Big Data
Les mégadonnées font référence aux grands ensembles d’informations diversifiés qui grandissent à un rythme toujours croissant. Elle englobe le volume d'informations, la vitesse ou la vitesse à laquelle elles sont créées et collectées, ainsi que la variété ou la portée des points de données couverts. Les mégadonnées proviennent souvent de sources multiples et arrivent sous plusieurs formats.
Comment fonctionne le Big Data
Les mégadonnées peuvent être classées comme non structurées ou structurées. Les données structurées sont des informations déjà gérées par l'organisation dans des bases de données et des tableurs; il est souvent de nature numérique. Les données non structurées sont des informations non organisées et qui ne tombent pas dans un modèle ou un format prédéterminé. Il inclut des données provenant de médias sociaux, qui aident les institutions à recueillir des informations sur les besoins des clients.
Trois grandes caractéristiques caractérisent traditionnellement le Big Data: le volume (la quantité) de données, la vitesse (la vitesse) à laquelle elles sont collectées et la variété des informations.
Les mégadonnées peuvent être collectées à partir de commentaires partagés publiquement sur les réseaux sociaux et les sites Web, collectés volontairement à partir d'appareils électroniques personnels et d'applications, via des questionnaires, des achats de produits et des enregistrements électroniques. La présence de capteurs et d'autres entrées dans les appareils intelligents permet de collecter des données dans un large éventail de situations et de circonstances.
Les mégadonnées sont le plus souvent stockées dans des bases de données informatiques et sont analysées à l'aide d'un logiciel spécialement conçu pour gérer des ensembles de données volumineux et complexes. De nombreuses entreprises de logiciels en tant que services (SaaS) sont spécialisées dans la gestion de ce type de données complexes.
Les usages du Big Data
Les analystes de données examinent la relation entre différents types de données, tels que les données démographiques et l'historique des achats, afin de déterminer s'il existe une corrélation. Ces évaluations peuvent être effectuées en interne au sein d'une entreprise ou en externe par un tiers qui se concentre sur le traitement de données massives dans des formats digestibles. Les entreprises utilisent souvent l'évaluation du Big Data par ces experts pour la transformer en information exploitable.
Presque tous les départements d'une entreprise peuvent utiliser les résultats de l'analyse des données, des ressources humaines à la technologie, en passant par le marketing et les ventes. Le big data a pour objectif d’accélérer la mise sur le marché des produits, de réduire le temps et les ressources nécessaires à l’adoption du marché, de cibler les publics cibles et de garantir la satisfaction des clients.
Points clés à retenir
- Les mégadonnées sont une grande quantité d'informations diverses arrivant en volumes croissants et avec une vitesse de plus en plus grande.
- Les mégadonnées peuvent être structurées (souvent numériques, facilement formatées et stockées) ou non structurées (plus de formes libres, moins quantifiables).
- Presque tous les départements d'une entreprise peuvent utiliser les résultats de l'analyse de données volumineuses, mais la gestion de son fouillis et de son bruit peut poser problème.
Avantages et inconvénients du Big Data
L'augmentation de la quantité de données disponibles présente à la fois des opportunités et des problèmes.
En général, disposer de plus de données sur ses clients (et clients potentiels) devrait permettre aux entreprises de mieux adapter leurs produits et leurs efforts de marketing afin de générer le plus haut niveau de satisfaction et de fidéliser leurs clients. Les entreprises qui sont en mesure de collecter une grande quantité de données ont la possibilité de mener une analyse plus approfondie et plus riche.
Bien qu'une meilleure analyse soit un avantage, les mégadonnées peuvent aussi créer de la surcharge et du bruit. Les entreprises doivent pouvoir gérer des volumes de données plus importants, tout en déterminant quelles données représentent les signaux par rapport au bruit. Déterminer ce qui rend les données pertinentes devient un facteur clé.
De plus, la nature et le format des données peuvent nécessiter un traitement spécial avant d’être exploités. Les données structurées, composées de valeurs numériques, peuvent être facilement stockées et triées. Les données non structurées, telles que les courriels, les vidéos et les documents texte, peuvent nécessiter l'application de techniques plus sophistiquées avant de devenir utiles.
Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.