La révolution numérique engendre cinq bouleversements

Sophie Quancard, Administrateur du réseau Daubigny, m’a récemment invité à une conférence où Gilles Babinet [Serial Entrepreneur, membre du CNN] a évoqué la révolution du numérique. En quoi consiste cette révolution ? En quoi nous fait-elle entrer dans un nouvel âge pour l’humanité ? Voici quelques-unes des questions qui ont été évoquées pendant la conférence.

I/ Le numérique est à l’origine de cinq grands bouleversements

Tout d’abord, le numérique bouleverse l’accès à la connaissance. Aujourd’hui, il suffit d’un accès à Internet pour avoir accès à Wikipédia, une encyclopédie multilingue dont l’ensemble des articles mesure 178 mètres s’il fallait les imprimer sur du papier A4. Voici une observation qui nous paraît banale, à nous tous qui sommes des internautes quotidiens. Mais, dans les prochaines années à venir, deux milliards d’individus auront désormais accès à Internet, par le biais de tablettes à bas coûts. Il s’agit là d’une véritable révolution. L’accès à la connaissance n’aura jamais été aussi répandu, aussi instantané, dans le monde. De ce point de vue-là, la révolution numérique est comparable à la révolution de l’imprimerie, laquelle a mis à disposition des textes sacrés qui n’étaient accessibles qu’à quelques initiés disposant de bibliothèques fournies. En effet l’analogie se tient dans le sens où l’imprimerie a démocratisé le savoir. Dans les cinquante premières années qui ont suivi son invention, ce sont pas moins de vingt millions de livres qui ont été publiés, contribuant à l’alphabétisation de l’Europe. Dans le même temps, les initiatives comme le Projet Gutenberg ou celle de la fondation Wikimedia contribuent à porter le savoir dans des zones isolées, des secteurs défavorisés, via le réseau mondial.

II/ La révolution numérique s’accompagne également d’une révolution dans la formation et dans l’éducation

Gilles Babinet a notamment cité deux exemples

Le premier exemple est issu d’un professeur de Standford qui décide de mettre l’un de ses cours sur Internet. Habitué à enseigner à 160 étudiants de Standford, il ne s’imaginait pas que la discipline qu’il enseigne allait susciter un intérêt important. Et pourtant, quelques mois après la mise en ligne de son cours, il se rend compte que 160 000 étudiants se sont inscrits à son cours. Comment allait-il corriger l’ensemble des copies de ces nouveaux étudiants qui accèdent à son cours par Internet ? Il a corrigé et mis en ligne quelques copies supplémentaires. Et, à sa grande surprise, il s’est aperçu par la suite que les étudiants eux-mêmes corrigeaient les copies de leurs congénères. Le résultat, c’est que ce professeur estime que sur les 160 000 étudiants, environ 24000 ont le niveau des 160 étudiants qui étaient physiquement présents au cours du professeur à Standford. Autrement dit, il n’est plus nécessaire d’être physiquement présent au cours pour recevoir une formation de qualité. Il n’est plus nécessaire d’intégrer une grande université américaine pour recevoir une formation de qualité mondiale. Internet peut se substituer à l’enseignement universitaire, dans une certaine mesure.

Désormais la formation de Standford et d’autres prestigieuses universités américaines sont désormais accessibles à tous. Il y a là une évolution majeure dans l’enseignement.

III/ En outre, la troisième révolution numérique tient à notre système politique

L’ensemble de notre système politique s’est bâti pour gouverner une société industrielle. Mais aujourd’hui la révolution numérique remet en cause les fondements de cette organisation socio-politique. En effet, le numérique a pour spécificité de supprimer les intermédiaires et de connecter l’utilisateur final au producteur. Ainsi, les « liseuses électroniques », les réseaux sociaux et les blogs permettent aux auteurs d’entrer directement en relation avec leurs lecteurs, sans avoir à passer par l’intermédiaire des éditeurs. De la même façon, dans le secteur musical, YouTube permet aux musiciens de s’adresser directement à leurs clients sans avoir à passer par des maisons de disque.

Si l’on assiste aux mêmes phénomènes de désintermédiation en politique, alors, le digital va connecter de façon directe le citoyen aux décisions du gouvernement, en contournant les intermédiaires. Autrement, les décisions gouvernementales ne seront plus le fait d’une décision ministérielle, mais le fait d’un processus collaboratif impliquant les citoyens. Aujourd’hui, on voit en Islande, que la constitution est en train d’être rédigée de façon participative. Autrement dit, la constitution n’est plus le résultat du travail de quelques élites politiques du pays. La constitution, à l’image de Wikipédia, la première encyclopédie collaborative, est le fruit d’un travail participatif impliquant tous les citoyens volontaires.

