Le ph\u00e9nom\u00e8ne Big Data<\/b><\/p>\n
L\u2019explosion quantitative des donn\u00e9es num\u00e9riques<\/b>\u00a0a oblig\u00e9 les chercheurs \u00e0 trouver de nouvelles mani\u00e8res de voir et d\u2019analyser le monde. Il s\u2019agit de d\u00e9couvrir\u00a0<\/span>de nouveaux ordres de grandeur concernant la capture, la recherche, le partage, le stockage, l\u2019analyse et la pr\u00e9sentation des donn\u00e9es<\/b>. Ainsi est n\u00e9 le \u00ab\u00a0<\/span>Big Data<\/b>\u00a0\u00bb. Il s\u2019agit d\u2019un concept permettant de stocker un nombre indicible d\u2019informations sur une base num\u00e9rique. Selon les archives de la biblioth\u00e8que num\u00e9rique de l\u2019Association for Computing Machinery (ou ACM) dans des articles scientifiques concernant les d\u00e9fis technologiques \u00e0 relever pour visualiser les \u00ab\u00a0grands ensembles de donn\u00e9es\u00a0\u00bb, cette appellation est apparue en octobre 1997.<\/span><\/p>\n Le Big Data, c\u2019est quoi ?<\/b><\/p>\n Litt\u00e9ralement, ces termes signifient\u00a0<\/span>m\u00e9gadonn\u00e9es, grosses donn\u00e9es<\/b>\u00a0ou encore<\/span>\u00a0donn\u00e9es massives.<\/b>\u00a0Ils d\u00e9signent un ensemble tr\u00e8s volumineux de donn\u00e9es qu\u2019aucun outil classique de gestion de base de donn\u00e9es ou de gestion de l\u2019information ne peut vraiment travailler. En effet, nous procr\u00e9ons environ\u00a0<\/span>2,5 trillions d\u2019octets de donn\u00e9es<\/b>\u00a0tous les jours. Ce sont les informations provenant de partout : messages que nous nous envoyons, vid\u00e9os que nous publions, informations climatiques, signaux GPS,\u00a0<\/span>enregistrements transactionnels d\u2019achats<\/span><\/a>\u00a0en ligne et bien d\u2019autres encore.\u00a0<\/span><\/p>\n Ces donn\u00e9es sont<\/span>\u00a0baptis\u00e9es Big Data ou volumes massifs de donn\u00e9es<\/b>. Les g\u00e9ants du Web, au premier rang desquels Yahoo (<\/span>mais aussi Facebook<\/span><\/a>\u00a0et Google), ont \u00e9t\u00e9 les tous premiers \u00e0 d\u00e9ployer ce type de technologie.<\/span><\/p>\n Cependant, aucune d\u00e9finition pr\u00e9cise ou universelle ne peut \u00eatre donn\u00e9e au Big Data. \u00c9tant un objet complexe polymorphe, sa d\u00e9finition varie selon les communaut\u00e9s qui s\u2019y int\u00e9ressent en tant qu\u2019usager ou fournisseur de services. Une approche transdisciplinaire permet d\u2019appr\u00e9hender le comportement des diff\u00e9rents acteurs : les concepteurs et\u00a0<\/span>fournisseurs d\u2019outils<\/span><\/a>\u00a0(les informaticiens), les cat\u00e9gories d\u2019utilisateurs (gestionnaires, responsables d\u2019entreprises,\u00a0<\/span>d\u00e9cideurs politiques<\/span><\/a>, chercheurs), les acteurs de la sant\u00e9 et les usagers.<\/span><\/p>\n Le big data : un syst\u00e8me technique dual<\/b><\/p>\n Le big data apporte des b\u00e9n\u00e9fices, mais peut \u00e9galement\u00a0<\/span>g\u00e9n\u00e9rer des inconv\u00e9nients<\/b><\/a>. Ainsi, il sert aux sp\u00e9culateurs sur les march\u00e9s financiers, de mani\u00e8re autonome avec, \u00e0 la cl\u00e9, la constitution des bulles hypoth\u00e9tiques.