Big Data : que sont les systèmes Big Data ? Développement des technologies Big Data

Basé sur des matériaux issus de la recherche et des tendances

Big Data Le « Big Data » fait parler de lui dans la presse informatique et marketing depuis plusieurs années déjà. Et c’est clair : les technologies numériques ont imprégné la vie de l’homme moderne, « tout est écrit ». Le volume de données le plus différents côtés la vie grandit et en même temps les possibilités de stockage d'informations augmentent.

Technologies mondiales de stockage d'informations

Source : Hilbert et Lopez, « La capacité technologique mondiale à stocker, communiquer et calculer l'information », Science, 2011 Global.

La plupart des experts s’accordent à dire que l’accélération de la croissance des données est une réalité objective. Réseaux sociaux, appareils mobiles, données provenant d'appareils de mesure, informations commerciales, ce ne sont là que quelques types de sources qui peuvent générer d'énormes volumes d'informations. Selon l'étude IDCUnivers numérique, publié en 2012, au cours des 8 prochaines années, la quantité de données dans le monde atteindra 40 ZB (zettaoctets), ce qui équivaut à 5 200 Go pour chaque habitant de la planète.

Croissance de la collecte d'informations numériques aux États-Unis

Source : IDC

Une grande partie des informations n’est pas créée par des personnes, mais par des robots interagissant à la fois entre eux et avec d’autres réseaux de données, tels que des capteurs et des appareils intelligents. À ce rythme de croissance, la quantité de données dans le monde, selon les chercheurs, doublera chaque année. Le nombre de serveurs virtuels et physiques dans le monde va décupler en raison de l’expansion et de la création de nouveaux centres de données. En conséquence, il existe un besoin croissant d’utiliser et de monétiser efficacement ces données. Puisque l’utilisation du Big Data en entreprise nécessite des investissements considérables, il faut bien comprendre la situation. Et c’est essentiellement simple : vous pouvez augmenter l’efficacité de votre entreprise en réduisant les coûts et/ou en augmentant le volume des ventes.

Pourquoi avons-nous besoin du Big Data ?

Le paradigme Big Data définit trois principaux types de problèmes.

Stocker et gérer des centaines de téraoctets ou pétaoctets de données que les bases de données relationnelles conventionnelles ne peuvent pas utiliser efficacement.
Organisez des informations non structurées composées de textes, d’images, de vidéos et d’autres types de données.
L'analyse du Big Data, qui pose la question des modalités de travail avec des informations non structurées, de la génération de rapports analytiques, ainsi que de la mise en œuvre de modèles prédictifs.

Le marché des projets Big Data recoupe celui de l'analyse commerciale (BA), dont le volume mondial, selon les experts, s'élevait à environ 100 milliards de dollars en 2012. Il comprend des composants de technologie réseau, des serveurs, des logiciels et des services techniques.

En outre, l'utilisation des technologies Big Data est pertinente pour les solutions de classe d'assurance des revenus (RA) conçues pour automatiser les activités des entreprises. Systèmes modernes les garanties de revenus comprennent des outils de détection des incohérences et une analyse approfondie des données, permettant de détecter en temps opportun d'éventuelles pertes ou distorsions d'informations pouvant entraîner une diminution des résultats financiers. Dans ce contexte, les entreprises russes, confirmant la présence d'une demande pour les technologies Big Data sur le marché intérieur, notent que les facteurs qui stimulent le développement du Big Data en Russie sont la croissance des données, l'accélération de la prise de décision de gestion et l'amélioration de leur qualité.

Qu'est-ce qui vous empêche de travailler avec le Big Data

Aujourd'hui, seulement 0,5 % des données numériques accumulées sont analysées, malgré le fait qu'il existe des problèmes objectifs à l'échelle de l'industrie qui pourraient être résolus à l'aide de solutions analytiques de classe Big Data. Les marchés informatiques développés disposent déjà de résultats qui peuvent être utilisés pour évaluer les attentes liées à l'accumulation et au traitement du Big Data.

L'un des principaux facteurs qui ralentissent la mise en œuvre des projets Big Data, outre le coût élevé, est considéré problème de sélection des données traitées: c'est-à-dire déterminer quelles données doivent être récupérées, stockées et analysées, et lesquelles doivent être ignorées.

De nombreux représentants d'entreprises notent que les difficultés de mise en œuvre des projets Big Data sont associées au manque de spécialistes - spécialistes du marketing et analystes. La rapidité du retour sur investissement dans le Big Data dépend directement de la qualité du travail des collaborateurs engagés dans des analyses approfondies et prédictives. L’énorme potentiel des données déjà existantes dans une organisation ne peut souvent pas être utilisé efficacement par les spécialistes du marketing eux-mêmes en raison de processus commerciaux ou de réglementations internes obsolètes. Ainsi, les projets Big Data sont souvent perçus par les entreprises comme difficiles non seulement à mettre en œuvre, mais aussi à évaluer les résultats : la valeur des données collectées. La nature spécifique du travail avec les données oblige les spécialistes du marketing et les analystes à détourner leur attention de la technologie et de la création de rapports pour se concentrer sur la résolution de problèmes commerciaux spécifiques.

En raison du volume important et de la vitesse élevée du flux de données, le processus de collecte de données implique des procédures ETL en temps réel. Pour référence:ETL - depuisAnglaisExtrait, Transformer, Charger- littéralement « extraire, transformer, charger ») - l'un des principaux processus de gestion les entrepôts de données, qui comprennent : l'extraction de données à partir de sources externes, leur transformation et nettoyage pour répondre aux besoins ETL doit être considéré non seulement comme un processus de déplacement de données d'une application à une autre, mais également comme un outil de préparation des données pour l'analyse.

Et puis les problématiques liées à la sécurité des données provenant de sources externes doivent avoir des solutions adaptées au volume d'informations collectées. Les méthodes d’analyse du Big Data ne se développant qu’avec la croissance du volume de données, la capacité des plateformes analytiques à utiliser de nouvelles méthodes de préparation et d’agrégation des données joue un rôle important. Cela suggère que, par exemple, des données sur les acheteurs potentiels ou un entrepôt de données massif avec l'historique des clics sur les sites d'achat en ligne peuvent être intéressants pour résoudre divers problèmes.

Les difficultés ne s'arrêtent pas

Malgré toutes les difficultés liées à la mise en œuvre du Big Data, l'entreprise entend accroître ses investissements dans ce domaine. Comme le montrent les données de Gartner, en 2013, 64 % des plus grandes entreprises mondiales ont déjà investi ou envisagent d'investir dans le déploiement de technologies Big Data pour leur entreprise, contre 58 % en 2012. Selon une étude de Gartner, les leaders des secteurs qui investissent dans le Big Data sont les sociétés de médias, de télécommunications, de banque et de services. Des résultats positifs de la mise en œuvre du Big Data ont déjà été obtenus par de nombreux acteurs majeurs du secteur de la vente au détail en termes d'utilisation des données obtenues à l'aide d'outils d'identification par radiofréquence, de systèmes de logistique et de relocalisation. réapprovisionnement- accumulation, réapprovisionnement - R&T), ainsi que des programmes de fidélité. Une expérience de vente au détail réussie encourage d’autres secteurs du marché à en trouver de nouveaux moyens efficaces monétisation du big data pour transformer son analyse en une ressource au service du développement commercial. Grâce à cela, selon les experts, d'ici 2020, les investissements dans la gestion et le stockage diminueront par gigaoctet de données de 2 dollars à 0,2 dollars, mais pour l'étude et l'analyse des propriétés technologiques du Big Data, ils n'augmenteront que de 40 %.

Les coûts présentés dans divers projets d'investissement dans le domaine du Big Data sont de nature différente. Les éléments de coût dépendent des types de produits sélectionnés en fonction de certaines décisions. Selon les experts, la plus grande partie des coûts des projets d'investissement concerne les produits liés à la collecte, à la structuration des données, au nettoyage et à la gestion de l'information.

Comment c'est fait

Il existe de nombreuses combinaisons de logiciels et de matériel qui vous permettent de créer des solutions Big Data efficaces pour diverses disciplines commerciales : des médias sociaux et Applications mobiles, à l'exploration et à la visualisation de données d'entreprise. Un avantage important du Big Data est la compatibilité des nouveaux outils avec les bases de données largement utilisées en entreprise, ce qui est particulièrement important lorsque l'on travaille sur des projets transdisciplinaires, tels que l'organisation des ventes multicanaux et du support client.

La séquence de travail avec le Big Data consiste à collecter des données, à structurer les informations reçues à l'aide de rapports et de tableaux de bord, à créer des informations et des contextes et à formuler des recommandations d'action. Étant donné que travailler avec le Big Data implique des coûts importants pour la collecte de données, dont le résultat du traitement est inconnu à l'avance, la tâche principale est de comprendre clairement à quoi servent les données et non quelle quantité est disponible. Dans ce cas, la collecte de données se transforme en un processus d'obtention d'informations exclusivement nécessaires à la résolution de problèmes spécifiques.

Par exemple, les fournisseurs de télécommunications regroupent une énorme quantité de données, notamment de géolocalisation, qui sont constamment mises à jour. Ces informations peuvent présenter un intérêt commercial pour agences de publicité, qui peuvent l'utiliser pour afficher des publicités ciblées et locales, ainsi que pour les détaillants et les banques. Ces données peuvent jouer un rôle important lors de la décision d'ouvrir un point de vente dans un endroit donné, sur la base de données sur la présence d'un puissant flux de personnes ciblé. Il existe un exemple de mesure de l’efficacité de la publicité sur des panneaux d’affichage extérieurs à Londres. Désormais, la portée d'une telle publicité ne peut être mesurée qu'en plaçant des personnes munies d'un appareil spécial à proximité de structures publicitaires qui comptent les passants. Par rapport à ce type de mesure de l'efficacité publicitaire, l'opérateur mobile a beaucoup plus d'opportunités - il connaît exactement la localisation de ses abonnés, il connaît leurs caractéristiques démographiques, leur sexe, leur âge, Situation familiale, etc.

Sur la base de ces données, il est possible à l'avenir de modifier le contenu du message publicitaire, en utilisant les préférences d'une personne particulière passant devant le panneau d'affichage. Si les données montrent qu'une personne de passage voyage beaucoup, alors on pourrait lui montrer une publicité pour une station. Les organisateurs d’un match de football ne peuvent qu’estimer le nombre de supporters lorsqu’ils viennent assister au match. Mais s’ils pouvaient demander à leur opérateur de téléphonie mobile des informations sur l’endroit où se trouvent les visiteurs une heure, un jour ou un mois avant un match, cela donnerait aux organisateurs la possibilité de planifier des spots publicitaires pour les matchs à venir.

Un autre exemple est la manière dont les banques peuvent utiliser le Big Data pour prévenir la fraude. Si le client signale la perte de la carte, et lors d'un achat avec celle-ci, la banque voit en temps réel l'emplacement du téléphone du client dans la zone d'achat où a lieu la transaction, la banque peut vérifier les informations sur l'application du client. pour voir s'il essayait de le tromper. Ou la situation inverse, lorsqu'un client effectue un achat dans un magasin, la banque voit que la carte utilisée pour la transaction et le téléphone du client se trouvent au même endroit, la banque peut en conclure que le titulaire de la carte l'utilise. Grâce aux avantages du Big Data, les limites des entrepôts de données traditionnels sont repoussées.

Pour réussir à prendre la décision de mettre en œuvre des solutions Big Data, une entreprise doit calculer un dossier d'investissement, ce qui entraîne de grandes difficultés en raison de nombreux composants inconnus. Le paradoxe de l’analyse dans de tels cas est de prédire l’avenir sur la base du passé, dont les données font souvent défaut. Dans ce cas, un facteur important est une planification claire de vos actions initiales :

Tout d'abord, il est nécessaire de déterminer un problème commercial spécifique pour lequel les technologies Big Data seront utilisées ; cette tâche deviendra la base pour déterminer l'exactitude du concept choisi. Vous devez vous concentrer sur la collecte de données liées à cette tâche spécifique, et lors de la preuve de concept, vous pouvez utiliser divers outils, processus et techniques de gestion qui vous permettront de prendre des décisions plus éclairées à l'avenir.
Deuxièmement, il est peu probable qu’une entreprise sans compétences ni expérience en matière d’analyse de données soit en mesure de mettre en œuvre avec succès un projet Big Data. Connaissances requises proviennent toujours d’une expérience analytique antérieure, qui est le principal facteur influençant la qualité du travail avec les données. La culture des données est importante car l’analyse des données révèle souvent de dures vérités sur une entreprise, et il faut des pratiques en matière de données pour accepter et travailler avec ces vérités.
Troisièmement, la valeur des technologies Big Data réside dans la fourniture d’informations, car les bons analystes restent rares sur le marché. On les appelle généralement des spécialistes qui ont une compréhension approfondie de la signification commerciale des données et savent comment les utiliser correctement. L'analyse des données est un moyen d'atteindre les objectifs commerciaux, et pour comprendre la valeur du Big Data, vous devez vous comporter en conséquence et comprendre vos actions. Dans ce cas, le Big Data fournira de nombreuses informations utiles sur les consommateurs, sur la base desquelles des décisions utiles pour les entreprises pourront être prises.

