jmt edition 2017: « impact du big data · email: [email protected] ... cas de recours au big...

1

JMT EDITION 2017:

« Impact du Big data »

par

Evariste MINANI

ICT Expert/Senior Consultant

Email: [email protected]

Par

1

2

Sommaire Méga-données ou Big data

Open data vs Big data

Défis

Société d’Information (forces)

Risques

Cas de recours au Big data en Afrique

Big data en CEA

Big Data au Bdi (enjeux et Intérêts)

Conclusion et Recommandations

2

3

1. MEGADONNEES OU BIGDATA

4


Appellation introduite en 1997, Le terme de

mégadonnées ou bigdata désigne l'ensemble

des données numériques produites par l'utilisation

des nouvelles technologies à des fins personnelles

ou professionnelles. Cela recoupe les données

d'entreprise (courriels, documents, bases de

données, historiques de processeurs métiers...)

aussi bien que des données issues de capteurs, des

contenus publiés sur le web(images, vidéos, sons,

textes), des transactions de commerce

électronique, des échanges sur les réseaux

sociaux, des données transmises par les objets

connectés (étiquettes électroniques, compteurs

intelligents, smartphones...), des données

géolocalisées, etc. (source:

5


Du fait de la numérisation et de l’accroissement des

données disponibles via l’internet, de nouveaux

acteurs sont devenus producteurs de données. On

entend par « mégadonnées » les quantités

considérables de données numériques dégagées en

tant que sous-produit des interactions quotidiennes

avec les produits ou services numériques. Les

mégadonnées sont générées passivement en

grandes quantités et à grande vitesse par les êtres

humains et les machines et peuvent être classées

grosso modo comme provenant des médias sociaux,

de téléphones portables, de terminaux de points de

vente ou de systèmes de positionnement

géographique (GPS).

6


Volume (de données de plus en massif)

Variété (de ces données qui peuvent être brutes, non structurées ou semi-structurées )

Vélocité (qui désigne le fait que ces données sont produites, récoltées et analysées en temps réel.)

Doug Laney décrivait les big data d'après le principe des « trois V » :

7

2. Open Data (OD) Vs Big Data

8


Contrairement à l’Open Data ou nommée

donnée ouverte est une donnée numérique

d’origine publique ou privée. Elle peut être

notamment produite par une collectivité, un

service public (éventuellement délégué) ou

une entreprise. Elle est diffusée de manière

structurée selon une méthode et une licence

ouverte garantissant son libre accès et sa

réutilisation par tous, sans restriction

technique, juridique ou financière. (Source :

Wikipédia)

9


(Open data en Afrique)• “Les inégalités et la pauvreté ne sont pas uniquement liées au

revenu. C’est également une question d’information. Sept ans

après ma première demande auprès des gouvernements pour

qu’ils ouvrent leurs données à tous, des initiatives relatives aux

données ouvertes sont désormais en place dans plus de la

moitié des pays que nous suivons. Pourtant, leur qualité est

variable et les bénéfices sont concentrés dans les pays riches.

Il est temps d’alimenter et de mettre en place des données

ouvertes dans le monde, grâce à des projets comme

l’International Open Data Charter.”

— Tim Berners-Lee, commentant les conclusions de la 3e

édition du Baromètre des données ouvertes, en Avril 2015

10


• La grande différence est donc d’un côté

des données ouvertes et publiques et

de l’autre des données fermées utilisées

et transformées.

• L’open data est un moyen d’accès à

l’information. Alors que le Big Data

s’exploite en : collecte, stockage,

traitement et visualisation.

11


• Le seul point commun entre « Big data » et

« Open data » réside dans les objets

connectés car présentement toutes les

données recueillies le sont grâce à nos

terminaux intelligents(téléphones mobiles, nos

tablettes, nos montres connectées, nos GPS etc.

• Si on regarde vers l’avenir on pourrait

imaginer l’utilisateur comme capteur

volontaire de données pour améliorer les

services voire définir de nouveaux usages et

créer ainsi la ville de demain (les « smarts

cities »).

12

2.Open Data (OD) Vs Big Data

(Vs Open GOVT)

Comparaison de Open data, big Data et Open Gov

13

3.Défis• Culture TIC moins développée

• Culture Statistique

• Dispositif réglementaire

• Fracture numérique des métadonnées et de la

connexion à l’Internet

• Manque d’une Centralisation des Mégadonnées

au niveau National (National Big Data)

• Stratégie Big Data ????

