IoT et Big Data : et si on réfléchissait un peu avant de se lancer ?
Se précipiter sur les nouvelles technologies, notamment l’IoT et le Big Data, est souvent une erreur. Or, la clé de la réussite consiste à trouver le bon rythme et évaluer les exigences. Surtout quand on parle infrastructure.
Du point de vue de l’IT (et du datacenter), les projets Big Data et Internet des objets exercent presque toujours une forte pression sur l’infrastructure réseau et de stockage. Aussi, les chargés de planification doivent-ils soigneusement évaluer les exigences avant que leur entreprise ne s’engage dans ces types de projets à grande échelle.
Les projets d’informatique décisionnelle classiques sont mis en œuvre selon des besoins et des interprétations qui diffèrent de celles des projets Big Data. En matière de BI, l’effort consiste généralement à clarifier d’abord les questions qui doivent trouver réponse. On déterminera ensuite les données qui doivent être disponibles ou collectées, les résultats à rapporter, ainsi que les personnes qui, au sein de l’entreprise, auront besoin de ces résultats. Depuis des décennies, l’informatique repose essentiellement sur ce type de projets.
Les initiatives Big Data et IoT ont des angles très différentes. Elles s’interrogent de la manière suivante : Quelles sont les questions appropriées ? Quels sont les problèmes à résoudre pour mieux servir les clients ? Quels produits doivent être disponibles pour fidéliser la clientèle actuelle tout en incitant de nouveaux clients à acheter les produits et les services de l’entreprise ?
Cette démarche signifie généralement que les projets Big Data et IoT requièrent une compétence différente, plusieurs niveaux d’expérience et des outils variés. Une équipe IT éprouvera beaucoup plus de difficultés à mener à bien de tels projets.
Commencez doucement et lentement (mais sûrement)
Lorsque des technologies et des approches aussi nouvelles parviennent à un certain niveau de popularité, leur adoption peut confiner à la précipitation, et s’accompagne parfois d’un manque de compréhension quant à ce qui est nécessaire à une première expérience réussie. Les disciplines IoT et Big Data entrent clairement dans cette catégorie.
Une réflexion précipitée peut conduire les entreprises à investir massivement dans une approche qui produira plus de déception que de données utiles.
L’échec peut avoir différentes causes : outils inadaptés, des systèmes mal configurés pour les soutenir, une absence des compétences requises ou un alignement sur des partenaires inadéquats. Une fois échaudés, nombre de décideurs incriminent l’approche ou la technologie.
La vague d’enthousiasme dont le potentiel du Big Data fait l’objet est importante. Nombre de rapports montent également l’IoT en épingle. Ils mettent l’accent sur sa capacité d’interconnexion : smartphones, voitures, appareils ménagers, etc. Les fournisseurs de matériel, de logiciels et de services professionnels se sont engouffrés dans la brèche.
Systèmes, ressources de stockage, réseaux, systèmes d’exploitation, outils d’administration des données et outils de développement ; la quasi-totalité des fournisseurs ont proposé un ensemble de produits et de services Big Data. Et ces mêmes fournisseurs commencent à proposer des moyens de dialoguer avec les données et de les collecter à partir de dispositifs « intelligents ». Méfiance donc, face à leurs discours.
Intégration de l’IoT et du Big Data : réfléchissez avant d’agir, puis réfléchissez encore
Avant de sauter à pieds joints dans des projets IoT et Big Data, les dirigeants doivent faire montre de sagesse, marquer une pause et évaluer leurs besoins métier réels.
Commencez par évaluer les capacités et les compétences de votre équipe IT. Soyez réaliste quant à ce qui pourrait mal tourner et à ce que vous pourriez en retirer.
Les entreprises conçoivent généralement des projets Big Data pour déterminer les questions à poser, plutôt que pour gérer des exigences spécifiques déjà identifiées. En d'autres termes, décideurs et développeurs doivent d’abord afficher une volonté d’identifier les bonnes questions à poser en fonction des différents types de données déjà collectés ; opérationnelles, ou autres. Il est possible que personne n'ait jamais pris le temps d'analyser ces données. Un projet IoT peut également devenir la source de données qui alimentera une mise en oeuvre Big Data.
Les données tant IoT que Big Data reposent généralement sur des bases de données NoSQL. Celles-ci, à leur tour, s’appuient sur des clusters de systèmes qui exécutent un logiciel d’administration de données, sur une sollicitation intensive des capacités réseau et sur une technologie de cache de données sophistiquée ou une mémoire partagée, afin d’accélérer l’exploitation des supports de stockage disponibles. Un projet IoT affectera aussi sans doute considérablement les ressources de stockage et les réseaux du datacenter.
