Big data : vers une nouvelle science des risques?
|
|
- Christophe Guertin
- il y a 8 ans
- Total affichages :
Transcription
1 Big data : vers une nouvelle science des risques? Serge Abiteboul INRIA et ENS Cachan Conseil national du numérique et Académie des sciences Big data et science des risques 1
2 Organisation Big data en bref Big data : mythe et réalité Exemple : la santé (une vision d ignorant) Big data et science des risques 2
3 Big data en bref Big data et science des risques 3
4 Le Big Data Le big data ou La data Data ce n est pas pluriel? En français : Grosses données Moins glamour? Big data et science des risques 4
5 Crash course en Big Data La société moderne génère des volumes de données infernaux Double tous les 18 mois Ces données ont une valeur considérable Santé, science, environnement, sécurité, transport... Le «Big data»: croiser les données Très structurées et propres d une entreprise/organisation Avec la masse de données moins structurées/plus sales du Web Des données personnelles (comme des s) Des données de réseaux sociaux Et des flux de données (générées par ex. par des senseurs) Valoriser ces données Découvrir de nouvelles connaissances Offrir de nouveaux services Big data et science des risques 5
6 Crash course: tâches principales L analyse de données Un vieux problème Tâches principales Acquisition : aller chercher les données, e.g., outils ETL Intégration : e.g., transformer dans un schéma unique, aligner les données Nettoyage : e.g., éliminer les réplicas, résoudre les contradictions, gérer les données manquantes Crowd sourcing: interagir avec des humains pour obtenir des données, résoudre les contradictions Interrogation : requête, souscription, visualisation Analyse statistique : frequent item set L analyse de données ne répond pas à des problèmes souvent complexes Fouille : quelles sont les questions intéressantes? Utilisation : comment utiliser ces données? Etc. Big data et science des risques 6
7 Difficultés Taille des données : c est Big! Téraoctets, plus Hétérogénéité: structures, ontologies, multilinguisme Vélocité: importance du temps, taux de changement/d'arrivée Espace : localisation Protection des données : données privées, réglementation Qualité: erreurs, incomplétude, confiance, Et encore de la qualité: provenance, fraicheur... Et la complexité : un algorithme en n 3 sur un milliard d enregistrements reste hors de portée même avec mille machines Big data et science des risques 7
8 Pour tuer quelques idées reçues La grande mode est au parallélisme massif style Hadoop Super techno venue des moteurs de recherche Ne marche que sur les problèmes très parallèles Technologie encore assez bas niveau (ça s améliore) Évidemment, Ça impressionne (de moins en moins) C est fun Mais si «votre data est Big» et si vous recherchez l efficacité, interrogez vous : Vos données sont-elles vraiment Big? Ne suffirait-il pas de gonfler votre machine en RAM/en SSD? Peut-on réduire la dimension en échantillonnant? Big data et science des risques 8
9 Big data : mythe et réalité Big data et science des risques 9
10 Big data Le mythe On va résoudre les problèmes de l humanité On a plus en plus de données bientôt toutes les données Un coup d algo et on va résoudre le cancer, la pauvreté, etc. En analysant ces données, nous pouvons faire des prédications de plus en plus fines mais Cela reste des statistiques Limites dues à la complexité en la taille des données Et évidemment une énorme place au hasard On va sûrement résoudre des problèmes Mais Big data et science des risques 10
11 Big data La réalité Ce qu on observe surtout pour l instants 1. Les sociétés utilisent des données privées Pour des buts commerciaux principalement pub ciblées Plus il y a de données, plus ils gagnent d argent 2. Les états utilisent des données privées Pour se protéger du terrorisme Pour surveiller leurs citoyens (surtout dans certains pays) Plus il y a de données, plus l état est puissant Big data et science des risques 11
