Précurseur dans la mise en oeuvre de technologie disruptive, Ysance est aujourd’hui un acteur incontournable des plateformes BigData. A l'ère du"Data Deluge" et de la digitalisation des interactions où la donnée brute constitue une incroyable richesse, Ysance propose des solutions complètes et sur-mesure dédiées aux projets Big Data : étude d'opportunités, définition de Use Cases,  conception d'architecture, implémentation et exécution. Depuis 4 ans, Ysance a développé une expertise unique et pointue de l’environnement Hadoop  (Map Reduce, HBase, Elastic Search, R, etc.) et bâtit un écosystème de partenaires technologiques complet : Distribution Hadoop (MapR, Cloudera), Big Data as a Service (Google, Amazon, CloudWatt), Data Management (Talend, Dataiku), Data Visualization (QlikView, Tableau Software). Mais au delà des technologies, Ysance construit des plateformes Big Data pour les mettre au service des différents métiers de l’entreprise : CRM, eCommerce, Marketing, Ventes, RH, Finances, BI, Datamining,  etc. A la clé, une meilleure connaissance client, des plateformes décisionnels Scale Out et peu coûteuses, une optimisation de vos opérations marketing (acquisition, fidélisation, monétisation), des processus d’entreprise plus performants, un eCommerce & CRM omnicanal améliorant l’expérience utilisateur, la satisfaction client et votre stratégie Web2Store, une logistique supervisée et pilotée en temps réel, un usage maîtrisé des réseaux sociaux pour le recrutement et votre eReputation, une analyse prédictive des nouveaux phénomènes et de nouvelles tendances telles que des comportements d’achat inédits, des anomalies techniques ou des détections de fraudes…

2. Sommaire
Quisommesnous?
Nosexpertsprésentssurlesalon
Notremétier
Nosoffres
YsanceetlesBigData
Nosexpertsontlaparole
BigData:HorsHadoop,pointdesalut
LeBigData:unlevierincontournablepourmonétiser
lesdonnéescomportementales
LesgagnantsetlesperdantsdelarévolutionBigData
Modificationorganisationnelleliéeaubigdata:lebigdéfi
BigData:unsecondsoufflepourlesmedias
L’OverDataouquandla«notsoBigData»devientL’OverDataouquandla«notsoBigData»devient
sourcedevaleurpourl’entreprise
TendancesBusinessIntelligence2014:versuneBIaugmentée
2
3
4
5
9
6
10
13
15
17
19
20
22

3. 2
Uneéquiped'expertsauservicedudigital
Crééeen2005paruneéquiped’expertsIT,Ysanceestuneagenceconseilen
technologiedigitalefortede100collaborateurs.
L’essorL’essordesusagesnumériquesetleurimbricationcroissantedanslasphère
économiqueirriguentaujourd'huichaquefonctiondel’entreprise.Fortdece
constat,Ysanceaidelesdirectionsmétieràtirerunprofitdurabledece
nouvelenvironnementenlesaccompagnantdanslaconception,lamiseen
œuvrepuisl’animationdeleursplate-formesdigitales.
Quisommesnous?

4. 3
IngénieurENSEM,RomainChaumaisdébutechezAltran,puiscréélasociétéEconomiz,
éditeurd'unesolutiondeeCRM multicanal.Ilintègreensuiteunesociétédeconsultingen
décisionnelpuisco-fondeYsanceen2005.SesprincipalesmissionschezBNPParibas,Caisse
d'épargne,Orange,PagesJaunes,Dartyluipermettentd'acquérirunesolideexpériencedans
lesdomainesdelaBusinessIntelligence,duDataManagementetduCRM.RomainChaumais
militepourduBigDataauseindesgrandesetpetitesentreprises.
RomainChaumais
co-fondateur
Françoisde Charon estnommé directeurde la stratégie digitale chezYsance.Ilétait
auparavantchezPagesJaunesMarketingServicescommeconsultantCRM puisdirecteur
marketing.Ilapourmissionauseind’YsanceagencYdeconstruirel’offre,d’accompagnerles
clientsversdesstratégiesdemarketingrelationnelsurmesureetdecréerdelatransversalité
surlesoffresYsance.Aprèsl’arrivéerécentedeMarcValléeaupostededirecteurbusiness
unit,YsanceagencYconfortesavolontédesedévelopperdanslecommercedigital.
FrançoisdeCharon
DirecteurBusinessUnit
IngénieurESI,Richardpossède18ansd'expérienceenSSIIdansledomainedudécisionnel,
pendantlesquellesilapuparticipéàdegrandsprojetspourCarrefour,BNPParibas,EDF...
Danslesannées2000ilparticipeaulancementdelafilialeBId'unegrandesociétéde
servicesfrançaisepuisrejointYsance,en2007,pourcréeretdévelopperlaBUdécisionnelle
qu’ilco-dirigeaujourd’hui.
RichardHooft
DirecteurBusinessUnit
Nosexpertsprésentssurlesalon

