BI SWISS FORUM (ecom / SITB)

Transcription

1 GENEVA BI SWISS FORUM (ecom / SITB) LE BIG DATA A L ASSAUT DES ZONES DE CONFORT TECH ET BUSINESS

2 GROUPE MICROPOLE 1100 COLLABORATEURS DONT 130 EN SUISSE +800 CLIENTS 27 ans D EXISTENCE 100 M DONT 22 MCHF EN SUISSE Page 2 7 PAYS DANS LE MONDE BELGIQUE CHINE ÉTATS-UNIS FRANCE LUXEMBOURG PAYS-BAS SUISSE

3 DES OFFRES COMPLÉMENTAIRES AU CŒUR DE VOS ENJEUX MARKETING DIGITAL RELATION CLIENT CONNAISSANCE CLIENT MOBILITÉ, MULTI- DEVICES& APPLICATIONS MÉTIER E- COMMERCE STRATEGIE BIG DATA BIG DATA P.O.C (SaaS / OP) PREDICTIVE ANALYTICS DESCRIPTIVE ANALYTICS DATA VISUALIZATION MASTER DATA MANAGEMENT QUALITÉ DES DONNÉES ARCHITECTURE CIBLE PLAN DE TRANSFORMATION PILOTAGE OPÉRATIONNEL PILOTAGE FINANCIER SCHÉMA DIRECTEUR BI SMART BI Page 3

4 LE CONTEXTE? «FAST & FURIOUS»!

5 NOUS CHANGEONS D ÈRE ECOSYSTEMES ORGANIQUES Clients co-concepteurs, partenariats start-ups. réseaux sociaux, LES MACHINES PARLENT 20 à 50 milliards d objets connectés d ici 2020 VIES ULTRA- CONNECTEES 4 à 6 heures par jour web+mobile INFORMATION SANS INTERRUPTION 60s = 4mio Google queries, 2.5mio contenus nouveaux sur FB, INNOVATION PERMANENTE Google glasses/car, iwatch, 3D printing, Page 5

6 Page 6 NOUS SOMMES «INTIMES» AVEC LA TECHNOLOGIE

7 ET ÇA CHANGE QUOI? Potentiellement, tous secteurs d activités sont menacés par l arrivée de nouveaux entrants qui «changent les codes» Un point commun: le Digital + le Big Data Fondé en mio de membres Fondé en mio de «guests» Page 7

8 LA RIPOSTE BIG DATA

9 LES 3 PILIERS DU SUCCÈS VISION BUSINESS TECHNOLOGIE DATA SCIENCE et ne pas essayer d imiter les «digital+data pure players», se réinventer de manière cohérente avec le caractère unique de votre entreprise Page 9

10 LA VISION BUSINESS APPROCHE TACTIQUE 1 Identifier une chaîne de valeur restreinte 2 Sélectionner les principaux cas d usage 3 Fixer des objectifs mesurables 4 Collecter les données internes et externes liées aux cas d usage 5 Réaliser les analyses descriptives, prédictives et data visualizations 6 Tester opérationnellement et comparer, améliorer les résultats (itérations) 7 Préparer l industrialisation et l expansion 1 Acquisition clients 2 Acquisition via canaux digitaux directs et indirects 3 Augmenter le taux de conversion de 10% 4 Transactions, réseaux sociaux, web/mobile analytics, base CRM, 5 Algorithme de prédiction de conversion par prospect 6 Campagnes tests vs groupe de contrôle 7 Adapter les parcours de conversion et renouveler exercice sur les call centers Page 10

11 LA VISION BUSINESS APPROCHE STRATEGIQUE L approche tactique et stratégique doivent être menées en parallèle. Illustration: Un grand groupe hôtelier ambitionne d étendre sa présence sur la chaîne de valeur. Il lance un programme de transformation digitale + data Page 11

12 LA PROTECTION DES DONNÉES APPROCHE GLOBALE / ENJEU MAJEUR Respect des règlementations (EU dir. 95/46/EC, CH LPD 92, ) «Security by design» des solutions / architectures Qualification des sous-traitants, maitrise du stockage et traçabilité des accès physiques ou numériques Tests externes Page 12