Malgré le fait que le marché russe du Big Data commence tout juste à prendre forme, des projets individuels dans ce domaine sont déjà mis en œuvre avec beaucoup de succès. Certains d'entre eux réussissent dans le domaine de la collecte de données, comme les projets du Service fédéral des impôts et de la Tinkoff Credit Systems Bank, d'autres - en termes d'analyse des données et d'application pratique de leurs résultats : il s'agit du projet Synqera.

Tinkoff Credit Systems Bank a mis en œuvre un projet visant à mettre en œuvre la plate-forme EMC2 Greenplum, qui est un outil de calcul massivement parallèle. Ces dernières années, la banque a accru ses exigences en matière de rapidité de traitement des informations accumulées et d'analyse des données en temps réel, en raison du taux de croissance élevé du nombre d'utilisateurs de cartes de crédit. La Banque a annoncé son intention d'étendre l'utilisation des technologies Big Data, notamment pour le traitement des données non structurées et la collaboration avec information d'entreprise obtenus à partir de diverses sources.

Le Service fédéral des impôts de Russie crée actuellement une couche analytique pour l'entrepôt de données fédéral. Sur cette base, un espace d'information et une technologie unifiés permettant d'accéder aux données fiscales à des fins de traitement statistique et analytique sont créés. Au cours de la mise en œuvre du projet, des travaux sont en cours pour centraliser les informations analytiques provenant de plus de 1 200 sources au niveau local du Service fédéral des impôts.

Un autre exemple intéressant d’analyse de big data en temps réel est celui de la startup russe Synqera, qui a développé la plateforme Simplate. La solution repose sur le traitement de grandes quantités de données ; le programme analyse les informations sur les clients, leur historique d'achat, leur âge, leur sexe et même leur humeur. Des écrans tactiles dotés de capteurs reconnaissant les émotions des clients ont été installés aux caisses d'une chaîne de magasins de cosmétiques. Le programme détermine l'humeur d'une personne, analyse les informations la concernant, détermine l'heure de la journée et analyse la base de données des remises du magasin, après quoi il envoie des messages ciblés à l'acheteur sur les promotions et offres spéciales. Cette solution augmente la fidélité des clients et augmente les ventes des détaillants.

Si nous parlons de cas de réussite étrangers, l'expérience d'utilisation des technologies Big Data de la société Dunkin`Donuts, qui utilise des données en temps réel pour vendre des produits, est intéressante à cet égard. Les affichages numériques dans les magasins affichent des offres qui changent toutes les minutes, en fonction de l'heure de la journée et de la disponibilité des produits. À l'aide des reçus de caisse, l'entreprise reçoit des données sur les offres qui ont reçu le plus de réponses de la part des clients. Cette approche informatique nous a permis d'augmenter les bénéfices et le chiffre d'affaires des marchandises dans l'entrepôt.

Comme le montre l'expérience de la mise en œuvre de projets Big Data, ce domaine est conçu pour résoudre avec succès les problèmes des entreprises modernes. Dans le même temps, un facteur important pour atteindre les objectifs commerciaux lorsque l'on travaille avec le Big Data est le choix de la bonne stratégie, qui comprend des analyses identifiant les besoins des consommateurs, ainsi que l'utilisation de technologies innovantes dans le domaine du Big Data.

Selon une enquête mondiale menée chaque année par Econsultancy et Adobe depuis 2012 auprès des spécialistes du marketing en entreprise, les « big data » qui caractérisent les actions des individus sur Internet peuvent faire beaucoup. Ils peuvent optimiser les processus commerciaux hors ligne, aider à comprendre comment les propriétaires d'appareils mobiles les utilisent pour rechercher des informations, ou simplement « améliorer le marketing », c'est-à-dire plus efficace. D'ailleurs, cette dernière fonction devient de plus en plus populaire d'année en année, comme le montre le schéma que nous avons présenté.

Les principaux domaines de travail des spécialistes du marketing Internet en termes de relation client

Source: Econsultancy et Adobe, publié– emarketer.com

A noter que la nationalité des répondants n'a pas beaucoup d'importance. Comme le montre une enquête menée par KPMG en 2013, la part des « optimistes », c’est-à-dire ceux qui utilisent le Big Data pour développer une stratégie commerciale sont de 56 %, et les variations d'une région à l'autre sont faibles : de 63 % dans les pays d'Amérique du Nord à 50 % dans la région EMEA.

Utiliser le Big Data dans différentes régions du monde

Source: KPMG, publié– emarketer.com

Pendant ce temps, l'attitude des spécialistes du marketing face à de telles « tendances de la mode » rappelle quelque peu une blague bien connue :

Dis-moi, Vano, tu aimes les tomates ?
- J'aime manger, mais pas comme ça.

Même si les spécialistes du marketing « aiment » verbalement le Big Data et semblent même l’utiliser, en réalité, « tout est compliqué », comme ils l’écrivent sur les réseaux sociaux.

Selon une enquête menée par Circle Research en janvier 2014 auprès des marketeurs européens, 4 personnes interrogées sur 5 n'utilisent pas le Big Data (même s'ils « adorent ça »). Les raisons sont différentes. Il y a peu de sceptiques invétérés - 17% et exactement le même nombre que leurs antipodes, c'est-à-dire ceux qui répondent avec assurance : « Oui ». Les autres hésitent et doutent, le « marais ». Ils évitent une réponse directe sous des prétextes plausibles tels que « pas encore, mais bientôt » ou « on attendra que les autres commencent ».

Utilisation du Big Data par les marketeurs, Europe, janvier 2014

Source:dx, publié –e-commerçant.com

Qu’est-ce qui les rend confus ? Un pur non-sens. Certains (exactement la moitié d’entre eux) ne croient tout simplement pas à ces données. D'autres (ils sont également assez nombreux - 55 %) ont du mal à corréler des ensembles de « données » et d'« utilisateurs » entre eux. Certaines personnes ont simplement (pour le dire politiquement correctement) un désordre interne à l'entreprise : les données errent sans surveillance entre les services marketing et les structures informatiques. Pour d’autres, le logiciel ne peut pas faire face à l’afflux de travail. Et ainsi de suite. Étant donné que les parts totales dépassent largement 100 %, il est clair que la situation de « barrières multiples » n’est pas rare.

Obstacles à l’utilisation du Big Data en marketing

Source:dx, publié –e-commerçant.com

Il faut donc admettre que même si le « Big Data » constitue un grand potentiel, il reste encore à exploiter. D'ailleurs, c'est peut-être la raison pour laquelle le Big Data perd l'auréole d'une « tendance à la mode », comme en témoignent les données d'une enquête menée par la société Econsultancy déjà mentionnée.

Les tendances les plus marquantes du marketing numérique 2013-2014

Source: Econsultancy et Adobe

Ils sont remplacés par un autre roi : le marketing de contenu. Combien de temps?

On ne peut pas dire que le Big Data soit un phénomène fondamentalement nouveau. De grandes sources de données existent depuis de nombreuses années : bases de données sur les achats des clients, les historiques de crédit, le style de vie. Et depuis des années, les scientifiques utilisent ces données pour aider les entreprises à évaluer les risques et à prédire les besoins futurs des clients. Cependant, aujourd’hui, la situation a changé sous deux aspects :

Des outils et des techniques plus sophistiqués sont apparus pour analyser et combiner différents ensembles de données ;

Ces outils analytiques sont complétés par une avalanche de nouvelles sources de données entraînées par la numérisation de pratiquement toutes les méthodes de collecte et de mesure des données.

La gamme d’informations disponibles est à la fois inspirante et intimidante pour les chercheurs élevés dans des environnements de recherche structurés. Le sentiment des consommateurs est capté par les sites Web et toutes sortes de médias sociaux. Le fait de regarder une publicité est enregistré non seulement par les décodeurs, mais également à l'aide d'étiquettes numériques et d'appareils mobiles qui communiquent avec le téléviseur.

Les données comportementales (telles que le volume d'appels, les habitudes d'achat et les achats) sont désormais disponibles en temps réel. Ainsi, une grande partie de ce qui pouvait auparavant être obtenu grâce à la recherche peut désormais être apprise à l’aide de sources de données massives. Et tous ces actifs informationnels sont générés en permanence, indépendamment de tout processus de recherche. Ces changements nous amènent à nous demander si le big data peut remplacer les études de marché classiques.

Il ne s’agit pas de données, mais de questions et de réponses.

Avant de sonner le glas de la recherche classique, rappelons-nous que crucial n'a pas la présence de certains actifs de données, mais autre chose. Quoi exactement? Notre capacité à répondre aux questions, voilà quoi. Ce qui est amusant dans le nouveau monde du Big Data, c'est que les résultats obtenus à partir de nouveaux actifs de données soulèvent encore plus de questions, et ces questions trouvent généralement la meilleure réponse dans la recherche traditionnelle. Ainsi, à mesure que le big data se développe, nous constatons une augmentation parallèle de la disponibilité et du besoin de « small data » qui peuvent apporter des réponses aux questions du monde du big data.

Considérez la situation : un grand annonceur surveille en permanence le trafic en magasin et les volumes de ventes en temps réel. Les méthodologies de recherche existantes (dans lesquelles nous interrogeons les panélistes sur leurs motivations d'achat et leur comportement au point de vente) nous aident à mieux cibler des segments d'acheteurs spécifiques. Ces techniques peuvent être étendues pour inclure un plus large éventail d’actifs Big Data, au point où le Big Data devient un moyen d’observation passive et la recherche une méthode d’enquête continue et étroitement ciblée sur les changements ou les événements qui nécessitent une étude. C’est ainsi que le Big Data peut libérer la recherche d’une routine inutile. La recherche primaire n’a plus besoin de se concentrer sur ce qui se passe (le big data le fera). Au lieu de cela, la recherche primaire peut se concentrer sur l’explication des raisons pour lesquelles nous observons des tendances particulières ou des écarts par rapport aux tendances. Le chercheur pourra moins penser à l’obtention de données qu’à la manière de les analyser et de les utiliser.

Dans le même temps, nous constatons que le big data peut résoudre l’un de nos plus gros problèmes : celui des études trop longues. L’examen des études elles-mêmes a montré que des instruments de recherche trop gonflés ont un impact négatif sur la qualité des données. Bien que de nombreux experts aient reconnu ce problème depuis longtemps, ils ont invariablement répondu par la phrase : « Mais j'ai besoin de ces informations pour la haute direction », et les longs entretiens se sont poursuivis.

Dans le monde du Big Data, où des mesures quantitatives peuvent être obtenues grâce à l’observation passive, cette question devient sans objet. Pensons encore une fois à toutes ces études concernant la consommation. Si le Big Data nous donne un aperçu de la consommation grâce à l’observation passive, alors les recherches par enquêtes primaires n’ont plus besoin de collecter ce type d’informations, et nous pouvons enfin étayer notre vision des enquêtes courtes par quelque chose de plus que de simples vœux pieux.

Le Big Data a besoin de votre aide

Enfin, le « big » n’est qu’une des caractéristiques du big data. La caractéristique « grande » fait référence à la taille et à l’échelle des données. Bien sûr, c’est la caractéristique principale, puisque le volume de ces données dépasse tout ce avec quoi nous avons travaillé auparavant. Mais d'autres caractéristiques de ces nouveaux flux de données sont également importantes : ils sont souvent mal formatés, non structurés (ou, en le meilleur cas de scenario, partiellement structuré) et plein d'incertitudes. Un domaine émergent de la gestion des données, bien nommé analyse d’entité, aborde le problème de la réduction du bruit du Big Data. Son travail consiste à analyser ces ensembles de données et à déterminer combien d'observations se réfèrent à la même personne, quelles observations sont actuelles et lesquelles sont utilisables.

Ce type de nettoyage des données est nécessaire pour éliminer le bruit ou les données erronées lorsque l’on travaille avec des actifs de données de grande ou de petite taille, mais ce n’est pas suffisant. Nous devons également créer un contexte autour des actifs Big Data en nous basant sur notre expérience antérieure, nos analyses et nos connaissances des catégories. En fait, de nombreux analystes soulignent la capacité à gérer l’incertitude inhérente au Big Data comme une source d’avantage concurrentiel, car elle permet de prendre de meilleures décisions.

C’est là que la recherche primaire se trouve non seulement libérée par le big data, mais contribue également à la création et à l’analyse de contenu au sein du big data.