8. Précurseurdanslamiseenoeuvredetechnologiedisruptive,Ysanceest
aujourd’huiunacteurincontournabledesplateformesBigData. Al'èredu
"DataDeluge"etdeladigitalisationdesinteractionsoùladonnéebrute
constitueuneincroyablerichesse,Ysanceproposedessolutionscomplètes
etsur-mesuredédiéesauxprojetsBigData:étuded'opportunités,définition
deUseCases, conceptiond'architecture,implémentationetexécution.
DepuisDepuis4ans,Ysanceadéveloppéuneexpertiseuniqueetpointuede
l’environnement Hadoop (MapReduce,HBase,ElasticSearch,R,etc.)etbâtit
unécosystèmedepartenairestechnologiquescomplet:DistributionHadoop
(MapR,Cloudera),BigDataasaService(Google,Amazon,CloudWatt),Data
Management (Talend,Dataiku),Data Visualization (QlikView,Tableau
Software).
MaisMaisaudelàdestechnologies,YsanceconstruitdesplateformesBigData
pourlesmettreauservicedesdifférentsmétiersdel’entreprise:CRM,
eCommerce,Marketing,Ventes,RH,Finances,BI,Datamining, etc.Alaclé,
unemeilleureconnaissanceclient,desplateformesdécisionnelsScaleOutet
peucoûteuses,uneoptimisationdevosopérationsmarketing(acquisition,
fidélisation,monétisation),desprocessusd’entrepriseplusperformants,un
eCommerce & CRM omnicanalaméliorant l’expérience utilisateur,la
satisfactionsatisfactionclientetvotrestratégieWeb2Store,unelogistiquesuperviséeet
pilotée en tempsréel,un usage maîtrisé desréseauxsociauxpourle
recrutementetvotreeReputation,uneanalyseprédictivedesnouveaux
phénomènesetdenouvellestendancestellesquedescomportements
d’achatinédits,desanomaliestechniquesoudesdétectionsdefraudes…
7

11. Aveclamultiplicationàl’infinidesdonnéesaccessiblesauxentreprises,leframeworkopensource
HadoopestdevenuhégémoniquesurlessolutionsdetypeMapReduceenmoinsdequatreans,
étouffanttoutevelléitédeconcurrencepropriétaire.Leséditeurstraditionnelsensontramenésàun
rôled’assemblagedebriquescomplémentaires,somméesd’interagirautourdecemêmenoyau
ouvert.Cecipourleplusgrandbénéficedesentreprises.
LeLemondedesmoteursdetraitementdedonnéesdetypeBigDataadéjàbienchangé,depuisses
récentsdébuts.Ilyapeu,celui-ciétaitglobalementscindéendeux.D’uncôté,lesmoteursspécialisés
quioffrentuneoptimisation maximale,viaunestructuration etun stockagedesdonnéesen
colonnes parexemple,etpermettentdes requêtes analytiques ensemblistes propices aux
applicationsdetypedécisionnel.Cesontles«coupéssport»delabasededonnées,composés
d’acteurstelsqueSybaseIQ,Vertica,Infobright,Vectorwize,Calpont…Del’autrecôté,lesmoteursde
traitementdedonnéesdetypeApplianceMPP(MassiveParallelProcesing)quisontdavantage
adaptésadaptésauxgrandsdatawarehousesd’entreprisepourdesusagesaussibientransversesque
métiers(EDW).Ilscentralisentle patrimoine d’informationsde l’entreprise etautorisentune
organisationdesdonnéesrelativementsouple.Cesontles«semi-remorques»delabasede
données,certespluspuissants,maismoinsabordablesquelesmoteursspécialisés.S’ycôtoient
Teradata,Oracle(Exadata),ouencoreIBM (Netezza).
Maisvoilà.Sicesdeuxapprochesrépondentàdesusagesbienréels,ellespeinentàtraiterlajungle
desdonnéesstructuréesetnonstructuréesdésormaisproduites:commentairessurréseaux
sociaux,mobilité,machine-to-machine,traficweb… Stratégiquepourl’entreprise,cettemasse
croissanted’informationsrecèleuneréellevaleuréconomique,maisdépassetrèslargementla
capacitédesmoteursdetraitementtraditionnels.Autrementdit,cesderniersnesontdéjàplus
adaptésàlagestionintensivedepétaoctetsdedonnées.C’estlàqu’interviennentlesframeworksde
typeMapReduce,dontl’approcheconsisteàexplorer,puisàrévélerdesdonnéeschaudes,bruteset
potentiellementpotentiellementnonstructurées.Auprixd’unemoindreperformanceparCPU etd’unerelative
inertiedanslestraitements,laquantitédedonnéestraitablesesticidémultipliéeàl’infini(cf.schéma
1),commeunemotricedontonpourraitaccrocherautantdewagonsqu’onlesouhaite.
Schéma1
Performance
Volumededonnées
FrameworkMapReduce
ApplianceMPP
Moteursspécialisés
BigData:HorsHadoop,pointdesalut
ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppement
10