IV/ Dans le domaine de la santé, l’essor des objets connectés et des big data, devraient permettre de guérir plus vite et de prévenir avant de guérir

Autrement dit, on va passer d’une logique de guérison à une logique de prévention.

Les dépenses de santé en 2011 étaient faramineuses : 240 milliards d’euros. Soit presque la même chose que le budget de l’Etat. Dans ce contexte, il s’agit de faire des économies, ce que vont permettre les nouvelles technologies. On le voit déjà avec l’apparition des smartphones, puis dorénavant avec la commercialisation progressive de smartwatchs ou d’applications et jeux vidéo pour faire du sport : on est entouré par des capteurs qui quantifient notre activité physique et vont nous permettre de faire de la prévention. Cette tendance va s’exprimer dans le mouvement du Quantified Self, ou « Soi Quantifié » en français. Il représente l’univers des données qui ont trait à une personne, lesquelles permettent de mesurer son activité. Des grandes marques de sport telles que Nike ou Adidas se sont déjà lancées dans la course au quantified self en lançant leurs applications et montres intelligentes qui calculent les calories dépensées, les kilomètres parcourus ou qui aident à maintenir un mode de vie de sain. Ainsi il n’y a plus de discontinuité entre le quotidien et le maintien de sa santé comme ce put être le cas auparavant avec les visites annuelles chez le médecin. Grâce aux données récoltées en permanence par les objets connectés, la santé est une affaire de chaque instant.

V/ En outre, dans le domaine de la production, les robots vont prendre une place croissante

Gilles Babinet prévoit un futur où les robots remplaceraient la force productive. Selon lui « Les pays où les emplois sont les plus qualifiés, sont aussi ceux dans lesquels il y a le plus de robots ». Il milite pour un investissement dans la recherche qui nous permettrait de créer des emplois plus qualifiés, ce qui permettrait aux robots de prendre la relève sur les travaux les plus ingrats. La révolution du numérique va dans ce sens en permettant l’émergence d’automates robotisés, comme une seconde révolution industrielle après le Fordisme et le Taylorisme. Pour illustrer cet état de pensée, on peut par exemple citer la Google Car qui promet une circulation plus sûre et sans conducteur grâce à l’automatisation via un programme de la conduite.

Afin de mettre toutes les chances de votre côté, l’équipe de conseil de 7circles peut vous accompagner pour améliorer la performance de votre entreprise.

Lectures complémentaires
Pour rester dans la thématique du numérique et des changements qu’il occasionne, pour un article sur les enjeux des télévisions connectées, lire cet article.
Pour un exposé des innovations digitales dans le cadre de la vie universitaire, se diriger vers ce billet.
Pour approfondir les théories de Gilles Babinet, orientez-vous vers son site personnel qui contient de nombreux papiers sur le numérique ainsi que vers son livre intitulé L’ère numérique, un nouvel âge de l’humanité.
Pour adresser un sujet non abordé par Gilles Babinet mais qui est tout de même issu du numérique, à savoir la dématérialisation, lire cette page.

© Guillaume Villon de Benveniste – The Innovation and Strategy Blog

http://theinnovationandstrategyblog.com/2014/07/revolution-numerique-cinq-bouleversements/

Big Data - The Next Frontier of IT

by TEKsystems.
Explore more infographics like this one on the web's largest information design community - Visually.

Les agriculteurs s’approprient la technologie Big Data

Pour améliorer la productivité de leurs exploitations, les agriculteurs s’orientent vers une agriculture de précision grâce à la collecte de données Big Data.

Alors que le céréalier Monsanto vient d’annoncer le rachat de Climate Corps, compagnie d’analyse de données, pour près d’un milliard de dollars, des startups se multiplient pour favoriser la collusion entre l’internet des objets, la technologie Big Data et l’agriculture. Cette tendance fait écho à une transformation de cette industrie multiséculaire alors qu’un nouveau mode de consommation local émerge dans les pays développés et qu’une nouvelle génération d’agriculteurs intègre davantage d’objets connectés pour améliorer le rendement des exploitations. Grâce à la baisse du coût des capteurs connectés récoltant des données diverses (météréologiques, état des sols, pollenisation), un système d’analyse et de prévisions des aléas pouvant influencer les rendements agricoles devient plus accessibles à tous les profils d’exploitant, permettant l’émergence d’une agriculture de précision.