Un excellent exemple en est l’application de notre nouveau cadre de capital de marque fondamentalement différent aux médias sociaux. (nous parlons de développé enMillward Brunune nouvelle approche pour mesurer le capital de marqueLe Significativement Différent Cadre– « Le paradigme de la différence significative » -R. & T ). Le modèle est testé comportementalement sur des marchés spécifiques, mis en œuvre sur une base standard et peut être facilement appliqué à d'autres secteurs de marketing et systèmes d'information d'aide à la décision. En d’autres termes, notre modèle de capital de marque, éclairé (mais pas exclusivement) par des enquêtes, possède toutes les fonctionnalités nécessaires pour surmonter la nature non structurée, décousue et incertaine du Big Data.

Considérez les données sur le sentiment des consommateurs fournies par les médias sociaux. Sous leur forme brute, les hauts et les bas de la confiance des consommateurs sont très souvent peu corrélés aux mesures hors ligne du capital et du comportement de la marque : il y a tout simplement trop de bruit dans les données. Mais nous pouvons réduire ce bruit en appliquant nos modèles de signification du consommateur, de différenciation, de dynamique et de caractère distinctif des marques aux données brutes sur le sentiment des consommateurs – une manière de traiter et d’agréger les données des médias sociaux selon ces dimensions.

Une fois les données organisées selon notre cadre, les tendances identifiées s'alignent généralement sur le capital de marque et les mesures comportementales hors ligne. Essentiellement, les données des réseaux sociaux ne peuvent pas parler d’elles-mêmes. Les utiliser à cet effet nécessite notre expérience et des modèles construits autour des marques. Quand réseaux sociaux nous donnent des informations uniques exprimées dans le langage que les consommateurs utilisent pour décrire les marques, nous devons utiliser ce langage lors de la création de nos recherches pour rendre la recherche primaire beaucoup plus efficace.

Avantages de la recherche exonérée

Cela nous ramène à la façon dont le Big Data ne remplace pas tant la recherche qu’il la libère. Les chercheurs seront libérés de la nécessité de créer une nouvelle étude pour chaque nouveau cas. Des ressources Big Data en constante augmentation peuvent être utilisées pour différents sujets recherche, permettant aux recherches primaires ultérieures d’approfondir le sujet et de combler les lacunes existantes. Les chercheurs ne seront plus obligés de s’appuyer sur des enquêtes exagérées. Au lieu de cela, ils peuvent utiliser de courtes enquêtes et se concentrer sur les paramètres les plus importants, ce qui améliore la qualité des données.

Avec cette libération, les chercheurs pourront utiliser leurs principes et idées établis pour ajouter de la précision et du sens aux actifs du Big Data, ouvrant ainsi la voie à de nouveaux domaines de recherche par enquête. Ce cycle devrait conduire à une meilleure compréhension d'une série de questions stratégiques et, à terme, à une évolution vers ce qui devrait toujours être notre objectif principal : éclairer et améliorer la qualité des décisions en matière de marque et de communication.

Vous connaissez cette fameuse blague, non ? Le Big Data, c'est comme le sexe avant 18 ans :

tout le monde y pense ;
tout le monde en parle ;
tout le monde pense que ses amis le font ;
presque personne ne fait ça ;
celui qui le fait le fait mal ;
tout le monde pense que ça marchera mieux la prochaine fois ;
personne ne prend de mesures de sécurité ;
n’importe qui a honte d’admettre qu’il ne sait pas quelque chose ;
si quelqu’un réussit quelque chose, cela fait toujours beaucoup de bruit.

Mais soyons honnêtes, dans tout battage médiatique, il y aura toujours la curiosité habituelle : quel genre d'agitation y a-t-il et y a-t-il quelque chose de vraiment important là-dedans ? Bref, oui, il y en a. Les détails sont ci-dessous. Nous avons sélectionné pour vous les applications les plus étonnantes et intéressantes des technologies Big Data. Cette petite étude de marché, à l’aide d’exemples clairs, nous confronte à un fait simple : le futur n’arrive pas, il n’est pas nécessaire « d’attendre encore n années et la magie deviendra réalité ». Non, il est déjà arrivé, mais il est encore invisible à l’œil nu et donc l’incendie de la singularité n’a pas encore autant brûlé un certain point du marché du travail. Aller.

1 Comment les technologies Big Data sont appliquées là où elles sont originaires

Les grandes entreprises informatiques sont à l’origine de la science des données, leurs connaissances internes dans ce domaine sont donc les plus intéressantes. Campagne Google, berceau du paradigme Map Reduction, dont le seul objectif est de former ses programmeurs aux technologies d'apprentissage automatique. Et c'est là que réside leur avantage concurrentiel : après avoir acquis de nouvelles connaissances, les collaborateurs introduiront de nouvelles méthodes dans les projets Google sur lesquels ils travaillent en permanence. Imaginez à quel point la liste des domaines dans lesquels une campagne peut révolutionner est immense. Un exemple: les réseaux de neurones sont utilisés .

La société met en œuvre l'apprentissage automatique dans tous ses produits. Son avantage est la présence d’un large écosystème, qui comprend tous les appareils numériques utilisés au quotidien. Cela permet à Apple d'atteindre un niveau impossible : la campagne contient plus de données utilisateur que toute autre. Dans le même temps, la politique de confidentialité est très stricte : l'entreprise s'est toujours vantée de ne pas utiliser les données des clients à des fins publicitaires. En conséquence, les informations des utilisateurs sont cryptées afin que les avocats d'Apple ou même le FBI disposant d'un mandat ne puissent pas les lire. Vous trouverez une excellente critique Développements Apple dans le domaine de l'IA.

2 Le Big Data sur 4 roues

Une voiture moderne est un dispositif de stockage d'informations : elle accumule toutes les données sur le conducteur, environnement, les appareils connectés et sur vous-même. Bientôt, un seul véhicule connecté à un réseau comme celui-ci générera jusqu'à 25 Go de données par heure.

La télématique automobile est utilisée par les constructeurs automobiles depuis de nombreuses années, mais le lobbying s'intensifie désormais. méthode complexe une collecte de données qui tire pleinement parti du Big Data. Cela signifie que la technologie peut désormais alerter le conducteur des mauvaises conditions routières en activant automatiquement les systèmes de freinage antiblocage et de contrôle de traction.

D'autres sociétés, dont BMW, utilisent la technologie Big Data, combinée aux informations collectées à partir des prototypes testés, des systèmes de mémoire d'erreurs embarqués et des plaintes des clients, pour identifier les faiblesses des modèles dès le début de la production. Désormais, au lieu d’évaluer manuellement les données, ce qui prend des mois, un algorithme moderne est utilisé. Les erreurs et les coûts de dépannage sont réduits, ce qui accélère les flux de travail d'analyse des informations chez BMW.

Selon les estimations des experts, le chiffre d'affaires du marché des voitures connectées atteindra 130 milliards de dollars d'ici 2019. Ce n'est pas surprenant, compte tenu du rythme d'intégration par les constructeurs automobiles des technologies qui font partie intégrante du véhicule.

L’utilisation du Big Data contribue à rendre la voiture plus sûre et plus fonctionnelle. Ainsi, Toyota en intégrant des modules d'information et de communication (DCM). Cet outil Big Data traite et analyse les données collectées par DCM pour en extraire davantage de valeur.

3 Application du Big Data en médecine

La mise en œuvre des technologies Big Data dans le domaine médical permet aux médecins d'étudier la maladie de manière plus approfondie et de choisir un traitement efficace pour un cas particulier. Grâce à l’analyse des informations, il devient plus facile pour les agents de santé de prédire les rechutes et de prendre des mesures préventives. Le résultat est un diagnostic plus précis et des méthodes de traitement améliorées.

La nouvelle technique nous a permis d'examiner les problèmes des patients sous un angle différent, ce qui a conduit à la découverte de sources du problème jusqu'alors inconnues. Par exemple, certaines races sont génétiquement plus prédisposées aux maladies cardiaques que d’autres groupes ethniques. Désormais, lorsqu'un patient se plaint d'une certaine maladie, les médecins prennent en compte les données des membres de sa race qui se sont plaints du même problème. La collecte et l’analyse des données nous permettent d’en apprendre beaucoup plus sur les patients : depuis les préférences alimentaires et le mode de vie jusqu’à la structure génétique de l’ADN et les métabolites des cellules, tissus et organes. Ainsi, le Center for Children's Genomic Medicine de Kansas City utilise des patients et analyse les mutations du code génétique à l'origine du cancer. Une approche individuelle de chaque patient, prenant en compte son ADN, élèvera l'efficacité du traitement à un niveau qualitativement différent.

Comprendre comment le Big Data est utilisé est le premier et très important changement dans le domaine médical. Lorsqu'un patient suit un traitement, l'hôpital ou un autre établissement de santé peut recevoir beaucoup informations significativesà propos d'un humain. Les informations collectées sont utilisées pour prédire les récidives de la maladie avec un certain degré de précision. Par exemple, si un patient a subi un accident vasculaire cérébral, les médecins étudient les informations sur le moment de l'accident vasculaire cérébral, analysent la période intermédiaire entre les précédents (le cas échéant), en accordant une attention particulière aux situations stressantes et à l'activité physique intense dans la vie du patient. Sur la base de ces données, les hôpitaux fournissent au patient un plan d'action clair pour prévenir la possibilité d'un accident vasculaire cérébral à l'avenir.

Les appareils portables jouent également un rôle en aidant à identifier les problèmes de santé même si une personne ne présente pas de symptômes évidents d’une maladie particulière. Au lieu d’évaluer l’état du patient au moyen d’une longue série d’examens, le médecin peut tirer des conclusions basées sur les informations collectées par un tracker de fitness ou une montre intelligente.

L'un des derniers exemples est . Alors que l'homme était examiné pour une nouvelle crise provoquée par un oubli de médicament, les médecins ont découvert que l'homme avait un problème de santé beaucoup plus grave. Ce problème s'est avéré être une fibrillation auriculaire. Le diagnostic a été posé grâce au fait que le personnel du service a eu accès au téléphone du patient, notamment à l’application associée à son tracker de fitness. Les données de l’application se sont révélées être un facteur clé pour déterminer le diagnostic, car au moment de l’examen, aucune anomalie cardiaque n’a été détectée chez l’homme.

Ceci n'est qu'un des rares cas qui montre pourquoi utiliser le big data joue aujourd’hui un rôle si important dans le domaine médical.

4 L'analyse des données est déjà devenue le cœur du commerce de détail

Comprendre les requêtes et le ciblage des utilisateurs est l’un des domaines d’application les plus vastes et les plus médiatisés des outils Big Data. Le Big Data permet d’analyser les habitudes des clients afin de mieux comprendre leurs besoins à l’avenir. Les entreprises cherchent à élargir l'ensemble de données traditionnel avec des informations provenant des réseaux sociaux et de l'historique de recherche du navigateur afin de créer l'image client la plus complète possible. Parfois, les grandes organisations choisissent de créer leur propre modèle prédictif comme objectif global.

Par exemple, la chaîne de magasins Target, grâce à une analyse approfondie des données et son propre système de prévision, parvient à déterminer avec une grande précision - . Chaque client se voit attribuer un identifiant, qui à son tour est lié à une carte de crédit, un nom ou une adresse e-mail. L'identifiant sert comme une sorte de panier, où sont stockées des informations sur tout ce qu'une personne a déjà acheté. Les spécialistes du réseau ont découvert que les femmes enceintes achètent activement des produits non parfumés avant le deuxième trimestre de la grossesse et qu'au cours des 20 premières semaines, elles dépendent de suppléments de calcium, de zinc et de magnésium. Sur la base des données reçues, Target envoie des coupons pour des produits pour bébés aux clients. Les remises sur les produits destinés aux enfants eux-mêmes sont « diluées » avec des coupons pour d'autres produits, de sorte que les offres d'achat d'un berceau ou de couches ne semblent pas trop intrusives.

Même les ministères ont trouvé le moyen d’utiliser les technologies Big Data pour optimiser les campagnes électorales. Certains pensent que la victoire de Barack Obama à l'élection présidentielle américaine de 2012 est due à l'excellent travail de son équipe d'analystes, qui a traité correctement d'énormes quantités de données.

5 Le Big Data protège la loi et l’ordre

Au cours des dernières années, les forces de l’ordre ont été capables de comprendre comment et quand utiliser le Big Data. C’est un fait bien connu que la National Security Agency utilise les technologies du Big Data pour prévenir les attaques terroristes. D'autres départements utilisent une méthodologie avancée pour prévenir les délits mineurs.

Le service de police de Los Angeles utilise . Elle fait ce qu’on appelle communément une police proactive. À l’aide de rapports de criminalité sur une période donnée, l’algorithme identifie les zones où la criminalité est la plus susceptible de se produire. Le système marque ces zones sur le plan de la ville avec de petits carrés rouges et ces données sont immédiatement transmises aux voitures de patrouille.

