L'apparition du Big Data, autrement dit la gestion de données très volumineuses, bouleversent la manière de les traiter, et donc les métiers y afférant.
Les données sont le terreau de notre compréhension du monde. C'est sur elles que nous bâtissons des métriques pour évaluer rationnellement nos décisions, et donc les améliorer. L'apparition de données très volumineuses (Big Data) sera l'un des challenges des prochaines années, mais elle entraine aussi des bouleversements sur la manière de traiter ces données, et donc sur les métiers y afférant.

BOULEVERSEMENTS INFORMATIQUES

La chute vertigineuse du prix des systèmes de stockage de données et des plateformes de calcul ouvre des horizons encore peu explorés : ce qui coûtait des sommes folles il y a encore dix ans, est accessible pour quelques milliers d'euros aujourd'hui ; nous pouvons collecter et traiter des données gigantesques sur de nombreuses machines à faible coût.
Car c'est bien là l'enjeu majeur de cette nouvelle révolution numérique : l'exploitation de ces données volumineuses s'accompagne d'un coût de développement logiciel (et donc humain) bien supérieur. En effet, les logiciels scientifiques ne sont pas encore adaptés à ces nouveaux environnements de calcul ; il faut alors soi-même re-développer la logique d'exploitation du matériel informatique.
Par ailleurs, les outils de reporting doivent également être repensés. Pour mieux comprendre les données et évaluer les résultats de nos calculs, il devient nécessaire de développer de nouveaux outils de visualisation des résultats, par exemple au travers d'applications web dédiées au reporting.

BOULEVERSEMENTS MATHEMATIQUES

La compréhension scientifique d'un phénomène consiste souvent à déterminer l'effet quantitatif de différents facteurs sur celui-ci. C'est par exemple le cas en marketing, lorsque nous cherchons à comprendre l'effet du salaire sur l'attrait du consommateur pour un produit. Dans ce contexte, les modélisations proposées sont souvent simples (modèles linéaires) afin de permettre d'isoler et de quantifier l'effet d'une variable.
La complexité et la richesse des "Big Data" nous incitent cependant à abandonner le fantasme de comprendre le modèle mathématique sous-jacent. Celui-ci devient alors une boite noire, plus performante dans la prévision, mais qui ne permet plus d'isoler l'effet de chacune des variables. Ces nouveaux modèles mathématiques, plus complexes, font appel à des connaissances avancées.

CONNAISSANCES PLURI-DISCIPLINAIRES

Les nouveaux enjeux de l'analyse des données demandent donc à la fois des connaissances étendues en mathématiques, en informatique, et de l'expertise métier (connaissance des pratiques du secteur, etc), car avant de trouver les bonnes réponses, il faut se poser les bonnes questions. Ces nouveaux besoins pluri-disciplinaires enrichissent le travail de l'analyste mais restreignent sensiblement la quantité de personnes pouvant adresser ces questions.

Source : Le Monde