Quoi de neuf au Big Data Paris?

L’avantage avec un rendez-vous comme le Big Data Paris c’est que l’ampleur de l’événement permet de voir suffisamment de professionnels du sujet pour cerner les grandes tendances, et surtout identifier les changements opérés depuis l’année précédente.

L’édition 2016, 5ème du nom, s’est tenue les 7 et 8 mars au Palais des Congrès à Paris, avec un succès toujours grandissant : des centaines d’éditeurs, prestataires et autres conférenciers étaient présents. Qu’en est-il alors des précédentes observations? Cf article 2015.

BDP2015vs2016

1) Les principales confirmations

Un thème tout juste émergeant en 2015 s’est nettement amplifié : l’éthique. Ceci est vrai à la fois en quantité (de conférences) mais aussi par rapport à la profondeur des interventions. L’expression « Data Science / Big Data Responsable » a été entendue  plusieurs fois, principalement de deux façons:

  • les données personnelles: quelle collecte? quelle transparence sur l’utilisation?  quelle protection? Une bonne illustration de cette mouvance est la création de l’association « Cloud Confidence » pour favoriser la « transparence sur la protection des données clients »
  • l’utilisation même des données dans notre société. A titre d’exemple Quantmetry a lancé une pétition en ligne La Révolution Big Data que nous voulons. Pétition adressée aux jeunes Data Scientist pour une utilisation raisonnée des data, avec des questions du type « quelle place de l’intelligence artificielle ? » – Petite remarque personnelle sur une ONG non présentée mais qui a une démarche superbe: Bayes Impact; ils mettent des compétences en Data Science gratuitement à disposition d’hôpitaux, d’organismes de micro crédit ou récemment de Pôle Emploi

Change

Autre confirmation/amplification : la place des HR Analytics (ou People Analytics) quand on parle de cas d’usage. En début de salon Accenture l’a même citée comme l’une des 5 tendances Big Data (au même titre par exemple que l’omniprésence de l’Internet des Objets ou la croissance des besoins sécuritaires). De nombreux cabinets, comme EY, Cap Gemini (avec F. Galthié en guest star), Deloitte etc… ont monté des offres de « HR Analytics » pour aider à comprendre les départs ou l’absentéisme des salariés, il peut aussi s’agir d’optimiser le recrutement voir même d’éclairer des problématiques plus complexes type GPEC. Bref, une nouvelle activité au sein des Ressources Humaines est en train de naître : l’exploitation des données comme « aide à la décision » pour les RH.

Enfin, toujours dans la catégorie « on en parlait déjà en 2015 » il semble y avoir un consensus sur la coexistence des infrastructures dites « Big Data » et les historiques dites « décisionnelles ». Personnellement j’ai du mal à bien comprendre les raisons de ce point de vue : est-ce pour faire plaisir aux éditeurs historiques ? est-ce le coût pour changer les systèmes qui est trop important ? ou bien est-ce qu’effectivement les infrastructures basées sur la Hadoop (sous-entendu derrière les mots Big Data) ne sont pas encore adaptées pour servir des usages décisionnels ? Franchement même si je ne suis pas assez spécialiste pour être crédible j’ai la sensation que c’est un mélange des 3. Quoi qu’il en soit à court terme tous les retours d’expérience ont mis en avant une cohabitation entre les SI Big Data les SI existants, il n’y a pas eu « d’annule et remplace » brutal.

2) Les nouveautés

Suite à la version 2015 j’avais parlé d’un tâtonnement manifeste sur les organisations et l’emphase à mettre sur la conduite du changement pour faire du Big Data une réalité au delà du buzz word, bla bla bla…

Ce point est beaucoup moins revenu cette année, par contre l’aspect organisationnel a bien été évoqué, souvent sous la forme de Data Lab ; il semblerait qu’il en pousse un peu partout en guise « d’accélérateur ». L’idée est de créer une structure dédiée aux nouvelles utilisations de la donnée pour prouver que ça fonctionne et surtout le faire de manière transverse pour toute l’entreprise. Auchan a par exemple témoigné , avec 1 an de recul, sur son Data Lab multi pays dont les premiers usages étaient des promotions personnalisées et des prévisions de vente.

