Parmi les applications du Big Data il y en a une qui mérite une attention particulière puisqu’il s’agit de la préservation de l’environnement.
En effet, les ressources naturelles se raréfient et leur gestion nécessite toujours plus de précautions.
Ainsi, la question de l’Eau est centrale.
Dans ce contexte, se servir des innovations technologiques permet de répondre à des questions concrètes pour mieux servir les consommateurs et la planète.
Par exemple, comment les Big Data peuvent-il aider des sociétés de services de l’eau à mieux gérer leur cycle d’approvisionnement ?
Prenons un exemple concret :
Lorsqu’une régie de distribution d’eau doit réaliser des opérations de maintenance sur son réseau, bien souvent, les habitants d’un quartier ou d’une ville reçoivent une notification leur indiquant une coupure d’eau. Il s’agit en général de quelques heures mais ce moment est toujours vécu difficilement.
Anticiper pour mieux gérer.
Afin de programmer au plus juste des opérations de maintenance et éviter toute nuisance (qualité de la relation client et efficience dans la gestion des ressources), l’exploitation de données historiques et massives (Big Data) permet désormais de créer des modèles d’analyse prédictive de la consommation d’eau à 15 jours et jusqu’à 3 ans.
Comment ?
Tout d’abord en exploitant les données dont dispose la régie : volumes d’eau mis en distribution, hauteurs des pluies et températures de la région desservie, valeurs moyennes.
Ensuite, en enrichissant ces données avec d’autres sources disponibles :
- météo : humidité, vitesse du vent, couverture nuageuse, événements climatiques (pluie-brouillard-neige)
- calendrier : fêtes, événements, vacances
Ce sont des données de type Open-data, qu’il est possible d’obtenir à travers de nombreuses sources (ex : http://opendata.admin.ch , http://www.vacancesscolaires.org/calendrier/2015/suisse/)
Enfin, lorsque les données sont consolidées, différents algorithmes sont utilisés pour « entrainer » le modèle prédictif (phase d’apprentissage). Citons notamment :
La pertinence du modèle utilisé est évaluée grâce à la mesure de l’erreur de prévision qui est calculée comme la différence entre la valeur réelle et la valeur prédite.
Que ce soit à 15 jours ou sur le long terme, l’utilisation de différents modèles d’analyse prédictive à partir des gisements de données disponibles, a permis d’anticiper les valeurs réelle avec une précision de 97%.
En utilisant le Big Data, les régies de distribution d’eau peuvent désormais mieux planifier leurs opérations de maintenance et ainsi éviter tout désagrément avec la traditionnelle « coupure d’eau » tout en préservant la planète.
