{"id":32658,"date":"2019-04-26T08:30:50","date_gmt":"2019-04-26T06:30:50","guid":{"rendered":"https:\/\/visionarymarketing.com\/?p=32658"},"modified":"2024-04-03T09:09:02","modified_gmt":"2024-04-03T07:09:02","slug":"data-lake-amonboss","status":"publish","type":"post","link":"https:\/\/visionarymarketing.com\/fr\/2019\/04\/26\/data-lake-amonboss\/","title":{"rendered":"Data Lake : pourquoi les marketeurs doivent s’y int\u00e9resser"},"content":{"rendered":"

Alors qu\u2019on r\u00e9p\u00e8te \u00e0 l\u2019envi que les marketeurs doivent acqu\u00e9rir la culture de la donn\u00e9e<\/a>, et que les \u00e9tudes montrent toujours que des progr\u00e8s cons\u00e9quents restent encore \u00e0 faire<\/a>, il m\u2019a sembl\u00e9 pertinent de faire un zoom<\/strong> sur un sujet que beaucoup de marketeurs pourraient encore trouver myst\u00e9rieux : le \u00ab Data Lake \u00bb<\/strong>.<\/em><\/p>\n

Le Data Lake expliqu\u00e9 \u00e0 mon marketeur : pourquoi s’y int\u00e9resser<\/h2>\n

\"Data<\/a><\/h2>\n

Il est vrai que le nom est po\u00e9tique et \u00e9vocateur mais entour\u00e9 d\u2019un halo de technicit\u00e9. Quoi qu’il en soit, le Data Lake est au centre du sujet des Big Data<\/strong>.<\/em><\/p>\n

La grande ESN franco-canadienne CGI<\/a> m\u2019ayant missionn\u00e9 [transparence] pour r\u00e9diger un article sur le sujet des donn\u00e9es, j\u2019ai profit\u00e9 de la sortie de leur livre blanc sur le sujet (\u00ab industrialisation du Data Lake \u00bb<\/a>) pour approfondir le sujet et tenter de le mettre \u00e0 la port\u00e9e des marketeurs et de leurs patrons. <\/em><\/p>\n

Voici donc le Data Lake expliqu\u00e9 \u00e0 mon boss. Qui sait, peut-\u00eatre un futur best-seller aux \u00e9ditions Kawa ?<\/em><\/p>\n

Etat des lieux : les entreprises et la donn\u00e9e<\/h3>\n

Avant toute chose, il me semble fondamental de revenir sur la r\u00e9alit\u00e9 de la donn\u00e9e dans les entreprises et sur les chiffres.<\/p>\n

Pour cela je me suis pench\u00e9 sur la version 2019 du rapport d\u2019\u00e9tude de NVP<\/a>\u00a0[voir en fin d’article], publi\u00e9 7 ans apr\u00e8s la premi\u00e8re \u00e9dition. Il est particuli\u00e8rement \u00e9clairant.<\/p>\n

\u00ab Un verre \u00e0 moiti\u00e9 plein et \u00e0 moiti\u00e9 vide<\/strong> \u00bb nous expliquent Thomas Davenport et Randy Bean dans leur introduction.<\/p>\n

Nous n’en sommes plus aux incantations<\/h4>\n

En r\u00e9sum\u00e9, nous n’en sommes plus aux incantations sur la donn\u00e9e, m\u00eame s\u2019il faut rester prudent du fait du d\u00e9calage avec les USA.<\/p>\n

La perception de l’importance du sujet par les dirigeants est patente. 55% des entreprises interview\u00e9es par NVP d\u00e9clarent d\u00e9penser plus de 50M$ sur ces sujets. Soit une hausse de 15 points par rapport \u00e0 2018 et 21% d\u00e9pensent m\u00eame plus de 500M$.<\/p>\n

L\u2019effervescence recens\u00e9e lors du dernier salon des Big Data, dont nous \u00e9tions partenaire m\u00e9dia<\/a>, et les discussions avec les professionnels sur les stands ont confirm\u00e9 que de ce c\u00f4t\u00e9-ci de l\u2019Atlantique \u00e9galement l\u2019activit\u00e9 \u00e9tait soutenue.<\/p>\n

Des r\u00e9sultats tangibles mais encore un d\u00e9fi pour l’organisation<\/h3>\n

Mieux encore, 62% observent d\u00e9j\u00e0 des r\u00e9sultats tangibles sur la base de leurs investissements en IA et en Big Data, sujets devenus d\u00e9sormais indissociables.<\/p>\n

Voici pour le verre \u00e0 moiti\u00e9 plein. \u00a0Des managers int\u00e9ress\u00e9s, convaincus de l’importance du sujet, de son caract\u00e8re strat\u00e9gique, mais qui consid\u00e8rent encore \u00e0 77% que l’adoption de ces initiatives reste un d\u00e9fi pour leurs organisations.<\/p>\n

C\u2019est pourquoi il faut \u00eatre capable d’aller au-del\u00e0 des discussions philosophiques et de se plonger dans des domaines autrefois r\u00e9serv\u00e9s aux informaticiens.<\/p>\n

Qu\u2019est-ce qu\u2019un Data Lake ?<\/h3>\n

Depuis l’invention des \u00ab data warehouses \u00bb ou \u00ab entrep\u00f4ts de donn\u00e9es \u00bb, beaucoup d’eau a coul\u00e9 sous les ponts.<\/p>\n

La fronti\u00e8re entre ces entrep\u00f4ts et la notion de Data Lake n’est pourtant pas forc\u00e9ment tr\u00e8s nette, et c’est par l\u00e0 que commence Vincent Ambroise de CGI en introduction de son livre blanc<\/a>.<\/p>\n