<\/span><\/p>\n L\u2019arriv\u00e9e du Big Data a \u00e9t\u00e9 pr\u00e9sent\u00e9e par de nombreux articles comme une nouvelle r\u00e9volution industrielle. Elle ressemble \u00e0 la d\u00e9couverte de la vapeur (d\u00e9but du 19e si\u00e8cle), de l\u2019\u00e9lectricit\u00e9 (fin du 19e si\u00e8cle) et des ordinateurs (fin du 20e si\u00e8cle). D\u2019autres, un peu plus mesur\u00e9s, qualifient ce ph\u00e9nom\u00e8ne de derni\u00e8re \u00e9tape de la troisi\u00e8me r\u00e9volution industrielle, qui est en fait la r\u00e9volution \u00ab\u00a0informationnelle\u00a0\u00bb. Dans tous les cas, le Big Data se pr\u00e9sente comme une source de\u00a0<\/span>bouleversement profond de la soci\u00e9t\u00e9<\/span><\/a>.<\/span><\/p>\n Big Data : l\u2019analyse de donn\u00e9es en masse<\/b><\/p>\n Invent\u00e9 par les g\u00e9ants du web,<\/span>\u00a0le Big Data<\/b>\u00a0se pr\u00e9sente comme une solution dessin\u00e9e pour<\/span>\u00a0permettre \u00e0 tout le monde d\u2019acc\u00e9der en temps r\u00e9el \u00e0 des bases de donn\u00e9es g\u00e9antes<\/b>. Il vise \u00e0 proposer un choix aux solutions classiques de bases de donn\u00e9es et d\u2019analyse (plate-forme de Business Intelligence en serveur SQL\u2026).<\/span><\/p>\n Selon le Gartner,<\/span>\u00a0ce concept regroupe une famille d\u2019outils<\/b>\u00a0qui r\u00e9pondent \u00e0 une triple probl\u00e9matique dite\u00a0<\/span>r\u00e8gle des 3V.<\/b>\u00a0Il s\u2019agit notamment d\u2019un<\/span>\u00a0Volume<\/b>\u00a0de donn\u00e9es consid\u00e9rable \u00e0 traiter, une grande\u00a0<\/span>Vari\u00e9t\u00e9<\/b>\u00a0d\u2019informations (venant de diverses sources, non-structur\u00e9es, organis\u00e9es, Open\u2026), et un certain niveau de\u00a0<\/span>V\u00e9locit\u00e9<\/b>\u00a0\u00e0 atteindre, autrement dit de fr\u00e9quence de cr\u00e9ation, collecte et partage de ces donn\u00e9es.<\/span><\/p>\n Les \u00e9volutions technologiques derri\u00e8re le Big Data\u00a0<\/b><\/p>\n Les cr\u00e9ations technologiques qui ont facilit\u00e9 la venue et\u00a0<\/span>la croissance du Big Data<\/b>\u00a0peuvent globalement \u00eatre cat\u00e9goris\u00e9es en\u00a0<\/span>deux familles<\/b>\u00a0: d\u2019une part,\u00a0<\/span>les technologies de stockage<\/b>, port\u00e9es particuli\u00e8rement par le d\u00e9ploiement du\u00a0<\/span>Cloud Computing<\/b><\/a>. D\u2019autre part, l\u2019arriv\u00e9e de\u00a0<\/span>technologies de traitement ajust\u00e9es<\/b>, sp\u00e9cialement le d\u00e9veloppement<\/span>\u00a0de nouvelles bases de donn\u00e9es adapt\u00e9es aux donn\u00e9es non-structur\u00e9es (Hadoop) et<\/span><\/a>\u00a0la mise au point de\u00a0<\/span>modes de calcul \u00e0 haute performance (MapReduce)<\/span><\/a>.