BIG DATA PARIS CONGRÈS EXPO, 3 & 4 avril 2013 CNIT Paris La Défense. 2e édition TROPHEE DE L INNOVATION BIG DATA Flashez moi!

Transcription

1 BIG DATA PARIS CONGRÈS EXPO, 3 & 4 avril 2013 CNIT Paris La Défense 2e édition TROPHEE DE L INNOVATION BIG DATA projets Big Data mis à l honneur Des applications dans de multiples secteurs : retail, banque, administrations, sports, recherche, industrie, telecom, Internet Remise des trophées en salle d exposition le Jeudi 4 avril 2013 de 14h00 à 14h30 En partenariat avec Sopra Group et avec le soutien du Journal du Net Flashez moi!

2 édito Organisé par Corp Events, en partenariat avec Sopra Group et avec le soutien du Journal du Net, le Trophée de l Big Data 2013 est la première initiative de ce type organisée en France sur le Big Data : pour la première fois depuis l émergence de ce phénomène, des projets d application matures du Big Data ont été collectés et analysés par un jury de 8 professionnels, qui ont ensuite sélectionné les plus innovants et les plus performants. Au total nous avons recueilli pas moins de 43 candidatures issues de petites comme de grandes entreprises, preuve de la vitalité du Big Data en France! Le jury a statué le 25 mars dernier et les résultats seront connus le jeudi 4 avril à 14H au cœur du salon Big Data. Pour sélectionner les 3 meilleurs dossiers, 4 critères avaient été déterminés : - la nature Big Data du projet - le caractère innovant de l application - la valorisation des données - la démarche Big Data adoptée au cœur de l entreprise Nous avons également été particulièrement attentifs à la nature «projet» des dossiers : toute description pure de solution technologique n a pu être retenue dans le vote. Nous avons d ailleurs choisi de faire figurer ces candidatures dans la brochure, mais dans une rubrique séparée intitulée «Solutions». Vous retrouverez donc dans cette brochure les synthèses des dossiers reçus ; elles vous donneront un aperçu de la qualité du travail mené en France sur le sujet et vous renseigneront sur les initiatives en cours dans les différents secteurs identifiés (banque, télécom, retail, recherche scientifique, industrie, sports ). Par-dessus tout, elles vous convaincront de l intérêt d adopter des démarches Big Data en entreprise, au regard de la valorisation observée des données dans les candidatures. Nous vous souhaitons donc une bonne lecture à la découverte de l innovation Big Data en France! Blandine LAFFARGUE Conference Manager +33 (0) / blaffargue@corpevents.fr Le jury du Trophée de l Big Data 2013 Thierry BARDY, VP marketing, ORANGE Bernard BENHAMOU, Délégué aux usages de l Internet, MINISTERE CHARGE DE L ECONOMIE NUMERIQUE Yann COHEN-ADDAD, Greenplum Regional Director Europe South, EMC GREENPLUM Antoine CROCHET-DAMAIS, journaliste, JOURNAL DU NET Bruno JACQUIN, Ingénieur Chercheur, EDF R&D Christian RUETSCH, Secrétaire Général, LE CERCLE LAB Vincent TALLEPIED, Directeur Conseil, SOPRA GROUP Denis WEISS, DSI Industrie, LA POSTE Les réunions et les sessions de vote ont été présidées par Jean-Marie MESSAGER, Directeur Practice BI, SOPRA GROUP Blandine LAFFARGUE, Responsable Conférences, CORP EVENTS 2

3 Projets

4 Gaia Satellite Data Processing Challenges Jose Luis Hernández Muñoz, Gaia Operational Data and Calibration Engineer European Space Agency Intersystems, Jose Ruperez, Jose Costa, Robert Bira Gaia is a cornerstone mission of the European Space Agency to be launched towards the end of It will scan the sky for 5 years measuring with unprecedented accuracy the positions and motions of more than 1000 million stars from the Galaxy. This data will allow us to create a 3D model of the Milky Way. Gaia which will revolutionize may fields of Astronomy. The satellite will send to ground every day its observations amounting to 50 GB, this data will be processed continuously in order to asses the satellite performance. The daily processing is critical in terms of robustness and reliability as it is needed in order to adjust the instrument settings on board Gaia to meet the scientific requirements. The data sent by the external Data Processing centres will be gathered and integrated in a central repository, analysing and verifying its integrity in order to find possible flaws in the processing will be far from trivial and need significant IO demands due to the large number of records. Sometime in 2020 the final catalogue should be made available to the scientific community, the archive and data access mechanism is starting to shape now and will also be highly demanding in terms of data access. Often disentangling instrument or processing artifacts from real issues will require the execution of user provided algorithms which can discover hidden correlations within the data. Information additionnelles The trend in astronomy and other scientific fields in the last decades has been to build more sensitive and powerful instruments, larger antenas and better satellites/observatories, this has led to a huge increase in the amount of data to be processed. Simultaneously this has been compensated by the developments in in the IT Industry at the software and hardware levels. The processing of Gaia s data presents unmatched challenges in this respect and will open the road too future missions. At the end of the mission we will have of the order 100 TB of raw compressed data. The long term processing of this data involves 6 European Data Processing Centres and will be done multiple times with increasing amounts of data. The estimated size of the data processed after the 5 year mission will be in the order of 1 Pbyte and the final catalogue should be published by In order to achieve the necessary precision every factor affecting the observations needs to be modelled, this means adapting the model as we process the data in an iterative manner. The core processing implemented in Java will use over 200 million stars and their 160,000 million measurements. A direct solution is not computationally affordable due to the huge number of unknowns, instead an iterative process adjusting the stars positions, motions, satellite orientation, and calibrations has been designed and implemented. The data processing is very intense in terms of IO and many tests with different alternatives and increasing amounts of data have been performed. We will outline some of the problems found along the way. Since 2008 we have had a fruitful collaboration with Intersystems Cache which has been non-traditional in many aspects as we have had costumer-provider contacts at multiple levels (management, experts, developers), this has proven very beneficial for both parties and has lead to fast turn-around time in getting new versions, problems fixed, new features. It has also allowed us to optimize the system for our needs and obtain adequate performance without going for expensive top hardware solutions. We have now in place the core systems which will be needed to start receiving and processing the data sent by Gaia by the end of the year, so far one of the main worries in the project which was the performance and scalability of the data access rate needed for the processing has been solved. 4