BluDataAuchan

Un autre sujet que je trouve passionnant a émergé à travers un non débat lourd de sens. Il s’agit du type d’outillage pour les Data Scientist. En effet j’ai constaté une antinomie quasi parfaite entre les témoignages de conférenciers d’un côté et les démonstrations produits de l’autre :

  • lors des retours d’expérience (Auchan ou Accenture par exemple) les Data Scientist semblent travailler leurs données avec du code, en langage R, Python, Spark et parfois SAS – BluData Auchan a même précisé qu’ils étaient passés de logiciels clic bouton type SPSS à du R
  • lors des démonstrations produits les éditeurs ont proposé des solutions les plus complètes possibles dites « plateformes », le code n’y a pas sa place : pas besoin de savoir programmer ou de maîtriser les statistiques pour exploiter les données (RapidMiner, SAS VA, Alteryx, Dataiku). Le summum de cette vision revenant à IBM « Watson Analytics » avec lequel il suffit de taper une question dans une barre prévue à cet effet « Quelle tendance du CA par pays ? » et l’outil s’occupe du reste…

Les 2 visions s’opposent sur l’équilibre à trouver entre maîtrise de ce que l’on fait et rapidité/simplicité du traitement. Bien évidemment vous allez me dire que tout dépend du public d’utilisateurs, à la fois de ses compétences et de ses responsabilités (un analyste n’est pas forcément un statisticien)…. C’est tout à fait exact mais je trouve amusant de voir à quel point certains répètent que « coder c’est dépassé » alors que très concrètement on constate l’inverse. Cela vient probablement du fait que sans maîtrise, à la fois des données et des traitements, alors les analyses peuvent être remises en cause et sont donc un peu bancales. Par ailleurs la boulimie d’analytique demande une accélération des projets en contradiction avec le besoin de connaissances approfondies. Ce débat n’a pas eu lieu début mars pour la simple raison que de manière globale les éditeurs ont intérêt à mettre en avant des solutions « à la souris » beaucoup plus chers (des concurrents comme R sont même gratuits).

A noter aussi qu’un certain type de stands a plus que doublé cette fois ci: les écoles/universités/instituts de formation ! Les certificats, master ou autres modules Big Data ont été exposés pour accompagner le développement des compétences. Ça n’est encore pas énorme mais la présence de l’ENSAE, l’ENSAI, Telecom Paris, Paris Saclay, DSTI, EISTI est un signe. Bien sûr ce marché est très attendu, il n’en est encore qu’à ses débuts et va sans aucun doute s’accélérer dans les années à venir.

3) Une grande absente

Dans la masse de tous ces échanges un pilier du Big Data a brillé par son absence : la donnée en elle-même (et la Data Management en général).

Certes, des interventions l’ont évoquée, voir même une était dédiée à l’Open Data. Mais quand on sait que 75-90% du temps d’un projet Big Data consiste à sourcer et préparer les données j’ai été surpris de réaliser que c’était presque un non sujet pendant ces 2 jours. Ce thème n’étant pas sexy, il a été naturellement un peu discriminé. C’est dommage, les outils et méthodes de Data Management auraient pu intéresser du monde je pense (ça reste un événement pour les professionnels), d’autant plus que c’est un problème qui reste épineux pour beaucoup d’entreprises.

NuageMotsDataManagement

Finalement 2016 s’inscrit dans la droite lignée de l’année dernière avec simplement quelques nouveautés : les Data Lab, le débat (tacite) sur les outils analytiques et la structuration du monde de la formation. Pas de rupture majeure ni de désillusion. J’ajouterais aussi que le salon accueillant un public de plus en plus large en vient à être assez généraliste, les discussions trop pointues sont évitées. Pas facile alors dans ces conditions d’identifier les signaux faibles pour les années à venir, il faudra aller les chercher ailleurs.

Quelques liens utiles: HR Analytics l’offre originale et très intéressante de ClustreeLa « Insights Platform » d’AccentureLe salon Data Job (fin 2015 avec la présentation de la plupart des cursus Data Science), blog Uman Partners sur les problématiques RH

Publicités

Une relation client enrichie grâce au Big Data

La « vision client 360 degrés » est souvent considérée comme l’arlésienne des outils de la relation client. En effet par vision 360 degrés on attend la capacité à avoir toutes les informations client en 1 coup d’oeil: imaginons par exemple un opérateur mobile ou un fournisseur d’énergie qui, à chaque fois que vous le contactez, saurait:

  • qui vous êtes (et qui sont vos proches – familles, numéros favoris etc…)
  • vos informations contractuelles (les vôtres et vos proches)
  • tous les contacts précédents et les raisons de ces contacts (vous avez envoyé un mail le mois dernier pour savoir si le prix de votre abonnement allait baisser)
  • vos réponses aux questionnaires de satisfaction
  • si vous êtes fan de la page Facebook
  • les documents que vous avez fournis (attestation domicile, scan carte identité)
  • etc…

Un tel outil ferait gagner en qualité de service (plus besoin de raconter 10 fois votre problème, plus besoin d’attendre 10 minutes que le conseiller  en face de vous retrouve les informations), en simplicité des procédures pour ceux qui sont tous les jours en contact avec les clients, mais aussi en qualité des dossiers (fini les 2 adresses postales différentes – 1 dans votre dossier internet et 1 dans votre dossier carte de fidélité), ce dernier point est peu glamour mais extrêmement important dans le cadre de la relation client.

Sauf que par construction un tel outil représente trop de données, trop de sources différentes et trop de contraintes réglementaires. En général les projets vision 360 degrés s’enlisent pour finalement soit disparaitre soit n’être que partiels (il manque les informations du web, ou bien il manque les transactions, ou bien etc…).

logo

L’assureur américain Metlife (un des leaders de l’assurance vie avec 90 millions de clients!) n’a pas échappé à la règle: plus de 10 ans après avoir lancé un projet « vision client 360 degrés » rien n’avait encore réellement abouti. Mais fin 2012 tout a changé: le Big Data et sa gestion des données de masse commençaient à éclore dans l’univers des services aux Etats-Unis. Metlife a alors ajusté sa vision technique du projet pour la prendre sous l’angle Big Data : il ne s’agissait plus de reconstruire et réunir toutes les bases de données mais de « simplement » garder l’existant et l’injecter (en temps réel) dans des structures dites Big Data (MangoDB dans le cas de Metlife), structures pouvant intégrer tous types de données (infos clients, transactions, documents etc…).

Il s’agissait ensuite de présenter le résultat sous une forme ergonomique pour que les téléconseillers puissent l’exploiter. Ainsi est né « The Wall », interface ressemblant à Facebook contenant toutes les informations nécessaires à une relation client fluide et de qualité:

GTOin_article_54_Building_the_Wall_L

Cet exemple illustre bien le fait que le Big Data ouvre la porte a une nouvelle exploitation des données, ici au service de la relation client. Mais le plus incroyable n’est pas uniquement d’être arrivé à une vision 360 degrés, c’est aussi et surtout le fait que cela a été fait en 3 mois! Historiquement dans n’importe quel secteur un déploiement d’outil de gestion client (CRM) prend/prenait plusieurs années.

Cette durée record de 3 mois a fait beaucoup parlé d’elle dans le monde de la relation client (Metlife a même gagné plusieurs prix pour cette réalisation), elle a été possible pour 2 raisons:

  • les technologies Big Data sont beaucoup plus simples à déployer que les outils anciennes générations: les solutions de base sont open source (libre accès) et se déploient de manière agile (tout est évolutif donc tout peut s’ajuster en cours de route)
  • le sujet étant nouveau les équipes Metlife étaient particulièrement motivées (on parle de plus de 60 équipes différentes), l’effervescence autour du Big Data a joué un rôle d’accélérateur

 

En conclusion, même si ce cas d’usage remonte à plus de 12 mois, l’intérêt du Big Data et son aspect révolutionnaire sont bien illustrés dans le cas « The Wall » à la fois par le fait d’arriver enfin à un outil vision 360 degrés mais aussi par la rapidité de déploiement qui, depuis, fait office de référence pour beaucoup d’acteurs de la relation client.

 

Voici 2 articles généraux sur le sujet:

http://www.informationweek.com/software/information-management/metlife-uses-nosql-for-customer-service-breakthrough/d/d-id/1109919?

https://www.executiveboard.com/blogs/the-metlife-wall-one-view-of-the-customer/

 

Et un article plus technique sur la technologie MongoDB utilisée:

http://www.dataversity.net/metlifes-wall-powered-by-mongodb/

 

 

Le Big Data au service de la lutte contre la criminalité

Les exemples d’utilisation du Big Data ne manquent pas et les secteurs impactés sont trés nombreux. La sécurité en fait partie, il s’agit d’un exemple très intéressant car il le Big Data y fait ses preuves depuis quelques années aux Etats Unis alors que la France n’en est encore qu’aux balbutiements.