12 Et si on utilisait cette techno pour résoudre de vrais problèmes Prévoir et mieux y répondre À des crises sanitaires À des problèmes d'environnement À des catastrophes naturelles Aider à résoudre les problèmes de Santé, transport, pauvreté, Organiser un suivi personnalisé Des personnes en difficultés Des personnes âgées Des élèves en difficulté Big data et science des risques 12
13 Exemple : la santé (une vision d ignorant) Big data et science des risques 13
14 Exemple : La santé Les soins personnalisés Toutes les données médicales de la personne Son génome Toutes ses données sociales Soins personnalisés Mesures prédictives Les polices personnalisées Plus chères pour les personnes à risque Personnes «trop» à risque non assurées Mutualisation des risques de plus en plus limitée C est la même science qui rend ça possible Quel monde souhaitons-nous? Big data et science des risques 14
15 Problème : les données personnelles Mes achats, ma géolocalisation, mes courriels Mes données médicales, fiscales, assurances Mes données dans les réseaux sociaux Peut-être celles de mes amis Mes données génomiques 23andMe: pour 99$ séquencement de votre génome et publication sur le Web Et ma vie privée? 2 exemples de problèmes récents : Instagram et revente Facebook et embauche Big data et science des risques 15
16 Une religion personnelle À qui appartiennent mes données? Les données personnelles appartiennent à la personne Les entreprises/états n en sont que les dépositaires temporaires Big data et science des risques 16
17 Comment pouvoir faire quand même des statistiques? L anonymisation des données En garantissant l anonymat de chacun - compliqué Par exemple, «differential privacy» Le propriétaire des données a le droit de choisir ce qu on fait de ses données Condition d utilisation Durée Responsabilité légales de ceux qui détiennent ces données Big data et science des risques 17
18 Big data et science des risques 18
IODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21
IODAA de l 1nf0rmation à la Décision par l Analyse et l Apprentissage IODAA Informations générales 2 Un monde nouveau Des données numériques partout en croissance prodigieuse Comment en extraire des connaissances
Plus en détailBig- Data: Les défis éthiques et juridiques. Copyright 2015 Digital&Ethics
Big- Data: Les défis éthiques et juridiques. 1 Big- Data: Les défis éthiques et juridiques. Digital & Ethics Ce que change le Big Data Les questions éthiques et juridiques Les réponses possibles 2 Digital
Plus en détailBig Data: développement, rôle des ARS?? Laurent Tréluyer, ARS Ile de France Alain Livartowski Institut Curie Paris 01/12/2014
Big Data: développement, rôle des ARS?? Laurent Tréluyer, ARS Ile de France Alain Livartowski Institut Curie Paris 01/12/2014 1 Classiquement, le Big Data se définit autour des 3 V : Volume, Variété et
Plus en détailMasses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA
Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide
Plus en détailLes datas = le fuel du 21ième sicècle
Les datas = le fuel du 21ième sicècle D énormes gisements de création de valeurs http://www.your networkmarketin g.com/facebooktwitter-youtubestats-in-realtime-simulation/ Xavier Dalloz Le Plan Définition
Plus en détailFORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis
FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis Joseph Salmon Télécom ParisTech Jeudi 6 Février Joseph Salmon (Télécom ParisTech) Big Data Jeudi 6 Février 1 / 18 Agenda Contexte et opportunités
Plus en détailTOP. année promet d être BIG (Business Intelligence Growth) PRINCIPALES TENDANCES EN MATIÈRE DE SOLUTIONS DÉCISIONNELLES POUR 2013
0 Cette TOP 10 PRINCIPALES TENDANCES EN MATIÈRE DE SOLUTIONS DÉCISIONNELLES POUR 2013 année promet d être BIG (Business Intelligence Growth) Quel est le bilan de l année 2012 en matière de solutions décisionnelles?
Plus en détailPROFILAGE : UN DEFI POUR LA PROTECTION DES DONNEES PERSONNELLES Me Alain GROSJEAN Bonn & Schmitt
PROFILAGE : UN DEFI POUR LA PROTECTION DES DONNEES PERSONNELLES Me Alain GROSJEAN Bonn & Schmitt ASPECTS TECHNIQUES M. Raphaël VINOT CIRCL SEMINAIRE UIA ENJEUX EUROPEENS ET MONDIAUX DE LA PROTECTION DES
Plus en détailÀ PROPOS DE TALEND...