5 Artimon, service de collecte et d'analyse de métriques à large échelle Matthias Herberts - Engineer Credit Mutuel Arkea Offrir un service de centralisation de métriques à caractère technique et fonctionnel permettant un suivi temps-réel et historique du fonctionnement de l entreprise. Le projet Artimon définit un format universel de métriques, les différents périmètres fonctionnels et techniques de l entreprise produisent des indicateurs (de type compteurs ou jauges) sous ce format. Ces indicateurs sont collectés toutes les minutes sur l ensemble des machines du groupe Crédit Mutuel Arkéa et remontés sur la plate-forme Big Data basée sur Hadoop. La collecte concerne entre 1 et 2 millions de métriques par minute, avec un total quotidien de collecte supérieur à 2 milliards de métriques. Ces métriques sont conservées une année minimum afin de permettre des analyses de tendances sur un cycle de 12 mois glissants. Les données d une année représentent environ 50 To pour 800 milliards de mesures. Ce projet a été initié dans les équipes techniques du groupe Crédit Mutuel Arkéa qui ont mis au point l infrastructure de collecte et de stockage. Les premières métriques collectées furent techniques (températures de machines, espaces disques disponibles, charge machine,...) et ont été utilisées pour la mise au point de fonctions d analyse de ce type de données. Ces fonctions d analyse sont capables de déclencher des alertes, permettant une réaction rapide à des situations anormales. Une fois la chaîne complète mise au point sur le périmètre des données initiales, les équipes en charge des périmètres fonctionnels (spécialistes métier et développeurs) ont été accompagnées dans l instrumentation de leurs applications et la mise au point de fonctions d analyse propres à leurs métiers. La facilité d instrumentation des applicatifs permet de rapidement disposer de métriques éclairant les métiers sur l activité de leur périmètre. Les spécialistes des différents domaines ont le sentiment de ne plus être aveugles et cantonnés à des chiffres à J+1. La disponibilité des métriques en temps réel mais également sur un historique d un an permet d envisager différentes applications. L analyse de la distribution statistique des indicateurs permet de faire de la détection d anomalie, par exemple lorsqu une machine est sur le point de tomber en panne suite à un défaut de refroidissement, ou que le volume d opérations d un certain type est atypique par rapport au volume habituellement observé le même jour sur la même plage horaire. En cas d incident, la priorité est donnée au rétablissement du service, la disponibilité des métriques sur la période précédant la survenue de l incident permet lorsque la situation est rétablie de procéder à une analyse post-mortem de l indicent et à la mise en place de mécanismes d alertes adaptés. L existence de métriques dont la signification est maîtrisée permet de mettre en place des contrats de services (SLA) basés sur des éléments objectifs. L historisation de ces métriques permet de tester différents modes de calculs des indicateurs de SLA afin de déterminer par exemple si un abaissement de seuil est ou non compatible avec la réalité de la production. Les étapes à venir pour ce projet sont l instrumentation de nouvelles applications et l exploitation des métriques produites. La disponibilité de métriques vise à centrer les processus de décisions de l entreprise autour de données objectives. Information additionnelles Ce projet s inscrit dans une démarche Big Data plus large initiées dès 2009 au sein du groupe Crédit Mutuel Arkéa. Ce projet a été réalisé par des équipes internes du Crédit Mutuel Arkéa. Les métriques mises en place et les outils les exploitant permettent d avoir une vision temps réel du comportement du parc applicatif, et ce tant du point de vue métier que technique. Il est par exemple possible de connaître chaque minute la température moyenne des machines de chaque rangée de nos datacenters, mais également le nombre et le montant des virements effectués sur les sites de banque en ligne, ventilés par devise, canal ou tout autre critère jugé utile. Les travaux sur ce projet ont débuté en 2009, le périmètre de collecte s est agrandi graduellement pour couvrir depuis fin 2012 l ensemble des serveurs du groupe Crédit Mutuel Arkéa. L utilisation d un format universel de métriques permet de ne pas avoir autant d outils de monitoring (technique ou business) que de périmètres, il en découle des possibilités d analyses croisées riches d enseignements (quel est l impact d une augmentation de température sur le comportement des bases de données et in fine sur les temps de traitements des requêtes issues des sites Web). 5

6 ICANIC : Intellectual Capital Analytics Patrick Terroir - Directeur Général Délégué CDC Propriété intellectuelle Bluestone est notre partenaire pour les travaux de modélisation statistique. Arnaud Laroche est notre directeur de mission depuis Fourniture des données et hébergement : Questel Expertise sur la vie des brevets : Marks&Clerk France L objectif est de créer un instrument de mesure de la valeur intrinsèque des brevets, fondé sur des critères objectifs et statistiques, qui s applique à l ensemble des brevets du monde. Dans un contexte où le nombre des brevets augmente de façon croissante et où les besoins d acquisition et de diffusion des inventions se multiplient, la difficulté et le coût d analyser qualitativement la valeur des brevets empêche le développement d une économie ouverte, transparente et sécurisée dans le domaine de l innovation. Cette situation pénalise notamment les PME et les organismes publics de recherche qui sont pourtant les sources majeures de l innovation. Nature et volume des données traitées : Les volumes sont considérables puisqu il s agit de traiter l ensemble des données sur les brevets contenues dans les bases des offices de propriété intellectuelle de tous les pays du monde, ce qui doit représenter selon nos estimations plus de 500 milliards d octets. Les types de données traitées sont en outre très hétérogènes tant dans leur contenu (texte, chiffres, dates, dessins, étapes de procédure), que dans leur forme (notamment plusieurs langues, dont à l avenir les écritures asiatiques), et dans leur support (flux XML, document pdf ). Ces informations doivent être renouvelées en permanence, compte tenu du flux d entrée des nouveaux brevets. Les brevets sont jusqu à présent considérés comme ne pouvant relever que d appréciation d expert et le projet de traiter les brevets comme des données qu il est possible de traiter statistiquement pour en tirer du sens constitue une révolution dans cet univers. L augmentation du nombre de brevets et le poids croissant de leur valeur économique rend indispensable la création d un outil technologique qui permette de donner à tout moment et pour tous les brevets une expression synthétique de leur valeur. Icanic est un instrument destiné aux entreprises, notamment aux PME, aux investisseurs financiers, aux analystes économiques, et il constitue plus généralement un outil de base pour la valorisation des actifs de l économie de la connaissance. La valorisation commerciale d Icanic s effectuera de trois manières : - par son utilisation par les entreprises et leurs interlocuteurs financiers, auxquels il donnera le moyen d évaluer objectivement la valeur d un portefeuille de brevets ; la distribution en direction de ces clients sera assurée par les principaux éditeurs de base de données brevets (Questel, Thomson Reuters...) ; - en direction des investisseurs financiers par la création d indices boursiers de type «CAC 40» qui permettront d identifier la performance des entreprises inventives et de diriger l épargne vers elles. La mise en œuvre sera effectuée par des gestionnaires de marché comme Euronext ou FTSE. - L intégration des notes dans les analyses vendues par des agences de notation sociale. L analyse de la capacité d innovation des entreprises est un complément naturel aux analyses existantes de ces agences, telles que Vigeo. Le schéma suivant résume la valorisation escomptée de l outil : Description des traitements opérés sur les données : Mise en place de web-crawlers et de flux XML permettant d industrialiser la récupération en temps réel des informations brevets (évènements de procédures, textes, citations) Mise en place d une architecture de stockage et d une architecture de calcul / ré-estimation de scores temps réel en environnement Big Data (choix d architecture en cours) Analyse de type text-mining sur les textes de brevets permettant de créer des données qualifiantes structurées à partir de données non structurées (domaine technologique d application, obsolescence de la technologie ) Croisement des données qualifiantes du brevet avec les données administratives et de citations, pour créer un environnement d informations extrêmement riche sur les brevets Mise en place de modèles statistiques de durée de vie, permettant d estimer la durée de vie résiduelle d un brevet en fonction de ses caractéristiques intrinsèques (proxy de la valeur) Développement de web services de restitution des données (en cours) Finalisation et lancement commercial de la V1 pour fin La prochaine étape sera d étendre la capacité de notation aux brevets américains et asiatiques. Ressources et calendrier : Depuis le lancement des développements en 2010 à la finalisation de la V1, fin 2013, CDC PI aura investi près de 2M. Le prototype a été testé avec succès auprès de 5 grands industriels en Schéma d architecture : 6