 

Les grandes villes nord-américaines (Etats Unis et Canada) déploient progressivement (depuis 2010 environ) des solutions technologiques leur permettant 3 types d’usage.

  1. Anticiper les crimes prémédités (typiquement les cambriolages, vol de voitures, braquages etc):
    • en prenant en compte l’historique des crimes (série de cambriolage en cours dans tel quartier tous les mardis après-midi)
    • mais en y intégrant aussi des informations diverses (circulation, évènements, heures de fermeture/ouverture des magasins etc…)
    • les forces de police obtiennent ainsi des cartes avec les secteurs et heures probables des crimes potentiels, les patrouilles et surveillances sont ensuite organisées de manière efficace

    L’outil Predpol (http://www.predpol.com/) a été conçu autour d’un algorithme de prévision des crimes, il fait ses preuves depuis 3 ans: en 2012 les zones Predpol ont connu une baisse de criminalité supérieure à 10% quand le reste des Etats-Unis a connu une très légère hausse. IBM propose aussi ce type de service, voici un bel exemple avec la police de Memphis: http://www.ibm.com/smarterplanet/us/en/leadership/memphispd/.

    Exemple de la restitution Predpol pour les violences à mains armées:

    predpol

  2. Fournir en temps réel les informations pertinentes aux équipes sur le terrain:
    • sur des smartphones ou PDA
    • les agents de Police peuvent consulter en temps réel (quasi), sur des cartes, les informations sur la criminalité, et peuvent en partager certaines avec des civils pour appels à témoignage

    Ces données ne sont pas prédictives mais sont très utiles pour organiser une patrouille « classique » et le travail quotidien d’agents sur un secteur précis. Voici un exemple avec la police de Vacouver en train de déployer un tel outil: http://people4smartercities.com/video/vancouver-police-department-uses-big-data-analytics-fight-crime-4-videos

  3. Nouveau: aider à la résolution des enquêtes
    • A partir de toutes les données de l’enquête (vidéos, témoignages, lieu, heure, type de crime etc…)
    • En croisant avec les bases de données criminelles existantes (sur les criminels mais aussi et surtout les « MO » = Motus Operandi ou Mode Opératoire)
    • Le logiciel calcule et propose une liste de suspects potentiels
    • Les enquêteurs utilisent ensuite cette liste pour enrichir leur enquête et peuvent cibler les interrogatoires à mener ou bien les photos à montrer

IBM à développer pour Miami-Dade le logiciel Blue PALMS: http://www.ibm.com/smarterplanet/global/files/us__en_us__leadership__miami_dade.pdf, se confrontant évidemment au septicisme (voir plus) des enquêteurs locaux. Les résultats ont cependant prouvé que Blue Palms était pertinent et représentait une véritable aide aux enquêteurs. Les exemples de réussites ont été nombreux (IBM explique même que sur les 40 cas testés a posteriori le logiciel avait le bon suspect dans sa short list 73% du temps).

 

Ces exemples aux Etats-Unis et Canada posent quand même 2 questions.

La première est « pourquoi si des solutions tellement efficaces existent la France (et l’Europe plus généralement) ne les utilisent pas« ? La réponse est en fait très simple: les Etats-Unis sont globalement très avance sur le domaine du Big Data dans tous les secteurs (santé, distribution, banques, assurances etc…), la sécurité n’est pas différente du reste. A noter aussi que des réflexions sont en cours du côté du ministère de l’intérieur, la France en est au stade des expérimentations (Paris Lille Lyon Marseille) et des appels d’offres: http://journaleuse.com/2014/07/09/big-data-interieur-defense/.

La seconde est plus philosophique concernant le prédictif : « où se situe la frontière entre ce qui est éthiquement acceptable et ce qui ne l’est plus? » En effet si le logiciel Blue PALMS indique qu’une personne est suspecte sans raison apparente est-ce correct de l’ajouter à la liste? Prévoir les crimes ne vont-ils pas juste les déplacer sur des zones moins étudiées car moins riches? etc… Il est évidemment impossible de répondre facilement à de telles questions, il est plus simple de botter en touche: pour l’instant ces outils aident la Police a être plus efficace, rien de plus, ce qui est déjà un beau progrès en soi…

La révolution Big Data est en marche…. mais de quoi parle-t-on?

