Introduction aux grands concepts de la Data

Objectif pédagogique : Vous faire comprendre ce qu’est une donnée, comment elle est organisée et pourquoi elle est devenue un actif stratégique pour les entreprises.

À la fin de ce chapitre, tu seras capable de…

• Distinguer donnée brute, information et Big Data
• Identifier les 3 types de structure de données
• Décrire les 6 étapes du cycle de vie d’une donnée

💡 Prérequis : aucun prérequis technique n’est nécessaire. Une connaissance basique de l’informatique (fichiers, internet) est suffisante pour démarrer.

Mise en contexte

Vous avez sans doute déjà rencontré des données sans le savoir :

• le solde affiché sur votre application Mobile Money,
• la photo que vous avez partagée hier, la température annoncée par votre application météo ce matin. 

La data représente des informations brutes qui, une fois traitées et analysées, deviennent des connaissances exploitables.

La data est souvent confondues avec l’information mais il y a une différences entre ces deux notions.

• En effet, la data est un point de départ qu’on peut appeler donnée brute tandis que l’information est ce que l’on espère en tirer, un résultat exploitable.
• Pour avoir de l’information, il faut donc valoriser la data brute, la mettre dans un contexte et dans sa nature propre.

Voici quelques exemples de données :  l’âge d’une personne, sa taille, son niveau d’études, la couleur de ses yeux, son salaire.

Les données peuvent donc prendre différentes formes : chiffres, textes, images, vidéos et sons entre autres.

Exemples :

• des relevés de vente,
• des données de capteurs,
• un fichier de logs,
• des commentaires laissés sous un film,
• une publication sur les réseaux sociaux,
• une photo de votre chien,
• un message vocal que vous avez envoyé à votre pote,
• un enregistrement vidéo de votre dernière réunion avec votre patron.

Aujourd’hui, les entreprises font face à une augmentation sans cesse de leurs données et doivent gérer et traiter ces données pour prendre des décisions stratégiques ou pour des projets de Machine Learning ou d’intelligence artificielle (IA). Ces vastes ensembles de données sont appelés Big Data.

💡 À retenir : A la différence des données traditionnelles, le Big Data est souvent définit par les « 3V » qui caractérisent :

• le Volume des données,
• la Variété des données et
• la Vélocité avec laquelle elles sont générées, collectées et traitées.

Dans tous les secteurs, les entreprises utilisent les données qu’elles collectent pour différents objectifs :

• améliorer leurs opérations,
• offrir un meilleur service client,
• personnaliser leurs actions marketing selon les préférences des consommateurs ou encore augmenter leur chiffre d’affaires.

Le Big Data leur permet ainsi de prendre de l’avance sur leurs concurrents qui n’exploitent pas ces données, en prenant des décisions plus rapides et plus fiables, basées sur des informations concrètes.

Cependant, avant toute analyse, il est essentiel de s’intéresser à la manière dont la donnée est structurée. Il existe trois types d’organisation des données :

Les données structurées sont présentées sous forme d’une table (table de base de données, fichier CSV, fichier Excel…). Elles sont structurées en deux dimensions : lignes et colonnes.

Les colonnes peuvent être appelées « champs » ou « variables » ou « features » ou « caractéristiques ».

Très souvent, quand on parle de données, on pense toute suite aux données structurées car elles sont les plus faciles à utiliser.

Les données semi-structurées ne rentrent pas dans un tableau rigide, mais possèdent des balises ou des marqueurs internes pour séparer les éléments.

Voici quelques exemples de données semi-structurées : Fichiers JSON, Fichiers XML, Fichiers YAML.

Les données non structurées font référence à des données sans principe d’organisation fixe.

Les vidéos, les images, les sons ou audios, les documents textes (fichiers Word, PDF, commentaires sous un post linkedin, …) sont des données non structurées.

Comprendre comment les données sont organisées nous permet de choisir les bons outils pour les analyser et prendre de meilleures décisions.

Le parcours d’une donnée suit généralement les étapes suivantes :

• Collecte : acquisition des données depuis diverses sources (formulaires web, APIs, bases de données existantes…).
• Stockage : conservation sécurisée dans des infrastructures adaptées (data warehouses, data lakes, bases de données, …). Les choix technologiques dépendent du volume, de la vélocité et de la variété des données.
• Traitement et transformation : nettoyage, normalisation, enrichissement des données brutes pour les rendre exploitables.
• Analyse : exploration et interrogation des données pour en extraire des insights. Cela va de requêtes simples à des analyses statistiques complexes.
• Visualisation et partage : communication des résultats via des tableaux de bord, rapports ou applications. L’objectif est de rendre l’information accessible aux décideurs.
• Archivage ou suppression : gestion de la fin de vie selon les obligations légales (RGPD en Europe) et les besoins métier.

• Bases de données relationnelles : MySQL, PostgreSQL, Oracle. Les bases de données relationnelles sont idéales pour les données structurées avec des relations entre les tables.
• Bases de données NoSQL : MongoDB, Elasticsearch, Cassandra. Ces technologies sont adaptées aux données non relationnelles.
• Outils Big Data : technologies pour traiter d’énormes volumes de données. Nous pouvons citer les outils tels que Apache Hadoop, Apache Spark, Apache et Flink entre autres. Ils interviennent lorsque les outils traditionnels ne suffisent plus.
• Cloud computing : Azure, AWS et Google Cloud offrent des services data managés (stockage, calcul, machine learning) avec une scalabilité élastique.
• Outils de visualisation : Power BI, Tableau et Looker transforment les données en graphiques et dashboards compréhensibles.