7 ELLICIBLE Bernard Simon - Responsable Marketing Data Solutions COFACE SERVICES Partream GMBH Peter Livaudais, Sr. Director Solutions Agrégeant des milliards de données issues des meilleures sources publiques, privées et collaboratives, Coface Services propose la base de données la plus riche en information sur les entreprises françaises. Pour répondre aux évolutions technologiques et à la demande du «realtime marketing» où l information produite n est plus segmentée en silos fonctionnels mais selon les usages de la cible, Coface Services a entrepris la refonte de son offre «Solutions Data». Lancée le 20 mars 2013, est une plateforme marketing direct «big data» en temps réel et à haut débit. Sa vocation est de cibler, trier, ventiler, explorer, segmenter, surveiller et extraire des populations d entreprises dans un espace multidimensionnel de plusieurs dizaines de milliards de données. En quelques clics sur des critères descriptifs, les clients gèrent de manière autonome leurs opérations de marketing direct et de surveillance autour de groupes homogènes en fonction de segments identifiés. Issue d une analyse marché intégrant des phases intensives de R&D autour de retours d expérience (anciens projets, prototypes et maquettages), Ellicible est une offre internet disponible en temps réel et accessible pour l utilisateur en toute autonomie. Sa vocation est de cibler, trier, ventiler, surveiller et extraire des populations d entreprises de plusieurs dizaines de milliards de données. Ellicible intègre le moteur «big data analytics» de ParStream GmbH. Elle transforme le concept de ciblage et comptage haut débit temps réel en réalité opérationnelle sur des données volumineuses. Ce moteur repose sur une approche innovante d index compressés à très hautes performances couplée à un traitement parallèle de requêtes. Cette mécanique permet l accès aux données à haut débit et à très faible latence. C est ainsi que sous une faible empreinte énergétique et matérielle des milliers de requêtes sont traitées sur de très fortes volumétries d informations (milliards de données) en temps réel (millisecondes). Avec cette technologie novatrice associée à ses solutions métiers, Coface Services a su surmonter les problématiques techniques traditionnelles des bases de données. Ellicible s affranchit de l UX «essai-erreur» et de la gestion des tâches complexes et asynchrones tout en maintenant une très forte réactivité data avec de faibles ressources. Ces performances comparées aux technologies traditionnelles, ou même avec NoSql, bouleversent les usages de la profession du marketing direct habituée à des temps de calcul et d affichage importants avant d avoir le résultat d un ciblage. Avec par une interface d utilisation simple et multicritères, le marketing direct rentre dans l ère du temps réel et de la simplification d accès aux données B2B. Ellicible s appuie sur une technologie européenne novatrice et apporte la commodité du «search» grand public au poste de travail du professionnel en marketing direct. Dans les sélections, elle rend la donnée accessible immédiatement et élimine les temps de latence dans l affichage des résultats. Exprimé d une autre manière, l application utilisant le moteur de ParStream réalise à grande échelle un «facetted search» sur plus d une centaine de dimensions en temps réel. L outil associe à cette technique novatrice une politique d intégration de nouvelles sources partenaires visant des données riches et volumineuses tant nationales ou internationales que métiers. La combinaison «technique» et «données» permet de répondre aux nouveaux usages et demandes de nos clients à la recherche de performances permettant de cibler le plus juste et le plus rapidement possible leurs clients potentiels. Ellicible permet de traiter des milliers de requêtes à très forte volumétrie d informations (milliards de données) en temps réel (millisecondes). L utilisateur, à travers la combinaison de multiples critères, compte de manière instantanée des potentiels au fur et mesure de l élaboration de ces stratégies et identifie des entreprises. Le rôle d Ellicible est de construire des groupes homogènes pour mettre en place des opérations de marketing direct différenciées en fonction de segments identifiés. Réel projet d entreprise associant tant la direction générale que les experts métier et les marketeurs, l objectif de est de créer avec cette technologie innovante unique sur son marché de nouvelles opportunités de développement en «Solutions Data». Dans les étapes à venir pour accompagner les besoins utilisateurs, sera associée à cet outil une politique d intégration de données complémentaires avec la possibilité de recherche textuelle. 7

8 Tableau de bord des Territoires François Bancilhon - PDG DATA PUBLICA F. Lainée, PDG CetaData Proposer aux utilisateurs une base de données toujours à jour de l ensemble des données de description (démographiques, économiques, immobilier, activité, mobilité, ) des territoires (bassin d emplois, communes, ) Les données sont issues de toutes les sources publiques accessibles en ligne et susceptibles de contribuer au portrait des territoires. Le volume est d abord dimensionné par le nombre de territoires, de l ordre de , et quelques dizaines/ centaines de données par territoire. Ces données sont chacune rafraîchies une ou plusieurs fois par an, ce qui fait de la mise à jour automatique une difficulté significative du projet. Ce projet est déployé, les données étant d ores et déjà accessibles pour les clients de Data Publica. L innovation du projet tient à (i) la mise à disposition de l ensemble des données structurée selon la dimension géographique, (ii) la mise à jour automatique et permanente et (iii) la disponibilité en ligne customisée au besoin du client, en terme de géographie et de dimensions de contenu. Data Publica est «développeur de jeux de données», c est-à-dire qu il produit des jeux de données pour ses clients. Pour cette production, Data Publica identifie les sources, extrait les données brutes des sources, transforme les données brutes en données structurées et livre ses données, sous forme de flux ou de visualisation. Ces jeux de données sont produits sur mesure (le client spécifie ses besoins et Data Publica produit le jeu de données suivant ses spécifications) ou sur étagère (Data Publica définit et produit le jeu de données après une analyse des besoins du marché). Les jeux de données sont livrés en DaaS (Data as a Service) et facturés sous forme d abonnement (un jeu de données est un objet vivant mis à jour en permanence). 8