12. Cenouveaumondeestbiendifférentdesdeuxprécédents.Alorsqueplusieurséditeurssepartagent
historiquementlemarchédesmoteursdetraitementdedonnéesdetypeSGBD,Hadoops’impose
d’oresetdéjàcommeleprincipaletincontournablemoteurdetypeMapReduce.Rappeldesfaits.En
2008,Googlepubliel’algorithmedesonFrameworkMapReduce,dontYahooproposeuncloneOpen
source.Hadoopestné.Cemoteur,quifonctionnesurunsystèmedefichiersrépartissurplusieurs
machinesphysiques(HDFS),reprendlesgrandsprincipesdel’algorithmeMapReduceenjava.Très
rapidement,cetteplateformefédèreunconglomératd’acteursdiversanimésdepuis2009parla
FondationFondationApache.Cesderniersl’enrichissentetcréentunécosystèmecompletenajoutantchacun
àleurtourdenouvellesbriques.SiHortonworks,spinoffdeYahooetClouderasontparmiles
éditeurslesplusactifspourenrichirl’écosystèmeHadoop(Flume,Scoop,ZooKeeperetc.),ilssont
loind’êtrelesseuls.Pourmasquerlarelativecomplexitédel’universMapReduceetrendrece
dernierencoreplusfaciled’accès,FacebookadéveloppéHive,quipermetd’interrogeruncluster
HadoopdirectementenSQL,quandPig,autrelangagederequêtagedehautniveau,estproposépar
Yahoo.Ilfautsoulignerquelalistedecescontributeursnecessedes’allonger(eBay,Twitter,etc.).
Même siHadoop n’étaitpeut-être pasinitialementla technologie la plusperformante,son
environnementsedéveloppetellementrapidementqu’aucunacteurprivénesembleenmesure
d’alignerseullesressourcesen R&D nécessairespourcontrercette dynamique.Résultat,la
déferlanteHadoopaétouffétoutevelléitédeconcurrencepropriétaire,devenanthégémoniqueenà
peine4ansd’existence.MicrosoftamêmefinipartroquersatechnologiepropriétaireWindowsHPC
Server(abandonnéeennovembredernier)contreunesolution«Hadoopnative»surWindows
Azure,tandisquelatechnologieMapReducedéveloppéparAsterData,racheté(troptôt?)par
Teradata,Teradata,n’aeupasletempsdepercer.Al’inverse,AmazonWebServices(AWS)abâtisonoffrede
BigDatasurlemoteurHadoopproposéenmodeOnDemandtandisqueOracleinstalleClouderaau
cœurdesaBigDataAppliance.Finalement,ilneresteplusauxéditeursqu’unrôled’assemblagede
briquescomplémentaires(administration,monitoring,sécurité…)somméesd’interagirautourdu
mêmenoyauHadoop(cf.schéma2),àl’instardumodèleéconomiqued’unRedHatdansl’univers
Linux.
Schéma1
11
Principalélémentdedifférenciationentrelesdistributions

13. Ilauradoncfalluattendrel’avènementduBigDatapourvoirdeséditeurstraditionnellementaussi
propriétairesqueMicrosoft,OracleouIBM bâtirdesdistributionsautourd’uncœurenopensource.
Autrementdit,HadooparéussisurlemêmemodèlequeLinux:hégémonied’unetechnologie
ouverte.Ceconstatestlourddeconséquences,pourleséditeurs,désormaisobligésdepartagerla
valeuravecleursclients.Ill’estaussipourlesutilisateurs,quipeuventaccéderaumoindrecoûtàdes
technologiescomplexesetavant-gardistes,avecdesROIdémultipliésparrapportauxprojets
habituels.Lavoilà,lagrandenouveauté:HadoopapermisdedéverrouillerlemarchéduBigDatadès
sasagenèseetlerendreaccessibleàtous,desgrandsgroupesjusqu’auxTPE.Unconstatquiauraitété
impossibleavecdesoutilspurementpropriétaires.Cen’estpaslamoindredesesconséquences.
12

14. Chaque donnée comportementale,potentiellementutile pourl’entreprise,recèle une valeur
jusqu’alorsinexploitable.C’estlàqu’intervientleBigDatadontlacapacitéàmaniersurunmode
exploratoiredetrèsgrandesquantitésdedonnéespermetdedépasserlemassmarketingpour
entrerdeplainpieddanslepersonalmarketing.
AAl’heuredel’envoléedesprixdesmatièrespremières,ilenestunequelesentreprisesproduisent
elles-mêmesetdontellesfoisonnent:cesontlesdonnéescomportementales.Géolocalisation,
historisationdesparcoursdenavigation,systèmesdeconnexiondetypemachineàmachine… A
mesure que des pans entiers de l’économie s’organisenten réseaux autourde systèmes
d’informationscentralisés,lesentreprisessontenmesuredetracerlemoindrecomportement
individuel.Orchacunedecesdonnéescomportementales,aussifutileouinconsistantepuisse-t-elle
paraitre,estuneinformationpotentiellementutile.Celle-cipermeteneffetdecomprendredes
phénomènesphénomènesauparavantnoyés,d’identifierdestendances,voiredetesterentempsréellavalidité
de choix stratégiques ou marketing.Même les aberrations deviennent dès lors riches
d’enseignements,àl’instardesfautesd’orthographessaisiesdansdesimplesmoteursderecherche.
Enclair,cesdonnéesrecèlentunetrèsgrandevaleur,pourpeuqu’ellessoientcollectées,stockées,
misesàdispositionetexploitéesdefaçonpertinente.
Ortoutl’enjeuestlà.Carcommentmonétiserlavaleurintrinsèquedecesdonnées?Commentcréer
delavaleuràpartirdesériesaussiabondantesqu’éparsesdedonnéesbrutes?C’estlerôleduBig
Data,unedémarched’unnouveaugenrequipermetauxentreprisesd’interrogerdespuitsde
donnéesauparavantinexploitablesetdedécouvrirsurunmodeexploratoiredesopportunités
businessimportantes.
C’estC’estle cas parexemple d’un éditeurde jeux vidéo qui,grâce à l’analyse des données
comportementalescaptéessurlespagesvuesdesonsite,apuendéduirelespréférencesdejeuxde
chacundesvisiteurs.L’éditeuravuainsimultiplierpar500letauxdetransformationdesanewsletter
commercialeenenvoyantunemailpersonnaliséàchaquemembreauregarddespagesqu’ilavait
visitées.
Certes,Certes,degrandequantitédedonnéessontdéjàanalyséesdelonguedateparl’informatique
décisionnelle(BusinessIntelligence).Mêmeconstataveclessolutionsdetypewebanalytics,qui
permettent depuis longtemps de mesurer et d’analyser l’utilisation d’internet à des fins
d’optimisation.Cequiestnouveau,enrevanche,c’estlacapacitédegérertrèssimplementetà
moindrecoûtdesvolumétriesaussimassives,depouvoirnaviguerenquasitempsréeldansdes
dédalesd’événementsinterdépendantspourchercheràfairesenset,defait,àproposerde
nouveauxmodesdereprésentationadaptésàchaqueusage.Unexemplerévélateurestceluid’un
sitesitederencontreaméricainquigrâceàlamiseenplaced’unearchitecturedetypeBigData–en
utilisantl’écosystèmeAmazonAWSetlasolutionElasticMapReduceHadoop-apuprofondément
améliorerl’algorithmederecommandationdeprofilsamoureuxtoutendivisantpar100lecoûtde
calculquotidien.
LeBigData:unlevierincontournablepourmonétiser
lesdonnéescomportementales
ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppement
13