• Stratégie Open Data ???

• Webmarketing moins développé

• Eparpillement des projets TIC

14

3.Défis (Suite)• Nombre d’abonnés d’Internet = 929

384, soit un taux de 9.29% (ARCT)

• Pénétration des ordinateurs encore

faible ‘surtout en milieux ruraux)

• Pénétration des Smartphones et

tablettes (pouvant utiliser des APK,

ANDROIDS) encore faible (surtout en

milieux ruraux)

15

4.Situation d’Info (forces)• Organisation institutionnelle (MPTICM, ARCT,

SETIC, etc.)

• PNDTIC 2010-2025 en cours de mise en œuvre

• Pas franchi dans l’Elaboration des SDI par les

sectoriels (MINAGRIE, ISTEEBU, MINISANTE,

MINIFIN, etc.)

• Niveau d’informatisation des institutions tant

publiques qu’et privée non négligeable

(développement des applications métier : SIP/IMVURA au MINAGRIE, DHIS2/OPEN CLINIC au

MINISANTE, Ureport utilisée par UNICEF, RapidSMS,

etc)

16

4.Situation d’Info (forces) (suite)

• Culture communicationnelle par l’exploitation

des réseaux sociaux (facebook, twitter,

Whatapps, etc)

• Investissement des opérateurs télecom &

Institutions financières dans le e-banking en

général et le mobile banking en particulier

(ECOCASH de ECONETLEO, MCASH de BANCOBU,

LUMICASH de LUMITEL, UMVA système introduit dans

le paiement des fertilisants, etc.) promettant ainsi

l’inclusion financière et sociale tout en

allégeant les dépenses (temps, argent) pour les

Consommateurs

17


• Projet de décret en cours

d’élaboration sur le Service

Universel

• Des Datacenters déjà opérationnels

(SETIC, OBR, BRB, OBR) + un projet

en cours de mise en place d’un Data

Center Intégré et Gouvernemental

• Stratégie e-gov déjà existante

• Internet mobile (GPRS, 3G ou UMTS,

4G ou LTE

18


• Quatre (04) réseaux à Fibres Optiques

(VIETEL, BBS, COMGOV, BERNET) déjà

Opérationnels dont deux (BBS, VIETEL)

connaissant une couverture nationale

Réseau LTE (4G) déjà opérationnel sur 3

provinces

4 opérateurs télécom avec une couverture

nationale

8 FAIs avec une couverture nationale

19


• Le réseau métropolitain à FO « MAN »

(ONATEL) déjà prête pour exploitation

Taux de pénétration des téléphones mobiles au

niveau national de 49.9% (ARCT)

Pénétration des Smartphones en milieux urbains

jugée satisfaisante

Big data en cloud déjà disponible et

légèrement exploité

20

5.Risques

• Atteinte à l’identité personnelle

(d’où impérieuse nécessité d’une

loi de protection des données

personnelles [Cas du Niger, 2017]

• Atteinte à la sécurité (individuelle

et nationale)

• Concurrence déloyale

21

6.Etat des lieux (open data &

Big data) en CEA • D’après le rapport du Baromètre de Open data

(Avril 2015), 4 pays sur 6 de la CEA à

l’exception du Burundi ou du Sud-Soudan ont

fait l’objet d’un Classement

• Des portails sont déjà opérationnels dans pas

mal des pays mal de la CEA (exemple:

opendata.go.tz, www.opendata.go.ke, etc)

• Des stratégies de big data et open data déjà

arrêtées au Kenya, en Tanzanie, au Rwanda et

en Uganda)

http://www.opendata.go.ke/

22

7. Cas de recours au mégadonnées

en Afrique• CAS N° 1:

• Le FNUAP et le Global Pulse Lab de Kampala ont

collaboré à un projet consacré à l’examen de l’utilisation

de données numériques en temps réel pour comprendre

le débat sur la contraception et la grossesse chez les

adolescentes en Ouganda et pour analyser les divers

types de contraception. Le projet a produit un tableau de

bord qui analyse les messages publics sur Facebook et

les données de U-Report (système d’interrogation des

jeunes ougandais à base de SMS élaboré par le Fonds

des Nations Unies pour l’enfance (UNICEF)) et y

recherche des mots clés en rapport avec la

contraception et la grossesse chez les adolescentes.

