Hors-Série IA 2020

Big Data et Data Sciences : quelle(s) différence(s) ?

img

L’exploitation des données internes et externes à l’entreprise est clairement d’actualité. Les entreprises sont conscientes du vrai potentiel qu’offrent ces données pour l’aide à la prise de décision. Pour cela, de nombreuses expressions sont employées pour mentionner la collecte et l’analyse de ces données : Big Data, Data Science ou encore Business Intelligence. Quelles sont les différences entre ces concepts ?

Big Data

La notion fait référence à la collecte d’un volume important de données puis à l’analyse en temps réel de celles-ci. Les analyses requises pour traiter le nombre impressionnant de données nécessitent des moyens techniques et informatiques. Les logiciels dans la veine d’EthnosData permettent de traiter l’ensemble de ces données dans un temps court et très acceptable.

Data Science

La Data Science consiste à mettre au point des séries d’algorithmes à partir de règles mathématiques et statistiques (ou de Machine Learning) afin de délivrer des solutions. Ces techniques peuvent s’appuyer sur l’analyse d’image, l’analyse de textes (text-mining), l’étude de corrélation entre capteurs, etc.

Le lien entre les deux apparaît alors : afin d’analyser les amas de données, le Big Data repose sur les algorithmes développés par la Data Science. Plus loin avec les chantiers de digitalisation engagés par les entreprises et les institutions, la Data Science voit son champs d’applications profondément s’élargir : rationalisation de la logistique, optimisation des achats, études de corrélation, ajustements des politiques prix, etc. Les projets d’optimisation de la chaîne de valeur sont très nombreux.

C’est dans ce sens que d’aucuns perçoivent la Data Science comme étant le prochain département contrôle de Gestion appliqué aux données (et non aux activités financières).