<\/span><\/p>\n Il existe plusieurs solutions qui peuvent entrer en jeu pour\u00a0<\/span>optimiser les temps de traitement<\/b>\u00a0sur des bases de donn\u00e9es g\u00e9antes\u00a0\u00e0 savoir les bases de donn\u00e9es<\/span>\u00a0NoSQL\u00a0<\/b>(comme\u00a0<\/span>MongoDB<\/b>,\u00a0<\/span>Cassandra<\/b>\u00a0ou\u00a0<\/span>Redis<\/b>), les infrastructures du serveur pour la distribution des traitements sur les n\u0153uds et le stockage des donn\u00e9es en m\u00e9moire :<\/span><\/p>\n La premi\u00e8re solution permet d\u2019impl\u00e9menter les syst\u00e8mes de stockage consid\u00e9r\u00e9s comme plus performants que le traditionnel SQL pour l\u2019analyse de donn\u00e9es en masse (orient\u00e9 cl\u00e9\/valeur, document, colonne ou graphe).<\/span><\/p>\n La deuxi\u00e8me est aussi appel\u00e9e le traitement massivement parall\u00e8le. Le Framework Hadoop en est un exemple. Celui-ci combine le syst\u00e8me de fichiers distribu\u00e9<\/span>\u00a0HDFS<\/b>, la base\u00a0<\/span>NoSQL<\/b>\u00a0HBase et l\u2019algorithme\u00a0<\/span>MapReduce<\/b>.\u00a0<\/span><\/p>\n Quant \u00e0 la derni\u00e8re solution, elle acc\u00e9l\u00e8re le temps de traitement des requ\u00eates.<\/span><\/p>\n Evolution du Big Data\u00a0: le d\u00e9veloppement de Spark et la fin de MapReduce<\/b><\/p>\n Spark prend la place de MapReduce<\/span><\/p>\n Le Big Data \u00e9tant un environnement en constante \u00e9volution, il cherche toujours \u00e0 optimiser les performances de ses outils. Par cons\u00e9quent, son paysage technologique \u00e9volue rapidement. De nouvelles solutions sont d\u00e9velopp\u00e9es tr\u00e8s fr\u00e9quemment, dans le but d\u2019<\/span>optimiser davantage les technologies existantes<\/b>. MapReduce et\u00a0<\/span>Spark<\/b>\u00a0repr\u00e9sentent des exemples tr\u00e8s concrets<\/span><\/a>\u00a0de cette \u00e9volution.<\/span><\/p>\n En 2004, Google a d\u00e9crit MapReduce comme un mod\u00e8le mis en \u0153uvre dans le projet Nutch de Yahoo. Ce projet devient le<\/span>\u00a0projet Apache Hadoop<\/b>\u00a0en 2008. Cet algorithme a une grande capacit\u00e9 de stockage de donn\u00e9es. Son inconv\u00e9nient tient \u00e0 sa lenteur. Cette derni\u00e8re se r\u00e9v\u00e8le particuli\u00e8rement sur des volumes modestes. Malgr\u00e9 cela, les solutions, voulant offrir un traitement quasi-instantan\u00e9 sur ces volumes, commencent \u00e0 s\u2019\u00e9loigner de MapReduce. En 2014, Google a donc annonc\u00e9 qu\u2019une\u00a0<\/span>solution SaaS<\/b>, appel\u00e9e Google Cloud Dataflow, lui succ\u00e9derait.<\/span><\/p>\n Spark\u00a0<\/b>constitue \u00e9galement\u00a0<\/span>une solution embl\u00e9matique<\/b><\/a>\u00a0pour \u00e9crire simplement des applications distribu\u00e9es et proposer des biblioth\u00e8ques de traitement classiques. En m\u00eame temps, avec des performances remarquables, il peut travailler sur des donn\u00e9es sur disque ou des donn\u00e9es charg\u00e9es en RAM. Bien qu\u2019il soit plus jeune, il dispose d\u2019une \u00e9norme communaut\u00e9. Il s\u2019agit \u00e9galement de l\u2019un des projets Apache dont la vitesse de d\u00e9veloppement est rapide. Au final, cette solution s\u2019av\u00e8re \u00eatre le<\/span>\u00a0successeur de MapReduce<\/b>, d\u2019autant qu\u2019elle a l\u2019avantage de fusionner une grande partie des outils n\u00e9cessaires dans un cluster Hadoop.