Les flics de Chicago utiliser les technologies Big Data d'une manière légèrement différente. Les forces de l'ordre de Windy City font de même, mais cela vise à définir un « cercle de risques » composé de personnes qui pourraient être victimes ou participer à une attaque armée. Selon le New York Times, cet algorithme attribue à une personne une cote de vulnérabilité basée sur ses antécédents criminels (arrestations et participation à des fusillades, appartenance à des groupes criminels). Le développeur du système affirme que même si le système examine les antécédents criminels d'une personne, il ne prend pas en compte des facteurs secondaires tels que la race, le sexe, l'origine ethnique et le lieu de résidence d'une personne.

6 Comment les technologies Big Data aident les villes à se développer

PDG Veniam Joao Barros présente une carte de suivi des routeurs Wi-Fi dans les bus de Porto

L'analyse des données est également utilisée pour améliorer un certain nombre d'aspects de la vie des villes et des pays. Par exemple, en sachant exactement comment et quand utiliser les technologies Big Data, vous pouvez optimiser les flux de trafic. Pour ce faire, le mouvement des voitures en ligne est pris en compte, les réseaux sociaux et les données météorologiques sont analysés. Aujourd’hui, un certain nombre de villes se sont engagées à utiliser l’analyse des données pour combiner les infrastructures de transport avec d’autres types de services publics en un seul tout. C’est le concept d’une ville « intelligente », dans laquelle les bus attendent les trains en retard et les feux de circulation sont capables de prédire les embouteillages pour minimiser les embouteillages.

S'appuyant sur les technologies Big Data, la ville de Long Beach exploite des compteurs d'eau intelligents qui permettent de stopper l'arrosage illégal. Auparavant, ils étaient utilisés pour réduire la consommation d'eau des ménages privés (le résultat maximum était une réduction de 80 %). Économiser l’eau douce est toujours une question urgente. Surtout alors que l’État connaît la pire sécheresse jamais enregistrée.

Des représentants du ministère des Transports de Los Angeles ont rejoint la liste de ceux qui utilisent le Big Data. Sur la base des données reçues des capteurs des caméras de circulation, les autorités surveillent le fonctionnement des feux de circulation, ce qui permet de réguler la circulation. Le système informatisé contrôle environ 4 500 000 feux de circulation dans toute la ville. Selon les données officielles, le nouvel algorithme a permis de réduire les embouteillages de 16 %.

7 Le moteur de progrès en marketing et en vente

En marketing, les outils Big Data permettent d’identifier quelles idées sont les plus efficaces pour promouvoir à une étape particulière du cycle de vente. L'analyse des données détermine comment les investissements peuvent améliorer la gestion de la relation client, quelle stratégie doit être adoptée pour améliorer les taux de conversion et comment optimiser le cycle de vie du client. Dans les entreprises cloud, les algorithmes Big Data sont utilisés pour déterminer comment minimiser le coût d’acquisition des clients et augmenter le cycle de vie des clients.

La différenciation des stratégies tarifaires en fonction du niveau intra-système du client est peut-être la principale raison pour laquelle le Big Data est utilisé dans le domaine du marketing. McKinsey a découvert qu'environ 75 % des revenus d'une entreprise moyenne proviennent de produits de base, dont 30 % sont mal évalués. Une augmentation de prix de 1 % entraîne une augmentation de 8,7 % du résultat opérationnel.

L'équipe de recherche de Forrester a découvert que l'analyse des données permet aux spécialistes du marketing de se concentrer sur la manière de rendre les relations clients plus fructueuses. En examinant l'orientation du développement des clients, les spécialistes peuvent évaluer le niveau de leur fidélité, ainsi que prolonger le cycle de vie dans le contexte d'une entreprise spécifique.

L'optimisation des stratégies de vente et les étapes d'entrée sur de nouveaux marchés grâce à la géoanalyse se reflètent dans l'industrie biopharmaceutique. Selon McKinsey, les sociétés pharmaceutiques consacrent en moyenne 20 à 30 % de leurs bénéfices à l’administration et aux ventes. Si les entreprises deviennent plus actives utiliser le Big Data pour identifier les marchés les plus rentables et à la croissance la plus rapide, les coûts seront immédiatement réduits.

L'analyse des données est un moyen pour les entreprises d'obtenir une image complète des aspects clés de leur activité. Augmenter les revenus, réduire les coûts et réduire le fonds de roulement sont trois défis que les entreprises modernes tentent de résoudre à l'aide d'outils analytiques.

Enfin, 58 % des directeurs marketing affirment que la mise en œuvre des technologies Big Data se retrouve dans l'optimisation des moteurs de recherche (SEO), l'e-mail et le marketing mobile, où l'analyse des données joue le rôle le plus important dans la formation des programmes marketing. Et seulement 4 % de personnes interrogées en moins sont convaincues que le Big Data jouera un rôle important dans tous les domaines. stratégies marketing pendant de nombreuses années.

8 Analyse des données globales

Non moins curieux est... Il est possible que l’apprentissage automatique soit à terme la seule force capable de maintenir cet équilibre délicat. Le sujet de l’influence humaine sur le réchauffement climatique suscite encore de nombreuses controverses, c’est pourquoi seuls des modèles prédictifs fiables basés sur l’analyse de grandes quantités de données peuvent donner une réponse précise. En fin de compte, réduire les émissions nous aidera tous : nous dépenserons moins en énergie.

Le Big Data n’est désormais pas un concept abstrait qui pourrait trouver son application dans quelques années. Il s'agit d'un ensemble de technologies entièrement fonctionnel qui peut être utile dans presque tous les domaines de l'activité humaine : de la médecine et de l'ordre public au marketing et aux ventes. L’étape d’intégration active du Big Data dans notre quotidien vient de commencer, et qui sait quel sera le rôle du Big Data dans quelques années ?

Le Big data (ou Big Data) est un ensemble de méthodes permettant de travailler avec d'énormes volumes d'informations structurées ou non structurées. Les spécialistes du Big Data les traitent et les analysent pour obtenir des résultats visuels et perceptibles par l'homme. Look At Me a discuté avec des professionnels et a découvert quelle est la situation du traitement du Big Data en Russie, où et quoi étudier au mieux pour ceux qui souhaitent travailler dans ce domaine.

Alexey Ryvkin sur les principales tendances dans le domaine du big data, de la communication avec les clients et du monde des chiffres

J'ai étudié à l'Institut de technologie électronique de Moscou. La principale chose que j’ai réussi à en tirer, ce sont des connaissances fondamentales en physique et en mathématiques. Parallèlement à mes études, j'ai travaillé au centre R&D, où j'ai participé au développement et à la mise en œuvre d'algorithmes de codage résistant au bruit pour une transmission sécurisée des données. Après avoir obtenu mon baccalauréat, j'ai intégré le programme de master en informatique de gestion à la Higher School of Economics. Après cela, j'ai voulu travailler chez IBS. J'ai eu de la chance qu'à ce moment-là, grâce à gros montant des projets étaient en cours ensemble supplémentaire stagiaires, et après plusieurs entretiens, j'ai commencé à travailler chez IBS, l'une des plus grandes entreprises russes dans ce domaine. En trois ans je suis passé de stagiaire à architecte solutions d'entreprise. Actuellement je développe une expertise dans les technologies Big Data pour des entreprises clientes des secteurs de la finance et des télécommunications.

Il existe deux spécialisations principales pour les personnes souhaitant travailler avec le Big Data : les analystes et les consultants informatiques qui créent des technologies pour travailler avec le Big Data. Par ailleurs, on peut également parler du métier de Big Data Analyst, c’est-à-dire des personnes qui travaillent directement avec les données, avec la plateforme informatique du client. Auparavant, il s'agissait d'analystes mathématiques ordinaires qui connaissaient les statistiques et les mathématiques et utilisaient des logiciels statistiques pour résoudre des problèmes d'analyse de données. Aujourd’hui, outre les connaissances en statistiques et en mathématiques, une compréhension de la technologie et du cycle de vie des données est également nécessaire. C’est, à mon avis, la différence entre les analystes de données modernes et les analystes qui les ont précédés.

Ma spécialisation est le conseil informatique, c'est-à-dire que j'invente et propose aux clients des moyens de résoudre les problèmes de l'entreprise à l'aide des technologies informatiques. Des personnes ayant des expériences différentes viennent au conseil, mais les qualités les plus importantes pour ce métier sont la capacité à comprendre les besoins du client, le désir d'aider les personnes et les organisations, une bonne communication et des compétences en équipe (puisqu'il s'agit toujours de travailler avec le client et en équipe), bonnes capacités d'analyse. La motivation interne est très importante : nous travaillons dans un environnement compétitif, et le client attend solutions inhabituelles et l'intérêt pour le travail.

La plupart de mon temps est consacré à communiquer avec les clients, à formaliser leurs besoins commerciaux et à les aider à développer l'architecture technologique la plus adaptée. Les critères de sélection ont ici leur propre particularité : outre Fonctionnalité et TCO (Coût total de possession - coût total possession) les exigences non fonctionnelles du système sont très importantes, il s'agit le plus souvent du temps de réponse et du temps de traitement de l'information. Pour convaincre le client, nous utilisons souvent une approche de preuve de concept - nous proposons de « tester » la technologie gratuitement sur certaines tâches, sur un ensemble restreint de données, pour nous assurer que la technologie fonctionne. La solution doit créer un avantage concurrentiel pour le client en obtenant des avantages supplémentaires (par exemple, x-sell, vente croisée) ou résoudre un problème commercial, par exemple en réduisant le niveau élevé de fraude sur les prêts.

Ce serait beaucoup plus simple si les clients venaient avec une tâche toute faite, mais jusqu'à présent, ils ne comprennent pas qu'une technologie révolutionnaire est apparue qui peut changer le marché en quelques années

À quels problèmes êtes-vous confrontés ? Le marché n’est pas encore prêt à utiliser les technologies du Big Data. Ce serait beaucoup plus facile si les clients venaient avec une tâche toute faite, mais jusqu'à présent, ils ne comprennent pas qu'une technologie révolutionnaire est apparue qui peut changer le marché en quelques années. C'est pourquoi nous travaillons essentiellement en mode startup : nous ne vendons pas seulement des technologies, mais à chaque fois nous convainquons les clients de la nécessité d'investir dans ces solutions. C'est la position des visionnaires : nous montrons à nos clients comment ils peuvent changer leur entreprise en utilisant les données et l'informatique. Nous créons ceci nouveau marché- marché du conseil informatique commercial dans le domaine du Big Data.

Si une personne souhaite se lancer dans l'analyse de données ou dans le conseil informatique dans le domaine du Big Data, la première chose importante est une formation mathématique ou technique avec une bonne formation en mathématiques. Il est également utile de maîtriser des technologies spécifiques, par exemple SAS, Hadoop, le langage R ou les solutions IBM. De plus, vous devez être activement intéressé par les applications du Big Data - par exemple, comment il peut être utilisé pour améliorer la notation de crédit dans une banque ou une direction. cycle de vie client. Ces connaissances et d'autres peuvent être obtenues à partir des sources disponibles : par exemple, Coursera et Big Data University. Il existe également la Customer Analytics Initiative de l'Université Wharton de Pennsylvanie, où de nombreux documents intéressants ont été publiés.

Un problème majeur pour ceux qui souhaitent travailler dans notre domaine est le manque évident d’informations sur le Big Data. Vous ne pouvez pas aller dans une librairie ou sur un site Web et obtenir, par exemple, une collection complète de cas sur toutes les applications des technologies Big Data dans les banques. Il n’existe pas de tels répertoires. Certaines informations se trouvent dans des livres, d’autres sont collectées lors de conférences et d’autres encore doivent être découvertes par vous-même.

Un autre problème est que les analystes sont à l’aise dans le monde des chiffres, mais ils ne le sont pas toujours dans le monde des affaires. Ces personnes sont souvent introverties et ont des difficultés à communiquer, ce qui rend difficile la communication convaincante des résultats de leurs recherches aux clients. Pour développer ces compétences, je recommanderais des livres tels que The Pyramid Principle, Speak the Language of Diagrams. Ils aident à développer les compétences de présentation et à exprimer vos pensées de manière concise et claire.

Participer à divers championnats de cas pendant mes études à la National Research University Higher School of Economics m'a beaucoup aidé. Les championnats de cas sont des compétitions intellectuelles pour les étudiants où ils doivent étudier des problèmes commerciaux et y proposer des solutions. Il en existe deux types : les championnats de cas de cabinets de conseil, par exemple McKinsey, BCG, Accenture, ainsi que les championnats de cas indépendants comme Changellenge. En y participant, j'ai appris à voir et à résoudre des problèmes complexes - depuis l'identification d'un problème et sa structuration jusqu'à la défense de recommandations pour sa solution.