La majorité des entreprises dispose déjà de pléthore de données brutes sur leur propre fonctionnement, notamment celles collectées automatiquement par les systèmes d’exploitation, produits de gestion de bases de données, infrastructures d'application, applications, voire par les dispositifs installés sur les points de vente et les points de service.
Les entreprises peuvent utiliser ces données pour obtenir un éclairage global sur les forces et les faiblesses des procédures, des produits et de la formation.
Ajouter l’IoT à ce mélange permet à une entreprise d’accroître sa compréhension de la clientèle. L’analyse de cette formidable pile de données qui va croissant peut fournir – et fournit souvent –aux entreprises des indices pour mieux appréhender les besoins des clients. Mais l’entreprise peut également découvrir qu’elle n’a pas collecté les informations appropriées pour mettre en lumière les questions qui portent sur sa propre problématique.
Résistez à l’attrait d’une approche simpliste où l’on agit sans réfléchir. C’est particulièrement vrai dans le cas de projets IoT. Rarement une entreprise aura eu une telle occasion de dissuader, d’irriter, voire d’offenser sa clientèle.
Une équipe IT doit développer une compréhension claire de ses propres intentions, des outils qu’elle utilise et des fournisseurs qui prendront part à l’effort.
A ce moment, et à ce moment seulement, elle pourra tenter de capturer et de domestiquer la bête qu’est le Big Data, ou d’utiliser efficacement l’IoT.
Pour cela, l’entreprise devra ensuite configurer et mettre à disposition son infrastructure dans les règles de l’art. Un processus qui implique de déployer la capacité nécessaire en termes de puissance, de mémoire, de stockage et de réseau, sans oublier la couche logicielle adaptée au développement, à l’exploitation continue, à la surveillance, à l’administration et à la sécurité.
Chacun de ces éléments doit être sélectionné et mis à disposition avec soin. Et souvenez-vous que dans un tel processus, « plus » ne rime pas toujours avec « mieux ».
Avec l’IoT, ainsi qu’avec les autres projets tournés vers la clientèle, il est sage d’envisager la manière dont celle-ci réagit au fait d’être en permanence « intégrée » à une activité. Performance, confidentialité et capacités fonctionnelles sont autant de considérations essentielles.
Bien choisir ses outils de développement
Chaque approche Big Data dispose de son propre jeu d’outils de développement et de déploiement. On peut en dire autant des plateformes IoT.
Pour une efficacité maximale, vos développeurs doivent comprendre ces outils, et savoir comment les exploiter et comment mettre en place un système optimal.
L’équipe qui travaille sur un projet Big Data utilisera probablement des outils différents de ceux d’une équipe de développement IoT. Ces équipes doivent cependant pouvoir communiquer.
En effet, l’équipe IoT doit collecter les données adaptées au soutien de l’initiative Big Data. Une entreprise qui débute avec ces types de technologie sera bien avisée de commencer par des projets de moindre envergure, et d’en développer de plus importants à mesure que son personnel gagne en expérience et en compétence.
Les entreprises doivent traiter les projets Big Data comme de véritables actifs métier. Ce qui signifie une supervision opérationnelle par l’IT. La meilleure approche consisterait à sélectionner des outils de surveillance et de gestion adaptés à l’infrastructure d’administration de l’entreprise, et qui fourniraient des données utiles et interprétables.
Parce qu’il est directement tourné vers la clientèle, le projet IoT nécessite une gestion et une surveillance légères et réactives. Si les outils sont trop lourds, les clients se plaindront du fait que votre entreprise absorbe une trop grande proportion de leurs forfaits données.
Trouver le juste équilibre entre informations collectées et fonctions proposées, performances globales et volume d’échange de données, peut néanmoins se révéler délicat.
Nombre d’entreprises voient une réelle promesse dans le Big Data. Les meilleures pratiques IoT sont encore émergentes. Aussi la disponibilité de normes reste confidentielle.
Toutefois, dans les deux cas, des composants soigneusement sélectionnés et configurés, couplés à une compétence technique, constituent les éléments clés d’un projet réussi.
Les choix de configuration appropriés seront motivés par la nature des systèmes sélectionnés, les systèmes d’exploitation pris en charge, ainsi que par les configurations système, réseau et stockage déployées.
Avoir des objectifs clairs et différenciés
Le facteur le plus important n’en reste pas moins de trouver un état d’esprit approprié dès la mise en route du projet.
Dans le cas du Big Data, l’objectif doit consister à apprendre à se poser les bonnes questions, plutôt que de traiter le projet comme une initiative BI de plus.
Dans le cas de l’IoT, le projet doit pouvoir fournir des services utiles aux clients, en échange de l’autorisation de collecter des données pour alimenter des systèmes d’informatique décisionnelle, d’assistance et de vente de type Big Data.