<\/span><\/p>\n Les principaux acteurs du march\u00e9<\/b><\/p>\n La fili\u00e8re Big Data en \u00a0a attir\u00e9 plusieurs. Ces derniers se sont positionn\u00e9s rapidement dans divers secteurs.\u00a0<\/span>Dans le secteur IT<\/b>, on retrouve les fournisseurs historiques de solutions IT comme Oracle, HP, SAP\u00a0<\/span>ou encore IBM<\/span><\/a>. Il y a aussi\u00a0<\/span>les acteurs du Web<\/b>\u00a0dont Google, Facebook, ou Twitter. Quant aux sp\u00e9cialistes\u00a0<\/span>des solutions Data et Big Data<\/b>, on peut citer MapR,\u00a0Teradata, EMC ou Hortonworks. CapGemini, Sopra, Accenture ou Atos sont des int\u00e9grateurs, toujours des acteurs principaux dans les m\u00e9ga donn\u00e9es. Dans\u00a0<\/span>le secteur de l\u2019analytique<\/b>, comme\u00a0<\/span>\u00e9diteurs BI<\/b>, on peut citer SAS, Micro-strategy et Qliktech. Cette fili\u00e8re comporte aussi des\u00a0<\/span>fournisseurs sp\u00e9cialis\u00e9s dans l\u2019analytique<\/b>\u00a0comme Datameer ou Zettaset. En parall\u00e8le \u00e0 ces principaux participants, de nombreuses PME sp\u00e9cialis\u00e9es dans le Big Data sont apparues, sur toute la cha\u00eene de valeur du secteur.\u00a0<\/span>En France, les pionniers ont \u00e9t\u00e9 Hurence\u00a0et\u00a0Dataiku\u00a0pour les \u00e9quipements et logiciels de Big Data<\/b>\u00a0; Criteo,\u00a0Squid, Captain Dash\u00a0et\u00a0Tiny Clues\u00a0pour l\u2019analyse de donn\u00e9es et Ysance\u00a0pour le conseil.<\/span><\/p>\n Formation continue en Big Data : ce que proposent les grandes \u00e9coles<\/b><\/p>\n D\u00e9sormais, des\u00a0<\/span>grandes \u00e9coles proposent\u00a0<\/b>des formations dans le Big Data<\/b><\/a>. La p\u00e9dagogie\u00a0veut accorder une large part \u00e0 des \u00e9tudes de cas et retours d\u2019exp\u00e9rience. Elle met aussi en exergue les \u00ab\u00a0fils rouges\u00a0\u00bb. Il s\u2019agit de projets de mise en situation professionnelle que certaines grandes entreprises telles que EDF ou encore Capgemini proposent.<\/span><\/p>\n Ce genre de formation n\u2019est pas limit\u00e9 \u00e0 un cadre th\u00e9orique<\/b>. Les apprentis sont aussi amen\u00e9s \u00e0 faire des pratiques en renfor\u00e7ant leur formation par un stage.\u00a0<\/span>Pour int\u00e9grer ces \u00e9coles, il faut \u00eatre un titulaire d\u2019un dipl\u00f4me d\u2019ing\u00e9nieur<\/b>\u00a0en informatique ou en t\u00e9l\u00e9communication,\u00a0<\/span>ou d\u2019un master universitaire scientifique ou technique, en informatique ou en math\u00e9matiques appliqu\u00e9es.<\/b>\u00a0<\/span>Elles acceptent souvent les bac +4<\/b>\u00a0scientifique \u00e0 condition que la personne dispose d\u2019au moins 3 ans d\u2019exp\u00e9rience professionnelle.