Big data, Data Alaytics : des concepts en vogue
Big Data & Data Analytics, deux notions à la mode utilisé pour signifier d’immenses volumes de données, à la fois structurées et non structurés. A partir de 2012, les Big Data inondent quotidiennement les organisations et les entrerpises. En d’autres termes, le Big Data se réfère à des volumes de données gigantesques qui ne peuvent pas être traités efficacement avec des applications traditionnelles. D’ou le recours au Data Analytics comme moyen de traiter ces données afin d’en extraire de la valeur ajoutée stratégique et décisionnelle.
Big data est un terme populaire utilisé pour décrire la croissance exponentielle et la disponibilité des données, à la fois structurées et non structurées.
Les Big data peuvent être caractérisées par 3 critères : le volume de données extrême, la grande variété de types de données et la vitesse à laquelle les données doivent être traitées. Bien que les Big data ne se réfèrent pas à une quantité spécifique, le terme est souvent utilisé dès qu’on parle de pétaoctets (Po = 10 puissance 15 octets), exaoctets (Eo = 10 puissance 18 octets) et zettaoctet (Zo = 10 puissance 21 octets) de données, dont une grande partie ne peut être intégré facilement.
Les Big data peuvent être aussi importantes pour les entreprises – et la société en général – comme l’Internet l’est devenue depuis quelques années. Principale raison : plus de données peuvent conduire à des analyses plus précises. D’ou le principe asocié de data Analytics intimement associé aux big data.
L’analyse des données (Data Analytics) est la science de l’examen des données brutes dans le but de tirer des conclusions sur cette information. L’analyse de données est utilisée dans de nombreuses industries pour permettre aux entreprises et aux organisations de prendre de meilleures décisions d’affaires. Dans les sciences, la DA aide à vérifier ou infirmer les modèles ou les théories existantes. L’analyse des données se distingue de l’extraction de données (data mining) par le champ de couverture, le but et l’objet de l’analyse. Les fouilleurs de données (data miners) trient d’énormes volumes de données en utilisant des logiciels sophistiqués pour identifier des tendances inconnues et détecter des relations cachées. L’analyse des données se concentre sur l’inférence, le processus de dérivation d’une conclusion fondée uniquement sur ce qui est déjà connu par le chercheur.
Les sources et types de données concernés par la DA nécessitent des analyses avancées et des mécanismes de données scientifiques à la fois pour les données brutes et partiellement traitées. Malgré les progrès considérables enregistrées en performance, capacités de stockage et en puissance de calcul, il y a encore des défis pour identifier, regrouper, classifier et interpréter un large éventail d’informations.
Pour en savoir plus :