WHITE PAPER Table des matières Résultats de l enquête... 4 Stratégie d entreprise Big Data... 5 Intégration des Big Data... 8 Les défis liés à la mise en œuvre des Big Data... 10 Les technologies pour
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailEcole des Hautes Etudes Commerciales HEC Alger. par Amina GACEM. Module Informatique 1ière Année Master Sciences Commerciales
Ecole des Hautes Etudes Commerciales HEC Alger Évolution des SGBDs par Amina GACEM Module Informatique 1ière Année Master Sciences Commerciales Evolution des SGBDs Pour toute remarque, question, commentaire
Plus en détailGUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger
GUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger SOMMAIRE GUIDE PRATIQUE déplacements professionnels temporaires en France et à l étranger o o o o o o o o o o o o
Plus en détailPentaho Business Analytics Intégrer > Explorer > Prévoir
Pentaho Business Analytics Intégrer > Explorer > Prévoir Pentaho lie étroitement intégration de données et analytique. En effet, les services informatiques et les utilisateurs métiers peuvent accéder aux
Plus en détailJean-François Boulicaut & Mohand-Saïd Hacid
e siècle! Jean-François Boulicaut & Mohand-Saïd Hacid http://liris.cnrs.fr/~jboulica http://liris.cnrs.fr/mohand-said.hacid Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailLe BIG DATA????? Big Buzz? Big Bang? Big Opportunity? Big hype? Big Business? Big Challenge? Big Hacking? Gérard Peliks planche 2
Le BIG DATA????? Big Bang? Big hype? Big Challenge? Big Buzz? Big Opportunity? Big Business? Big Hacking? Gérard Peliks planche 2 Les quatre paradigmes de la science en marche Paradigme 1 : L empirisme
Plus en détailGT Big Data. Saison 2014-2015. Bruno Prévost (Safran), Marc Demerlé (GDF SUEZ) CRiP Thématique Mise en œuvre du Big Data 16/12/14
GT Big Data Saison 2014-2015 Bruno Prévost (Safran), Marc Demerlé (GDF SUEZ) Sommaire GT Big Data : roadmap 2014-15 Revue de presse Business Education / Promotion Emploi Sécurité / Compliance Cuisine:
Plus en détailLes défis statistiques du Big Data
Les défis statistiques du Big Data Anne-Sophie Charest Professeure adjointe au département de mathématiques et statistique, Université Laval 29 avril 2014 Colloque ITIS - Big Data et Open Data au cœur
Plus en détailLe Etourismeen 2012. Jean-Luc BOULIN - MOPA. 1 ère Journée e-tourisme Pays de Bergerac
Le Etourismeen 2012 Jean-Luc BOULIN - MOPA 1 ère Journée e-tourisme Pays de Bergerac Mission des Offices de Tourisme et Pays Touristiques d Aquitaine Renforcersa communication 5 MISSIONS D ACCOMPAGNEMENT
Plus en détailBig Data? Big responsabilités! Paul-Olivier Gibert Digital Ethics
Big Data? Big responsabilités! Paul-Olivier Gibert Digital Ethics Big data le Buzz Le Big Data? Tout le monde en parle sans trop savoir ce qu il signifie. Les médias high-tech en font la nouvelle panacée,
Plus en détailMobilités 2.0 : connaître pour mieux agir
Mobilités 2.0 : connaître pour mieux agir (objet, partenaires, cheminement et concept, architecture du projet, vues d aide à la décision, et prochaine étape 21 janvier!) denys.alapetite @smartengy.com
Plus en détailPatrick Fischer et les «boursicoteurs» de TTC
< 28 octobre 2008 > Patrick Fischer et les «boursicoteurs» de TTC Reçu de Patrick Fischer un courriel qu il m autorise à mettre en ligne, un commentaire de mes remarques en partie négatives sur le concours
Plus en détailPair-à-Pair: Architectures et Services
Pair-à-Pair: Architectures et Services Fabrice Le Fessant Fabrice.Le_Fessant@inria.fr Équipe ASAP (Réseaux très large échelle) INRIA Saclay Île de France Octobre 2008 Fabrice Le Fessant () Architectures
Plus en détailPulsarbeonpush@gmail.com. Affiliate link: https://www.beonpush.com/s/pulsar
Pulsarbeonpush@gmail.com Affiliate link: https://www.beonpush.com/s/pulsar INTRODUCTION AU RTB Enchères en temps réel Beonpush a été créé en 2015 et enregistrée le 3 Août 2015 en Angleterre et au Luxembourg.