9 Domirama, un outil d'exploration des historiques de comptes au service de nos clients Matthias Herberts Engineer CREDIT MUTUEL ARKEA L objectif de ce projet est la création d un outil permettant à nos sociétaires et clients d effectuer des recherches sur l historique des opérations réalisées sur leurs comptes bancaires et d enrichir ces historiques par des métadonnées personnalisées. Les données manipulées dans le cadre de ce projet sont constituées de l ensemble des mouvements bancaires de nos clients depuis mai La date retenue correspond au moment où les opérations en francs ne représentaient plus qu une part infime du flux, et ce afin d éviter d avoir à gérer une approche multi-devises. Ces données représentent environ 5 milliards d enregistrements pour un volume légèrement inférieur à 3To. Le rythme de croissance est de l ordre de 500M d enregistrements annuels sur le périmètre actuel. Ce projet est l un des premiers s appuyant sur la plate-forme Big Data basée sur Hadoop mise en place dès 2009 au Crédit Mutuel Arkéa. Il est issu d un travail conjoint entre les équipes en charge du périmètre banque à distance pour les aspects restitution, les équipes des différents métiers (comptes à vue, livrets, cartes, SEPA) pour la fourniture des données, et l équipe Big Data/Hadoop pour la mise au point du moteur de recherche. L aspect le plus novateur est de redonner la maîtrise de leurs opérations à nos sociétaires et clients, et ce sur une profondeur d historique sans équivalent puisque nos concurrents se limitent généralement dans le meilleur des cas à 12 mois d historique. La possibilité d effectuer des recherches en temps réel sur l historique de leurs opérations permet à nos clients d appréhender la gestion de leurs finances dans d excellentes conditions. Les évolutions visant à enrichir les opérations de métadonnées seront sources de création de valeur supplémentaire. Informations supplémentaires Ce projet s inscrit dans une démarche Big Data plus large visant à valoriser le patrimoine données du groupe Crédit Mutuel Arkéa. Ce projet a été réalisé par des équipes internes du Crédit Mutuel Arkéa, garantissant au groupe l exclusivité de la maîtrise des technologies mises en œuvre, gage d avantage concurrentiel durable. Les données sont stockées dans HBase, permettant un accès en tempsréel à celles-ci. Le moteur de recherche est optimisé pour n indexer les opérations qu à la demande, offrant ainsi des performances élevées. Une recherche complexe sur près de 12 années d historique s effectue dans 90% des cas en moins de 500ms. Les recherches peuvent se faire sur des critères de dates, de montants, de choix de comptes mais également sur les libellés des opérations. Les débits et crédits cumulés des résultats de recherche sont restitués conjointement avec les opérations qui répondent aux critères de sélection. Il est ainsi possible par exemple d obtenir immédiatement le montant des salaires ou prestations d assurance maladie perçus sur une période, les montants dépensés en assurance, impôts, téléphonie mobile, chez des e-commerçants ou dans la grande distribution. Ces recherches peuvent être effectuées sur différentes périodes pour les comparer. Les opérations peuvent être annotées afin de simuler le pointage des comptes. Il est envisagé à l avenir de permettre l ajout d URLs, d une localisation géographique, d un commentaire, voire d une note se rapportant à chaque opération. Ce service est en production depuis fin 2011 pour nos sociétaires et clients des fédérations du Crédit Mutuel de Bretagne, du Sud-Ouest et du Massif-Central, de Fortunéo ainsi que de la Banque Privée Européenne. 9

10 BIG DATA GETS PERSONAL Hannah Whittall Directrice Coms & Media DUNNHUMBY France Monoprix Stéphanie Guillonneau Directrice Fidélité - Récompenser les clients les plus fidèles de l enseigne avec des offres personnalisées - Créer une occasion supplémentaire de venir en magasin - Exploiter et valoriser l intégralité des données de transactions - Améliorer le retour sur investissement du programme de Fidélité Informations supplémentaires L équipe dédiée chez dunnhumby est composée de : - 1 Project Manager pour adapter l outil Media Centre pour la base de données Monoprix - 1 Data Manager - 1 Analyste pour sélectionner les clients éligibles pour les offres proposés - 1 Campaign Manager pour organiser et coordonner la mise en place du ciblage Chez Monoprix le projet était mené par l équipe Fidélité avec deux personnes dédiées à la mise en place opérationnelle. La conception et création du mailing était mené par l agence Rosa Parks. Nous avons créé avec Monoprix un rendez-vous mensuel dédié aux clients les plus Fidèles pour les récompenser avec des offres personnalisées sur leurs marques et rayons préférés. L exploitation des big data nous permet de personnaliser un mailing intégrant 8 coupons envoyé à environ clients par mois. En relation avec les marques nous constituons au fil de l année une banque de coupons. Pendant la phase de préparation du mailing, nous entrons les offres disponibles dans un outil propre à dunnhumby. L algorithme d allocation intégré à cet outil a été développé grâce à l expérience Tesco en Angleterre et Kroger aux Etats Unis. Il permet parmi des millions de possibilités de sélectionner la combinaison d offres la plus pertinente pour chaque client en regard de son comportement d achat. Le niveau de récompense des offres peut lui aussi être personnalisé selon sa fidélité à l enseigne. Plus de 33 millions de transactions des clients les plus Fidèles à Monoprix sur tous les formats (y compris le site marchand) ont été analysées, représentant environ 350 millions articles achetés. Cet outil d allocation d offres et de contenus au niveau client permet une véritable personnalisation de la communication. Il est capable de traiter cette énorme quantité de données : en moins d une heure les offres sont allouées parmi les milliers de possibilités. Plus de 80% des clients ciblés reçoit une version unique de ce mailing La personnalisation des offres a permis de doubler le taux de retour des coupons par rapport à des coupons non personnalisés. Ce premier mailing personnalisé a été envoyé à partir de février Au fur et mesure que les mailings ont été reçus par les clients et analysés en terme de performance, le ciblage des clients a été optimisé pour privilégier les clients les plus appétant à ce type d offre. Ceci a également permis de développer des supports pour les clients sensibles à d autres canaux de communication tels que les s et les coupons caisse. Nous pouvons ainsi optimiser chaque point de contact avec le client. 10