Les agriculteurs libérés de la contrainte des aléas climatiques

L’Internet des Objets est en passe de révolutionner les usages en agriculture, alors qu’une exploitation bovine au Royaume-Uni élève déjà un cheptel connecté pour mieux anticiper les risques d’épidémie et les aléas de production laitière, son association avec les données Big Data risque de révolutionner le secteur. Le rachat de Climate Corps par Monsanto confirme l’accélération de cette tendance, cette compagnie propose un système d’assurance contre les aléas climatiques, tout d’abord pour les organisateurs de grands évènements sportifs puis centrant progressivement son activité sur les grands exploitants agricoles. En utilisant des données météorologiques accumulées sur plusieurs années, l’assureur peut proposer des contrats couvrant des cultures de niche comme la myrtille ou l’avocat que le gouvernement refuse de protéger. Selon le CEO de Monsanto, Hugh Grant cette compagnie permet par extension une meilleure allocation des ressources : « Tout le monde bénéficie d’une agriculture plus économe en énergie. »

La multiplication de capteurs intelligents

Le développement du Big Data doit va de paire avec la multiplication d’objets connectés permettant la collecte d’informations plus raffinées. Alors que Monsanto prévoit des bénéfices supplémentaires de plus de 20 milliards de dollars grâce à ces technologies Big Data, de nombreuses startups développent des capteurs au sol et satellitaires accélérant la transition vers une agriculture connectée. Ainsi la compagnie Libelium spécialisée dans le développement de capteurs connectés réalise près de 20% de son chiffre d’affaires grâce aux agriculteurs. Travaillant notamment avec des vignerons espagnols, l’utilisation de ses capteurs a permis une réduction de 20% de pesticides et a amélioré la productivité de plus de 15%. Ces capteurs permettent d’une part d’améliorer directement la productivité d’une exploitation, en gérant un système d’irrigation intelligent par exemple s’activant en fonction des précipitations enregistrées et de la sécheresse du sol et contribue à la mise en place de nouveaux modèles grâce aux données récoltées.

Par Thomas Meyer 08 octobre 2013

http://www.atelier.net/trends/articles/agriculteurs-approprient-technologie-big-data_424443?utm_source=feedly

How the industrial internet will help you to stop worrying and love the data

Over the last 200 years, the world has experienced several waves of innovation, which successful companies learned to navigate. The Industrial Revolution brought machines and factories that powered economies of scale and scope, making a profound impact on society and the culture of the world. With the Internet Revolution we have seen the rise of computing power, information sharing and data networks, fundamentally changing the way we connect (on whatever device).

And now we are at the cusp of another metamorphic change that will spawn new business models, new jobs and new operational efficiencies: The industrial internet, the convergence of contextual data, people and brilliant machines.

Whether we’re discussing the consumer internet or the industrial internet, a new challenge arises with the seemingly endless proliferation of connected devices and intelligent machines: Big data. Consider that 90 percent of the data in the world today was created within the last two years. And according to IDC’s Digital Universe study, between now and 2020 the amount of digital data is expected to double every two years – much of which will be ‘dark’ data that won’t ever be used.



To fully appreciate the potential for this data, it is important to consider how large the global industrial system has become. There are now millions of machines across the world, ranging from simple electric motors to highly advanced CT scanners. There are tens of thousands of vehicle fleets, ranging from the trucks fielded by utilities and governments to the aircraft that transport people and cargo around the world.

Tied to those fleets are thousands of complex networks ranging from power grids to railroad systems, all of which are spinning off millions of bytes of data daily. To put this in context, the information contained in all 33 million books in the Library of Congress equates to roughly 15 terabytes of digital data. Compare that to the almost six terabytes of data a single 500-turbine wind farm generates in one day. And that farm just makes up a tiny component of the industrial internet. If we can harness all of this data, it will help reduce unplanned downtime of these machines, which in turn lead to savings for both the company and consumers.

Big industry, big data, big analytics

By 2020, the biggest change for industrial businesses will be in how they use new software-based services to manage this influx of critical data.

Companies like Amazon, Facebook and Google understand that existing data platforms – the majority of which were designed to handle traditional back office IT requirements – are not adequate to meet the on-demand needs of their customers. Thus they have developed new architectures (software and hardware) that can manage the ever-growing amount and pace of data-generation. They have learned to manage large volumes of consumer information to provide new services, and in doing so, have fundamentally changed the consumer landscape.

But the industrial sector needs to improve on what the consumer internet started. The next leap forward for industry will be all about more agile development, mastering data science and becoming proficient at repeatable processes. There is a need to create software and a platform that is equivalent, if not better, than what current consumer companies have built.

When compared to other sectors (e.g., government, financial services, and retail), industrial data is different, growing at two times the rate of any other big data segment in the next ten years. Its creation and use are faster, safety considerations are more critical, and security environments are more restrictive. Computation requirements are also different. Industrial analytics need to be deployed on machines (sometimes in remote locations) as well as run on massive cloud-based computing environments. The unique and proprietary nature of industrial applications and processes also make it difficult to properly contextualize the data.