23

7. Cas de recours au

mégadonnées en AfriqueCAS N° 1:• . Ce tableau de bord permet de suivre mois par mois les

tendances des perceptions et des sujets émergents

ayant trait à la planification familiale. Ce projet a

démontré le potentiel d’une utilisation des données

sociales en tant que complément des moyens

traditionnels de recueillir des informations, notamment

par le biais d’enquêtes nationales moins fréquentes. En

Ouganda, le taux de grossesse des adolescentes se

situe à 24 %, niveau élevé, et les femmes de 15 à 24

ans constituent un groupe à haut risque d’infection par le

VIH.

24


mégadonnées en Afrique

Fréquence relative des messages faisant mention de divers types de contraception

25


mégadonnées en AfriqueCAS N° 2:• . En réponse à l’épidémie de maladie à virus

Ebola, l’UNICEF a œuvré en partenariat avec le

gouvernement de la Sierra Leone et des

opérateurs de téléphonie mobile pour utiliser

des archives de données d’appels afin de

cartographier la mobilité de la population. Il est

apparu clairement que ces archives contenaient

d’importants indicateurs indirects permettant :

26


mégadonnées en AfriqueCAS N° 2:• . a) d’identifier les risques (en repérant par

exemple si les gens fuyaient les zones à forte

incidence de la maladie à destination de zones à

faible infection);

• b) de concevoir des campagnes d’information

(par exemple en déterminant où il y avait lieu de

déployer les ressources de communication pour

maximiser la couverture des campagnes);

27


mégadonnées en AfriqueCAS N° 2:• et c) de déterminer l’impact des

interventions (par exemple en déterminant

si les couvre-feu/les barrages étaient

vraiment efficaces et empêchaient les

groupes de population de se déplacer).

28


mégadonnées en AfriqueCAS N° 3:• En Somalie, le PAM procède à une montée

en échelle de sa plateforme SCOPE pour

offrir son appui à plus d’un million de

bénéficiaires par l’entremise d’un vaste

réseaux de terminaux de point de vente qui

permet l’apport d’aide avec vérification

biométrique et repérage GPS. Ceci permet

de procéder à des analyses en temps quasi

réel du comportement des bénéficiaires et

des modèles de consommation.

29

8. Big data au Bdi: Intérêts •Entreprenariat des jeunes dans les secteurs composants la chaine de Big data

• Web marketing

• Commerce en ligne

Arme anti-chômage &

entreprenariat

•Planification stratégique (hôpitaux)

•Sécurité alimentaire

•Interventions médicales anticipées (épidémie)

•etc

Santé

•Planification stratégique (écoles, création emploi, etc)

•Bibliothèque en ligneEducation solide

•Cartographie des besoins es femmes (octroi des crédits aux femmes surtout rurales pr une inclusion financière)

•Violences et viols faits aux femmes

Evite les inégalités sociales

• e-Elections

• e-Taxe

• e-Services (permis de conduire, Titres de Propriétés ,par exemple

E-Gvrt

(G2C & C2G)

30

9. Big data au Bdi: enjeux• Mise en place d’une Stratégie Nationale de Big

data & Open data ( Elle définirait les projets

prioritaires, leurs échéances et les budgets

respectifs)

• Mettre en place un dispositif réglementaire

pour la gestion des big data et les accès aux

données (Open data)

• Prendre des mesures appropriées pour faire

face aux problèmes de pénétration de terminaux

intelligents (Ordinateurs, téléphones mobiles,

smartphones, par exemple)

31

10. Conclusion et recommandation

• Sans doute, une fois que le Gvt du Burundi

aura mis en place la Stratégie Nationale de

Big data & Open data au Burundi

accompagné d’un Dispositif réglementaire

approprié, les méga-données

contribueraient efficacement dans la

croissance économique et renforcerait les

recherches scientifiques tout en

garantissant un avenir meilleur aux

générations futures, au moins jusqu’en

2030, date butoir des ODD fixée par les

Nations Unies.

32

• Il est également à encourager les sociétés

privées (Opérateurs Télécom, institutions

financières) celles qui se sont déjà

engagés dans le Big Data.

• La collaboration en matière de big data du

Gvt Bdi avec des Agences des Nations

Unies (PAM,UNICEF, PNUD,

ONUFEMMES, OIM, etc) , des

organisations humanitaires (CICR, CROIX

Rouge du Bdi) et bien d’autres partenaires

au développement garantirait un impact

meilleur surtout aux populations rurales.

10. Conclusion et recommandation

jmt edition 2017: « impact du big data · email: [email protected] ... cas de recours au big...

Documents