11 ECO2DATA François Cazor Président Kpler SAS Répondre aux impératifs d accès à l information dans un marché réglementé en croissance et décentralisé. Permettre aux acteurs du marché de la finance environnementale d avoir accès à un niveau de transparence et de traçabilité du niveau d un marché mature alors que le marché est encore très jeune. Le but du projet est de construire un tableau de bord temps réel qui centralise toutes les informations relatives aux projets de réduction de gaz à effet de serres qui génèrent des crédits carbones. Ces projets sont jusqu ici la meilleure arme mis en place au niveau international contre la menace du réchauffement climatique et constituent à ce titre un enjeu décisif. Ces projets sont répartis à travers le monde et obtiennent chaque jour 1 crédit pour chaque tonne de CO2 économisée. Un projet prend de 18 à 36 mois à se concrétiser. Il est soutenu par un conglomérat très vaste d acteurs privés et publics et est évalué par des organismes externes tout au long de sa vie qui peut durer plus de 20 ans. eco2data est à ce jour la plus grande base de données sur le marché du carbone. Elle innove dans la mesure ou les données sont récupérées systématiquement et ce en temps réel là ou nos concurrent reposent essentiellement sur un traitement manuel des données. Cet aspect de la plateforme nous permet de proposer des services inédits comme celui des «eco2data alerts» qui permettent à nos clients de recevoir des alertes s dés qu un de leur portefeuille environnemental connait un changement. L une des principales valorisation de la donnée est le fait de travailler sur les données non structurées pour recontruire à la volée le portefeuille de n importe quel acteur du marché. Ainsi «BNP», «BNP Aribitrage», «Banque Nationale de Paris» ou encore «BNP, SA» sont automatiquement aggrégé en un seul participant et permet à nos clients d accéder à un niveau de transparence inégalé jusqu ici. Nous travaillons actuellement sur 2 axes : Extension de la plateforme au domaine de la foret. La foret est le poumon de notre planète car elle stocke naturellement le CO2. Des projets d investissements de taille massive sont pour l instant bloqués car il n existe pas à ce jour d outil de suivi d un investissement forestier à grande échelle sous l égide des normes internationales de l ONU. Nous sommes associés à une entreprise franco-allemande du secteur de la défense et qui posséde un réseau satellitaire de premier plan pour connecter les données satelitaires à notre outil et proposer «eco2data Forest» afin de combattre la problématique de la deforrestation et plus généralement de la conservation de la foret. Nouvelle plateforme sur le marché du Gas Naturel Liquéfié (LNG). Nous appliquons actuellement notre technologie propriétaire au marché du LNG qui connait une croissance rapide et pour lequel il existe les mêmes problématiques de suivi de l activité du marché et de monitoring des acteurs que sur nos précédentes réalisations. En détournant l usage initial des balises de positionnement AIS contenues dans chaque navire on créé une carte interactive et temps réel de l acheminement des volumes de LNG actuellement en transit à travers le monde. 11

12 Artémis : «De la logique du service public à la logique de rendre le service au public» Daniel Aubaret Directeur Marketing EFFIA SYNERGIES «campagnes multicanaux sur mesure : rendre le service au public» Pour cela, générer des campagnes multicanaux qui ont pour objectifs : > De cibler : le ciblage est le facteur clés de succès d une campagne de communication réussie : quel client? Sur quel sujet? Avec quel discours? Avec quel canal de contact (Téléphone, SMS, )? > De fidéliser : En identifiant les bons clients et en les remerciant (Opération de parrainage). En identifiant les clients en phase d abandon (Relance commerciale et analyse des causes). > De prospecter : Avec une meilleure connaissance de client, il est plus facile de créer le profil type et de rechercher les jumeaux (Bases de données scorées : Par zone géographique, données sociologiques et données comportementales). > D informer en mode sur mesure : En fonction de la nature des perturbations (Exemple : Travaux), des zones géographiques impactées et des statuts des clients (Exemple : Personnes à mobilité réduite). > De créer du ROI sur les campagnes : L ing permet le déploiement d une stratégie de «tracking» avec : taux d ouverture, liste des ouvreurs et taux de rebond. La solution proposée couvre l ensemble du protocole décisionnel de traitement de la donnée avec trois briques fonctionnelles :. Brique 1 : Collecter : cette brique est au cœur de la donnée, l objectif est simple, une donnée active, propre et juste. Pour cela : auditer, redresser, enrichir et fiabiliser.. Brique 2 : Comprendre pour mieux cibler : avec un outil d aide à la décision sur l analyse de la performance commerciale construit sur le principe du géo-référencement de l individu : 1 point = 1 client.. Brique 3 : Agir : par des campagnes multicanaux ciblées pour fidéliser les clients. Prospecter : «Changer vos habitudes de mobilité au moins une fois dans l année», avec une meilleure connaissance client, la recherche des «jumeaux» par le scoring des données est plus efficace. Pour l année 2013 les perspectives sur la big data sont nombreuses :. Industrialisation de l application destinée à l aide à la décision,. Intégration des données clients complémentaires,. Intégration d une couche de données relatives aux potentiels de marchés : par communes et par Iris.. Enrichissement des tableaux de bord : part de marché modale, taux de pénétration mobilité, identification des zones potentielles de développement. 12

