Les « 3V » du big data désignent les trois dimensions qui caractérisent les ensembles de données massives : le volume, la vélocité et la variété, chacune posant une difficulté propre de stockage, de traitement ou d’intégration.
Le volume fait référence à la quantité considérable de données générées et stockées, souvent en téraoctets ou pétaoctets. La vélocité renvoie à la rapidité à laquelle ces données sont produites, transmises et traitées, notamment en temps réel. La variété désigne la diversité des formats de données (structurées, semi-structurées ou non structurées) provenant de multiples sources : textes, images, vidéos, journaux de connexion, capteurs.
Ce cadre a été formulé en 2001 dans une note d’analyste consacrée à la gestion des données d’entreprise, avant que l’expression big data ne s’impose. Il a ensuite servi de définition de référence. Le NIST, agence fédérale américaine des normes et de la technologie, définit le big data par des jeux de données étendus qui exigent une architecture évolutive. Il y ajoute une quatrième caractéristique, la variabilité, c’est-à-dire les changements de débit, de structure ou de sens des données dans le temps.
Les 3V se distinguent des 5V du big data, qui ajoutent la véracité et la valeur, deux critères d’usage plutôt que de taille. Ils se distinguent aussi du fast data, qui ne retient que l’exigence de vitesse. En marketing, la grille sert à qualifier un projet de données avant de choisir les outils. Le Dictionnaire de l’Académie française recommande le terme « mégadonnées » plutôt que l’anglicisme big data.
La note fondatrice est signée Doug Laney, alors analyste chez META Group, société depuis intégrée à Gartner (« 3-D Data Management: Controlling Data Volume, Velocity and Variety », 6 février 2001). Le texte, que Laney a republié en 2012, n’emploie pas l’expression big data. Il décrit les effets du commerce électronique sur la gestion des données : plus de données par transaction, des interactions plus rapides, des formats et des structures incompatibles. L’expression big data s’est greffée ensuite sur cette grille.
Les 3V ne sont pas un label à revendiquer, mais une grille de diagnostic. Chaque V renvoie à un choix d’architecture différent. Le volume pose la question du stockage et de son coût. La vélocité pose celle du traitement en continu, par opposition au traitement par lots. La variété pose celle de l’intégration et du rapprochement des sources.
Notre lecture : dans la plupart des directions marketing de PME et d’ETI, le problème dominant n’est ni le volume ni la vitesse, mais la variété. Les données existent. Elles sont simplement dispersées dans des silos de données qui ne se parlent pas : outil d’envoi de courriels, site marchand, caisse, service client.
Advalians défend vos intérêts de maître d’ouvrage sur votre projet de données : besoin formalisé, prestataires choisis sur des critères explicites, budget tenu, usage mesuré.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
Les 3V décrivent les données : leur quantité, leur vitesse, leur diversité. Les 5V du big data ajoutent la véracité, c’est-à-dire l’exactitude des données, et la valeur qu’elles produisent. Les deux V ajoutés ne qualifient plus l’outil, mais l’usage.
Le NIST, agence fédérale américaine des normes et de la technologie, traite d’ailleurs la véracité et la valeur comme des questions d’analyse, et non comme des caractéristiques qui imposent une architecture. En pratique, utilisez les 3V pour choisir vos outils et les deux critères suivants pour décider quelles données méritent d’y entrer.
Dressez un tableau d’une ligne par source de données : fichier clients, site, campagnes de courriels, service client, magasins. Notez pour chacune le volume annuel, la fréquence de mise à jour et le format.
Listez ensuite vos cas d’usage prioritaires et indiquez pour chacun le délai acceptable entre l’événement et l’action. Un délai d’un jour n’impose pas le même outil qu’un délai d’une seconde. Le croisement des deux tableaux montre l’axe qui contraint vraiment le projet, souvent la variété, et évite d’acheter une capacité inutile.
Il n’existe pas de seuil reconnu. Le NIST définit le big data par le besoin d’une architecture évolutive pour stocker, manipuler et analyser les données, pas par un nombre de téraoctets. Le critère utile est donc pratique : vos outils actuels suffisent-ils ?
Mesurez trois signaux. Le temps de traitement d’une requête courante s’allonge-t-il ? Le délai entre un événement et sa disponibilité dépasse-t-il le besoin métier ? Des sources restent-elles hors d’analyse faute de pouvoir être intégrées ? Si aucun de ces signaux n’apparaît, votre difficulté relève probablement d’autre chose que du big data.
L’erreur la plus coûteuse consiste à traiter un problème de variété avec une solution de volume. Une entreprise dont les données sont éparpillées dans dix outils n’a pas besoin d’une capacité de stockage supérieure, mais d’un identifiant commun et de règles de rapprochement.
Deuxième erreur : oublier que les 3V ne disent rien de la qualité. Avant tout investissement, contrôlez un échantillon de chaque source : taux de doublons, champs vides, dates de mise à jour. Une grande quantité de données peu fiables reste inexploitable.
Oui, pour qualifier une contrainte technique. Elle reste simple, partagée par les équipes métier et techniques, et suffit pour orienter un choix d’architecture ou d’hébergement.
Renoncez-y pour décider d’un investissement. Elle ne dit rien de la fiabilité des données ni de leur utilité pour l’entreprise. Pour arbitrer un budget, partez plutôt des cas d’usage et de la valeur attendue de chacun, puis vérifiez avec les 3V que l’outil envisagé tient la charge. Si la grille ne fait apparaître aucune contrainte forte, un outillage classique suffit.
Modèles, grilles et guides prêts à l’emploi pour vos projets marketing et communication.