<\/span><\/p>\n L\u2019int\u00e9r\u00eat d\u2018une formation digitale orient\u00e9e Big Data<\/b><\/p>\n De plus en plus, le num\u00e9rique s\u2019illustre comme la pierre angulaire de chaque entit\u00e9 souhaitant percer sur le march\u00e9 devenu tr\u00e8s moderne de l\u2019emploi. Les entreprises s\u2019arrachent en effet les rares\u00a0<\/span>data scientists<\/b>\u00a0dipl\u00f4m\u00e9s des \u00e9coles et des organismes d\u00e9livrant une formation digitale. Elles justifient leur d\u00e9marche sur le principe que les analyses de donn\u00e9es ont capacit\u00e9 \u00e0 optimiser un profil gr\u00e2ce \u00e0 l\u2019av\u00e8nement du num\u00e9rique et l\u2019essor du\u00a0<\/span>Big Data<\/b>. Ce dernier s\u2019apparente par cons\u00e9quent \u00e0 un acteur majeur du secteur. Nombre de start-ups voient le jour et int\u00e8grent le process dans l\u2019apprentissage de ses \u00e9quipes. L\u2019objectif premier \u00e9tant de mettre les donn\u00e9es intelligents au service de l\u2019\u00e9ducation.<\/span><\/p>\n L\u2019enseignement conna\u00eet une v\u00e9ritable mutation qui a d\u00e9but\u00e9 avec l\u2019\u00e9mergence du\u00a0<\/span>E-Learning<\/b>. En faisant intervenir le Big Data dans leur strat\u00e9gie, les soci\u00e9t\u00e9s garantissent la comp\u00e9titivit\u00e9 de leur marque et optimisent le suivi de leurs clients.\u00a0 Par ailleurs, les chercheurs s\u2019att\u00e8lent petit \u00e0 petit \u00e0 d\u00e9cortiquer la mani\u00e8re d\u2019exploiter au mieux le Big Data et ses outils technologiques pour favoriser l\u2019\u00e9ducation. Fort de ce constat, Strat\u00e9gies\u00a0<\/span>formations<\/b>\u00a0propose pas moins de 80 formations ax\u00e9es sur le secteur digital. Les apprentis pourront ainsi acqu\u00e9rir ou renforcer des comp\u00e9tences en termes de transformation digitale, de search marketing ou encore de m\u00e9dias sociaux. Trouvez le module qui vous correspond Comundi.fr, cliquez sur le lien suivant pour\u00a0<\/span>voir le site<\/span><\/a>.<\/span><\/p>\n Data Scientist : LE m\u00e9tier du Big Data<\/b><\/p>\n Charg\u00e9 de la gestion, de l\u2019analyse et de l\u2019exploitation des donn\u00e9es massives dans les entreprises, le m\u00e9tier de Data Scientist figure\u00a0<\/span>parmi les 25 meilleurs m\u00e9tiers du monde<\/b>\u00a0selon une \u00e9tude du site d\u2019embauche Glassdoor. Il repr\u00e9sente\u00a0<\/span>l\u2019\u00e9volution du Data Analyst<\/b>\u00a0et est aujourd\u2019hui tr\u00e8s recherch\u00e9 pour ses comp\u00e9tences sp\u00e9cialis\u00e9es. En effet, ce poste \u00e0 haute responsabilit\u00e9 demande un niveau d\u2019\u00e9ducation \u00e9lev\u00e9 sur le sujet et\u00a0<\/span>requiert des connaissances tr\u00e8s pointues<\/b>. Celles-ci vous permettront d\u2019acqu\u00e9rir les outils n\u00e9cessaires pour \u00eatre performant dans ce m\u00e9tier d\u2019avenir. Cela comprend ainsi l\u2019\u00e9tude des statistiques, \u00e0 la ma\u00eetrise de diff\u00e9rents langages de programmation en passant par des notions de machine learning. \u00c0 titre d\u2019information, le salaire moyen d\u2019un Data Scientist aux US en 2020 \u00e9tait\u00a0<\/span>de 110 000 dollars<\/b>.