La transformation digitale a entraîné l’apparition d’un vocabulaire émergent dans le monde de l’entreprise : big data, data mining, machine learning, business intelligence. On vous explique – simplement, c’est promis – la différence de sens entre ces termes techniques. L’occasion de briller auprès de vos collègues ou d’impressionner vos clients. 

Le big data : toujours plus de données

Le big data, ou méga données en français, c’est un peu le socle commun de tous les concepts. Aujourd’hui, de plus en plus de données sont stockées sur les serveurs par les entreprises : les données sur la production, les ventes, les données clients, les données comptables, etc. En fait, 90 % des données mondiales ont été générées lors de seules années 2014 et 2015… L’utilisation croissante des réseaux sociaux et des objets connectés (IoT) participent activement à cette collecte massive des données sur les comportements des utilisateurs. 

Mais le big data n’est pas seulement une affaire de quantité : cela renvoie aussi à la très grande diversité des informations (du texte, des chiffres, des images, des vidéos, des likes, des tweets…) et à la rapidité à laquelle les données sont générées. Par exemple, sur Facebook ou Google Analytics, les données sont mises à jour en temps réel : vous n’avez pas besoin d’atteindre 3 jours avant de recevoir les dernières statistiques de votre page ou votre site web. On parle généralement des « 4V » du big data : Volume, Variety, Velocity, Veracity et parfois même d’un 5e V avec le développement de la data-Visualisation.

Un exemple de big data : en 2014, Facebook générait 600 To (tera octets) de données par jour – pour comparaison, cela correspond à 1,4 million d’épisodes de Breaking Bad. Ces données correspondent à des « J’aime » sur une publication ou une page, des commentaires ou des partages qui en disent long sur les intérêts et les préférences de vos clients...

Le data mining : anticiper les comportements grâce à l’analyse des big data

Parce que les données en disent beaucoup sur les préférences des clients, elles constituent des enjeux commerciaux et marketing pour l’entreprise. La data mining, littéralement extraction de données, est une technique qui permet d’extraire et d’analyser les big data pour en tirer des informations pertinentes.Très simplement, les logiciels de data mining traitent l’immense quantité de données pour en faire ressortir des tendances, des modèles, des corrélations.

Par exemple, si votre entreprise vend des climatiseurs, vous avez sans doute remarqué que les ventes augmentent « pendant l’été ».

Le data mining permet d’être beaucoup plus précis et de mettre en évidence que les ventes de climatiseurs augmentent « 13 jours après une vague de chaleur, dès lors que la température maximale moyenne de ces jours dépasse 28 degrés ». Vous suivez ? Cela permet de prévoir précisément à quelle date la demande va augmenter (ou pas), d’adapter en conséquence le rythme de production et d’approvisionnement de l’entreprise ou encore de lancer une campagne de publicité au bon moment.

Les modèles et les corrélations établis par le data mining permettent non seulement de comprendre le présent, mais aussi d’anticiper les comportements. En cela, il sert de base au machine learning.

Le machine learning : la révolution de l’intelligence artificielle

Le machine learning, ou apprentissage automatique, va encore plus loin que le data mining. Ce dernier établit des tendances pour comprendre et anticiper, puis les humains prennent des décisions. Avec le machine learning, la prise de décision devient artificielle : il n’y a pas d’humain pour prendre les décisions, c’est la machine qui décide automatiquement.

En fait, le machine learning est un logiciel programmé par des humains qui permet ensuite à la machine de fonctionner de manière autonome. Sa force est de s’appuyer sur des algorithmes afin de traiter les données et apprendre des règles au fur et à mesure. En mars 2016, la victoire 4-1 d’AlphaGo (un logiciel développé par Google) face au champion de go coréen Lee Sedol est un exemple des capacités extraordinaires du machine learning. 

En savoir plus : comment l’analyse prédictive réinvente le marketing digital

Et si vous vous dites que ce n’est pas tous les jours qu’on joue au go face à un logiciel développé par Google, pensez à Amazon, Netflix ou Spotify qui, à partir de vos recherches et vos commandes précédentes, proposent des livres, des films, des séries et des musiques qui correspondent parfaitement à vos goûts personnels.

La business intelligence : piloter l’entreprise

La business intelligence (BI), c’est un peu tous les concepts précédents appliqués à la décision en entreprise. Il s’agit d’un outil d’aide à la décision : la BI analyse en direct toutes les données de l’entreprise (ventes, clients, comptabilité…) puis les présente de façon dynamique dans des rapports détaillés. Si la BI nécessitait des compétences informatiques poussées il y encore quelques années, cela est en train de changer avec des solutions très faciles à prendre en main (comme n’importe quel logiciel de Web Analytics) et la pratique se démocratise.

Ces rapports permettent alors aux dirigeants de surveiller la bonne santé de l’entreprise, d’anticiper les évolutions et de prendre des décisions stratégiques. C’est pour cela que l’on parle en français d’intelligence d’affaires ou d’informatique décisionnelle.

En savoir plus : Une brève histoire de la business intelligence

Et voilà. En bref, les données sont de plus en plus nombreuses à l’heure du marketing digital (big data). Il est donc essentiel pour les entreprises de les analyser pour personnaliser la relation client et anticiper les tendances (data mining lorsque les humains prennent les décisions, machine learning lorsque la machine décide automatiquement). Cette révolution des données transforme aujourd’hui la prise de décision dans les entreprises, qui disposent de toutes les informations-clés entre leurs mains… ou plutôt bout des yeux sur leur écran (business intelligence).