La différence entre Business Intelligence (BI) et Big Data

L’informatique décisionnelle (Business Intelligence, BI) et le big data permettent tous les deux de récupérer et traiter des données pour atteindre de meilleures performances.

Pour autant, leur degré de similitude s’arrête quasiment là : nous allons voir dans cet article ce qui les différencie profondément et s’il est possible de les combiner plutôt que de les opposer.

Pourquoi les associe-t-on si souvent?

Leur confusion est fréquente pour une raison : le Big Data et les outils de Business Intelligence servent à utiliser les données pour aider les entreprises dans leur prise de décision.

Néanmoins, ils diffèrent sur plusieurs points, tant dans la manière de procéder (outils, process, technologies) et d’être implémentés qu’au niveau du type de données qu’ils traitent (sources et formats), de leur périmètre et de leurs objectifs finaux.

Ce n’est pas tout : les champs d’application de la BI et du Big Data varient souvent de secteur à secteur et en fonction du besoin de changement(s) de la structure qui y a recours.

Les principales différences entre BI et Big Data

  • La BI aide à prendre des décisions en trouvant des réponses aux questions que pose le business “connu” de l’entreprise, là où le Big Data permet de dénicher des questions, réponses et perspectives qui pouvaient être insoupçonnées jusque-là.
Une visualisation simplifiée des différences entre BI et Big Data par Intraway
  • De manière simplifiée, la Business Intelligence va s’intéresser à des questions du type “quoi et où”, là où le Big Data analytics permet de répondre à “pourquoi et comment”.
  • Dans le cadre de la BI, l’information est stockée sur un serveur central (Data Warehouse), alors que le Big Data implique un système de fichiers distribués, ce qui rend les opérations plus souples mais aussi la préservation des données plus sûre.
  • Le Big Data traite des données structurées et non structurées (issues de différentes sources notamment celles externes à l’entreprise, tels que les réseaux sociaux), ce qui n’est pas le cas de la Business Intelligence qui analyse des données structurées ou semi-structurées , centralisées… et pour la plupart internes à la société. Les formats sont donc mécaniquement moins variés.

Ci-dessous et avant de poursuivre avec les différences principales entre BI et Big Data, une présentation intéressante sur l’évolution entre les deux :

  • La BI utilise des données historiques (même proches) pour prendre des décisions futures, là où les solutions Big Data peuvent non seulement aller chercher du côté de la data passée, mais aussi des sources de données en temps réel. Cela apporte un côté agile à la réflexion.
  • Beaucoup de données ne peuvent être gérées par la BI via un Dataware house. Avec le Big Data, on va donc se tourner vers une utilisation des données qui ne vise pas seulement à piloter par la data, mais également à optimiser l’ensemble des processus au sein de l’entreprise.
  • Si les Big data se rapprochent de la BI au sens où ils apportent l’un des V “attendus” (la Valeur), ils vont plus loin en développant les 3 V théorisés par Gartner : la Variété (données structurées, semi-structurées, non structurées – vidéos, data audio, réseaux sociaux, objets connectés, Opendata…), le Volume et un solide niveau de Vélocité (possibilité de quasi temps-réel et agilité, là où la BI fonctionne par traitement par lots – batch processing).
Ender005 [CC BY-SA 4.0], via Wikimedia Commons
  • Le Big Data utilise une approche MPP (massively parallel processing ou traitement massivement parallèle) qui, entre autres, accélère le traitement et l’analyse des données.
  • Les solutions Big Data amènent les fonctions de traitement vers la data plutôt que l’inverse. L’analyse est orientée information, ce qui n’est pas l’orientation des outils d’informatique décisionnelle, ces derniers ayant plutôt tendance à porter la data vers le traitement.
Source

Injecter du big data dans la BI pour évoluer vers le Smart Data ?

A l’heure actuelle, la Business Intelligence concerne à 95% les données internes à l’entreprise (source). Or dans un contexte où les sources de data se multiplient de manière considérable, il apparaît de plus en plus nécessaire d’avoir recours au Big Data dans de nombreux cas de figure.

Le big data ne remplacera pas les systèmes de BI, d’autant que l’un des développements (et challenges) actuels de ces derniers est de se rendre capable de traiter des volumes de données de plus en plus importants. Autre point important : leur niveau de maturité et la diffusion des compétences est aussi plus avancé que celui des outils Big Data. Mais on peut supposer qu’en combinant les deux approches et technologies de manière étroite, le pilotage à la performance par la donnée n’en sera que plus précis, détaillé, complet et riche en perspectives.

Les programmes BI peuvent par exemple intégrer des analyses Big Data, du data mining, des analyses prédictives… les systèmes Hadoop sont aussi de plus en plus utilisés, ce qui permet de gérer des données non structurées (entre autres fonctionnalités).

Le tout au sein d’outils uniques demain ? L’avenir nous le dira.

Plusieurs thèses s’opposent : Big Data et Business intelligence seraient complémentaires, en opposition, ou encore l’un s’apprêtant à remplacer l’autre dans les années à venir… d’autres personnes pensent à l’inverse que le Big Data n’apporte pas grand chose à l’analyse BI.

Plutôt que de prendre part au débat, on peut plutôt les voir comme des approches à forte valeur ajoutée, en particulier en intégrant les apports du big data aux architectures BI déjà puissantes des entreprises actuelles.

En conclusion, ce qui ressort de la cohabitation de ces technologies et systèmes est que se reposer sur des données fiables et pertinentes pour améliorer les performances de son activité est aujourd’hui indispensable.

Pour finir, voici un tutoriel vidéo qui illustre bien les différences présentées dans cet article :

Cet article vous a plu ? Merci de le partager ou de laisser un commentaire ci-dessous !

(c) image principale : MaitreCoq [CC BY-SA 3.0], via Wikimedia Commons

Facebook
Facebook
LinkedIn