7 Definitions of Big Data You Should Know About

http://timoelliott.com/blog/2013/07/7-definitions-of-big-data-you-should-know-about.html  par Timo Elliott

Face à la confusion actuelle sur la terminologie de ‘Big Data’, voici un guide pratique – et quelque peu cynique – de certaines des définitions clés que vous pourriez trouver.

La première chose à noter est que, malgré ce qu’en dit Wikipédia, tout le monde dans l’industrie reconnaît généralement qu’avec le Big Data il ne s’agit pas d’avoir plus de données (puisque ceci est juste inévitable et ennuyeux).

(1) Le Big Data Original

Big Data comme les trois Vs : Volume, Vitesse et Variété. Ceci est la définition la plus vénérable et célèbre, donnée d’abord par Doug Laney de Gartner il y a plus de douze ans. Depuis lors, beaucoup d’autres ont essayé de l’élargir à 11 V avec entre autres Validité, Véracité, Valeur et Visibilité.

(2) Big Data comme Technologie

Pourquoi un terme vieux de 12 ans a-t-il soudainement grossi sous les projecteurs ? Ce n’est pas simplement parce que nous avons maintenant beaucoup plus de volume, vitesse et variété qu’il y a une décennie. Il a plutôt été alimenté par de nouvelles technologies et en particulier la croissance rapide de techniques de code en open source comme Hadoop et autres NoSQL façons de stocker et manipuler des données.

Les utilisateurs de ces nouveaux outils ont eu besoin d’un terme qui les différencie des techniques précédentes, et ce sont arrêtés sur le terme très tristement inadéquat de Big Data. Si vous allez à une grande conférence Big Data, vous pouvez être assurés que des sessions parlant de bases de données relationnelles, peu importe à combien de Vs elles répondent, seront minoritaires.

(3) Big Data comme Différenciation dans les Données

Le problème avec « Big Data comme une technologie » est que (a) c’est assez vague pour que tous les vendeurs de l’industrie se soit empressé de le revendiquer pour eux et (b) tout le monde ‘savait’ qu’ils devraient élever le débat et parler de quelque chose de plus orienté business et utile.

Voici deux bonnes tentatives pour aider les organisations à comprendre pourquoi le Big Data de maintenant diffèrent du Big Data du passé :

• Transactions, Interactions et Observations de Shaun Connolly de Hortonworks.  Les transactions composent la majorité de ce que nous avons rassemblé, avons stocké et avons analysé dans le passé. Les interactions sont les données qui viennent de choses comme les clics des gens sur des pages Web. Les observations sont des données collectées de manière automatique.
• Process-Mediated Data, Human-Sourced Information, and Machine-Generated Data de Barry Devlin, qui a co-écrit le premier papier sur le « data warehousing » . C’est essentiellement le même que ci-dessus, mais avec des noms plus clairs.

(4) Big Data comme Signaux

Ceci est une autre approche orientée business qui divise le monde selon l’intention et le cadencement plutôt que le type de données, avec l’aimable autorisation de Steve Lucas de SAP. ‘ L’ancien monde ‘ est à propos de transactions et au moment où ces transactions sont enregistrées, il est trop tard pour faire quoi que ce soit d’elles : les sociétés ‘managent constamment dans le rétroviseur’. Dans ‘le nouveau monde’, les sociétés peuvent au lieu de cela utiliser de nouvelles données ‘de signal’ pour anticiper ce qui va arriver et intervenir pour améliorer la situation.

Les exemples incluent le suivi de la perception des marques sur les médias sociaux (si votre nombre de ‘likes’ diminuent abruptement, vos ventes suivront sûrement) et la maintenance prédictive (des algorithmes complexes déterminent quand vous devez remplacer une pièce d’un avion, avant que l’avion ne coûte cher, scotché sur la piste).

(5) Big Data comme Opportunité

Celle-ci est de Matt Aslett de 451 Research et définit largement Big Data comme ‘l’analyse des données qui étaient précédemment ignorées à cause de limitations technologiques.’ (OK, donc techniquement, Mat utilisé le terme ‘Dark Data’ plutôt que Big Data, mais c’est assez proche). Mon favori personnel, puisque je crois qu’il s’aligne le mieux sur comment le terme est utilisé dans la réalité dans la plupart des articles et discussions.

(6) Big Data comme Métaphore

Dans son merveilleux livre The Human Face of Big Data, le journaliste Rick Smolan dit que Big Data est « le processus d’aider la planète à cultiver un système nerveux, celui dans lequel nous sommes juste un autre type de capteur, humain. » Profond, euh ? Mais d’ici que vous ayez lu certaines des histoires dans le livre ou sur l’application mobile, vous hocherez la tête en signe d’accord.

(7) Big Data comme Nouveau Terme pour Vieux Truc

Ceci est l’utilisation la plus paresseuse et la plus cynique du terme, où les projets qui étaient de technologie précédente et auraient été appelés Business Intelligence (BI) ou l’analytique dans le passé ont soudainement été rebaptisés dans une tentative assez flagrante de sauter sur le train en marche du Big Data.

Et finalement, en bonus, une assez inutile définition de Big Data. Toujours pas assez pour vous ? En voici 30+ de plus et ça continue !

Le résultat : indépendamment des désaccords sur la définition, tout le monde convient d’une chose : le Big Data est important et amènera d’énormes nouvelles opportunités dans les années à venir.