Portail clients customer-icon
24 mars 2014

Prédire l’avenir avec Big (Fast, Varied) Data

« Big Data » est peut-être l’une des expressions les plus à la mode en ce moment dans la niche high-tech de l’informatique dématérialisée. Parallèlement, c’est aussi une discipline généralement méconnue et difficile à comprendre, dont la définition est encore floue. Big Data ne fait pas seulement référence à de très grandes quantités de données, comme on pourrait peut-être s’y attendre, c’est aussi un moyen de prédire l’avenir.

Livre Blanc - Patrimoine Immobilier d’Entreprise : pas de benchmark sans données correctes

Benchmarker son patrimoine immoblier est important pour comparer les résultats d'un portefeuille. Mais cela nécessite des données correctes et des normes.

En savoir plus

Que diriez-vous s’il était possible dans le futur de prédire assez précisément à partir des Big Data la date à laquelle une salle de réunion est disponible, le nombre de collaborateurs qui viendront demain visiter votre installation et leur préférence pour déjeuner ? Ou quelle sera votre durée de trajet exacte pour vous rendre demain au bureau ou quels moyens de transport emprunter pour voyager au mieux ?

Mais avant cela, retour à la base : qu’est-ce que Big Data et surtout qu’est-ce que Big Data n’est pas ? Gartner le définit comme suit :

« High-volume, high-velocity and high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making » (ensembles de données de gros volume, d’une vélocité élevée et d’une grande variété qui nécessitent des formes de traitement de l’information innovantes et rentables afin d’améliorer la visibilité et la prise de décisions).

L’adjectif qualificatif « big » renvoie en fait uniquement à l’aspect « gros volume ». Et avec raison : nous stockons de plus en plus de données sous forme numérique. A titre de comparaison, nous stockerons en 2020 cinquante fois plus de données qu’en 2010 et cette croissance exponentielle est loin d’être  terminée.

Mais l’énorme rapidité avec laquelle les données sont mises à disposition (high-velocity) et les différents formats de données qui existent (high-variety) sont des aspects au moins aussi importants. En fait, on devrait parler de big, fast, varied data, mais ça sonne moins bien.

Il existe en gros deux manières d’analyser des données. Vous pouvez commencer par déterminer ce que vous voulez mesurer : par exemple, si le taux d’occupation de salles de réunion dans une entreprise a baissé pendant la crise. Vous recherchez ensuite des données pour répondre à cette question. Dans ce cas, il vous faudrait un aperçu du nombre de salles de réunion disponibles et du nombre de réservations sur les quinze dernières années.

Les données vous aident ainsi à trouver une réponse à une question. Mais ce qui est bien avec les données, c’est qu’elles peuvent aussi répondre à une question que vous ne vous êtes PAS posée. Lorsque vous disposez de données massives, vous pouvez rechercher grâce au « business analytics » des corrélations possibles entre différents facteurs qui sont disponibles dans vos jeux de données. Peut-être découvrirez-vous que ce n’est pas la crise mais le pourcentage de femmes dans un service qui influe le plus sur le degré d’occupation de salles de réunion.

Si vous savez comment prédire avec des données du passé (pourcentage de femmes) un événement du passé (taux d’occupation de salles de réunion), l’étape suivante est aussi simple que logique : vous pouvez décrire des modèles futurs avec les données d’aujourd’hui. C’est ce qu’on désigne par l’anglicisme « Analytics », un développement qui est né sur le marché grand public et qui est axé sur le marketing et la prédiction du comportement des consommateurs.

Pendant notre webinar à propos de Big Data, nous approfondirons les définitions de Big Data et de l’analytique et la signification de Big Data pour la gestion des logements et les services facilitaires. De grandes quantités de données sont stockées dans les systèmes RE et FM et cette tendance ne fera que s’intensifier dans les années à venir. Il est possible, en outre, d’utiliser d’autres sources de données. Que pouvez-vous en tirer en tant qu’entreprise ? Quels types de données sont pertinents, à quelles applications faut-il penser et de quoi a-t-on besoin ?

Erik Jaspers
Global Product Strategy & Innovation Director