13 LE BIGDATA EXIGE UNE DEMARCHE AGILE D EXPERIMENTATION ET DE QUALIFICATION Enjeux & objectifs métiers BIG DATA VALEUR Enjeux DSI Page 13

14 DU BIG DATA AU BESOIN BIG ANALYTICS : L IDEE D UNE DATA SCIENCE PLATFORM Page 14 PUIS UNE FOIS DEFINIS LES BESOINS ET OBJECTIFS D EXPERIMENTATION L IDEE DE LA RENDRE OPERABLE TRES RAPIDEMENT

15 UNE PLATE-FORME DE CREATION DE VALEUR SUR MESURE ET DISPONIBLE RAPIDEMENT EXPERIMENTER DESCRIPTIF PREDICTIF DATA DISCOVERY COLLECTER ETL CDC CEP VALORISER ETUDES DATAVIZ OPERER CLOUD ou ON PREMISES Page 15

16 DES PARTENARIATS AVEC LES PRINCIPAUX ACTEURS EXPERIMENTER COLLECTER STOCKAGE EXPERIMENT AL VALORISER OPERER Page 16

17 DEMARCHE ACCOMPAGNEE CROSS L AGILITE POUR GAGNER DU TEMPS ET DU R.O.I.! BIG IDEA ETUDE CONSEIL ROI THEORIQUE CADRAGE EXPERIMENTATION BESOINS CONTRAINTES-OBJECTIFS Page 17

18 DES EXPÉRIENCES CONCRÈTES

19 LUXE : PARCOURS OMNICANAL ET VALEUR CLIENT (PARFUMERIE & COSMETIQUE) CADRAGE Données: web, vendeurs, applications et magasin 3 BUSINESS CASES CHOISIS Evaluation du taux «ROPO»* Calcul de la valeur client omni-canal Valeur du conseil vendeur Elaboration des campagnes sur valeur EXECUTION Extension des capacités d analyse de l équipe Marketing Implication graduelle des équipes IT Utilisation des solutions IT et de datamining existantes autour de la plateforme IBM BIGINSIGHT 3 mois pleins client * Research Online Purchase Offline Page 19

20 MEDIA : CONNAISSANCE D AUDIENCE TV POUR MIEUX REAGIR A LA MENACE NETFLIX CADRAGE Peu de données d audience Mise en œuvre d interactions spécifiques par type d émission (SMS, Apps, Forums, ) 3 BUSINESS CASES SELON TYPO Emission de variétés Emission Sport / grande audience EXECUTION Détermination du plan d interactions et de collecte des données Production d analyses clés-en-main pour prise de décisions Utilisation de plateformes DMP (Benchmark en cours) 3 X 1 mois (mission renouvelée en 2015) Emission de télé-réalité Page 20

21 BANQUE : QUALIFICATION DE PLATEFORME BIGDATA POUR SUPPORT PROJET STRATEGIQUE CADRAGE EXECUTION Plateforme HADOOP acquise depuis 2 ans mais sans véritable production: qualification des évolutions du marché HADOOP pour un projet stratégique Pérenniser et assurer la pertinence du choix Besoin de garder une cohérence globale de plateformes et de composants sélectionnés par les métiers (datamining et dataviz) Proposition de passage à un mode cloud hébergé (efficacité / coûts) Proposition de test du mode HADOOP virtualisé vs «bare metal» Tests de performance sur 4 distributions HADOOP et solutions métiers (Data Science) 6 mois contre 1 an initialement prévu Forte optimisation de l utilisation des moyens et ressources techniques Page 21

22 MERCI! CHARLES PARAT RESEARCH & INNOVATION DIRECTOR MICROPOLE GROUPE M [email protected] NICOLAS CAMBOLIN BIG DATA VALUE MANAGEMENT DIRECTOR CROSS M [email protected] GENEVE ROUTE DES ACACIAS 45B / CH-1227 LES ACACIAS GENÈVE MORGES RUE SAINT-LOUIS 2 / CH-1110 MORGES T F E [email protected]