As a result, the integration and synchronization of data and analytics, often in real-time, are needed more than in other sectors. Industrial businesses require a big data platform with common software and hardware standards, optimized for these unique characteristics.

Indeed, these requirements are changing how data and information will be used by industrial operators. There are six capabilities that industrial companies must adopt as part of their business strategy to be successful in this new era.

• Data collection and aggregation. Industrial companies must collect and aggregate data and information from the widest possible range of industrial devices and software systems, as well as those from enterprise and web-based systems. They must be able to integrate and normalize different data types (streaming sensor data vs. transactional enterprise data), different response times (once per ten milliseconds vs. once per day), and different business requirements (real-time process optimization vs. less real-time asset optimization) and reconcile their use at different levels of analysis
• Advanced analytics at the point of need. What’s required is a software-defined machine: the ability for assets to be abstracted into software running in connected virtual environments where analytics are continually tuned to the requirements of specific devices, business processes, and individual roles.
• Cloud-agnostic, deployment independence. Industrial companies need a highly flexible deployment architecture that allows them to mix and match technology deployment methods – and avoid vendor lock-in – as their needs and technological options change. For companies that are bound by regulatory requirements, this may mean supporting private cloud deployments; for other companies, it may mean supporting third-party public clouds from various providers.
• Extensibility and customizability. Industrial companies need a big data platform that is highly extensible and based on standardized APIs and data models that allow it to adapt to new capabilities, new devices, new data types, and new resources as they become available, while still preserving the capabilities of the legacy systems that continue to impart value.
• Orchestration: Industrial companies must support the orchestration of information, machine controls, analytics, and people in order to ensure that the different components of the industrial big data world interoperate effectively. For example, a machine-level analytic that detects and responds locally to an operational anomaly must also be able to set in motion other analyses and actions (e.g., rescheduling flights or moving spare parts) across the network in order to prevent knock-on problems throughout the system. This requires the ability to self-tune and adapt as data, processes, and business models change.
• Modern user experience. Industrial companies must deliver the above components within the context of a modern user experience that is no longer bound to a desktop; this includes supporting a wide range of mobile devices and user interaction models, as well ensuring that the user experience is tailored to the individual’s role and requirements at a particular time and location.

Humans and machines are more interconnected than they have ever been before, and data is the common language between us. The rate at which data is created from the intelligent devices and machines we use every day is forcing corporations to shift their business processes and strategies to adapt to this new connected reality. And the ability to manage this data will not only change the landscape for businesses, but will allow us to navigate successfully through this next wave of innovation.

Oil refinery photo courtesy of Shutterstock user alice-photo

by Bill Ruh, GE
Bill Ruh is VP of GE’s Software and Analytics Center. He will be speaking at GigaOM’s Mobilize conference on October 16th and 17th in San Francisco.

36 MINS AGO

http://gigaom.com/2013/10/02/how-the-industrial-internet-will-help-you-to-stop-worrying-and-love-the-data/

Math matters: how big data is building the future of everything

To speed up innovation, scientists are sequencing 'the materials genome'




New materials lead to new innovations. Gorilla Glass is a big selling point for smartphones. Kevlar saves lives and has worked its way into consumer products. Lithium-ion batteries have enabled a host of energy-storage applications, from planes to cars to computers. But there's a problem.

Actually creating a new, game-changing material is a glacially slow process — especially when compared to the rate at which new products relying on those materials hit the market. It took just under nine years for the Boeing 787 Dreamliner to go from a concept to commercial flight. The development of the iPhone began in 2005; the phone was on store shelves by 2007. In contrast, the creation of new materials moves far more slowly, taking about 20 years for all of the necessary research and development.

AN ATTEMPT TO GAIN A DEEPER UNDERSTANDING OF HOW THE ELEMENTS INTERACT

In an effort to overcome this innovation bottleneck, the White House two years ago announced the Materials Genome Initiative. The venture aims to halve development time for new materials and slash the monetary investment required. And if the name sounds familiar, it should: in the same way the Human Genome Project set out to map the underlying structure of human genes, the Materials Genome Initiative is an attempt to gain a deeper understanding of how the elements interact to give us a diverse set of materials and materials properties. With that foundation of knowledge, scientists and engineers will hopefully be able to create new materials tuned to the exact properties needed for a particular application — and be able to do it much, much faster.




A huge number of atomic combinations and arrangements may have useful properties. However, most arrangements won't be useful, or even able to be synthesized. Trying to explore the vast world of potential materials in a lab would be both impractical and just plain impossible. So to map out that enormous number of possible materials, several research groups working on the Materials Genome Initiative are using computers to model known and unknown materials. They mine the resulting data to find areas that deserve a more careful examination.