13 Roland-Garros SlamTracker Alex Loth DSI Roland-Garros Fédération Française de Tennis IBM France Claire Herrenschmidt Le Roland-Garros SlamTracker développé par IBM permet de fournir aux fans de tennis une information complète et précise sur le déroulement des matchs à Roland-Garros, avec notamment l utilisation de l analyse prédictive pour déterminer les clés du match : 3 critères définis en début de match, sur la base des données complètes des tournois du Grand Chelem. Avec plus de 41 millions de points collectés lors des 8 dernières années de Grand Chelem, la Fédération Française de Tennis et IBM disposent d un historique colossal sur les scores détaillés des matchs. Et les joueurs de tennis se rencontrent fréquemment lors des tournois, ils ont déjà joué les uns contre les autres. L analyse poussée de leurs scores a permis de montrer que chacun a un comportement assez prévisible et un style de jeu, en fonction de son adversaire. Ces scores, couplés avec la solution d analyse prédictive IBM Smarter Analytics (SPSS Modeler) permettent de définir les critères clés que chaque joueur doit atteindre pour maximiser ses chances de gagner. Le système va choisir les 3 critères les plus pertinents par joueur parmi une cinquantaine de possibilités. Chaque joueur n aura pas forcément les mêmes critères que son adversaire. L équipe IBM d Atlanta a mis à la disposition de la FFT les données collectées depuis des années et ses compétences «Big Data Analytics au service du Tennis» pour aboutir à cette solution des clés du match. Ces clés sont calculées et mises à disposition des internautes sur le site officiel, puis le taux de réalisation de la clé est mis à jour en temps réel au fur et à mesure du déroulement du match. Avec le Slamtracker, «les données prennent vie» les clés du match permettent d utiliser de façon intelligente tous les scores passés et de leur donner un sens pour mieux anticiper le match qui va se jouer et comprendre les points forts de chaque adversaire la courbe de dynamique donnent une vision temps réel de l ascendant des joueurs, avec visualisation graphique de chaque type de point en fonction du temps les statistiques mises à jour en temps réel permettent de mieux comprendre les éléments clés du match en comparant les adversaires. La démarche Big data continue à la FFT. Au delà de l analyse prédictive utilisée dans le SlamTracker dans le contexte des matchs, des analyses des médias sociaux sont conduites durant la durée du turnoi pour étudier les flux d intérêt qui font lumière au cours du tournoi, tant au niveau des joueurs, qu au niveau de l environnement et de l organisation du tournoi. Informations Supplémentaires L analyse prédictive appliquée à Roland-Garros a permis d utiliser de nombreuses informations des matchs passés pour déterminer des styles de joueurs et mieux analyser les comportements. Les critères sont classés par type : - offensifs - défensifs - endurance - style L outil est sans cesse affiné pour devenir plus pertinent. On voit que si un joueur atteint ses 3 clés et l autre aucune clé, dans 98% des cas, le gagnant est celui qui a atteint ses 3 clés. Des statistiques assez poussées existent maintenant sur la fiabilité du modèle. La finale Nadal-Djokovic de Roland-Garros 2012 est assez parlante car Nadal a gagné, en atteignant ses clés à moins de 1% près! Djokovic n a atteint qu une seule clé mais n était pas si loin des 2 autres. Le projet a été testé lors de l édition 2011 de Roland-Garros puis lancé à Wimbledon, utilisé à l US Open et pendant l Australian Open. Lors de l annonce officielle pour l édition 2012 de Roland-Garros, la FFT a donc bénéficié d une solution déjà bien testée et éprouvée sur les autres tournois. Les clés du Match sont mis à disposition des joueurs et de leurs équipes mais également depuis 2012 sur le site web public de Roland Garros afin de permettre à chaque spectateur d enrichir son expérience du match en bénéficiant des informations supplémentaires mises à sa disposition, et en permettant de suivre leur évolution au cours du match, par une mise à jour en temps réel des indicateurs. L aspect innovant de ce projet consiste à mettre à la disposition des joueurs mais également des spectateurs une solution habituellement développée pour aider les entreprises à mieux prévoir leurs ventes, les niveaux de stocks nécessaires, l efficacité des campagnes de promotion, Jamais les fans de tennis, les journalistes, les coachs n ont eu autant de données à leur disposition pour analyser le match en cours en utilisant des informations des précédents matchs des joueurs concernés. Toutes ces informations sont disponibles sur le site Officiel du tournoi. L internaute peut interagir avec le SlamTracker et choisir de visualiser les points qui l intéresse : aces, points gagnés, doubles fautes, fautes directes, montées au filet.. et tout en temps réel. 13

14 Search Analytics Lan Anh VU HONG Responsable Marketing 55 SAS PagesJaunes informations supplémentaires Cette mission constitue un excellent exemple de ce que l Analytics peut apporter aux organisations, à condition d y construire la bonne architecture de données, ce qui permet de développer ensuite des applications adaptées pour améliorer la performance. Améliorer la pertinence du moteur de recherche de PagesJaunes. du projet : La catégorisation des requêtes est cruciale pour la pertinence des résultats affichés par PagesJaunes. Si un visiteur tape «acacias, Toulouse», on peut penser qu il veut acheter des acacias. Cela signifie qu on catégorise «acacias» en objet («Quoi?»). Et si l utilisateur cherchait en fait l adresse d un restaurant appelé «Les Acacias» à Toulouse? Il faut comprendre «Les Acacias» comme le nom d une entreprise («Qui?»). Dans un cas, la réponse attendue est une liste de pépinières, dans l autre, l adresse d un restaurant bien identifié. La correction des requêtes mal catégorisées est un enjeu majeur pour l annuaire, et pour les professionnels répertoriés, puisque 74 % des recherches effectuées sur PagesJaunes.fr aboutissent à un contact professionnel physique. La mission de fifty-five était d exploiter les données de webanalyse de PagesJaunes pour établir un modèle de prédiction permettant d automatiser la détection de requêtes mal catégorisées. S appuyant sur l analyse de 3 terabytes de logs de webanalyse et des dernières technologies de big data et de machine learning, l équipe de fifty-five, composée d ingénieurs, de data scientists et de spécialistes de datavisualisation, a amélioré d un facteur 10 le ciblage des catégories mal catégorisées. La mission s est déroulée en 3 étapes : collecte, traitement, puis visualisation de la donnée. Après la mise en place d un Data Management Platform (DMP) pour structurer la donnée, fifty-five a élaboré un modèle de machine learning calculant un score de prédiction. L équipe a ensuite créé une interface interactive dédiée pour rendre lisible l intelligence extraite de l analyse des données. Aspect Novateur du projet dans les métiers et/ou dans les usages: L exploitation des données de webanalyse permet à PagesJaunes d améliorer en continu, de façon automatique et collaborative (donc à moindre coût) la pertinence de son moteur. Valorisation observée de la donnée: La précision du ciblage des requêtes mal catégorisées a augmenté d un facteur 10. PROCHAINES Etapes Le modèle de prédiction et la méthodologie élaborés pour cette mission sont en cours d internalisation et d intégration dans les process métiers. Les applications potentiellement dérivées de cette mission sont multiples. L architecture mise en place permet par exemple d envisager une personnalisation des résultats, une évolution du système de monétisation de PagesJaunes (fondée sur le taux de clic, etc) ou encore la prise en compte de nouveaux critères pour le classement des blocsréponses. 14