<\/span><\/p>\n Les salaires \/ r\u00e9mun\u00e9rations dans le domaine du Big Data<\/b><\/p>\n D\u2019apr\u00e8s Esilv.fr,<\/span>\u00a0les \u00e9tudes de salaire des d\u00e9veloppeurs<\/b>\u00a0r\u00e9v\u00e8lent que le domaine du Big Data en 2015 est\u00a0<\/span>en t\u00eate<\/b>.<\/span><\/p>\n Voici en comparaison les salaires de d\u00e9veloppeurs PHP\u00a0et les salaires de d\u00e9veloppeurs en Big Data d\u2019apr\u00e8s Urban Linker.<\/span><\/p>\n Salaires de d\u00e9veloppeurs PHP :<\/b><\/p>\n Salaires de d\u00e9veloppeurs en Big Data :<\/b><\/p>\n Comment les big data sont-elles stock\u00e9es et trait\u00e9es ?<\/b><\/p>\n Les big data sont souvent stock\u00e9es dans un lac de donn\u00e9es. Ces derniers peuvent prendre en charge diff\u00e9rents types de donn\u00e9es. La plupart du temps, il\u00a0<\/span>utilise des clusters Hadoop<\/b>, des services de stockage d\u2019objets dans le nuage, des syst\u00e8mes NoS et des syst\u00e8mes de gestion des donn\u00e9es.<\/span><\/p>\n De nombreux environnements big data combinent plusieurs syst\u00e8mes dans une architecture distribu\u00e9e. Par exemple, un lac de donn\u00e9es central peut \u00eatre int\u00e9gr\u00e9 \u00e0 d\u2019autres plateformes, notamment des bases de donn\u00e9es relationnelles ou un entrep\u00f4t de donn\u00e9es. Les donn\u00e9es des syst\u00e8mes big data peuvent \u00eatre laiss\u00e9es sous leur forme brute, puis<\/span>\u00a0filtr\u00e9e et organis\u00e9e selon les besoins<\/b>\u00a0pour des utilisations analytiques particuli\u00e8res. Dans d\u2019autres cas, elles sont pr\u00e9trait\u00e9es \u00e0 l\u2019aide d\u2019outils d\u2019exploration de donn\u00e9es et de logiciels de pr\u00e9paration de donn\u00e9es. Ainsi, ces donn\u00e9es sont pr\u00eates pour les applications qui sont ex\u00e9cut\u00e9es r\u00e9guli\u00e8rement.<\/span><\/p>\n Le traitement des donn\u00e9es volumineuses exige beaucoup de l\u2019infrastructure informatique sous-jacente. La puissance de calcul requise passe souvent par des syst\u00e8mes en grappe. Ceux-ci r\u00e9partissent les charges de travail sur des centaines ou des milliers de serveurs de base, \u00e0 l\u2019aide de technologies telles que Hadoop et le moteur de traitement Spark.<\/span><\/p>\n Obtenir ce type de capacit\u00e9 de traitement de mani\u00e8re rentable est un d\u00e9fi. Voil\u00e0 pourquoi le cloud est un<\/span>\u00a0lieu de pr\u00e9dilection pour les syst\u00e8mes de big data.<\/b>\u00a0Les organisations peuvent d\u00e9ployer leurs propres syst\u00e8mes bas\u00e9s sur le cloud ou utiliser des offres de big data g\u00e9r\u00e9s par des fournisseurs de Cloud.