Oleg Mikhalsky à propos du marché russe et des spécificités de la création d'un nouveau produit dans le domaine du big data

Avant de rejoindre Acronis, j'étais déjà impliqué dans le lancement de nouveaux produits sur le marché d'autres sociétés. C’est toujours à la fois intéressant et stimulant, c’est pourquoi j’ai immédiatement été intéressé par l’opportunité de travailler sur des services cloud et des solutions de stockage de données. Toute mon expérience antérieure dans l’industrie informatique, y compris mon propre projet de startup I-accelerator, s’est avérée utile dans ce domaine. Avoir une formation commerciale (MBA) en plus d’un diplôme d’ingénieur de base a également aidé.

En Russie, les grandes entreprises - banques, opérateurs mobiles etc. - il existe un besoin d'analyse de mégadonnées, donc dans notre pays il y a des perspectives pour ceux qui veulent travailler dans ce domaine. Certes, de nombreux projets sont désormais des projets d'intégration, c'est-à-dire réalisés sur la base de développements étrangers ou de technologies open source. Dans de tels projets, des approches et des technologies fondamentalement nouvelles ne sont pas créées, mais les développements existants sont plutôt adaptés. Chez Acronis, nous avons emprunté une voie différente et, après avoir analysé les alternatives disponibles, avons décidé d'investir dans notre propre développement, ce qui a abouti à un système stockage sécurisé pour le Big Data, dont le coût n'est pas inférieur à celui d'Amazon S3, par exemple, mais qui fonctionne de manière fiable et efficace et à une échelle nettement réduite. Les grandes sociétés Internet ont également leurs propres développements dans le domaine du Big Data, mais elles se concentrent davantage sur les besoins internes plutôt que sur la satisfaction des besoins des clients externes.

Il est important de comprendre les tendances et les forces économiques qui influencent le domaine du Big Data. Pour ce faire, vous devez lire beaucoup, écouter des discours d'experts faisant autorité dans le secteur informatique et assister à des conférences thématiques. Désormais, presque toutes les conférences comportent une section sur le Big Data, mais elles en parlent toutes sous un angle différent : d'un point de vue technologique, commercial ou marketing. Vous pouvez opter pour un travail de projet ou un stage dans une entreprise qui mène déjà des projets sur ce sujet. Si vous avez confiance en vos capacités, alors il n'est pas trop tard pour organiser une startup dans le domaine du Big Data.

Sans contact constant avec le marché les nouveaux développements risquent de ne pas être réclamés

Certes, lorsque vous êtes responsable d'un nouveau produit, vous consacrez beaucoup de temps à l'analyse du marché et à la communication avec des clients potentiels, des partenaires et des analystes professionnels qui en savent beaucoup sur les clients et leurs besoins. Sans contact constant avec le marché, un nouveau développement risque de ne pas être réclamé. Il y a toujours beaucoup d’incertitudes : il faut déterminer qui seront les premiers à adopter, ce que vous avez à leur proposer et comment ensuite attirer un public de masse. La deuxième tâche la plus importante est de formuler et de transmettre aux développeurs une vision claire et globale du produit final afin de les motiver à travailler dans des conditions où certaines exigences peuvent encore changer et où les priorités dépendent des retours des premiers clients. Par conséquent, une tâche importante consiste à gérer les attentes des clients d’une part et des développeurs d’autre part. Pour que ni l’un ni l’autre ne se désintéressent et mènent le projet à son terme. Après le premier projet réussi, cela devient plus facile et la tâche principale sera de trouver modèle correct croissance pour de nouvelles affaires.

Seuls les paresseux ne parlent pas du Big Data, mais ils comprennent à peine de quoi il s’agit et comment cela fonctionne. Commençons par la chose la plus simple : la terminologie. En russe, le Big Data désigne divers outils, approches et méthodes permettant de traiter des données structurées et non structurées afin de les utiliser pour des tâches et des objectifs spécifiques.

Les données non structurées sont des informations qui n'ont pas de structure prédéterminée ou qui ne sont pas organisées dans un ordre particulier.

Le terme « big data » a été introduit par Clifford Lynch, rédacteur en chef du magazine Nature, en 2008 dans un numéro spécial consacré à la croissance explosive des volumes d’informations dans le monde. Même si, bien entendu, le Big Data lui-même existait auparavant. Selon les experts, la catégorie Big data regroupe la plupart des flux de données supérieurs à 100 Go par jour.

Big data - en termes simples

Dans le monde moderne, le Big Data est un phénomène socio-économique associé à l'émergence de nouvelles capacités technologiques permettant d'analyser une énorme quantité de données.

Technologie des mégadonnées

D'énormes volumes de données sont traités afin qu'une personne puisse obtenir des résultats spécifiques et nécessaires à leur utilisation plus efficace.

Big data : applications et opportunités

Il est impossible de traiter des volumes d’informations numériques hétérogènes et arrivant rapidement avec des outils traditionnels. L'analyse des données elle-même vous permet de voir des modèles certains et imperceptibles qu'une personne ne peut pas voir. Cela nous permet d'optimiser tous les domaines de notre vie - de l'administration publique à la production et aux télécommunications.

Par exemple, il y a quelques années, certaines entreprises ont protégé leurs clients contre la fraude, et prendre soin de l’argent du client signifie prendre soin de son propre argent.

Susan Etliger : Qu’en est-il du Big Data ?

Solutions basées sur le Big data : Sberbank, Beeline et autres sociétés

Beeline dispose d'une énorme quantité de données sur les abonnés, qu'ils utilisent non seulement pour travailler avec eux, mais également pour créer des produits analytiques, tels que des conseils externes ou des analyses IPTV. Beeline a segmenté la base de données et protégé les clients contre la fraude financière et les virus, en utilisant HDFS et Apache Spark pour le stockage, et Rapidminer et Python pour le traitement des données.

Le Big Data dans le monde

D’ici 2020, selon les prévisions, l’humanité générera 40 à 44 zettaoctets d’informations. Et d’ici 2025, ce chiffre sera multiplié par 10, selon le rapport The Data Age 2025, préparé par les analystes d’IDC. Le rapport note que la plupart des données seront générées par les entreprises elles-mêmes, plutôt que par les consommateurs ordinaires.

Les analystes de recherche estiment que les données deviendront un atout vital et la sécurité un fondement essentiel de la vie. Les auteurs de l'ouvrage sont également convaincus que la technologie va changer le paysage économique, et utilisateur régulier communiquera avec les appareils connectés environ 4800 fois par jour.

Le marché du Big Data en Russie

Le Big Data provient généralement de trois sources :

Internet (réseaux sociaux, forums, blogs, médias et autres sites) ;
Archives de documents d'entreprise ;
Lectures de capteurs, instruments et autres appareils.

Le Big Data dans les banques

En plus du système décrit ci-dessus, la stratégie de la Sberbank pour 2014-2018 comprend : parle de l'importance de l'analyse des super données pour un service client de qualité, la gestion des risques et l'optimisation des coûts. Désormais, la banque utilise le Big data pour gérer les risques, lutter contre la fraude, segmenter et évaluer la solvabilité des clients, gérer le personnel, prévoir les files d'attente dans les agences, calculer les primes des employés et d'autres tâches.

VTB24 utilise le big data pour segmenter et gérer les sorties clients, générer des reporting financiers et analyser les avis sur les réseaux sociaux et les forums. Pour ce faire, il utilise les solutions de Teradata, SAS Visual Analytics et SAS Marketing Optimizer.

Moscou_Exchange 6 mai 2015 à 20h38

Aperçu analytique du marché du Big Data

Blog de la société Exchange de Moscou,
Big Data

"Big Data" est un sujet activement discuté par les entreprises technologiques. Certains d'entre eux sont désillusionnés par le Big Data, tandis que d'autres, au contraire, en profitent pour faire des affaires... Une nouvelle étude analytique du marché national et mondial du Big Data, préparée par la Bourse de Moscou en collaboration avec les analystes d'IPOboard , montre quelles tendances sont actuellement les plus pertinentes sur le marché . Nous espérons que les informations seront intéressantes et utiles.

QU'EST-CE QUE LE BIG DATA ?

Principales caractéristiques

Le Big Data est actuellement l’un des principaux moteurs du développement des technologies de l’information. Cette orientation, relativement nouvelle pour les entreprises russes, s'est généralisée dans les pays occidentaux. Cela est dû au fait qu'à l'ère des technologies de l'information, notamment après le boom des réseaux sociaux, une quantité importante d'informations a commencé à s'accumuler pour chaque internaute, ce qui a finalement donné lieu au développement du Big Data.

Le terme « Big Data » suscite beaucoup de controverses ; beaucoup pensent qu'il désigne uniquement la quantité d'informations accumulées, mais il ne faut pas oublier l'aspect technique ; ce domaine inclut les technologies de stockage, l'informatique et les services.

Il est à noter que ce domaine comprend le traitement d'une grande quantité d'informations, difficiles à traiter. méthodes traditionnelles*.

Vous trouverez ci-dessous un tableau comparatif entre les bases de données traditionnelles et Big Data.

Le domaine du Big Data se caractérise par les caractéristiques suivantes :
Volume – volume, la base de données accumulée représente une grande quantité d’informations qui demandent beaucoup de travail à traiter et à stocker de manière traditionnelle ; elles nécessitent une nouvelle approche et des outils améliorés.
Rapidité – la vitesse, cet attribut indique à la fois la vitesse croissante d'accumulation des données (90 % des informations ont été collectées au cours des 2 dernières années) et la vitesse de traitement des données ; les technologies de traitement des données en temps réel sont récemment devenues plus demandées.
Variété – la diversité, c'est-à-dire la capacité de traiter simultanément des informations structurées et non structurées de différents formats. La principale différence entre les informations structurées est qu'elles peuvent être classifiées. Un exemple de telles informations serait les informations sur les transactions des clients.
Les informations non structurées comprennent les vidéos, les fichiers audio, le texte libre et les informations provenant des réseaux sociaux. Aujourd’hui, 80 % des informations sont non structurées. Ces informations nécessitent une analyse complexe pour être utiles à un traitement ultérieur.
Véracité – fiabilité des données, tout valeur plus élevée les utilisateurs ont commencé à attacher de l'importance à la fiabilité des données disponibles. Ainsi, les sociétés Internet ont du mal à séparer les actions effectuées par un robot et une personne sur le site Internet de l’entreprise, ce qui entraîne finalement des difficultés d’analyse des données.
Valeur – la valeur des informations accumulées. Le Big Data doit être utile à l’entreprise et lui apporter de la valeur. Par exemple, aider à l'amélioration des processus commerciaux, au reporting ou à l'optimisation des coûts.

Si les 5 conditions ci-dessus sont remplies, les volumes de données accumulés peuvent être classés comme importants.

Domaines d'application du Big Data

Le champ d’application des technologies Big Data est vaste. Ainsi, avec l'aide du Big Data, vous pouvez connaître les préférences des clients, l'efficacité des campagnes marketing ou effectuer une analyse des risques. Vous trouverez ci-dessous les résultats d'une enquête de l'IBM Institute sur les domaines d'utilisation du Big Data dans les entreprises.

Comme le montre le diagramme, la plupart des entreprises utilisent le Big Data dans le domaine du service client, le deuxième domaine le plus populaire est l'efficacité opérationnelle ; dans le domaine de la gestion des risques, le Big Data est actuellement moins courant.

Il convient également de noter que le Big Data est l'un des domaines des technologies de l'information qui connaissent la croissance la plus rapide : selon les statistiques, la quantité totale de données reçues et stockées double tous les 1,2 ans.
Entre 2012 et 2014, la quantité de données transférées mensuellement par les réseaux mobiles a augmenté de 81 %. Selon les estimations de Cisco, en 2014, le volume trafic mobile s'élevait à 2,5 exaoctets (une unité de mesure de la quantité d'informations égale à 10^18 octets standard) par mois, et déjà en 2019, il sera égal à 24,3 exaoctets.
Ainsi, le Big Data est un domaine technologique déjà établi, même malgré son âge relativement jeune, qui s'est répandu dans de nombreux domaines d'activité et joue un rôle important dans le développement des entreprises.

Technologies du Big Data

Les technologies utilisées pour la collecte et le traitement du Big Data peuvent être divisées en 3 groupes :

Logiciel;
Équipement;
Prestations de service.