Big Data se traduit littéralement par « Grosses Données » ou « Masse de Données. Cependant le sens de ces mots est réducteur car quand on parle du phénomène Big Data il s’agit en fait des (r)évolutions à 3 niveaux: les données disponibles sont en pleine mutation, les outils et méthodes de traitement doivent donc s’adapter, et enfin les usages qui en sont faits sont totalement en rupture avec l’existant.

 

Les données vivent une mutation sans précédent:

Bien entendu le volume de données existant connait une croissance très forte depuis le début de l’ère numérique (développement du web à la fin des années 90), ceci s’accélère et la croissance est exponentielle. Cependant le changement ne concerne pas que la quantité, en effet comme le précise Gartner (cabinet de conseil américain pionnier de la théorie sur le Big Data) la donnée a changé selon les 3 V: Volume, Variété et Vélocité. Au-delà de la quantité c’est donc aussi le type de données (fichiers, vidéos, images, blogs, média sociaux, objets connectés) et la fréquence d’enregistrement qui changent (temps réel pour un GPS par exemple ou achat vente d’espaces pub en quelques nanosecondes).

La littérature pousse parfois sur des 4ème ou 5ème V avec la Véracité (la quantité est parfois au détriment de la qualité) et la Valeur (les données deviennent une matière première et sont monétisables).

 

Les outils et méthodologies s’adaptent:

Les premiers à être confrontés à la problématique de la quantité de données furent les acteurs du web, les astronomes et la recherche médicale. Les solutions de traitement aujourd’hui les plus connues ont d’ailleurs une paternité chez Yahoo et Google. La parallélisation des calculs sur un réseau d’ordinateur, l’optimisation astucieuse de ses calculs (cf MapReduce) ainsi que la création de nouveaux langages (cf NoSQL) ont abouti aux solutions actuelles, la plus commune étant Hadoop. A noter que la révolution est aussi culturelle: Hadoop est opensource donc en libre accès avec des communautés de développeurs qui partagent gratuitement les résultats de leurs recherches.

Au-delà des technologies les méthodes statistiques doivent aussi évoluer; de manière assez étonnante on assiste au retours à des méthodes historiquement abandonnées par manque de précision. Depuis les années 2000 les statistiques ont beaucoup progressé dans la modélisation en cherchant à prévoir de la manière la plus parfaite possible (il faut trouver le modèle qui colle le plus à la réalité). Avec l’explosion des données il maintenant nécessaire (depuis environ 4-5 ans) d’intégrer la dimension « capacité à calculer », c’est pourquoi l’informatique et la statistique sont en train de se rapprocher. La méthode à la mode en ce moment est par exemple le « machine learning », méthode historiquement informatique (approche algorithmique qui améliore automatiquement le modèle avec l’arrivée de nouvelles observations, cela évite de tester toutes les combinaisons). Cette méthode existe depuis environ 50 ans mais ne donnait pas de résultats suffisamment pertinents faute de données en masse.

 

Les applications concrètes du Big Data sont innovantes

Il est impossible de faire un panorama complet des usages du Big Data, c’est d’ailleurs pourquoi on parle de révolution car le champ des possibles est quasi infini!

Il est toutefois possible de lister quelques domaines et quelques exemples intéressant d’utilisation du Big Data:

  • En santé:
    • la recherche génomique avance plus vite grâce à la capacité de traitement et de modélisation « Big Data »
    • l’épidémiologie aussi fait un bond en avant, sujet d’actualité avec le virus ebola (un outil Google Flutrends existe d’ailleurs, recherche de l’avancée d’épidémie virale grâce à la lecture géographique des mots clés tapés dans Google)
  • En marketing:
    • des sociétés comme Criteo permettent de définir instantannément la publicité qu’il faut vous afficher quand vous naviguez sur internet; pour cela ils se basent sur les cookies présents dans votre ordinateur mais prennent aussi en compte le coût d’achat de la bannière à l’instant T (Real Time Bidding) pour optimiser les dépenses
    • les assureurs vont pouvoir, grâce aux boitiers présents dans les voitures, accorder des tarifs réduits à ceux qui ont un comportement « bon conducteur »
  • En politique: lors de la dernière campagne présidentielle américaine le camps Obama a ciblé ses actions de porte à porte après avoir déterminé les foyers les plus indécis grâce au Big Data (profils socio-démographiques, données web etc…)

Ces quelques exemples sont évidemment loin d’être exhaustifs mais il y en aura d’autres! L’objectif du blog est de partager et décortiquer les exemples concrets d’usage Big Data.