15. LàoùlaBIimposeuneagrégationforcémentsimplificatricepourcréerdesoutilsdepilotage
organisationnel,leBigDatapermetdestockerdesdonnéesindividualiséespouvantallerjusqu’àla
miseenplacedestratégiesCRM hyper-segmentéestendantversleone-to-one.Enrévélantcequ’on
nepeutpasvoirparlamasseetencomplétantlestechnologiesdécisionnellesactuellesauxquelles
ilajouteunaxeinédit(l’individu),leBigDataoffrelapossibilitéàl’entreprisededépasserlemass
marketingpourentrerdeplainpieddanslepersonalmarketing.
BigDataforsmallcompanies?
L’arrivéeL’arrivéeduBigDatan’estdoncpasanodine,pourlesentreprises.Endevenantlesocleactifde
nouveauxproduitsetservices,leBigDataappelleunerévisionprofondedesmodèleséconomiques,
désormaisnécessairementorientésdonnées.Cetteruptureestd’autantplusstructurante queleBig
Datan’estpasl’apanagedesgrandsgroupes,loindelà.Ilpermeteneffetd’optimiserlescoûts
d’exploitationparuneréductionmassivedesinfrastructuresexigées.Etantbasésurunearchitecture
exportéeetélastiquedetypecloud,lescoûtsd’exploitationdeviennentfonctiondesbesoinset
utilisationsexprimésaujour-le-jourparl’entreprise.
Enfin,Enfin,lamaturitéetlarobustessedessolutionsdumarchélimitentdrastiquementlecoûtd’entrée,
dansuncontexteconcurrentielparailleurspropiceàl’innovation.Alorsquelesprojetsdécisionnels
traditionnelsnécessitentparfoisplusieursmoisd’intégrationetunearchitecturetechniquelourde,
lesprojetsdeBigDataoffrentdoncdesROIparticulièrementélevés.Dequoilesrendreaccessibleà
lamoindrestartup,aumoindresitedee-commerce,àlamoindrePME.Enclair,leBigDatacomplète
ledécisionnel…etsedémocratise.
14

16. Loind’unsimplebuzzmarketing,larévolutionBigDataestenmarche.Unedéferlantequirisquede
toutbalayersursonpassage.Aquisauraprofiterlephénomène?
Al’annonceduphénomèneBigDataen2010,ilyaeulesenthousiastes,lesavant-gardistes,les
doux-rêveurs,lessceptiquesetlesdubitatifs.Troisansplustard,lebilanestsansappel:avec2,5
trillionsdedonnéescrééeschaquejourdanslemonde,ladataestomniprésente.Fortdecette
nouvelledonne,l’exploitationdecedélugededonnéesoffredesopportunitésbusinessjusqu’alors
inexploitéesauxentreprisesquiontanticipéetcomprislesenjeuxd’uneapprochedata-centric.
AAquisauraprofiterlephénomèneBigData?Quiserontlesgagnantsetlesperdantsdecette
révolutionenmarche?
Acteursdel’Opensource,duCloudetduweb:letiercégagnant
Indéniablement,Indéniablement,lespremiersgagnantsduBigDatasontlesacteursdel’OpenSource,comme
ApacheetHadoop,maisaussiceuxquiontbâtidessolutionsautourdeslogicielslibres,comme
ClouderaouHortonworks,etlesstart-upquioffrentdessolutionsdédiéesHadoop(Datameer,
MapR,Karmasphère,Platfora).Portésparlacroissancedesacteursdel’OpenSourceetsurfantsur
desinnovationstechnologiquesautourdesproblématiquesdu BigData,ilsontbénéficiéde
l’amplitudeéconomiquedecenouveaumarché.
LesLesconstructeursdematériel(Dell,HP,…)tirentégalementbienleurépingledujeuenproposantde
nouvellescapacitésdestockagepourcettemassevertigineusededonnées.Acesderniers,viennent
évidemments’ajouterlesacteursduCloud,capablesdedélivrerdesplateformesdeBigData
massivementscaleout.
LeLeBigDataprofiteaussiauxgrosconsommateursdedonnéesetnotammentauxacteursduweb.A
lafoisacteursetutilisateurs,cesderniersontsucapitaliserleursressourcespourdévelopperdes
plateformesBigDatatrèsperformantesetpeucoûteuses,c’estlecas–pourneciterquelesplus
importantes-deFacebook,Linkedin,Amazon,Yahoo,Twitter,Ebay,etc.
ParParcorollaire,onretrouveparmilesgagnantsduBigData,lesentreprises,detoutestaillesettous
secteursd’activitéconfondus,quiontsutirerprofitdecettemanned’informationspartagéeset
dynamiquesofferteparcesgéantsduweb.Intégréesàleurstratégiedécisionnelleetrépercutéesà
l’ensembledescouchesorganisationnelles(marketing,supplychain,RH,contrôledegestion…),ces
précieusesdonnéestextuelles-tellesquelesavisclients,lescommentairessurlesréseauxsociaux,
leslogs,etc.-,deviennentunformidableatoutdecompétitivitépourcesentreprises«datavore».
Editeurs,Editeurs,hébergeursdebasededonnéesetconstructeursd’appliances,en
queuedepeloton
LesgagnantsetlesperdantsdelarévolutionBigData
ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppement
15