Les approches de traitement des données (DP) les plus courantes comprennent :
SQL – un langage de requête structuré qui permet de travailler avec des bases de données. À l'aide de SQL, vous pouvez créer et modifier des données, et la gestion du tableau de données est gérée par le système de gestion de base de données correspondant.
NoSQL – le terme signifie Not Only SQL (pas seulement SQL). Il comprend un certain nombre d'approches visant à implémenter une base de données qui diffèrent des modèles utilisés dans les SGBD relationnels traditionnels. Ils sont pratiques à utiliser lorsque la structure des données change constamment. Par exemple, pour collecter et stocker des informations sur les réseaux sociaux.
CarteRéduire – modèle de répartition des calculs. Utilisé pour le calcul parallèle sur de très grands ensembles de données (pétaoctets* ou plus). Dans une interface de programme, ce ne sont pas les données qui sont transférées au programme pour traitement, mais le programme aux données. Ainsi, la demande est un programme distinct. Le principe de fonctionnement est de traiter séquentiellement les données à l'aide de deux méthodes : Mapper et Réduire. Map sélectionne les données préliminaires, Réduire les agrège.
Hadoop – utilisé pour mettre en œuvre des mécanismes de recherche et contextuels pour les sites à forte charge - Facebook, eBay, Amazon, etc. Une particularité est que le système est protégé contre la défaillance de l'un des nœuds du cluster, puisque chaque bloc possède au moins une copie du données sur un autre nœud.
SAP HANA – plateforme NewSQL haute performance pour le stockage et le traitement des données. Fournit une vitesse élevée de traitement des demandes. Une autre caractéristique distinctive est que SAP HANA simplifie l'environnement système, réduisant ainsi le coût de prise en charge des systèmes analytiques.

À équipement technologique inclure:

les serveurs;
équipements d'infrastructures.

Les serveurs incluent le stockage de données.
L'équipement d'infrastructure comprend des outils d'accélération de plate-forme, des alimentations sans interruption, des ensembles de consoles de serveur, etc.

Prestations de service.
Les services comprennent des services permettant de construire l'architecture d'un système de base de données, d'organiser et d'optimiser l'infrastructure et d'assurer la sécurité du stockage des données.

Les logiciels, le matériel et les services forment ensemble des plates-formes complètes pour le stockage et l'analyse des données. Des entreprises telles que Microsoft, HP, EMC proposent des services pour le développement, le déploiement et la gestion de solutions Big Data.

Applications dans les industries

Le Big Data s’est répandu dans de nombreux secteurs d’activité. Ils sont utilisés dans les secteurs de la santé, des télécommunications, du commerce, de la logistique, des sociétés financières ainsi que dans l'administration gouvernementale.
Vous trouverez ci-dessous quelques exemples d'applications Big Data dans certains secteurs.

Vente au détail
Les bases de données des magasins de détail peuvent accumuler de nombreuses informations sur les clients, les systèmes de gestion des stocks et les approvisionnements en produits commerciaux. Ces informations peuvent être utiles dans tous les domaines d’activité du magasin.

Ainsi, à l'aide des informations accumulées, vous pouvez gérer l'approvisionnement des marchandises, leur stockage et leur vente. Sur la base des informations accumulées, il est possible de prédire la demande et l’offre de biens. En outre, un système de traitement et d'analyse de données peut résoudre d'autres problèmes d'un détaillant, par exemple l'optimisation des coûts ou la préparation de rapports.

Services financiers
Le Big Data permet d’analyser la solvabilité de l’emprunteur et est également utile pour le credit scoring* et la souscription**. L'introduction des technologies Big Data réduira le temps d'examen des demandes de prêt. Grâce au Big Data, il est possible d'analyser les transactions d'un client spécifique et de lui proposer des services bancaires qui lui conviennent.

Télécom
Dans le secteur des télécommunications, le Big Data s’est largement répandu auprès des opérateurs mobiles.
Les opérateurs de téléphonie mobile, ainsi que les institutions financières, disposent de bases de données parmi les plus volumineuses, ce qui leur permet de procéder à l'analyse la plus approfondie des informations accumulées.
L’objectif principal de l’analyse des données est de fidéliser les clients existants et d’en attirer de nouveaux. Pour ce faire, les entreprises segmentent les clients, analysent leur trafic et déterminent l'affiliation sociale de l'abonné.

En plus d’utiliser le Big Data à des fins marketing, les technologies sont utilisées pour empêcher les transactions financières frauduleuses.

Industries minières et pétrolières
Le Big Data est utilisé aussi bien dans l’extraction des minéraux que dans leur transformation et leur commercialisation. Sur la base des informations reçues, les entreprises peuvent tirer des conclusions sur l'efficacité du développement des champs et suivre le calendrier. révision et l'état de l'équipement, la demande prévue pour les produits et les prix.

Selon une enquête de Tech Pro Research, le Big Data est le plus répandu dans le secteur des télécommunications, ainsi que dans les entreprises d'ingénierie, informatiques, financières et gouvernementales. Selon les résultats de cette enquête, le Big Data est moins populaire dans les domaines de l’éducation et de la santé. Les résultats de l’enquête sont présentés ci-dessous :

Exemples d'utilisation du Big Data en entreprise

Aujourd'hui, le Big Data est activement mis en œuvre dans les entreprises étrangères. Des entreprises telles que Nasdaq, Facebook, Google, IBM, VISA, Master Card, Bank of America, HSBC, AT&T, Coca Cola, Starbucks et Netflix utilisent déjà les ressources du Big Data.

Les applications des informations traitées sont variées et varient en fonction du secteur et des tâches à effectuer.
Ensuite, des exemples d'application pratique des technologies Big Data seront présentés.

HSBC utilise les technologies Big Data pour lutter contre les transactions frauduleuses avec des cartes plastiques. Grâce au Big Data, l'entreprise a multiplié par 3 l'efficacité du service de sécurité et la reconnaissance des incidents frauduleux par 10. L'impact économique de l'introduction de ces technologies a dépassé 10 millions de dollars.

Anti fraude* VISA vous permet d'identifier automatiquement les transactions frauduleuses ; le système aide actuellement à prévenir des paiements frauduleux s'élevant à 2 milliards de dollars par an.

Supercalculateur Watson IBM analyse en temps réel les flux de données sur les transactions monétaires. Selon IBM, Watson a augmenté le nombre de transactions frauduleuses détectées de 15 %, réduit les faux positifs de 50 % et augmenté le montant des fraudes de 60 %. Argent, protégé des transactions de cette nature.

Procter & Gamble utiliser le Big Data pour concevoir de nouveaux produits et créer des campagnes marketing mondiales. P&G a créé des bureaux Business Spheres dédiés où les informations peuvent être consultées en temps réel.
Ainsi, la direction de l’entreprise a eu l’opportunité de tester instantanément des hypothèses et de mener des expériences. P&G estime que le Big Data aide à prévoir les performances des entreprises.

Détaillant de fournitures de bureau BureauMax Grâce aux technologies Big Data, ils analysent le comportement des clients. L'analyse du Big Data a permis d'augmenter les revenus B2B de 13 % et de réduire les coûts de 400 000 $ par an.

Selon chenille , ses distributeurs perdent entre 9 et 18 milliards de dollars de bénéfices chaque année simplement parce qu'ils ne mettent pas en œuvre les technologies de traitement du Big Data. Le Big Data permettrait aux clients de gérer plus efficacement leur flotte en analysant les informations provenant des capteurs installés sur les machines.

Aujourd’hui, il est déjà possible d’analyser l’état des composants clés, leur degré d’usure et de gérer les coûts de carburant et de maintenance.

Groupe Luxottica est un fabricant de lunettes de sport de marques telles que Ray-Ban, Persol et Oakley. L’entreprise utilise les technologies Big Data pour analyser le comportement des clients potentiels et le marketing SMS « intelligent ». Grâce au Big Data, le groupe Luxottica a identifié plus de 100 millions de ses clients les plus précieux et a augmenté l'efficacité de sa campagne marketing de 10 %.

Utiliser Yandex Usine de données développeurs de jeux Monde des chars analyser le comportement des joueurs. Les technologies Big Data ont permis d'analyser le comportement de 100 000 joueurs de World of Tanks à l'aide de plus de 100 paramètres (informations sur les achats, les jeux, l'expérience, etc.). À la suite de l’analyse, une prévision de la sortie des utilisateurs a été obtenue. Ces informations vous permettent de réduire le départ des utilisateurs et de travailler de manière ciblée avec les participants au jeu. Le modèle développé s'est avéré 20 à 30 % plus efficace que les outils d'analyse standard de l'industrie du jeu.

Ministère allemand du Travail utilise le Big Data dans des travaux liés à l'analyse des demandes entrantes d'allocations de chômage. Ainsi, après avoir analysé les informations, il est devenu clair que 20 % des prestations étaient versées à tort. Grâce au Big Data, le ministère du Travail a réduit ses coûts de 10 milliards d'euros.

Hôpital pour enfants de Toronto mis en œuvre le projet Project Artemis. Il s'agit d'un système d'information qui collecte et analyse les données sur les bébés en temps réel. Le système surveille chaque seconde 1 260 indicateurs de l’état de chaque enfant. Le projet Artemis permet de prédire l'état instable d'un enfant et de commencer la prévention des maladies chez les enfants.

APERÇU DU MARCHÉ MONDIAL DU BIG DATA

État actuel du marché mondial

En 2014, le Big Data, selon Data Collective, est devenu l'un des domaines d'investissement prioritaires dans le secteur du capital-risque. D'après les données portail d'information Computerra, cela est dû au fait que les développements dans ce domaine ont commencé à apporter des résultats significatifs pour leurs utilisateurs. Au cours de la dernière année, le nombre d'entreprises avec projets mis en œuvre dans le domaine de la gestion du big data a augmenté de 125%, le volume du marché a augmenté de 45% par rapport à 2013.

La majorité des revenus du marché du Big Data, selon Wikibon, en 2014 était constituée de services, leur part était égale à 40% du chiffre d'affaires total (voir graphique ci-dessous) :

Si l'on considère le Big Data pour 2014 par sous-type, le marché ressemblera à ceci :

Selon Wikibon, les applications et analyses représentaient 36 % des revenus du Big Data en 2014 provenant des applications et analyses Big Data, 17 % des équipements informatiques et 15 % des technologies de stockage de données. Le moins de revenus a été généré par les technologies NoSQL, l'équipement d'infrastructure et la mise à disposition d'un réseau d'entreprises ( réseaux d'entreprise).

Les technologies Big Data les plus populaires sont les plateformes in-memory de SAP, HANA, Oracle, etc. Les résultats de l'enquête T-Systems ont montré qu'elles ont été choisies par 30 % des entreprises interrogées. Les deuxièmes plus populaires étaient les plateformes NoSQL (18 % des utilisateurs), les entreprises ont également utilisé les plateformes analytiques de Splunk et Dell, elles ont été choisies par 15 % des entreprises. Selon les résultats de l'enquête, les produits Hadoop/MapReduce se sont révélés les moins utiles pour résoudre les problèmes du Big Data.

Selon une enquête Accenture, dans plus de 50 % des entreprises utilisant les technologies Big Data, les coûts du Big Data varient de 21 % à 30 %.
Selon l'analyse suivante d'Accenture, 76 % des entreprises estiment que ces coûts augmenteront en 2015, et 24 % des entreprises ne modifieront pas leur budget pour les technologies Big Data. Cela suggère que dans ces entreprises, le Big Data est devenu un domaine informatique établi, qui fait désormais partie intégrante du développement de l’entreprise.

Les résultats de l’enquête Economist Intelligence Unit confirment l’effet positif de la mise en œuvre du Big Data. 46 % des entreprises déclarent qu'en utilisant les technologies Big Data, elles ont amélioré le service client de plus de 10 %, 33 % des entreprises ont optimisé les stocks et amélioré la productivité des immobilisations, et 32 % des entreprises ont amélioré les processus de planification.

Big Data dans différents pays du monde

Aujourd’hui, les technologies Big Data sont le plus souvent mises en œuvre dans les entreprises américaines, mais d’autres pays du monde ont déjà commencé à manifester leur intérêt. En 2014, selon IDC, les pays d'Europe, du Moyen-Orient, d'Asie (hors Japon) et d'Afrique représentaient 45 % du marché des logiciels, services et équipements dans le domaine du Big Data.

En outre, selon une enquête du CIO, les entreprises de la région Asie-Pacifique adoptent rapidement de nouvelles solutions dans le domaine de l'analyse du Big Data, du stockage sécurisé et technologies cloud. L'Amérique latine occupe la deuxième place en termes de nombre d'investissements dans le développement des technologies Big Data, devant les pays européens et les États-Unis.
Ensuite, une description et des prévisions pour le développement du marché du Big Data dans plusieurs pays seront présentées.

Chine
Le volume d'informations en Chine est de 909 exaoctets, ce qui équivaut à 10 % du volume total d'informations dans le monde, d'ici 2020, le volume d'informations atteindra 8 060 exaoctets, la part de l'information dans les statistiques mondiales augmentera également, en 5 années, il sera égal à 18%. La croissance potentielle du Big Data en Chine présente l'une des dynamiques les plus dynamiques.

Brésil
Fin 2014, le Brésil avait accumulé 212 exaoctets d'informations, soit 3 % du volume mondial. D'ici 2020, le volume d'informations atteindra 1 600 exaoctets, ce qui représentera 4 % de l'information mondiale.

