Données massives et décision : cours de Terminale STMG

Tu as travaillé le modèle relationnel, le langage SQL, les requêtes avec jointures et la qualité des données. Ces outils servent à ranger et à interroger des données bien structurées, dans la base d'une organisation. Ce chapitre prend du recul. Que se passe-t-il quand les données deviennent si nombreuses et si variées qu'une base classique ne suffit plus ? Et à quoi servent-elles quand un dirigeant doit choisir une direction ?

La réponse tient en une chaîne : recueillir les données, les rassembler, les analyser, puis les présenter à celui qui décide. Le programme de Terminale STMG relie les données massives, les lacs de données et l'aide à la décision ¹³.

Pourquoi ce sujet a-t-il pris de l'ampleur ? Avec l'essor d'internet et des bases de données, de la fin des années 1990 jusqu'aux années 2000, les sciences qui traitent la donnée se sont développées ⁵. Chaque achat en ligne, chaque passage en caisse, chaque connexion laisse une trace numérique. Une organisation qui sait exploiter ces traces peut mieux comprendre ses clients, ses coûts et son marché.

Un exemple d'ordre de grandeur : Wal-Mart, une chaîne américaine de grande distribution, figure parmi les entreprises qui conservent le plus de données. Son volume a été multiplié par 100 en quelques années ⁴. Retiens l'idée plus que le chiffre : le volume peut exploser.

Pour parler de données massives, il faut savoir mesurer. L'octet est l'unité de base du stockage. Dans les sources de ce chapitre, on rencontre le téraoctet et le pétaoctet. Un pétaoctet vaut 1 000 téraoctets ⁴. Le passage de l'un à l'autre est donc une simple multiplication ou division par 1 000.

Une organisation ne produit pas ses données à un seul endroit. Elles viennent de fichiers plats, de fichiers Excel, de bases de données comme DB2, Oracle ou SQL Server, de services web, et aussi de données massives. Elles sont extraites régulièrement, puis stockées dans un entrepôt de données ⁴. Ces sources sont qualifiées d'hétérogènes, car elles diffèrent par leur technique et par leur sens ⁴.

C'est là que ton cours sur la qualité et l'intégrité des données prend tout son intérêt. Si deux sources n'écrivent pas une date ou un nom de client de la même façon, les regrouper sans précaution produit des résultats faux. Une bonne décision exige des données fiables.

Pour comparer, retiens cette idée : l'entrepôt cherche l'homogénéité (une source commune et normalisée), tandis que le lac accepte la diversité des formats.

Pour transformer les données en aide à la décision, les organisations utilisent l'informatique décisionnelle, appelée en anglais business intelligence (BI). Elle regroupe des moyens, des outils et des méthodes pour collecter, consolider, modéliser et restituer les données d'une entreprise. L'objectif est d'aider à décider et de donner au décideur une vue d'ensemble de l'activité ⁴.

La collecte. Elle consiste à détecter, sélectionner, extraire et filtrer les données brutes dans les environnements concernés. Comme les sources internes et externes sont souvent hétérogènes, c'est la fonction la plus délicate à mettre en place dans un système complexe ⁴. Elle s'appuie notamment sur les outils ETL (extraction, transformation, chargement, en anglais extract-transform-load) ⁴.

L'intégration. Elle rassemble les données collectées dans un espace unifié : l'entrepôt de données ⁴. L'idée est de découper les données en ensembles cohérents, simples à utiliser, adaptés à une activité de décision particulière ⁴.

La diffusion et la présentation. Une fois les données prêtes, il faut les mettre à disposition des bonnes personnes, sous une forme lisible : tableaux, graphiques, tableaux de bord. Un directeur commercial ne veut pas des milliers de lignes ; il veut quelques indicateurs clairs.

L'administration. Elle contrôle le fonctionnement du système lui-même ⁴.

Avoir des données ne suffit pas : il faut les exploiter. Plusieurs approches existent, du simple rapport aux techniques les plus avancées.

Le reporting et le tableau de bord. Le reporting produit des rapports réguliers. Pourtant, il ne constitue pas vraiment un outil d'aide à la décision. Les tableaux de bord munis de fonctions d'analyse multidimensionnelle de type OLAP ont davantage d'avenir ⁴. Des plateformes comme Power BI, Tableau ou Qlik permettent de créer des tableaux de bord interactifs et d'analyser les données en temps réel ⁴.

Analyser de façon multidimensionnelle, c'est regarder un même chiffre selon plusieurs angles : par produit, par magasin, par mois. Tu peux ainsi passer d'une vue globale à un détail, sans refaire de requête SQL à chaque fois.

La fouille de données. Le forage de données (data mining) cherche des régularités dans de grandes masses de données ¹. Il relève de la science des données.

La science des données. On l'associe souvent aux données massives, à l'analyse des données, à l'apprentissage automatique (machine learning) et à l'apprentissage profond (deep learning) ⁵.

Un projet informatique classique a un début, une fin et une livraison. Le projet décisionnel, lui, est différent. Il consiste à traiter les données et à les stocker de façon cohérente à mesure qu'elles arrivent. Il n'a donc pas de limite dans le temps : une fois lancé, l'entreprise ne l'arrête pas, sauf cas exceptionnel ⁴.

Cela s'explique facilement. Les ventes, les clients et les stocks changent chaque jour. Un entrepôt qu'on cesserait d'alimenter vieillirait vite, et les tableaux de bord afficheraient des chiffres dépassés.

Les données massives apportent de la valeur, mais elles soulèvent aussi des questions de société. Des enjeux éthiques et démocratiques apparaissent avec les vols massifs de données personnelles et les usages manipulateurs des données ⁵.

Un exemple connu est l'affaire Facebook et Cambridge Analytica. Des données massives d'utilisateurs de réseaux sociaux ont fait l'objet d'un usage douteux, voire illégal, au profit de certains candidats ou de certaines idées, dans un contexte électoral ⁵. Retiens-en le principe : des données collectées pour un usage ne doivent pas être détournées pour influencer des personnes à leur insu.