Pour simplifier, le Data Lake agit en compl\u00e9ment d’un entrep\u00f4t de donn\u00e9es, il ne vient pas le remplacer. Il lui apporte un compl\u00e9ment en sources de donn\u00e9es (et en formats).<\/p>\n

Le Data Lake est un r\u00e9f\u00e9rentiel de donn\u00e9es brutes alors que l’entrep\u00f4t de donn\u00e9es stocke des donn\u00e9es d\u00e9j\u00e0 trait\u00e9es. Talend, \u00e9diteur fran\u00e7ais de solutions Big Data d\u00e9finit cela tr\u00e8s bien dans un tableau que j\u2019ai adapt\u00e9<\/a> :<\/p>\n

\"Le
Les diff\u00e9rences entre Data Lake et entrep\u00f4t de donn\u00e9es [traduite et adapt\u00e9 d’un document de TALEND]<\/figcaption><\/figure>Les Data Lakes sont donc vraiment orient\u00e9s Big Data. Pour ceux qui sont familiers du travail que j’avais initi\u00e9 il y a quelques ann\u00e9es<\/a>, ce sont ces nouveaux formats de donn\u00e9es et de bases de donn\u00e9es qui permettent ce que j’avais d\u00e9crit comme \u00e9tant \u00ab le marketing de l’incertain \u00bb.<\/p>\n

Pour r\u00e9aliser un Data Lake, il faut donc une capacit\u00e9 de stockage bien plus grande que pour un data-warehouse classique.<\/p>\n

Les donn\u00e9es brutes sont aussi plus mall\u00e9ables et de ce fait elles se pr\u00eatent bien au \u00ab machine-learning \u00bb, l’apprentissage statistique qui est derri\u00e8re bien des applications baptis\u00e9es h\u00e2tivement \u00ab IA<\/a> \u00bb (comme la reconnaissance vocale ou de l\u2019\u00e9criture \u00e0 apprentissage par exemple).<\/p>\n

Pourquoi les responsables business doivent s’int\u00e9resser au Data Lake<\/h3>\n

\"Le<\/a>Le Data Lake n’appara\u00eet donc pas au prime abord s’adresser aux responsables du business, mais cela ne veut pas dire qu’il faut s’en d\u00e9sint\u00e9resser. Au contraire, c’est en se familiarisant avec ces sujets li\u00e9s \u00e0 la donn\u00e9e que l’on comprend mieux \u00e0 quoi ils peuvent servir sur le terrain, pour ses clients, son entreprise, sa performance.<\/p>\n

Le Data Lake est un \u00ab\u00a0espace de libert\u00e9\u00a0\u00bb pour reprendre le vocabulaire utilis\u00e9 par les experts de CGI, un endroit o\u00f9 au sein d’\u00e9quipes agiles (nomm\u00e9es Data Labs), les analystes vont mettre \u00e0 jour des corr\u00e9lations entre les donn\u00e9es<\/strong>.<\/p>\n

Cet espace de donn\u00e9es non pr\u00e9d\u00e9termin\u00e9 \u00e9largit donc le champ des possibles, mais il ne faut pas non plus se laisser aller \u00e0 faire n’importe quoi (voir cet article d\u00e9di\u00e9 aux mar\u00e9cages de donn\u00e9es ou data swamps<\/a>) au risque de faire na\u00eetre la frustration et l’\u00e9chec.<\/p>\n

\"\"
Sch\u00e9ma issu du livre blanc de CGI expliquant l’articulation d’un Data Lake avec tout l’\u00e9cosyst\u00e8me de l’entreprise y compris l’entrepr\u00f4t de donn\u00e9es<\/figcaption><\/figure>\n

Pourquoi un Data Lake ? Exemples d\u2019application<\/h3>\n

Tout cela est tr\u00e8s bien mais pourquoi un boss (et sa soci\u00e9t\u00e9) aurait-il besoin d’un Data Lake ?<\/p>\n

La litt\u00e9rature est assez fournie \u00e0 ce sujet et les raisons avanc\u00e9es sont multiples. On peut les r\u00e9sumer ainsi :<\/p>\n

    \n
  1. Pour abriter des donn\u00e9es non structur\u00e9es ou semi-structur\u00e9es. et\/ou qui arrivent en continu et \/ ou qui s’accumulent rapidement ; elles sont stock\u00e9es sur des espaces cloud bon march\u00e9 (comme Amazon S3 par exemple) ;<\/li>\n
  2. L’entrep\u00f4t de donn\u00e9es quant \u00e0 lui, n\u00e9cessite en amont un travail de nettoyage des donn\u00e9es tr\u00e8s important. Avec les Data Lake, les co\u00fbts de nettoyage et de pr\u00e9paration sont moindres (et pour cause puisqu’il s’agit de donn\u00e9es brutes) ;<\/li>\n
  3. Le Data Lake propose une meilleure adaptabilit\u00e9 : les changements y sont plus ais\u00e9s du fait du stockage des donn\u00e9es en format brut. La performance sera par contre le prix \u00e0 payer pour la souplesse.<\/li>\n<\/ol>\n

    Quelles implications pour le d\u00e9cisionnaire ?<\/h3>\n

    Mais qu\u2019en pense le boss dans tout \u00e7a ? Quel est le besoin pour le business ? Quelles applications pratiques ?<\/p>\n

    Si la litt\u00e9rature est bien fournie pour distinguer techniquement les Data Lakes des entrep\u00f4ts de donn\u00e9e, il faut bien reconna\u00eetre que les aspects fonctionnels sont beaucoup moins document\u00e9s.<\/p>\n

    Le boss reste sur sa faim.<\/p>\n

    Alors, pour quelles raisons devrais-je investir des centaines de milliers d\u2019euros sur de tels projets et quelles sont les applications pratiques de ces technologies ?<\/p>\n