Inde
Selon EMC, le volume de données accumulées en Inde fin 2014 était de 326 exaoctets, soit 5 % du volume total d'informations. D'ici 2020, le volume d'informations atteindra 2 800 exaoctets, ce qui représentera 6 % de l'information mondiale.

Japon
Le volume de données accumulées au Japon fin 2014 est de 495 exaoctets, soit 8 % du volume total d'informations. D’ici 2020, le volume d’informations atteindra 2 200 exaoctets, mais la part de marché du Japon diminuera et s’élèvera à 5 % du volume total d’informations dans le monde entier.
Ainsi, la taille du marché japonais diminuera de plus de 30 %.

Allemagne
Selon EMC, le volume de données accumulées en Allemagne fin 2014 était de 230 exaoctets, soit 4 % du volume total d'informations dans le monde. D'ici 2020, le volume d'informations atteindra 1 100 exaoctets et s'élèvera à 2 %.
Sur le marché allemand, selon les prévisions du groupe Experton, une part importante du chiffre d'affaires sera générée par le segment des services, dont la part en 2015 sera de 54 %, et en 2019 elle passera à 59 % ; les parts des logiciels et le matériel, au contraire, diminuera.

Au total, la taille du marché passera de 1,345 milliard d'euros en 2015 à 3,198 milliards d'euros en 2019, soit un taux de croissance moyen de 24 %.
Ainsi, sur la base des analyses de CIO et EMC, nous pouvons conclure que les pays en développement du monde deviendront dans les années à venir des marchés pour le développement actif des technologies Big Data.

Principales tendances du marché

Selon IDG Enterprise, en 2015, les dépenses des entreprises en matière de Big Data s'élèveront en moyenne à 7,4 millions de dollars par entreprise, les grandes entreprises ont l'intention de dépenser environ 13,8 millions de dollars et les petites et moyennes entreprises - 1,6 million de dollars.
La plupart des investissements concerneront des domaines tels que l’analyse, la visualisation et la collecte de données.
Sur la base des tendances actuelles et de la demande du marché, les investissements de 2015 serviront à améliorer la qualité des données, à améliorer la planification et les prévisions et à augmenter la vitesse de traitement des données.
Les entreprises du secteur financier, selon l'analyse Insights de Bain Company, réaliseront des investissements importants. Ainsi, en 2015, elles prévoient de dépenser 6,4 milliards de dollars dans les technologies Big Data, le taux de croissance moyen des investissements sera de 22 % jusqu'en 2020. Les sociétés Internet prévoient de dépenser 2,8 milliards de dollars, avec un taux de croissance moyen de 26 % pour les dépenses Big Data.
Lors de la réalisation de l'enquête Economist Intelligence Unit, les domaines prioritaires pour le développement du Big Data en 2014 et au cours des 3 prochaines années ont été identifiés, la répartition des réponses est la suivante :

Selon les prévisions d’IDC, les tendances de développement du marché sont les suivantes :

Au cours des 5 prochaines années, les coûts de solutions cloud dans le domaine des technologies Big Data augmentera 3 fois plus vite que les coûts des solutions locales. Les plateformes hybrides de stockage de données deviendront de plus en plus demandées.
La croissance des applications utilisant des analyses sophistiquées et prédictives, y compris l'apprentissage automatique, va s'accélérer en 2015, le marché de ces applications connaissant une croissance 65 % plus rapide que celui des applications n'utilisant pas d'analyse prédictive.
L'analyse des médias triplera en 2015 et deviendra un moteur clé de croissance sur le marché des technologies Big Data.
La tendance à introduire des solutions d’analyse du flux constant d’informations applicables à l’Internet des objets va s’accélérer.
D’ici 2018, 50 % des utilisateurs interagiront avec des services basés sur l’informatique cognitive.

Facteurs et limiteurs du marché

Les experts d’IDC ont identifié 3 moteurs du marché du Big Data en 2015 :

Selon une enquête Accenture, les problèmes de sécurité des données constituent désormais le principal obstacle à la mise en œuvre des technologies Big Data, avec plus de 51 % des personnes interrogées confirmant qu'elles sont soucieuses d'assurer la protection et la confidentialité des données. 47 % des entreprises ont signalé l'impossibilité de mettre en œuvre le Big Data en raison de budgets limités, 41 % des entreprises ont indiqué le manque de personnel qualifié comme problème.

Wikibon prévoit que le marché du Big Data atteindra 38,4 milliards de dollars en 2015, soit une hausse de 36 % sur un an. Dans les années à venir, les taux de croissance baisseront à 10 % en 2017. Compte tenu de ces prévisions, la taille du marché en 2020 sera égale à 68,7 milliards de dollars américains.

La répartition du marché mondial du Big Data par catégorie d’activité ressemblera à ceci :

Comme le montre le schéma, la majorité du marché sera occupée par des technologies dans le domaine de l'amélioration du service client. Le marketing ciblé sera la deuxième priorité des entreprises jusqu'en 2019 ; en 2020, selon Heavy Reading, il laissera la place à des solutions pour améliorer l'efficacité opérationnelle.
Le segment « amélioration du service client » connaîtra également le taux de croissance le plus élevé, avec une augmentation de 49 % par an.
Les prévisions de marché pour les sous-types de Big Data ressembleront à ceci :

La part de marché prédominante, comme le montre le diagramme, est occupée par les services professionnels, le taux de croissance le plus élevé sera celui des applications avec analyse, leur part passera de 12 % actuellement à 18 % en 2020 et le volume de ce segment sera égal à 12,3 milliards de dollars américains. La part des équipements informatiques, au contraire, diminuera de 20 % à 14 % et s'élèvera à environ 9,3 milliards de dollars américains en 2020, le marché des technologies cloud augmentera progressivement et en 2020 atteindra 6,3 milliards de dollars américains, la part de marché des solutions de stockage de données, au contraire, diminuera de 15 % en 2014 à 13 % en 2020 et en termes monétaires sera égale à 8,9 milliards de dollars américains.
Selon les prévisions Insights Analysis de Bain & Company, la répartition du marché du Big Data par secteur en 2020 sera la suivante :

Le secteur financier dépensera 6,4 milliards de dollars dans le Big Data, avec un taux de croissance moyen de 22 % par an ;
Les sociétés Internet dépenseront 2,8 milliards de dollars et le taux de croissance moyen des coûts sera de 26 % au cours des 5 prochaines années ;
Les coûts du secteur public seront proportionnels à ceux des sociétés Internet, mais le taux de croissance sera inférieur – 22 % ;
Le secteur des télécommunications connaîtra une croissance de 40 % pour atteindre 1,2 milliard de dollars américains en 2020 ;

Les sociétés énergétiques investiront une somme relativement faible dans ces technologies – 800 millions de dollars –, mais le taux de croissance sera l’un des plus élevés – 54 % par an.
Ainsi, la plus grande part du marché du Big Data en 2020 sera occupée par les entreprises du secteur financier, et le secteur à la croissance la plus rapide sera celui de l'énergie.
Conformément aux prévisions des analystes, la taille totale du marché augmentera dans les années à venir. La croissance du marché sera obtenue grâce à la mise en œuvre des technologies Big Data dans les pays en développement du monde, comme le montre le graphique ci-dessous.

La taille projetée du marché dépendra de la manière dont les pays en développement percevront les technologies Big Data et de leur popularité aussi grande que dans les pays développés. En 2014, les pays en développement représentaient 40 % du volume d'informations accumulées. Selon les prévisions d'EMC, la structure actuelle du marché, avec une prédominance des pays développés, changera en 2017. Selon les analyses d'EMC, en 2020, la part des pays en développement dépassera 60 %.
Selon Cisco et EMC, les pays en développement du monde entier travailleront très activement avec le Big Data, en grande partie grâce à la disponibilité de la technologie et à l'accumulation d'une quantité suffisante d'informations au niveau du Big Data. La carte du monde présentée sur la page suivante montrera les prévisions d'augmentation du volume et du taux de croissance du Big Data par région.

ANALYSE DU MARCHÉ RUSSE

État actuel du marché russe

Selon les résultats d'une étude de CNews Analytics et Oracle, le niveau de maturité du marché russe du Big Data a augmenté au cours de l'année écoulée. Les répondants représentant 108 grandes entreprises de divers secteurs ont démontré davantage haut degré connaissance de ces technologies, ainsi qu'une compréhension établie du potentiel de ces solutions pour leur entreprise.
En 2014, selon IDC, la Russie avait accumulé 155 exaoctets d'informations, ce qui ne représente que 1,8 % des données mondiales. Le volume d'informations d'ici 2020 atteindra 980 exaoctets et occupera 2,2 %. Ainsi, le taux de croissance moyen du volume d'informations sera de 36% par an.
IDC estime le marché russe à 340 millions de dollars, dont 100 millions de dollars de solutions SAP et environ 240 millions de dollars de solutions similaires d'Oracle, IBM, SAS, Microsoft, etc.
Le taux de croissance du marché russe du Big Data n’est pas inférieur à 50 % par an.
Il est prévu que la dynamique positive se poursuive dans ce secteur du marché informatique russe, même dans des conditions de stagnation économique générale. Cela est dû au fait que les entreprises continuent d'exiger des solutions qui améliorent l'efficacité opérationnelle, optimisent les coûts, améliorent la précision des prévisions et minimisent les risques possibles pour l'entreprise.
Les principaux prestataires de services dans le domaine du Big Data sur le marché russe sont :

Oracle
Microsoft
Cloudera
Hortons
Teradata.

Aperçu du marché par secteur et expérience dans l'utilisation du Big Data dans les entreprises

Selon CNews, en Russie, seulement 10 % des entreprises ont commencé à utiliser les technologies Big Data, alors que dans le monde, la part de ces entreprises est d'environ 30 %. La préparation aux projets Big Data augmente dans de nombreux secteurs de l'économie russe, selon un rapport de CNews Analytics et Oracle. Plus d'un tiers des entreprises interrogées (37 %) ont commencé à travailler avec les technologies Big Data, dont 20 % utilisent déjà de telles solutions et 17 % commencent à les expérimenter. Le deuxième tiers des personnes interrogées envisage actuellement cette possibilité.

En Russie, les technologies Big Data sont particulièrement populaires dans les secteurs bancaire et des télécommunications, mais elles sont également demandées dans l'industrie minière, l'énergie, la vente au détail, les entreprises de logistique et le secteur public.
Ensuite, des exemples d'utilisation du Big Data dans les réalités russes seront examinés.

Télécom
Les opérateurs de télécommunications disposent de bases de données parmi les plus volumineuses, ce qui leur permet de procéder à l'analyse la plus approfondie des informations accumulées.
L’un des domaines d’application de la technologie Big Data est la gestion de la fidélisation des abonnés.
L’objectif principal de l’analyse des données est de fidéliser les clients existants et d’en attirer de nouveaux. Pour ce faire, les entreprises segmentent les clients, analysent leur trafic et déterminent l'affiliation sociale de l'abonné. En plus d'utiliser les informations à des fins de marketing, les technologies de télécommunications sont utilisées pour empêcher les transactions financières frauduleuses.
Un des exemples frappants de cette industrie est VimpelCom. L'entreprise utilise le Big Data pour améliorer la qualité de service au niveau de chaque abonné, compiler des rapports, analyser les données pour le développement du réseau, lutter contre le spam et personnaliser les services.

Banques
Une proportion importante des utilisateurs du Big Data sont des spécialistes du secteur financier. L'une des expériences réussies a été réalisée à la Banque de l'Oural pour la reconstruction et le développement, où la base d'informations a commencé à être utilisée pour analyser les clients, la banque a commencé à proposer des offres de prêts spécialisées, des dépôts et d'autres services. En un an après l'utilisation de ces technologies, le portefeuille de prêts aux particuliers de l'entreprise a augmenté de 55 %.
Alfa-Bank analyse les informations des réseaux sociaux, traite les demandes de prêt et analyse le comportement des utilisateurs du site Internet de l’entreprise.
Sberbank a également commencé à traiter une quantité massive de données pour segmenter les clients, prévenir les activités frauduleuses, effectuer des ventes croisées et gérer les risques. À l'avenir, il est prévu d'améliorer le service et d'analyser les actions des clients en temps réel.
La Banque panrusse de développement régional analyse le comportement des titulaires de cartes en plastique. Cela permet d'identifier les transactions atypiques pour un client particulier, augmentant ainsi la probabilité de détecter un vol de fonds sur des cartes plastiques.