In the years since its inception, the initiative has brought together several successful ventures. Among them are the Materials Project at MIT and the Harvard Clean Energy Project. These two projects have similar theoretical underpinnings for different end goals. MIT's Materials Project is focused on inorganic solids, especially those for battery materials, while the Clean Energy Project is examining molecules for solar cell applications. Both are powered by huge databases that are populated with information gleaned from Density Functional Theory (DFT) calculations. DFT uses quantum mechanics to predict many properties of the real, physical substances being modeled.

A DATASET OF OVER 100,000 KNOWN AND THEORETICAL MATERIALS

MIT's Materials Project started about eight years ago, and was catalyzed by the work of Professor Gerbrand Ceder. As a consultant to several companies, Ceder would screen a large number of materials for particular applications. But working with individual companies left the data siloed and locked up. "People would be able to do really creative things with this if we gave this to the world, and this became Materials Project," he says. Now, MIT's dataset consists of over 100,000 known and theoretical materials. To make sense of the data and design new materials, MIT researchers use a combination of human intuition and machine learning designed to understand the laws of chemistry.

Similarly, the Harvard Clean Energy Project has created a huge database that can be explored by man and machine for potential solutions to materials problems. The venture started as a small proof of concept examining potential organic solar cell materials. Researchers calculated the properties of about 15 compounds to predict how well these new substances might perform in the real world without having to synthesize them first. These calculations eventually yielded a new compound with near record-breaking electrical properties. But that success was just from a few chemicals calculated by a single graduate student. What could be discovered if you increased available computing power by distributing the calculations to an army of volunteers?

RESEARCHERS HAVE CALCULATED MILLIONS OF POTENTIAL SOLAR CELL COMPOUNDS

Today, the Harvard Clean Energy Project is doing just that: anyone across the globe can download a program that performs scientific calculations on their PCs and reports back the results. With this massive resource at their disposal, researchers have calculated millions of potential solar cell compounds — and they're only getting started. "Right now is an interesting time for the project," says Dr. Hachmann, a research associate involved in the Harvard project. "We are at the point where we can harvest the fruits of our hard work and hopefully get some nice results."

Currently, Harvard investigators have released 2.3 million compounds online for anyone to search through. And while these compounds have been calculated with solar cells in mind, other scientists who mine the data will be able to use the information to research other classes of materials. Similarly, researchers working on MIT's Materials Project have an online portal for anyone to explore their data.

"YOU CANNOT ANTICIPATE WHAT PEOPLE WILL DO WITH IT."

The greater Materials Genome Initiative aims to reduce costs and time for material development, and Ceder hopes to see it accomplish that bold goal. In fact, he's already seen it work: Ceder is in the process of patenting new materials for use in batteries, a big win for the burgeoning Initiative and the field of materials discovery. And with heaps of data being shared in online databases, those successes are likely to keep coming. Ceder hopes to see the Materials Genome Initiative will lead to big innovations in materials science in the same, unpredictable way the web transformed many facets of modern life. "When you make stuff like this available," he says, "you cannot anticipate what people will do with it."

By Alexander Thompson on September 26, 2013 10:25 am

http://www.theverge.com/2013/9/26/4766486/materials-genome-initiative-mit-and-harvard

The History of Mankind As Explained By Math

Ancient Egyptian art, via Wikimedia

The thing that's so great about history is that understanding it can help us predict the future, and then hopefully not screw it up as badly as we did the past.

A team of history-loving mathematicians from University of Connecticut, University of Exeter, and National Institute for Mathematical and Biological Synthesis recently set out to do just that, only with a very unusual approach: They mathematized 3,000 years of history. In doing so, the researchers claim to have answered some of the most complex questions about human society with a single equation.

The team tackled the mysteries of mankind's "ultrasociality"—basically, how it's possible for millions of people to live together in a defined society without killing each other (for the most part). What makes societies form, and what makes them thrive? How did a group of humans in Northern Africa become Egyptians? Why did Mesopotamia develop into what we know today as the Middle East?

While historians and sociologists have been exploring those kinds of questions for centuries, the authors of the study, published yesterday in the Proceedings of the National Academy of Sciences, realized that no one had yet taken a quantitative approach.

They created simulation of the geography of Afro-Eurasia between 1,500 BCE and 1,500 CE. Then they developed a mathematical model to explain and predict evolutionary behavior from that time period. Next, they applied the model to what really happened—insofar that we've collected and recorded that historical data, at least. To their surprise, researchers found that their equation had a 65 percent accuracy in predicting how humans spread and formed societies over time.

What made the quantitative analysis work so was one particular, ever-reliable clue about mankind's social behavior: war. Warfare—and in particular, the spread of military "weapons" like horses and cavalry—was the number one factor in identifying patterns and accurately predicting our cultural evolution. It makes perfect logical sense. Conflict against other people defines who is "us" and who is "them." Individuals forge bonds when we unite against a common enemy.