17. Nombreusessontaussilesentreprisesquivontrestersurlatouchefaceàl’émergencedu
phénomèneBigData.Acommencerparleséditeursdebasededonnées(Oracle,Microsoft,IBM,
Teradata,…),premièresvictimescollatéralesdelaterribleconcurrenced’Hadoopenmatièrede
technologiesetdecoût.
ViennentViennentensuiteleshébergeursdedonnées,lesconstructeursd’appliances(Exadata,Greenplum…)
etautresacteurstechnologiquesquinesontpas(ouneserontpasàtemps)compatiblesavec
Hadoopqui,au-delàdutraitementdesBigData,permetd’étendrelapuissancedesarchitecturesBI
traditionnelles.
OnOn compte égalementparmilesperdants,touteslesentreprisesdontla DSIne saura pas
s’appropriercettetechnologiepourrépondreauxbesoinsdesmétiersetlesmétiersquine
percevrontpaslepotentielbusinessoffertparletraitementdesBigData.BrefàtouslesCassandres
pourquile Big Data n’étaitqu’un buzzmarketing etquin’ontpasprisà tempsce virage
technologique…
CommeCommechaqueinnovation,leBigDataapporterasonlotdegagnantsetdeperdants.Carbienque
lestechnologiessedéveloppenttrèsvite,leurmaîtrisedemandeuncertaintempsd’adaptationen
termesd’apprentissagedelavaleurdeladonnéemaisaussientermesd’organisation,d’acquisition
decompétencesoud’expériencesutilisateur.Sicen’estpasdéjàfait,2013s’annonceêtreuneannée
décisivepourselancerdansletraitementdesBigData.Au-delà,leretardaccumulérisquebiend’être
irréversible…
16

18. Etsilesprojetsbigdataétaientl’occasionderepenserl’organisationdel’entreprise,sonapproche
techniquecommesonnoyaudécisionnel?
Contrairementauxidéesreçues,laproblématiqueRHdubigdataneserésumepasaumanquede
datascientistsoudataanalysts.Maintenantquelespremiersdatalabssontconstruitsetqueles
technologiessontstablesetreconnues,lebigdatasedéploieàtouslesniveauxdel’entreprise,du
développeuràlaDSI,duresponsableacquisitionaudirecteurmarketing,commeàl’ensembledes
sphèresapplicatives,modifiantainsilesusagesetlesbesoinsentermesderessources.
ConséquenceConséquencedecedécloisonnement,onassisteàunéclatementdescompétences.Chaqueentité
del’entreprise,dirigéeparladonnée(datadriven),vadevoirs’appropriercettetechnologieetles
nouvellespossibilitésqu’elleoffreàl’échelledesesfonctions.Aprésentqueladonnéeestmotricede
l’activitédel’entreprise,celle-cinepeutplussecontenterd’undatalab.Uneculturetechniquepour
touteslesstratesorganisationnellesdevientunprérequisaubigdata.Trouvercesnouveauxprofils
«hybrides»,quiappréhendentàlafoislatechnologieetsesenjeuxmétier,vadevenirlenouveau
casse-têtedesDRH.
LesqualitésattenduespourundéveloppeurbigdataestbienlongueLesqualitésattenduespourundéveloppeurbigdataestbienlongue
AuniveaudelaDSI,lesprofilsrestentlesmêmes,saufqu’ilsvontdevoirintégrerlesnouveaux
principestechnologiquesd’uneplate-formebigdata:scaleout,clustering,parallélisme… etles
vulgariserà destination desmétiers.Cesderniers,quantà eux,vontdevoircomprendre la
significationetl’intérêtdeladonnéecommeréponseconcrèteàleurproblématiquemétier,pour
ensuiteinteragiraveclaDSIpourbâtircesnouveauxusages.
LesLeséquipesmarketing,parexemple,replacerontlecontactaucœurdeleurproblématiqueet
intégrerontl’ensembledescanauxetdessupportspouravoirunevisionomnicanale.Ellesnevont
plusraisonnerparsilos,maisintégrer,dansleurstratégiecustomercentric,l’ensembledessupports
etdescanauxdecontactssurlesquelsexistentlamarque,cequiimpliquelaconsolidationdeleur
relationaveclaDSI.
Làoùçasecorse,c’estenamont,côtétechnique,oùlesexigencessontbienplusnombreuses.Lebig
dataétantàsesprémices,iln’existeaucunesolutionclésenmain.
Toutestàinventer,àbâtir,cequiexigededescendredansles«couchesbasses»delatechnique.Toutestàinventer,àbâtir,cequiexigededescendredansles«couchesbasses»delatechnique.
Ainsi,lalistedesqualitésattenduespourundéveloppeurbigdataestbienlongue.Al’espritpionnier,
nécessaireàl’appréhensiond’unnouvelécosystème,s’ajouteunefortecultureweb,uneaccointance
pourles technologies brutes,une bonne connaissance des infrastructures parallèles etde
l’environnementLinux(Shell)ainsiqu’uneparfaitemaîtrisedeslangagesJava,JavascriptetJSON.
Modificationorganisationnelleliéeaubigdata:lebigdéfi
ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppementetFrançoisdeCharon,
DirecteurdelaStratégieDigitalechezYsance.
17