Vente au détail
En Russie, les technologies Big Data ont été mises en œuvre par des sociétés commerciales en ligne et hors ligne. Aujourd’hui, selon CNews Analytics, le Big Data est utilisé par 20 % des commerçants. 75 % des professionnels du commerce de détail considèrent le Big Data comme nécessaire au développement d'une stratégie de promotion d'entreprise compétitive. Selon les statistiques Hadoop, après la mise en œuvre de la technologie Big Data, les bénéfices des organisations commerciales augmentent de 7 à 10 %.
Les spécialistes de M.Video parlent d'une planification logistique améliorée après la mise en œuvre de SAP HANA ; en outre, grâce à sa mise en œuvre, la préparation des rapports annuels a été réduite de 10 jours à 3 jours, la vitesse de chargement quotidien des données a été réduite de 3 heures à 30 minutes.
Wikimart utilise ces technologies pour générer des recommandations pour les visiteurs du site.
L'un des premiers magasins hors ligne à introduire l'analyse Big Data en Russie a été Lenta. Avec l'aide du Big Data, le commerce de détail a commencé à étudier les informations sur les clients à partir des reçus de caisse. Le détaillant collecte des informations pour créer des modèles comportementaux, ce qui permet de prendre des décisions plus éclairées au niveau opérationnel et commercial.

Industrie du pétrole et du gaz
Dans cette industrie, la portée du Big Data est assez large. Les technologies Big Data peuvent être utilisées dans l’extraction de minéraux du sous-sol. Avec leur aide, vous pouvez analyser le processus d'extraction lui-même et les moyens les plus efficaces de l'extraire, surveiller le processus de forage, analyser la qualité des matières premières, ainsi que la transformation et la commercialisation du produit final. En Russie, Transneft et Rosneft ont déjà commencé à utiliser ces technologies.

Organismes gouvernementaux
Dans des pays comme l’Allemagne, l’Australie, l’Espagne, le Japon, le Brésil et le Pakistan, les technologies Big Data sont utilisées pour résoudre des problèmes nationaux. Ces technologies aident les autorités gouvernementales à fournir plus efficacement des services à la population et à fournir un soutien social ciblé.
En Russie, ces technologies ont commencé à être maîtrisées par des organismes gouvernementaux tels que la Caisse de pension, le Service fédéral des impôts et la Caisse d'assurance médicale obligatoire. Le potentiel de mise en œuvre de projets utilisant le Big Data est grand ; ces technologies pourraient contribuer à améliorer la qualité des services et, par conséquent, le niveau de vie de la population.

Logistique et transport
Le Big Data peut également être utilisé par les entreprises de transport. Grâce aux technologies Big Data, vous pouvez suivre votre flotte automobile, prendre en compte les coûts de carburant et suivre les demandes des clients.
Les chemins de fer russes ont mis en œuvre les technologies Big Data en collaboration avec SAP. Ces technologies ont permis de réduire le temps de préparation des rapports de 43,5 fois (de 14,5 heures à 20 minutes) et d'augmenter la précision de la répartition des coûts de 40 fois. Le Big Data a également été introduit dans les processus de planification et de régulation tarifaire. Au total, les entreprises utilisent plus de 300 systèmes basés sur des solutions SAP, 4 centres de données sont impliqués et le nombre d'utilisateurs est de 220 000.

Principaux moteurs et limitateurs du marché

Les moteurs du développement des technologies Big Data sur le marché russe sont :

Intérêt accru de la part des utilisateurs pour les capacités du Big Data comme moyen d'augmenter la compétitivité d'une entreprise ;
Développement de méthodes de traitement de fichiers multimédias au niveau mondial ;
Transfert de serveurs traitant des informations personnelles vers le territoire de la Russie, conformément à la loi adoptée sur le stockage et le traitement des données personnelles ;
Mise en œuvre du plan industriel de substitution des importations de logiciels. Ce plan comprend un soutien gouvernemental aux fabricants de logiciels nationaux, ainsi que l'octroi de préférences pour les produits informatiques nationaux lors de leurs achats aux frais de l'État.
Dans la nouvelle situation économique, où le taux de change du dollar a presque doublé, on aura tendance à recourir de plus en plus aux services des fournisseurs de services cloud russes plutôt qu'étrangers.
Création de parcs technologiques qui contribuent au développement du marché des technologies de l'information, dont le marché du Big Data ;
Programme d'État pour la mise en œuvre de systèmes de grille basés sur les technologies Big Data.

Les principaux obstacles au développement du Big Data sur le marché russe sont :

Assurer la sécurité et la confidentialité des données ;
Manque de personnel qualifié ;
Accumulation insuffisante ressources d'informations au niveau Big Data dans la plupart des entreprises russes ;
Difficultés à introduire de nouvelles technologies dans celles établies Systèmes d'information entreprises;
Le coût élevé des technologies Big Data, qui conduit à un nombre limité d'entreprises ayant la possibilité de mettre en œuvre ces technologies ;
L'incertitude politique et économique, qui a conduit à la fuite des capitaux et au gel des projets d'investissement en Russie ;
La hausse des prix des produits importés et la poussée de l'inflation, selon IDC, ralentissent le développement de l'ensemble du marché informatique.

Prévisions du marché russe

À l’heure actuelle, le marché russe du Big Data n’est pas aussi populaire que dans les pays développés. La plupart des entreprises russes s'y intéressent, mais n'osent pas profiter de leurs opportunités.
Les exemples de grandes entreprises qui ont déjà bénéficié de l’utilisation des technologies Big Data prennent de plus en plus conscience des capacités de ces technologies.
Les analystes ont également des prévisions plutôt optimistes concernant le marché russe. IDC estime que la part de marché russe augmentera au cours des cinq prochaines années, contrairement aux marchés allemand et japonais.
D’ici 2020, le volume du Big Data en Russie passera de 1,8 % actuellement à 2,2 % du volume mondial de données. La quantité d’informations va croître, selon EMC, de 155 exaoctets actuellement à 980 exaoctets en 2020.
À l’heure actuelle, la Russie continue d’accumuler un volume d’informations comparable au Big Data.
Selon une enquête de CNews Analytics, 44 % des entreprises interrogées travaillent avec des données ne dépassant pas 100 téraoctets* et seulement 13 % travaillent avec des volumes supérieurs à 500 téraoctets.

Néanmoins, le marché russe, suivant les tendances mondiales, va croître. En 2014, IDC estime la taille du marché à 340 millions de dollars.
Le taux de croissance du marché au cours des années précédentes était de 50 % par an ; s'il reste au même niveau, alors en 2018, le volume du marché atteindra 1,7 milliard de dollars. La part du marché russe sur le marché mondial sera d'environ 3 %, contre 1,2 % actuellement.

Les industries les plus réceptives à l’utilisation du Big Data en Russie comprennent :

Le commerce de détail et les banques, pour eux, l'analyse de la clientèle et l'évaluation de l'effet des campagnes marketing sont avant tout importantes ;
Télécom – segmentation de la clientèle et monétisation du trafic ;
Secteur public – reporting, analyse des candidatures du public, etc. ;
Compagnies pétrolières – suivi des travaux et planification de la production et des ventes ;
Entreprises énergétiques – création de systèmes d’énergie électrique intelligents, suivi opérationnel et prévision.

Dans les pays développés, le Big Data s'est répandu dans les domaines de la santé, des assurances, de la métallurgie, des sociétés Internet et des entreprises manufacturières ; très probablement, dans un avenir proche, les entreprises russes de ces domaines apprécieront également l'effet de l'introduction du Big Data et s'adapteront. ces technologies dans leurs industries.
En Russie, comme dans le monde, on observera dans un avenir proche une tendance à la visualisation des données, à l'analyse des fichiers multimédias et au développement de l'Internet des objets.
Malgré la stagnation générale de l'économie, dans les années à venir, les analystes prédisent une nouvelle croissance du marché du Big Data, principalement due au fait que l'utilisation des technologies Big Data donne à ses utilisateurs un avantage concurrentiel en termes d'augmentation de l'efficacité opérationnelle de l'entreprise. activité, attirer un flux supplémentaire de clients, minimiser les risques et mettre en œuvre des technologies de prévision des données.
Ainsi, nous pouvons conclure que le segment du Big Data en Russie est au stade de la formation, mais que la demande pour ces technologies augmente chaque année.

Principaux résultats de l'analyse de marché

Marché mondial

Fin 2014, le marché du Big Data se caractérise par les paramètres suivants :

le volume du marché s'est élevé à 28,5 milliards de dollars américains, soit une augmentation de 45 % par rapport à l'année précédente ;
la majorité des revenus du marché du Big Data provenait des services, leur part était égale à 40 % du chiffre d'affaires total ;
36 % des revenus provenaient des applications et analyses Big Data, 17 % des équipements informatiques et 15 % des technologies de stockage de données ;
Les plates-formes en mémoire d'entreprises telles que SAP, HANA et Oracle sont les plus populaires pour résoudre les problèmes du Big Data.
le nombre d'entreprises ayant mis en œuvre des projets dans le domaine de la gestion du Big Data a augmenté de 125 % ;

Les prévisions du marché pour les prochaines années sont les suivantes :

en 2015, le volume du marché atteindra 38,4 milliards de dollars, en 2020 – 68,7 milliards de dollars ;
le taux de croissance moyen sera de 16 % par an ;
les coûts moyens des entreprises pour les technologies Big Data seront de 13,8 millions de dollars pour les grandes entreprises et de 1,6 millions de dollars pour les petites et moyennes entreprises ;
les technologies seront plus répandues dans les domaines du service client et du marketing ciblé ;
En 2017, la structure du marché mondial évoluera vers une prédominance d’entreprises utilisatrices des pays en développement.

marché russe

Le marché russe du Big Data est au stade de la formation, les résultats de 2014 sont les suivants :

le volume du marché a atteint 340 millions de dollars ;
le taux de croissance moyen du marché au cours des années précédentes était de 50 % par an ;
le volume total d'informations accumulées était de 155 exaoctets ;
10 % des entreprises russes ont commencé à utiliser les technologies Big Data ;
Les technologies Big Data étaient plus populaires dans le secteur bancaire, les télécommunications, les sociétés Internet et le commerce de détail.

Les prévisions du marché russe pour les années à venir sont les suivantes :

le volume du marché russe atteindra 500 millions de dollars en 2015 et 1,7 milliard de dollars en 2018 ;
la part du marché russe sur le marché mondial sera d'environ 3 % en 2018 ;
la quantité de données accumulées en 2020 sera de 980 exaoctets ;
le volume de données atteindra 2,2 % du volume mondial de données en 2020 ;
Les technologies de visualisation de données, d’analyse de fichiers multimédias et d’Internet des objets deviendront les plus populaires.

Sur la base des résultats de l'analyse, nous pouvons conclure que le marché du Big Data en est encore aux premiers stades de développement et que, dans un avenir proche, nous verrons sa croissance et l'expansion des capacités de ces technologies.

Merci d'avoir pris le temps de lire ce volumineux ouvrage, abonnez-vous à notre blog - nous vous promettons de nombreuses nouvelles publications intéressantes !

Site sur l'informatique

Basé sur des matériaux issus de la recherche et des tendances

Pourquoi avons-nous besoin du Big Data ?

Qu'est-ce qui vous empêche de travailler avec le Big Data

Les difficultés ne s'arrêtent pas

Comment c'est fait

Il ne s’agit pas de données, mais de questions et de réponses.

Le Big Data a besoin de votre aide

Avantages de la recherche exonérée

1 Comment les technologies Big Data sont appliquées là où elles sont originaires

2 Le Big Data sur 4 roues

3 Application du Big Data en médecine

4 L'analyse des données est déjà devenue le cœur du commerce de détail

5 Le Big Data protège la loi et l’ordre

6 Comment les technologies Big Data aident les villes à se développer

7 Le moteur de progrès en marketing et en vente

8 Analyse des données globales

Alexey Ryvkin sur les principales tendances dans le domaine du big data, de la communication avec les clients et du monde des chiffres

Oleg Mikhalsky à propos du marché russe et des spécificités de la création d'un nouveau produit dans le domaine du big data

Lire aussi :

Big data - en termes simples

Lire aussi :

Technologie des mégadonnées

Lire aussi :

Lire aussi :

Big data : applications et opportunités

Solutions basées sur le Big data : Sberbank, Beeline et autres sociétés

Lire aussi :

Le Big Data dans le monde

Le marché du Big Data en Russie

Le Big Data dans les banques

Aperçu analytique du marché du Big Data

QU'EST-CE QUE LE BIG DATA ?

Principales caractéristiques

Technologies du Big Data

Applications dans les industries

Exemples d'utilisation du Big Data en entreprise

APERÇU DU MARCHÉ MONDIAL DU BIG DATA

État actuel du marché mondial

Big Data dans différents pays du monde

Principales tendances du marché

Facteurs et limiteurs du marché

ANALYSE DU MARCHÉ RUSSE

État actuel du marché russe

Aperçu du marché par secteur et expérience dans l'utilisation du Big Data dans les entreprises

Principaux moteurs et limitateurs du marché

Prévisions du marché russe

Principaux résultats de l'analyse de marché

Marché mondial

marché russe

ARTICLES LIÉS