15 DEUS Observatoire de Paris Jean-Michel Alimi GENCI Stéphane Requena Réaliser sur un des plus grands supercalculateurs au monde, le premier calcul de la formation des structures cosmiques dans TOUT l Univers observable du Big-bang à aujourd hui pour trois modèles d énergie noire, mystérieuse composante représentant plus de 70% du contenu énergétique de l Univers et moteur de son expansion accélérée. Chacune des simulations a permis de suivre l évolution gravitationnelle de 550 milliards de particules sur plus de 2500 milliards de points de calcul avec une résolution spatiale de la taille de la Voie Lactée à celle de l Univers observable. Les 150 Poctets de données générées durant les calculs ont été finalement réduites à 1.5 Poctets grâce à une procédure innovante et performante de traitement de données indispensables pour un tel projet. Pour la première fois nous disposons de la distribution de matière dans TOUT l Univers observable semblable à celle qui pourrait être observée par les télescopes et nous y reconnaissons les structures cosmiques en formation tout au long de l histoire de notre Univers. Le projet DEUS a pour la première fois disposé de l infrastructure, capable de charger en mémoire TOUT l Univers observable et permettre des simulations dans des temps de calcul satisfaisants et, surtout, capable de stocker et de post traiter à la volée à un débit soutenu de 50Go/s plus de 150 péta octets de données réduits à un volume final utile et acceptable de 1.5 péta octets. Tous les aspects du calcul haute performance ont été sollicités durant ce défi numérique et les performances atteintes par notre application sont une première pour un code en production en astrophysique et plus généralement pour le calcul haute performance. Les données résultant du projet DEUS sont à la disposition de la communauté scientifique internationale. Elles constituent un support exceptionnel aux grands projets observationnels des agences spatiales ESA et NASA comme le satellite européen Planck dont les résultats seront prochainement publiques et le futur télescope spatial Euclid lancé en PROCHAINES Etapes Les mécanismes de délégation des entrées/sorties réalisés par le projet DEUS seront ré-utilisées pour des applications comme l évolution du climat, la fusion par confinement magnétique (ITER) ou la combustion. Une autre option consistera à évaluer des approches type Map/Reduce sur des données scientifiques complexes, en utilisant des systèmes de fichiers parallèle Lustre ou GPFS avec des réseaux Infiniband. 15

16 Wikidump Labs Ingensi Développé dans les Labs Ingensi, le projet Wikidump a pour objectif de démontrer comment intégrer et exploiter de nouvelles sources de données pour sensibiliser les professionnels et les étudiants aux enjeux des Big Data. L application est structurée autour des trois concepts qui, à nos yeux, expriment le mieux le potentiel des Big Data : La «datavisualization» qui est l art de représenter les données. Le «NoSQL» pour l exploitation de sources de données en «temps-réel». Le «machine-learning» pour la compréhension des relations entre les données. L application nous a permis de déterminer quelque uns des facteurs influençant les consultations de la page d un de nos partenaires. Même si ces données ne concernent que Wikipedia, elles sont un outil supplémentaire dans une analyse plus approfondie, en corrélation avec les données internes d une entreprise. Finalement, cette application met en avant l apport de la technologie Hadoop dans les organisations. Il est aujourd hui possible de découvrir de nouveaux «signaux faibles». Les trouver, et les comprendre, permet de mieux appréhender notre environnement, et ainsi comprendre les facteurs de réussite ou d échec d un projet. Wikidump exploite les données issues de l encyclopédie Wikipedia. Cela représente plus de 18 To de données, 6 millions d articles HTML, 5 années d historique et plus de 20 langues. Au travers d une application web et tactile, Wikidump permet de consulter le top 50 des articles les plus populaires par jour, par heure et par langue. Il est également possible, pour chacune de ces pages, de connaître l évolution du nombre de ces visites sur une période de temps (2 semaines, 1 journée, de date à date, etc.). Pour finir, une fonction vient enrichir chacun des articles en proposant une liste d articles liés soit par le sens (en fonction de son contenu) soit par leur évolution (articles Wikipedia possédant des courbes de visites semblables). 16

17 Distributed e-commerce : bringing online shops to high-traffic content websites Jerome SAS Groupe SEB François-Xavier Meyer Groupe CASINO Patrick Garrel Amener des magasins en ligne directement dans des sites de contenu Nous créons un lien entre le monde du contenu et de l achat, en développant une gamme d interfaces qui permettent d apporter des magasins en ligne directement dans des sites de contenu, dans des formats reprenant les codes de la publicité en ligne classique. Grâce à une analyse sémantique, nous affichons au sein de cette interface des produits parfaitement qualifiés, afin de permettre à un utilisateur de commencer ou de compléter un panier sans même quitter la page. Nous avons lancé en Décembre 2012 dans le domaine de l alimentaire, en apportant des supermarchés en ligne (CasinoExpress, CasinoDrive, MesCoursesCasino, Mon-Marché) dans des sites culinaires (l AtelierDesChefs, C vous, blogs, forums) Cette application ouvre les portes d un nouveau marché : l échange de données qualifiées et sémantisées entre le monde du contenu et de l achat, qui jusqu ici ne se parlaient que par bannières agressives interposées. A l inverse, nous tâchons de reproduire un maximum de l expérience utilisateur d un magasin, directement dans la page d origine. Là où la plupart des usages BigData se contentent de chercher de vagues corrélations dans des volumes de données importantes, l originalité de notre approche est de privilégier une compréhension profonde et sémantique de données complexes et intriquées. Nos interfaces sont non-intrusives, parfaitement qualifiées et apportent un service supplémentaire à la page qui les héberge, ce qui nous permet d atteindre des taux de clics absolument stupéfiants, signe d un nouveau vecteur d acquisition de clients et de monétisation du contenu. Notre réseau de partenaires s étend tous les mois, aussi bien en termes de magasins en ligne que d éditeurs. Informations supplémentaires 17

18 OREST TAE LA POSTE COURRIER DASSAULT SYSTEM SOPRA GROUP Outil de suivi de production industriel du traitement des enveloppes (collecte, tri et distribution des objets postaux), basé sur un moteur d indexation CloudView L aspect le plus novateur est la possibilité de visualiser au niveau le plus fin les traitements en anomalies, jusqu à l image du pli. Cette fonction est rendue possible grâce au stockage unitaire des documents, aux performances exceptionnelles de comptages de l outil, mais aussi à l utilisation de standard au sein du SI Industriel (WebService REST) permettant les interconnexions transparentes et temps réels entre les sources de données. Contribution majeure à l amélioration de la performance des sites et du service client. Complément et bientôt remplacement des approches statistiques historiques. Le processus de recette du système s est appuyé sur plusieurs corrélations entre les mesures statistiques et l approche unitaire mise en œuvre et a montré la cohérence des agrégats (les seuls accessibles aux méthodes historiques). Le système a montré toute sa force dans un passage instantané des indicateurs aux événements unitaires. Par la simplicité d accès à l information et donc l usage du système par les acteurs opérationnels, le même passage instantané se fait du constat macro au plan d action détaillé : les problèmes identifiés sont en effet illustrés par des exemples concrets disponibles immédiatement. 18