"The emergence and spread of technologies enabled more intense forms of warfare that, in turn, created selection pressures for the cultural evolution of norms and institutions, making possible cooperating groups numbering in the millions," the authors explain in the report.

Along with war, geography, agriculture, habitat, and other natural factors helped build the mathematical model. But there's a glaring X factor that was left out of the equation (literally), and that's culture. Yes, farms and spears will go a long way in analyzing broad historical patterns. But they're never going to tell the entire, nuanced story of how millions of humans interacted with each other, grouped together, broke apart, traveled together, traveled alone, fell in love, killed each other, and created traditions for thousands of years.

Still, the researchers believe adding some math-based logic to the study of human history can't hurt. "What's so exciting about this area of research is that instead of just telling stories or describing what occurred, we can now explain general historical patterns with quantitative accuracy," study coauthor Sergey Gavrilets said in a statement. "Explaining historical events helps us better understand the present, and ultimately may help us predict the future."

By Meghan Neal 1 day ago

http://motherboard.vice.com/blog/the-history-of-mankind-as-explained-by-math

5 Myths (and Truths) About Big Data

"Big data" has become a catchall term for the vast amount of information generated by our digital lifestyles, and the analytics techniques for dealing with it all to improve marketing, products, and business intelligence. It's become very fashionable to decry the value of "big data" for marketing, with many pundits and consultants calling it "no big deal."

I believe in "big data" just like I believe in the power of all data to transform our lives. Just look at the powerful applications already emerging in healthcare, world hunger, global economics, and even for those for whom hockey is more important than life itself, sport competiveness.

The opportunity in marketing and business intelligence is just as strong. Our digital lifestyles generate a tremendous amount of personal and behavioral data - in fact, IDC estimates that by 2020, the number of commercial transactions on the Internet (both B2B and B2C) will reach 450 billion per day. McKinseyforecasts that demand for "big data" in the U.S. will create up to 190,000 high-paying jobs requiring deep analytical skills by 2018.

Used responsibly, all that data has a very meaningful impact on our lives and the economy. It's time to clear up some of the myths surrounding big data and what it can do for marketers.

No. 1 Myth: "Big Data" Has a Universally Accepted, Clear Definition

Truth: Not so! Lots of people have trouble with what criteria to use in defining "big data." That makes it easy to use in all kinds of contexts - including contexts where another term might be more appropriate. Size alone is not big data, but also scope and how it's processed. Akamai analyzes more than 75 million events per day to better target advertisements.

To help you form your own internal definition, "big data" is usually thought of in these terms:

• The dramatic increase in the quantity of data available to be stored and analyzed in today's economy.
• The inclusion of "unstructured" data (meaning it is non-numeric, "free-form," qualitative data such as text, video, social content, and click-stream patterns), which requires sophisticated new data extraction and analytic techniques in order to be usable for business purposes.
• The growing role of automation in the use of data, e.g., creating and delivering marketing messages in real time.

No. 2 Myth: Big Data Is New

Truth: While the sheer volume of data available in this day and age, and our ability to process it at a high level are certainly new, the concept of correlating and analyzing vast volumes of information is certainly not. For example, huge cross-references of every single word used in the Bible, called "concordances," were in use by scholar monks for centuries well before the first databases.

No. 3 Myth: "Big Data" Means "Big Marketing"

Truth: Often the most effective uses of big data are not bigger marketing, but leaner, more efficient marketing. The biggest challenge now is to wrestle big data down into actionable insights. Understanding the full experience means managing data from many sources, in many formats (like transactions, social sentiment, online behavior), and often in real time. A hotel company wants to both improve the spend during each visit, and increase the number of visits per year. Competing offers must be corralled and messaged in the right context. You can't do that at any kind of scale without effective marketing analytics.

While the use of data in marketing is universal, spending on "big data" is not yet pervasive. An estimated $11.4 billion was spent on big data investments in 2012. Of this, over $3 billion was spent by Google, and over $1 billion was spent by Facebook.

No. 4 Myth: Bigger Data Is Better

Truth: As with many things in life, bigger doesn't necessarily mean better. Data on its own can't tell us anything. The key is in having smart people who know your business and objectives to interpret it. Most marketers have to make trade-offs between promotions and budgets all the time. A financial services company with 50 to 60 products to sell uses marketing analytics (sometimes even "big data") to decide which offer to present in which channel. A publisher will use the same approach to speak with each individual subscriber in a personal manner - with content, advertising, and placements that make sense for each.

No matter the industry or market share, marketers everywhere are stewards of consumer data. It is our actions and abilities (and care and attention) that enable brands to responsibly use all the data we have (big and otherwise) to delight customers, and engage them with our brands.

