyse prédictive utilise des techniques statistiques développées à partir de l'apprentissage automatique et de l'exploration de données pour exploiter les données actuelles et historiques afin de prédire les actions futures.
L'analyse peut être utilisée pour prédire les opportunités futures qui peuvent se présenter ou pour identifier les risques potentiels avant qu'ils ne se réalisent. Les applications sont nombreuses, de l'évaluation du risque de crédit au marketing des consommateurs en passant par la détection des fraudes.
Avec la collecte toujours plus importante de données commerciales, la personnalisation de l'information et de ses applications, et le développement de logiciels et de matériels plus puissants, de nouvelles voies d'analyse significative s'ouvriront à ceux qui seront assez intelligents pour reconnaître les opportunités.
L'analyse en libre-service met la Business Intelligence (BI) à la portée des personnes qui prennent les décisions. Une interface en libre-service avec les données de l'entreprise encourage les professionnels à approfondir leur compréhension des tendances et à éclairer leur prise de décision à l'aide d'informations réelles.
Correctement appliqué, cet accès donne aux entreprises des avantages stratégiques et leur permet d'appréhender de manière tangible les données de qualité qui fournissent des informations essentielles.
D'une certaine manière, COVID a modifié la façon dont le public aborde l'information, les individus recherchant des informations sur des points de données spécifiques tels que le taux de cas, le taux d'hospitalisation, la "valeur R", etc. L'intérêt du grand public pour des données significatives sur ce qui a un impact sur leur vie et celle des sociétés reflète un public plus compétent en matière de données, avide de sources dignes de confiance.
Les améliorations apportées à l'analyse en libre-service permettront d'obtenir des données de meilleure qualité avec des interfaces de plus en plus simples qui donneront plus de pouvoir aux dirigeants d'entreprise. Les applications de langage naturel et d'intelligence artificielle alimenteront ces interfaces améliorées.
5.Intelligence artificielle
L'amélioration de la qualité des données dans les data lakes et l'émergence de solutions de maillage de données ont contribué à faire de la quête de véritables applications de données d'intelligence artificielle (IA) une réalité. L'automatisation applique des processus aux données qui augmentent leur applicabilité et leur disponibilité pour les types de calculs complexes qui rendent l'IA si prometteuse.
Les data scientists peuvent désormais se concentrer sur la compréhension et l'analyse de ces données de qualité, plutôt que d'essayer de les créer.
L'évolutivité des solutions de Machine Learning (ML) se caractérise par des algorithmes capables de traiter des volumes de données toujours plus importants. Alors que le flux de données augmente de manière exponentielle, l'évolutivité permet aux algorithmes de s'adapter automatiquement au flux croissant tout en continuant à fournir des analyses significatives.
Un nuage de données intelligentes offre la flexibilité nécessaire pour permettre l'évolutivité. La capacité virtuellement illimitée d'évoluer verticalement ou horizontalement promet plus de puissance de calcul ou plus de machines virtuelles en cas de besoin. Plutôt que de s'enliser ou de s'étouffer dans les données, un environnement évolutif produit des analyses toujours plus nuancées et plus précises.
De nouvelles applications arriveront sur le marché qui utiliseront plus pleinement l'évolutivité de la ML et la puissance de calcul de l'IA, augmentant la nécessité des plateformes cloud d'intelligence des données pour obtenir des informations et des avantages commerciaux.
6.L’internet des objets (IoT)
L'internet des objets (IoT) est le terme générique qui désigne tous les objets non traditionnels qui envoient des données sur l'internet. Cela inclut des objets aussi divers qu'un Amazon Echo, des réfrigérateurs, des Fitbits, des thermostats, des voitures, des moniteurs de soins de santé et bien d'autres choses encore. Il est prévu que plus de 64 milliards d'appareils IoT seront installés dans le monde d'ici 2026.
L'ensemble de ces données n'est pas important pour un seul analyste ou une seule entreprise, mais les éléments individuels offriront toujours un aperçu à quelqu'un. En d'autres termes, la valeur des données provient de la capacité d'une organisation à filtrer, identifier, catégoriser et analyser les informations qui peuvent l'aider à prendre des décisions commerciales plus intelligentes.
Avec l'émergence croissante des véhicules autonomes, basés sur les données et alimentés par l'IA, il faut s'attendre à une adoption tangible dans le transport de marchandises et dans d'autres industries basées sur les données, comme les services de covoiturage (Uber et Lyft).
Cet univers étonnant de capteurs et d'appareils produit des quantités presque inimaginables de données. C'est pourquoi l'évolutivité de votre cloud d'entreprise est si importante pour garder une longueur d'avance sur la concurrence dans la course à l'information.
Les informations sur vos clients et vos produits sont très nombreuses, et vous avez donc besoin des ressources et des logiciels nécessaires pour exploiter ces données afin d'en tirer des informations utiles et précieuses. Les entreprises se concentrent plus que jamais sur la "personnalisation" en utilisant les données pour améliorer l'expérience des clients, ce qui perturbe encore davantage les marchés traditionnels. La masse de données augmente tellement que le défi le plus important pour en tirer de la valeur est la capacité à séparer les informations sous-jacentes des bruits extérieurs.
L'IoT fait partie de l'univers croissant des données disponibles dont la valeur augmentera pour ceux qui sauront les exploiter.
En conclusion
À l'aube de 2022, l'univers des données est en pleine mutation. Les entreprises qui prospéreront seront celles qui s'adapteront en permanence à ces changements.
Les données que les puissantes plateformes d'intelligence, les solutions de maillage de données, l'automatisation, l'intelligence artificielle, l'apprentissage automatique et d'autres encore offrent aux organisations qui les exploitent présentent une valeur et des opportunités considérables.
Les entreprises doivent avoir la vision nécessaire pour considérer les données d'entreprise d'une nouvelle manière et les reconnaître comme l'actif précieux qu'elles sont devenues.