19. Lacomposantetechniqueestdonctrèsfortepourlebigdata.Ellesesimplifieracertainementdans
lesannéesàvenir.Enattendant,iln’yapassurlemarchéderessourcesopérationnelles.C’estun
véritabledéfipourtouslesDRHdesociétésdeconsultingIT.Selancerdanslagestiondesolutions
bigdataimposealorsd’êtreincubateurdetalents,depariersurdesprofilsquidétiennentaumoins
unedesqualitésrequisesetdelesformereninterne,aveclerisquede«fuitesdescerveaux»que
celacomprend.C’estsouventlereversdelamédailledesprisesdechoixavant-gardistes.
18

20. Ladématérialisationdessupportsconjuguéeàl’avènementderéseauxsociauxontprofondément
bouleversénotrefaçond’appréhenderlesmédias.Lesacteurshistoriquesetgrandesmarques
média,enpertedevitesse,doiventplusquejamaiscapitalisersurleuraudiencewebcommelevier
deperformance,decroissanceetd’innovation.LeBigDataestlàpourlesaider…
TempsTempsdenavigation,pagesconsultées,supportsdeconsultation,avisdéposés,logs,donnéesissues
desmoteursderecherchesoudesréseauxsociaux,indexageinternet,formulaires… jamaisles
lecteursdemédiasonlinen’ontlaisséautantd’«empruntes»deleurpassage,niautantd’indicessur
leurmanièredeconsommerlesmédiasetleurscontenus.
CeCedélugededonnéesbrutesmulti-source(BigData)peutaujourd’hui-grâceàlapuissancedes
ressourcesinformatiquesnotammentliéeauCloudComputingetàlamaturitéetlarichessede
l’écosystèmeOpenSource- êtrecollecté,stockéetanalyséentempsréel.Unemined’orpourqui
souhaiteacquériruntraficefficace,crossdomaine,aumeilleurcoût,etaméliorersignificativement
sontauxdeconversion.
CarCargrâceauBigData,lesmédiasvontpouvoirmieuxinterpréterlepaysagemédiatique,mieux
comprendreleurpublicetdévelopperdescontenusetdesstratégiescommercialesenadéquation
avecleuraudience.Comment?D’unepart,parlamiseenplaced’algorithmesquivontpermettrede
sélectionnerlesdonnées,delesprioriseretdelesexploiterdansl’optiquedecréerunparcours
utilisateurpersonnalisé,puis,parladéfinition,desindicateursclésdeperformance(KPI).L’objectif
finaldelapersonnalisationestdefournirleboncontenu,àlabonnepersonne,aubonmomentet
vialeboncanal.Aquoibonmettreenavantdesarticlessurl’actualitéinternationalepourun
internauteinternaute quine va consulterque les pages Sport?Pourquoiproposerun système de
géolocalisationàquelqu’unquiconsultelesitedepuissonPCouunaffichagemulti-colonneau
possesseurdeSmartphone?…
Làoùautrefois,l’objectifétaitd’accumulerunmaximum d’audience,leBigDataaaujourd’hui
renversécettetendance.Cequicompteàprésentcen’estplusdegagnerla«courseàl’audience»,
maisbiend’acquériruntrafictactique.Onnerésonneplusicienvolumemaisenprofilvisiteurcréé
etstocké. Ilestnécessairepourceladedévelopperunestratégiedemarketing«agile»oùchaque
profilvaentraineràlafoisdesrecommandationsspécifiquesaucontenu/service/produitetdes
stratégies de communication personnalisées en fonction des canaux utilisés,des besoins,
préférencesouhabitudesdechacund’eux.Carpluslelecteurauralesentimentd’êtrecompriset
reconnu,reconnu,plusilvadégageruneaffectionpourlamarquemédiaets’yengager(récurrencedesvisites,
tempsdenavigationpluslong,abonnementauxnewsletters,recommandationàsesamis…).
Ce traficqualifié,vecteurd’adhésion etde fidélisation,estaussisource de revenus.Carla
fragmentationdel’audiencevalorisel’inventairepublicitaire.Untelniveaudepersonnalisation
devientunsérieuxatoutmarketingpourquisait«manager»correctementetdemanièreréfléchie
sesdonnées.Derrièrecettepromessededélivrerlabonnepublicitéàlabonnepersonne,ilyafortà
parierquelesannonceurssebousculeront.Apportantlà,unsecondsouffleinespéréauxmédias
online…
BigData:unsecondsoufflepourlesmedias
ParFrançoisdeCharon,DirecteurdelastratégiedigitalechezYsance
19

