Plongez dans la technologie qui améliorera radicalement tous les aspects de notre vie
Big Data : Le pourquoi, le comment et le quoi
Ces dernières années, les technologies de l’information ont connu un essor considérable :
Les capteurs sont aujourd’hui ridiculement bon marché.
La puissance de calcul a énormément augmenté. Il y a des appareils connectés à Internet partout (smartphones, appareils d’activité, montres intelligentes, téléviseurs, voitures… Même les Thermomix ont le wifi maintenant).Digitaliser son entreprise et utiliser le Big Data est comme une évidence.
Ces facteurs et d’autres encore ont entraîné une augmentation considérable des données disponibles. Aujourd’hui, nous sommes capables de produire, de stocker et d’envoyer plus de données que jamais auparavant dans l’histoire.
A tel point qu’en 2015, on estimait que 90 % des données disponibles avaient été créées au cours des deux années précédentes seulement. Et depuis lors, le taux de production de données n’a fait qu’augmenter.
En fait, on estime qu’actuellement, 2,5 quintillions de données sont générés chaque jour. Cela représente 2,5 x 1⁰¹⁷ octets, soit l’équivalent de cent millions de fois la capacité de stockage de la première génération d’Iphone.
Toutes ces données sont communément appelées « Big Data ». Pour être considérées comme des Big Data, elles doivent respecter les caractéristiques suivantes, la règle dite des 3 V :
Qu’en faisons-nous ?
Il y a tellement de données disponibles qu’il est impossible pour la capacité humaine de pouvoir les étudier et en extraire des informations précieuses. Il faudra plusieurs vies pour analyser et trouver des modèles et des idées à partir de ces données.
Heureusement, les ordinateurs sont là pour nous aider. En outre, de grands progrès ont été réalisés dans le développement des algorithmes d’apprentissage automatique au cours des dernières années. Ces algorithmes, ajoutés à la puissance de calcul presque infinie dont nous disposons à si peu de frais, ont provoqué l’expansion drastique des sciences des données que nous expérimentons actuellement.
Les données sont le moteur de croissance le plus rapide pour améliorer les résultats des entreprises. Pour créer un avantage concurrentiel, de plus en plus d’organisations utilisent leurs données pour accroître leur efficacité, leurs ventes et leur marketing. Mais, de nos jours, la majeure partie des données sont encore déconnectées et sous-utilisées. Et c’est là que les sciences des données entrent en jeu pour résoudre ce problème.
Les principales sciences des données utilisées de nos jours sont les suivantes :
L’ingénierie des données
L’ingénierie des données se concentre sur la construction d’infrastructures adéquates pour faciliter le flux de données au sein des organisations et sur la préparation de ces données pour qu’elles soient dans un format utile.
Analyse des données
L’analyse des données se concentre sur la recherche d’informations utiles à partir des données. Cette branche de la science des données est impliquée dans l’analyse descriptive et diagnostique des données, qui explique ce qui s’est passé et pourquoi. Elle implique également l’aspect de la visualisation des données (qui est un domaine entièrement séparé)
Apprentissage automatique
L’apprentissage machine est la science (et l’art) qui vise à faire en sorte que les ordinateurs apprennent à partir de données. Pour ce faire, ils apprennent les corrélations entre certaines caractéristiques des données passées qui conduisent à certains résultats. Ainsi, lorsqu’on leur présente de nouvelles données, ils peuvent faire des prévisions précises.
Apprentissage approfondi
L’apprentissage profond est un sous-domaine de l’apprentissage machine qui se concentre sur la reproduction des mécanismes d’apprentissage que les êtres intelligents utilisent pour apprendre. Pour ce faire, ils déconstruisent des concepts complexes en concepts plus simples, et apprennent ainsi de manière hiérarchique. Pour ce faire, ils utilisent des réseaux neuronaux artificiels.
Voir aussi
