Est-ce une bonne idée de surdimen­sionner une infrastructure pour le big data ?

Dans le big data, la tendance dans les entreprises est de se concentrer sur les aspects d’analyse de la donnée, sans beaucoup se préoccuper du « moteur ». Pourtant, l’infrastructure est un élément tout à fait essentiel pour qui entend réussir sur le long terme.

Mais cette infrastructure doit-elle forcément se montrer la plus véloce, la plus puissante, absorbant les plus gros volumes de données en des temps très courts ? En big data aussi, l’approche doit être raisonnée, pour des raisons évidentes de coûts, de ROI, mais également d’apprentissage et d’adoption progressive.

Par Hadrien Puissant (*)

Des échecs qui refroidissent les ardeurs

Les constats d’échecs sont nombreux dans le big data. Il est aisé d’ailleurs de désigner les coupables, ils sont légion : gouvernance déséquilibrée, manque d’information à destination des équipes, données de piètre qualité, sponsoring peu engagé, objectifs mal définis... A croire que le big data est un puits sans fond d’erreurs et d’errances.
 
Face aux déceptions, les entreprises hésitent à se lancer, en particulier celles de taille intermédiaire. Elles savent que le Big Data présente des opportunités, mais aussi un coût et le risque d’une traversée du désert numérique. En d’autres termes, elles optent souvent pour le statu quo, ce qui ne présente pas que des avantages dans une économie construite sur des écosystèmes ouverts.
 
Il y aurait certainement à blâmer un certain marketing agressif et l’illusion des solutions misant sur l’hyper performance, qui dissimulent l’exigence d’une réflexion longue assortie de prévention. Car les projets big data sont d’une extrême diversité et n’ont en commun que leur nom. Et encore… Beaucoup d’entre eux relèvent moins du big que de la data et concernent plus volontiers de petits jeux de données, traités à vitesse moyenne, sans grande variété de formats. Ils n’en sont pas moins pourvoyeurs d’informations importantes pour l’entreprise.