Le big data est également bénéfique pour la société

Publié le 10/12/2018 dans Inspiration

Le big data est également bénéfique pour la société

Il y a actuellement beaucoup d’inquiétudes quant à l’utilisation des données et la protection de la vie privée. Mais les données de téléphonie mobile peuvent également participer au bien commun.

La confidentialité et l’utilisation des données suscitent aujourd’hui bien des inquiétudes. Mais, outre leur utilité commerciale, les données peuvent aussi participer au ‘bien commun’. La GSMA, qui chapeaute les opérateurs de réseaux mobiles dans le monde et dont Proximus est membre, aide ainsi les ONG et les organismes publics à lutter contre les épidémies, les catastrophes naturelles et la pollution par le biais de l’initiative ‘Big Data for Social Good’. Voici quelques exemples d'utilisation du Big Data.

Namibie : Prédire la propagation de l’épidémie de malaria 

En Namibie, les déplacements de millions de personnes ont été répertoriés pendant un an grâce aux données de téléphonie mobile. Ces données, qui permettent d’identifier le domicile effectif des utilisateurs, ont été croisées avec d’autres données pour prédire la propagation d’une éventuelle épidémie de malaria. En Afrique, les données de localisation sont une source précieuse d'informations, très peu d’autres données étant disponibles. Elles y sont en outre plus accessibles, car la réglementation sur la protection de la vie privée est moins stricte.  
Source : Malaria Journal

Haïti : Suivi des mouvements de masse après un séisme 

En 2010, Haïti a été durement touché par un tremblement de terre et une épidémie de choléra. Les habitants ont fui les zones concernées, au risque de répandre la maladie et de causer davantage de victimes. Les données mobiles récoltées via les cartes SIM du premier opérateur haïtien ont permis d’analyser ces déplacements de masse pour coordonner efficacement les services d’aide. La localisation quotidienne des cartes SIM a été suivie pendant 42 jours avant et 158 jours après le tremblement de terre.

Pour exclure les cartes SIM non actives, seules ont été prises en compte les 1,9 million de cartes SIM via lesquelles un appel au moins avait été passé avant la catastrophe et au cours du dernier mois de l’analyse.À Port-au-Prince, un ratio de 3,2 personnes par carte SIM a été pris en compte pour extrapoler le nombre de personnes en mouvement. D’après les estimations, 630.000 personnes (soit 197.484 cartes SIM) qui se trouvaient à Port-au-Prince le jour du tremblement de terre avaient quitté la ville 19 jours plus tard (environ 20 %). 
Source : PLOS

Paris : Mesurer l’impact des ‘lockdowns’ après les attentats 

Proximus a analysé, grâce aux données de localisation, l’impact du lockdown de Bruxelles après les attentats terroristes de Paris en novembre 2015. Résultat : moins de déplacements vers et au départ de Bruxelles, et une augmentation des déplacements vers d’autres villes. 
Source : Proximus

São paolo : Cartographie de la pollution atmosphérique 

À São Paolo, au Brésil, les maladies chroniques dues à la pollution atmosphérique entraînent le décès prématuré de milliers de personnes chaque année. L’opérateur Telefónica Brazil a conçu des algorithmes via le machine learning qui recoupent les données du réseau mobile avec d’autres données (météo, trafic et capteurs mesurant la qualité de l’air). Il dégage ainsi, à moindre coût, des modèles de trafic et de pollution atmosphérique et fournit aux autorités des informations cruciales pour canaliser les transports dans certaines zones de la ville. 
Source : GSMA

Lire ici plus de ‘Social Good’ de GSMA.

Pour un meilleur avenir

6 questions auxquelles les regroupements de données de la téléphonie mobile peuvent répondre :

  1. Quelle est la composition de la population à un endroit et à un moment précis ? Comment différencier la population locale des visiteurs étrangers à cette zone ? 
  2. Comment s’organisent les déplacements dans une zone géographique déterminée ? Combien de temps les gens restent-ils à un endroit précis et où vont-ils ensuite ? 
  3. Quels changements temporels et spatiaux constate-t-on dans l’urbanisation, les limites d’agglomérations, l’infrastructure du trafic… ? Quelle est l’étendue optimale de certaines unités territoriales ? 
  4. Quelles sont les similitudes et les différences de mobilité entre personnes actives et non actives ?
  5. Qu’en est-il des déplacements domicile-travail en semaine et comment ce trafic est-il influencé par des facteurs tels que la météo, les accidents, les événements… ? 
  6. Qu’en est-il, en Europe, des déplacements transfrontaliers domicile-travail, de la migration professionnelle, du tourisme international… ? Les mesures des appareils mobiles étrangers et les données de roaming et des opérateurs étrangers peuvent y répondre.

One

Le magazine IT de Proximus qui s’adresse aux CIO et professionnels IT actifs dans les PME. 

Les autres articles de One