19 Application à la gestion des capacités d un système d information industriel Michel Lutz Doctorant CIFRE Les managers de STMicroelectronics manquent d outils analytiques pour mieux piloter leur Système d Information (SI). Pourtant, de nombreuses données générées par le SI, automatiquement collectées (activité hardware, software, etc.), sont disponibles. Ces données sont sous-exploitées. Nous cherchons à en faire meilleur usage, pour faciliter la prise de décision chez STMicroelectronics. Principalement, nous visons à améliorer la gestion des capacités de l infrastructure technologique du SI. Le projet s est déroulé en trois grandes étapes. 1. Identification des besoins des besoins décisionnels. Face à la quantité de données et aux nombreux problèmes décisionnels que peuvent poser la gestion des capacités, il faut être capable de préciser très clairement ce que l on attend des méthodes analytiques. Pour cela, une enquête méthodique et structurée est réalisée. Deux besoins sont mis en exergue : - Les managers ont besoin de modèles de prévision, permettant de prédire l utilisation des ressources informatiques en fonction de variables stratégiques caractéristiques de l activité de l usine. - Les managers ont besoin de méthodes robustes de maîtrise statistique des procédés, pour contrôler automatiquement l activité du SI (détection de comportements anormaux). 2. Constitution de solutions analytiques ad hoc, intégrées dans les processus organisationnels. Pour répondre à ces besoins, on s appuie sur les données générées par le SI, automatiquement collectées (activité hardware, software, etc.) dans une base de données appelée «base de performance» de plusieurs dizaines de To, ainsi que sur les nombreuses bases de données métier disponibles (même ordre de grandeur). Une démarche structurée est définie. D une part, elle vise à intégrer les acteurs de l organisation, pour assurer l ancrage des méthodes analytiques dans leur activité quotidienne (interprétation des variables, des modèles, compréhension des méthodes mises en œuvre). D autre part, elle vise à identifier les méthodes statistiques destinée à exploiter les données : - Concernant les modèles de prévision (exemple : figure 1) : un processus de modélisation complet est défini. Il permet 1) d explorer les bases de données (statistiques descriptives et exploratoires) ; 2) de réaliser des modèles prédictifs (statistiques inférentielles et confirmatoires) ; 3) de mettre sous contrôle la stabilité structurelle des modèles (statistiques confirmatoires). - Concernant les méthodes robustes de maîtrise statistique des procédés, une méthode à base de lissage Holt-Winters robuste, tenant compte des changements structurels et du cadre multivarié d application a été définie. croissant vers l analyse de données). - Conception et déploiement de méthodes analytiques, pour les activités supports d un site de production de semi-conducteur, pratique encore peu répandue. - Définition d un processus complet d intégration des méthodes analytiques dans le cadre des activités de l organisation (identification des besoins décisionnels et participation des acteurs). Les objectifs de ce processus, nommé «processus socio-statistique d aide à la décision», sont illustrés par la figure 3. Les données auparavant largement sous-exploitées, sont désormais pleinement intégrées dans les processus de prise de décision des managers de STMicroelectronics. - Amélioration des méthodes quantitatives employées : applicabilité à des plus larges volumes de données, utilisation en temps réel, automatisation de la constitution des modèles de prévision, etc. - La base de performance est une base Oracle, alimentée par un mécanisme de parsing des fichiers de log du SI. A terme, ces fichiers pourraient directement être exploités (process mining). - Les développements proposés pourraient être directement intégrés dans un système de support à la décision, qui favoriserait les synergies entre analyses statistiques et gestion des connaissances organisationnelles. Informations supplémentaires Un enseignement important de ce projet a été de comprendre que, si les aspects techniques et quantitatifs du déploiement de méthodes analytiques sont importants, ils ne peuvent aboutir à des résultats opérationnels et pérennes qu à condition d avoir préalablement analysé leur contexte organisationnel et humain d application. Il sera par ailleurs présenté dans le cadre d une thèse de doctorat pour obtenir le grade de docteur de l Ecole Nationale Supérieure des Mines de Saint-Etienne. Cette thèse, intitulée «METHODES SOCIO- STATISTIQUES POUR L AIDE A LA DECISION EN MILIEU INDUSTRIEL - Application à la gestion des capacités d un système d information en industrie micro-électronique» sera soutenue le 14 mai 2013 à Saint- Etienne. 3. Déploiement. Pour l instant, les solutions industrielles suivantes sont opérationnelles chez STMicroelectronics : - Scripts R d analyse manuelle de la base de données pour la constitution de modèles de prévision. - Logiciel de contrôle automatique de la stabilité structurelle des modèles de prévision (interfaçage R/VBScript, cf. figure 2). Logiciel de de maîtrise statistique des procédés (interfaçage R/VBScript, cf. figure 2). L ensemble de ce projet s est déroulé sur une période de trois années. - Conception et déploiement de méthodes analytiques pour la gestion des capacités d un système informatique, conformément à l évolution des pratiques dans ce domaine (l approche traditionnelle est la modélisation des réseaux de files d attente, mais on constate un recours 19

20 LA DATAVISUALISATION INTERACTIVE EFFET DE SERRE DE LYONNAISE DES EAUX SARL 10h11 / Lyonnaise des eaux Améliorer la compréhension du rapport Gaz à Effet de Serre de la Lyonnaise des Eaux auprès du grand public tableurs Excel - un rapport de Gaz à Effet de Serre que touche l ensemble des corps de métiers de la Lyonnaise des Eaux et un site internet associé ne répondant pas aux objectifs de l entreprise. Une start up, 10h11, propose une visualisation interactive de la donnée pour répondre aux besoins de la Lyonnaise des Eaux. Une visualisation de données innovantes par son interactivité et ses différents niveaux de lecture Un back-office administrable pour permettre une autonomie jusqu en 2016 Technologie native et moderne : HTML5 - CSS3 - JQuery - JS - php MySQL L internaute obtient un tableau de bord interactif sur lequel il est commanditaire de l information qu il souhaite observer. Le design de l information se veut épuré, ludique et scénarisé : la donnée devient attractive et interactive pour l internaute. Le déploiement d un rapport Gaz à Effet de Serre sur le plan national n est pas exclu pour améliorer l impact des actions environnementales de la Lyonnaise des Eaux au regard du citoyen. L équipe de 10h11 développe actuellement un CMS libre de visualisation de la donnée sur son volet recherche & développement. 20