21. Lasystématisationdel’exploitationdesBigDataetsonimpactpositifsurlesentreprisesontfait
évoluerlesmentalitésversetautourdeladonnée,laissantplaceàunphénomènenouveauqu’on
pourraitappelerl’OverData;ouquandlesdonnées-sanspourautantrépondreauxcaractéristiques
exigéesparlesBigData- s’avèrentsourcedegrandevaleurpourl’entreprise.Explications…
PlusPlusbesoindeprésenterl’intérêtdesBigDataauxchefsd’entreprises.Sonimpactplusquepositif
surl’organisation,ledéveloppementetlacroissancedel’entrepriseluiad’ailleursvalulesurnom de
«pétrole du XXIème siècle ».De plusen plusdata driven,lesentreprisessontaujourd’hui
nombreusesàsepenchersurcephénomèneetàvoirenladonnéeleGraalinespérépoursortirde
lacrise.
OuiOuimaisvoilà,lesBigDataentrentdansdescritèresdevolume,devariétéetdevélocité(3V)bien
précisettellementimportants(voiremêmehorsnorme)qu’ilsneconcernentfinalementqu’une
infimepartiedesprojetsd’exploitationdedonnées.Quedoit-onfairealors?Ignorercettenuanceet
continueràleurdonnerletitredeprojetBigDataaurisquedevoirs’agrandirencoreunpeuplusla
confusionqu’ilyaautourdecephénomène?Ouexcluretoutbonnementlesentreprisesdontlescas
d’usagen’entrentpasdanscescritèresquitteàlesécarterdecettemined’informationextraitedela
donnée?
Certes,Certes,non!SurtoutqueladémarchederéflexionfaiteparlesentreprisesautourdesBigDataafait
naîtreunemultitudedeprojetsd’analysededonnéesquisanspourautantêtredetypeBigDataont
beaucoupdevaleur.Ilestdoncaujourd’huinécessaired’introduireunnouveauniveaud’analysequi
comprendtoutesles«autres»données-quelquesoitleurvolume,fréquenceouformat-quise
situententrelesdonnéesdécisionnellesetlesBigDataetqu’onpourraitappelerl’OverData.
IlIls’agiraitdel’exploitationdedonnéesplussouterraines(smallblackdata)etplusorientéesBtoB,
pouranalyser,parexemple,lesprocessusdeproductionetdesécuritévial’activitédessystèmes
embarquéstelsquelesbadgeuses,lescentresd’appelsetlessolutionsdomotiques,sagestiondes
ressourceshumainesouencoresonactivitésurlewebcommel’analysed’uneFanpage,lescitations
surlesréseauxsociaux,lesvisitessursonsiteinternet,lepositionnementdesonapplicationsur
l’appstore,etc.
PlusieursPlusieursentreprisessesontd’ailleurslancéesavecsuccèsdansl’analysedecertainspansdeleurs
données.Onretiendraparmilescasd’usagelespluscélèbres,l’exempledeGoogleaveclamiseen
placedesonprojet«GoogleM&Ms».Soucieusedelasantédesessalariés,l’entreprisearassemblé
desdonnéestellesquelesdistancesparcouruesoulesalimentsconsommésàlacantinepour
mettreenplacedessolutionsvisantàfreinerlaconsommationexcessivedeM&Msaubureau.Ou
encore,l’initiativeduconcessionnaireRenaultquiaanalyséletrajetparcouruetlesdémarches
effectuéesparlesalariédepuisl’entréedusitejusqu’àlachaînedeproductionpouroptimiser
l’arrivéederessourcestemporairesencasdenécessité.l’arrivéederessourcestemporairesencasdenécessité.
ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppement
L’OverDataouquandla«notsoBigData»devientsource
devaleurpourl’entreprise
20

22. Lechampdespossiblesestdoncinfini.AussiinfiniqueceluidesBigData…Ilnécessitetoutefoisdes
compétencestechniquesdistinctes.L’approcheestcertesmoinsorientéeversl’enjeudevolume-et
doncverslestechnologiesenrupturedetypeHadoop-maislacapacitéàcollectercette«over»
donnéeoùellesetrouve,àgarantirsaqualitéetàsavoirl’injecterdansdesoutilsopérationnelsde
l’entreprisedemandeuntravailcomplexeetminutieux.Finalement,lesméthodesprojetssontassez
prochesdecellesdesBigDatamaislestechnologiesderécolteutiliséesressemblentdavantageà
cellesdelaBusinessIntelligence(tableauxdebords,basesrelationnelles,tableauxExcel…).
UnUnentredeuxquidevraitsatisfaire,pourcommencer,bonnombred’entreprisesleurpermettant
ainsidefaire,endouceur,leurspremierspasversleBigData…
21