No. 5 Myth: "Big Data" Will Dictate Your Marketing Approach

Truth: Data - any and all of it - will only inform, not drive your marketing strategy. The "net best offer" trigger is one of the most powerful in email marketing. Automation makes these timely and actionable. However, the whole data-driven approach falls apart if there is no human element - the selection of the offer has to make sense, be respectful, and march in tune with the brand symphony.

There is magic in the connection between consumers and brands, and data enables and speeds those connections but does not define them. Consumers regularly connect with each other over brands, so marketing analysts and strategists seek to understand the role of the brand in those interactions. Similarly, a fashion brand will use the data to come up to the moment of truth with a customer - but it's the creative, content, and context that creates a "wow" experience that closes the sale and builds loyalty.

At the end of the day, big data is meaningless - as is small data or any other form - if it doesn't help us create more meaningful and relevant customer experiences. Our data-driven lifestyle is so ingrained today, that we hardly notice what marketers make happen - like recognizing me when I check into a hotel or airport, or sending me offers for things I regularly purchase (or might like to try), or helping me connect with friends over a common interest. The responsible use of data in any organization is about making those connections between consumer-brand and consumer-consumer.

Stephanie Miller | September 16, 2013

http://www.clickz.com/clickz/column/2294478/5-myths-and-truths-about-big-data

Le football professionnel à l'heure du big data

Caméras et systèmes GPS recueillent des quantités d'images et de données qui, traitées sur des modèles mathématiques, entrent de plus en plus dans la valorisation des joueurs à l'occasion du mercato.

Prozone a placé entre 8 et 12 caméras dans chaque stade de la Premier League. -
Photo DR

Le recours minutieux à la technologie et aux mathématiques qui fait grincer les dents des vétérans du base-ball dans le film « Moneyball », avec Brad Pitt, est une réalité dans le football professionnel européen, et singulièrement au Royaume-Uni. Si l'on en croit les deux groupes de compilation de ce type de données leaders outre-Manche, Prozone (qui appartient au français Sport Universal Process) et Opta, tous les clubs de la Premier League s'y sont mis quand, en France, une majorité de clubs se seraient convertis à cette pratique.

Mais il est vrai que le championnat anglais brasse des sommes d'argent plus importantes. Le total des chiffres d'affaires (billets, publicité, droits de retransmission…) des 20 clubs de la Premier League devrait grimper à 3,1 milliards de livres (3,6 milliards d'euros) cette saison 2013-2014, en raison de l'emballement des enchères pour les droits de retransmission. A titre de comparaison, le total des produits générés en France par la Ligue 1 (hors transferts) au terme de la saison 2012-2013 serait, selon les premiers chiffres de la DNCG - le gendarme financier du foot français -, de 1,27 milliard d'euros.

Simon Farrent, responsable marketing chez Opta, constate que le recours au « big data » « a décollé il y a deux trois ans ». Chris Mann, qui occupe le même poste chez le concurrent Prozone, note que les clubs de football ont désormais dans leur staff en moyenne 4 analystes dédiés à cette activité, voire 7 à 8 pour les plus grands clubs, contre un seul il y a quelques années. « Le club de Derby County a été pionnier en 1998, raconte Chris Mann, et ce qui était au départ perçu comme une révolution a été rapidement adopté par Manchester United et Arsenal. »

80.000 joueurs répertoriés

Les professionnels constatent que ces services ne sont plus seulement utiles auxanalyses techniques d'avant ou d'après-match. Ils s'avèrent de plus en plus indispensables pour le recrutement des joueurs. Le mercato, dont une fenêtre est en ce moment ouverte jusqu'au début septembre, est en effet un enjeu financier considérable pour des clubs qui n'ont pas le droit à l'erreur. Chaque joueur est un investissement, il est destiné plus tard à être revendu, et mieux vaut détecter les talents avant que leur cote n'augmente. « Le cerveau humain ne peut engranger qu'une quantité limitée d'informations », met en avant Simon Farrent. Pour son service dédié au recrutement, Prozone offre des renseignements sur 80.000 joueurs dans 37 championnats de foot dans le monde.

Les données à disposition des sélectionneurs sont d'une précision implacable.« Chaque phase de jeu - tacle, passe, tirs, interception, etc. - est répertoriée dans les systèmes et il est possible de demander les vidéos de tous les derniers tacles ou tirs d'un défenseur ou d'un attaquant sur plusieurs saisons », explique Chris Mann. Prozone a ainsi placé elle-même entre 8 et 12 caméras dans chaque stade de la Premier League. Simon Farrent explique qu' « on peut également collecter des données physiques récupérées par GPS sur chacun des joueurs ». Ces renseignements - vitesse, endurance etc. - sont généralement gardés plus jalousement par les clubs. Les données techniques classiques sont moins protégées : elles sont d'ailleurs également vendues aux médias pour renseigner le public.

