Ces DSI qui prennent le virage du Big Data Catalina Marketing : le Big Data au cœur du métier du couponing
Catalina Marketing a mis le Big Data directement au service de son cœur de métier. A savoir : la gestion de campagnes marketing en magasin sous la forme d'opérations de couponing ciblées. La société s'adosse à une infrastructure de traitement de données en masse pour générer et calculer ses bons de réduction lors du passage des clients en caisse, en réalisant une analyse en temps réel du contenu des caddies.
Une autre application Big Data déployée cible la réalisation d'études pour connaitre le potentiel d'un nouveau produit. "Pour un shampoing à la cerise par exemple, qui ne dispose pas d'équivalent dans un catalogue de produits, elle nous permet de calculer des scores d'appétence en estimant l'intérêt des clients pour d'autres types d'articles présentant des caractéristiques approchantes, en termes de saveurs par exemple", explique Marion Hamacek, DSI Europe de Catalina Marketing. Le principal enjeu technique d'un tel outil ? Réaliser de telles analyses nécessite un accès à la totalité de la base de données en mode exploratoire.
Une infrastructure massivement parallèle de serveurs Netezza
En vue de répondre aux besoins de traitement temps réel, la plate-forme Big Data déployée par Catalina Marketing est basée sur une infrastructure massivement parallèle de boîtiers de base de données IBM Netezza. Installée en interne, également dans le but d'optimiser les temps de réponse, elle est associée à des applications d'analyse SAS et Microstrategy.
Contrairement au Crédit Mutuel Arkéa qui fait d'Hadoop la brique centrale de sa solution Big Data, la technologie Open Source Apache ne constitue donc pas le cœur de l'architecture de Catalina Marketing. "Nous utilisons néanmoins Hadoop pour intégrer les données en amont", confie Marion Hamacek.
Faire en sorte que l'informatique s'efface au profit des métiers
Il est pourtant un point commun avec Crédit Mutuel Arkéa : Catalina Marketing souhaitait aussi voir l'informatique "s'effacer" pour plus de réactivité. "D'où l'idée d'urbaniser finement les données : définir des formats très normalisés, quelques tables et pas d'agrégat pour éviter d'allonger les temps de traitement sur des requêtes qui doivent pouvoir solliciter toute la base", détaille Marion Hamacek.
La gestion du réseau et des entrées et sorties sont aussi optimisées. Limitées en termes de complexité pour favoriser leur performance d'exécution, les requêtes sont poussées directement dans l'infrastructure massivement parallèle qui produit en retour les réponses finales, sur lesquelles ne restera qu'à appliquer une mise en forme.
A la question des principaux enjeux d'un tel chantier, la DSI Europe de Catalina Marketing insiste notamment sur la qualité des données. Avec, à la clé, la nécessité de corriger les potentielles erreurs en amont, avant qu'elles se répercutent en cascade sur les analyses réalisées ensuite.
Pour terminer, Marion Hamacek évoque, comme Jean-Louis Ghiglione de Renault, le défi juridique qui se cache derrière le Big Data. Elle souligne notamment l'importance de maitriser les législations françaises et internationales sur le sujet (CNIL, Safe Harbor...), ainsi que les précautions à prendre lors de fusion de bases de données, "avec parfois la nécessité de créer une structure chapeau quand elles appartiennent à deux entités juridiques différentes".