<\/span><\/p>\n Big Data : des innovations disruptives qui changent la donne<\/b><\/p>\n Le Big Data et les analytics<\/b>\u00a0sont utilis\u00e9s dans presque tous les domaines. Ils se sont m\u00eame construits une place importante dans la soci\u00e9t\u00e9.\u00a0<\/span>Ils se traduisent sous plusieurs formes<\/b>\u00a0\u00e0 ne citer que l\u2019usage de statistiques dans le sport de haut niveau,\u00a0<\/span>le programme de surveillance PRISM de la NSA,<\/b>\u00a0la m\u00e9decine analytique ou encore les algorithmes de recommandation d\u2019Amazon.<\/span><\/p>\n En entreprise particuli\u00e8rement, l\u2019usage d\u2019outils Big Data & Analytics r\u00e9pond g\u00e9n\u00e9ralement \u00e0 plusieurs objectifs comme l<\/span>\u2019am\u00e9lioration de l\u2019exp\u00e9rience client, l\u2019optimisation des processus et de la performance op\u00e9rationnelle, le renforcement ou diversification du business model.<\/b><\/p>\n De\u00a0<\/span>nouvelles opportunit\u00e9s<\/b>\u00a0significatives de diff\u00e9renciation concurrentielle sont\u00a0<\/span>g\u00e9n\u00e9r\u00e9es par l\u2019\u00e8re de la gestion d\u2019importants volumes de donn\u00e9es\u00a0<\/b>et de leur analyse<\/b><\/a>. Pour les organisations, plusieurs raisons peuvent les inciter \u00e0 se tourner vers cette nouvelle administration de donn\u00e9es \u00e0 savoir\u00a0<\/span>la gestion rentable des donn\u00e9es, l\u2019optimisation du stockage d\u2019informations, la possibilit\u00e9 de faire des analyses programmables ou encore la facilit\u00e9 de la manipulation des donn\u00e9es.<\/b><\/p>\n Big Data, exclusivement pour les fonctions Marketing et commerciales ?<\/b><\/p>\n Cette technologie\u00a0<\/span>repr\u00e9sente aux yeux de tous<\/b>\u00a0un enjeu commercial privil\u00e9gi\u00e9 compte tenu de sa\u00a0<\/span>capacit\u00e9 \u00e0 impacter le commerce en profondeur dans l\u2019\u00e9conomie mondiale<\/b>\u00a0int\u00e9gr\u00e9e. En effet,\u00a0<\/span>les entreprises,\u00a0<\/b>peu importe leur taille<\/b><\/a>, font partie des premi\u00e8res \u00a0<\/span>\u00e0 b\u00e9n\u00e9ficier des avantages<\/b>\u00a0obtenus \u00e0 partir d\u2019une bonne manipulation des donn\u00e9es massives.<\/span><\/p>\n Cependant,\u00a0<\/span>les m\u00e9gadonn\u00e9es<\/b>\u00a0jouent \u00e9galement\u00a0<\/span>un r\u00f4le essentiel dans la transformation des processus<\/b>,<\/span>\u00a0<\/b>de la cha\u00eene logistique, \u00a0des \u00e9changes de type \u00ab\u00a0<\/span>Machine-to-Machine<\/b>\u00a0\u00bb dans le but de\u00a0<\/span>d\u00e9velopper un meilleur \u00ab\u00a0\u00e9cosyst\u00e8me informationnel\u00a0\u00bb.<\/b>\u00a0Ils permettent aussi de prendre des d\u00e9cisions\u00a0<\/span>plus v\u00e9loces et plus cr\u00e9dibles<\/b>, prenant en consid\u00e9ration des informations internes mais \u00e9galement externes \u00e0 l\u2019organisation. Ils peuvent entre-temps servir d\u2019appui pour la gestion des risques et de la fraude.<\/span><\/p>\n Devant tant\u00a0d\u2019informations, comment trier le bon grain de l\u2019ivraie ?<\/b><\/p>\n Comme le dit le vieil adage \u00ab\u00a0<\/span>