Par Nicolas Madelaine | 23/08 | 06:00
Correspondant à Londres
nmadelaine@lesechos.fr

http://www.lesechos.fr/entreprises-secteurs/service-distribution/actu/0202961216215-le-football-professionnel-a-l-heure-du-big-data-597287.php?xtor=RSS-2059

Les investissements qui peuvent changer l'économie américaine

Un rapport de McKinsey identifie cinq grandes opportunités de croissance et de renouveau pour l'économie américaine.

« Cinq ans après la crise financière, la reprise aux Etats-Unis n'est toujours pas assez forte, avec une croissance du PIB qui oscille entre 1 % et 2 % en rythme annuel chaque trimestre. Il est donc important d'identifier les secteurs où investir pour une croissance à long terme », observe Susan Lund, directeur associé au bureau de Washington de McKinsey et l'un des auteurs d'un nouveau rapport sur cinq approches novatrices (« game changers ») pour les Etats-Unis. Celles qui ont été identifiées par le cabinet de conseil sont susceptibles de gonfler le PIB d'un minimum de 150 milliards de dollars d'ici à 2020 et de créer, pour trois d'entre elles, 1,5 million d'emplois chacune.

Gaz et pétrole de schiste

C'est incontestablement le nouvel Eldorado. Grâce à de nouvelles techniques d'extraction, l'Amérique est devenue exportatrice de gaz et caresse le rêve d'être indépendante d'un point de vue énergétique. Si 1,2 à 1,4 milliard de dollars en infrastructures est nécessaire pour développer cette industrie naissante - ainsi que la mise en place de nouveaux standards environnementaux -, elle a la capacité d'accroître le PIB américain de 380 à 690 milliards d'ici à 2020 et de créer 1,7 million d'emplois.

Commerce de produits à valeur ajoutée

Le déficit commercial des Etats-Unis dans le secteur des industries à haute valeur ajoutée (automobile, transports, chimie, matériel médical, semi-conducteurs et machinerie) a atteint 270 milliards de dollars en 2012. « La croissance de la demande dans les pays émergents est porteuse », souligne Susan Lund. Ces industries profiteront d'une augmentation de leur productivité, d'investissements en innovation et d'un dollar peu élevé. Elles pourraient générer entre 200 et 590 milliards de PIB supplémentaires en 2020 et créer 1,8 million d'emplois.

Analyse du « big data »

A eux seuls, les Etats-Unis génèrent un tiers des données numériques dans le monde. L'analyse avancée de ces données peut améliorer la productivité et modifier la chaîne logistique. « La grande distribution et la finance sont précurseurs dans ce domaine, comme pour le "datamining" dans les années 1990, note Susan Lund, mais les secteurs de l'industrie, de l'éducation et de la santé devraient en profiter également. »Selon McKinsey, la valeur créée pourrait contribuer à hauteur de 325 milliards de dollars de PIB issue de l'industrie et de la distribution, et générer 285 milliards de dollars d'économies d'ici à 2020 dans le secteur public et le domaine de la santé.

Investissement dans les infrastructures

Les Etats-Unis vont devoir augmenter leurs investissements en infrastructures d'un point de PIB pour pouvoir répondre à leurs besoins futurs. Outre l'apport de nouveaux fonds, il est aussi indispensable d'améliorer la productivité des infrastructures (dans la gestion de projets, les appels d'offres et une meilleure maintenance des ouvrages). Cet effet stimulus viendra principalement des Etats et collectivités locales, et ajoutera 1,4 % à 1,7 % de PIB entre 2013 et 2020. Près de 1,8 million d'emplois pourraient être ainsi créés d'ici à 2020. Si l'effort se poursuit, l'impact sur le PIB pourrait atteindre 600 milliards de dollars en 2030.

Education

Outre l'amélioration de la qualité du primaire et du secondaire, que des Etats comme le Texas et le Massachusetts ont privilégiée avec succès, quatre initiatives pourront aider à améliorer l'enseignement supérieur : développer l'apprentissage, aider à ce que les étudiants achèvent leur cycle d'études et soient bien informés des filières porteuses d'emploi, favoriser l'enseignement des matières d'ingénierie et de sciences et continuer à attirer les étudiants étrangers. L'arrivée de jeunes diplômés mieux préparés sur le marché du travail pourrait accroître le PIB de 265 milliards d'ici à 2020.

Par Virginie Robert | 18/07 | 06:00

http://www.lesechos.fr/economie-politique/monde/actu/0202901584677-les-investissements-qui-peuvent-changer-l-economie-americaine-587273.php