23. En2013,ladéferlanteBigDatas’estabattuesurlaBusinessIntelligence,renversanttoutsurson
passage.Littéralementprisedevitesse,cettedernièren’apaseuletempsdefairesamutationetelle
s’esttrouvéeconfrontéeàlarichessedudomainedespossiblesdesBigData.Aujourd’hui,ellen’a
d’autrechoixquedes’appropriercenouvelenvironnement«fulldigital».Place,donc,en2014,àune
BIaugmentéedontlesattentessontdésormaisinhérentesàcellesdesBigData.
VersuneBIaussivivequeleweb
SousSousl’influencedesBigData,onattenddésormaisd’uneplateformeBIqu’ellepuisseêtreaussi
rapidequelewebetdonc«entempsréel».Làoùlamesuredebases’effectueencoreaujourd’huià
J+1,laBIen2014permettrad’analyserlesdonnéesdescinqdernièresminutes,voiremêmedescinq
dernièressecondes.Avecunutilisateur/consommateurhyper-connectéethyperactifsurleweb,les
outilsdécisionnelssedoivent,eneffet,d’êtresynchronisésaurythmedecetteperpétuelleactivité
digitaleetcalquésàlavitessedufameux WOM («word-of-mouth»,«boucheàoreille»enfrançais),
sicherauxdirectionsmarketing.
Outreuneplusgranderéactivitéetagilité,lesentreprisesréclament,paradoxalement,uneBImoinsOutreuneplusgranderéactivitéetagilité,lesentreprisesréclament,paradoxalement,uneBImoins
chèreàmettreenplace,àopéreretàdéployerpouruntoujoursplusgrandnombred’utilisateurs.
UneaubainedoncpourlessolutionsdistribuéesenOpenSourcequisontlesseulesàproposeràce
jourundéploiementdemasseàmoindrecoût.
VersuneBIcustomeretusercentric
PlusPlus besoin de prouveraujourd’huique le pilotage de la performance se faitautourdu
consommateuretnonduproduit.Al’instardesBigData,laBIen2014avocationàsavoirquelssont
lesbesoinsduclient,quelestsoncomportement,quellessontsesréactionsparrapportaux
situationsqu’onluipropose,quelleestsavaleur,etc.LaBIdedemainseveut,donc,clairement
customercentric.Etc’estlàl’undesplusgrandsdéfistechniquesquil’attend,carintroduireleclient
auseindel’ensembledessystèmesd’informationdécisionnelsestunexercicecomplexe,tantla
volumétrieestimportante.
D’autantquecerecentrageversleclientvabouleverserlachaînedécisionnelleclassiqueetplacerlaD’autantquecerecentrageversleclientvabouleverserlachaînedécisionnelleclassiqueetplacerla
BI,nonplusuniquementsouslaresponsabilitédesDSI,maisaussisouslecontrôledesutilisateurs
métiers.Ainsidéployéeàtoutel’entreprise,larécoltedecettemassededonnées,sielleveutêtre
pertinenteauniveaudécisionnel,doitsegrefferetêtredisséminéeparmilesdifférentesapplications
opérationnellesdel’entreprise:CRM,ERP,Hotline,RSE,ecommerce,intranet…
VersuneBIapplicative
OutreOutrecettenécessaireévolutionsurlefond,c’estsurtoutsurlaformequelesadaptationsdelaBI
sontlesplusattendues,carpourallerversuneBIaccessibleàtous,lesoutilsinformatiquesdoivent
êtrerepenséspourressemblerdavantageàceuxutilisésquotidiennementdansson univers
personnel.
ParRomainChaumais,Co-fondateurd’YsanceetDirecteurduDéveloppement
TendancesBusinessIntelligence2014:versuneBIaugmentée
22

24. Lestableauxdereporting,d’abord,puislestraitementsanalytiques,ensuite,onteuleursheuresde
gloire.Placedésormais,àladatavisualisationoucommentreprésenterlesdonnéesdefaçonvisuelle
pourquel’informationsoitcompriseenunclind’œiletladécisionquiendécouleprisedansla
foulée.
PourPourcefaire,ilestindispensablededévelopperdesoutilsBIàl’imaged’uneapplicationwebgrand
public:intelligente,interactiveetprédictive.Intelligente,d’abord,carlesapplicationsBI,en2014,
serontcapablesdecapterlefluxdedonnéesutileàl’entrepriseetdelescontextualiserenfonction
del’employédécideur,desesexigencesopérationnellesetdel’applicationqu’ilutilise.Imaginez,
alors,dessolutionsquiprésentent,entempsréel:pourlechefd’entreprise,leschiffresd’affairespar
magasin;pourlapersonneenchargeduréassort,leprévisionneldesventespourlesprochainsjours
;;pourleSAV,unealertelorsd’untauxderetourtropimportantsurunmêmeproduit;ouencore,
pourunDRH,lesperformancesdesesoffresd’emplois…
Interactiveensuite,danslesmodesderechercheetdanslanavigationauseindeladonnée.En2014,
onnerequêteraplusladonnée,oniralacapterdirectementdanslefluxmassifdesdonnées,
simplement,enlangagenaturel,viaunmoteurderecherchedetypeGoogleSearch.
Prédictiveenfin,parceque,commetoutebonneapplicationwebquiserespecte,elledoitpermettre
àl’utilisateurd’avoirunevisionmacro(agrégée)maisaussimicro(détaillée)dufluxdedonnéesgrâce
àdesalgorithmesprédictifsquivontsuggérerlesdécisionsàprendre,parlebiaisd’alertes,de
suggestions,derecommandationsoudeclassificationdesprioritésdel’information.Unpeucomme
lefaitFacebookavecsesposts«AlaUne»ouTwitteraveclesTopTrends…
LesLesréseauxsociauxetlesBigDataontdoncsuscitél’envied’uneBIplussouple,flexible,accessible
etmoderne ;une BIapplicative,en tempsréeletmulti-device.Bref,une BIaugmentée en
concordanceàlafoisavecl’environnementtechnologiquedanslequelelleévolueetavecles
exigencesmétiersetbusinessactuelles.EtcetteBusinessIntelligence,en2014,n’auradecessede
s’adapterpourrivaliseravecl’élargissementperpétuelduchampdespossiblesenmatièredenature
etdevolumedesdonnéesoffertparlesBigData.Atelpointqu’ilesttrèsdifficiledeprévoiràquoi
elleressembleraen2015…
23