Le Big Data désigne des ensembles de données qui deviennent tellement volumineux qu'ils en deviennent difficiles à travailler avec des outils classiques de gestion de base de données ou de gestion de l'information
L’explosion quantitative (souvent redondante) de la donnée numérique contraint à de nouvelles manières de voir et analyser le monde
De nouveaux ordres de grandeur concernent la capture, le stockage, la recherche, le partage, l'analyse et la visualisation des données
Le Big Data introduit de nouvelles possibilités d'exploration de l'information diffusée par les médias,
de connaissance et d'évaluation,
d'analyse tendancielle et prospective (climatiques, environnementales ou encore sociopolitiques, etc.) et
de gestion des risques (commerciaux, assurances, industriels, naturels) et
de phénomènes religieux, culturels, politiques,
mais aussi en termes de génomique ou métagénomique,
pour la médecine (compréhension du fonctionnement du cerveau, épidémiologie, écoépidémiologie...),
la météorologie et l'adaptation aux changements climatiques,
la gestion de réseaux énergétiques complexes (smartgrids ou « internet de l'énergie »),
l'écologie (fonctionnement et dysfonctionnement des réseaux écologiques, des réseaux trophiques),
ou encore la sécurité et la lutte contre la criminalité
La multiplicité de ces applications a créé un écosystème économique
Le big data pourrait
aider les entreprises à réduire leurs risques et faciliter la prise de décision,
ou créer la différence grâce à l'analyse prédictive
et une « expérience client » plus personnalisée et contextualisée
L’informatique décisionnelle ou business intelligence ou BI est l'informatique à l'usage des décideurs et des dirigeants d'entreprises.
La BI désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données, matérielles ou immatérielles, d'une entreprise en vue d'offrir une aide à la décision et de permettre à un décideur d’avoir une vue d’ensemble de l’activité traitée.
1. Les données opérationnelles sont extraites périodiquement de sources hétérogènes : fichiers plats, fichiers Excel, base de données (DB2, Oracle, SQL Server, etc.), service web, données massives et stockées dans un entrepôt de données ou Datawarehouses.
2. Les données sont restructurées, enrichies, agrégées, reformatées, nomenclaturées pour être présentées à l'utilisateur sous une forme sémantique (vues métiers ayant du sens) qui permettent aux décideurs d'interagir avec les données sans avoir à connaître leur structure de stockage physique, de schémas en étoile qui permettent de répartir les faits et mesures selon des dimensions hiérarchisées, de rapports pré-préparés paramétrables, de tableaux de bords plus synthétiques et interactifs.
3. Ces données sont livrées aux divers domaines fonctionnels (direction stratégique, finance, production, comptabilité, ressources humaines, etc.) à travers un système de sécurité ou de datamart spécialisés à des fins de consultations, d'analyse, d'alertes prédéfinies, d'exploration de données, etc.