Plus en détailDÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM
DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM Étude de cas technique QlikView : Big Data Juin 2012 qlikview.com Introduction La présente étude de cas technique QlikView se consacre au
Plus en détailCréation de jeu vidéo
Création de jeu vidéo Mathias Fontmarty Jeudi 5 Juin 2014 Collège Jacqueline Auriol Villeneuve-Tolosane Qui suis-je? TRAVAIL Naissance 1982 Primaire 1986 Enseignant Collège Lycée Bac S Ingénieur informatique
Plus en détailBig Data et le droit :
Big Data et le droit : Comment concilier le Big Data avec les règles de protection des données personnelles? CRIP - Mercredi 16 Octobre 2013 Yann PADOVA, avocat Baker & McKenzie SCP est membre de Baker
Plus en détailWebinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data
Webinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data Approches & opportunités face aux enjeux de volume, variété et vélocité France, 2012-2014 28 mars 2013 Ce document
Plus en détailLe Big Data est-il polluant? BILLET. Big Data, la déferlante des octets VIVANT MATIÈRE SOCIÉTÉS UNIVERS TERRE NUMÉRIQUE TERRE (/TERRE)
Donner du sens à la science Rechercher Se connecter / S'inscrire Suivre VIVANT MATIÈRE SOCIÉTÉS UNIVERS TERRE NUMÉRIQUE MES THÈMES Types DOSSIER Paru le 15.11.2012 Mis à jour le 29.01.2014 Big Data, la
Plus en détailVision prospective et obstacles à surmonter pour les assureurs
smart solutions for smart leaders Le «Big Data» assurément Rédigé par Pascal STERN Architecte d Entreprise Vision prospective et obstacles à surmonter pour les assureurs Un avis rendu par la cour de justice
Plus en détailConseil économique et social
Nations Unies Conseil économique et social Distr. générale 24 janvier 2014 Français Original: anglais ECE/CES/2014/7 Commission économique pour l Europe Conférence des statisticiens européens Soixante-deuxième
Plus en détailLa gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST.
La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. Gaël Le Mahec - p. 1/12 L algorithme BLAST. Basic Local Alignment Search Tool est un algorithme de recherche
Plus en détailProtection des données personnelles : Vers un Web personnel sécurisé
Rencontre Inria Industrie Les télécoms du futur Table ronde Sécurité des contenus Protection des données personnelles : Vers un Web personnel sécurisé Luc Bouganim - INRIA Paris-Rocquencourt EPI SMIS,
Plus en détailDailymotion: La performance dans le cloud
Dailymotion: La performance dans le cloud CRiP Thématique Services IT dans le Cloud 06/11/14 Dailymotion en quelques chiffres? 130 millions visiteurs uniques par mois 3 milliards de vidéos vues par mois
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailNewPoint IT Consulting BIG DATA WHITE PAPER. NewPoint Information Technology Consulting
NewPoint IT Consulting BIG DATA WHITE PAPER NewPoint Information Technology Consulting Contenu 1 Big Data: Défi et opportunité pour l'entreprise... 3 2 Les drivers techniques et d'entreprise de BIG DATA...
Plus en détailFraude de masse Sophie Olieslagers 14 mars 2014
Fraude de masse Sophie Olieslagers 14 mars 2014 Que-est-ce que la «Fraude de masse» Toutes les formes de fraude faisant usage des techniques de communication de masse telles que le télémarketing, internet
Plus en détailLes participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data.
Big Data De la stratégie à la mise en oeuvre Description : La formation a pour objet de brosser sans concession le tableau du Big Data. Les participants repartiront de cette formation en ayant une vision
Plus en détailEntreprise et Big Data
Entreprise et Big Data Christophe Favart Chef Architecte, SAP Advanced Development, Business Information Technology Public Juin 2013 Agenda SAP Données d Entreprise Big Data en entreprise Solutions SAP
Plus en détailÊtre plus proche, mais pas à n importe quel prix
TABLE RONDE N 4 Être plus proche, mais pas à n importe quel prix 1 TABLE RONDE N 4 Johanna CARVAIS Direction des affaires internationales et de l expertise CNIL 2 1) Bref rappel des notions contenues dans
Plus en détailComment ça se passe? Déroulé détaillé. INTRODUCTION / 10 minutes
De quoi s agit il Cette animation d une durée de 2 heures permet de sensibiliser les participants au domaine particulier des informations personnelles, du quantified self et de l usage marketing qui peut
Plus en détailBig Data et la santé
Big Data, c'est quoi? Big Data et la santé Collecte, stockage et exploitation de masses de données Capter de façon automatique et anonyme une très grande quantité d'informations, les traiter avec des algorithmes
Plus en détailCOMMENT TRANSFORMER LE WEB
COMMENT TRANSFORMER LE WEB & LES RESEAUX SOCIAUX EN GÉNÉRATEUR DE BUSINESS? Sabrina BULTEAU CEO & CO- FOUNDER BE CONNECT - MISSION Générer plus de trafic, plus de leads, plus de ventes grâce au social
Plus en détailTHE ONE ID RIGHT DATA MAKES GREAT MARKETING POWERED BY EMAIL-BROKERS 2015
THE ONE ID QUE VOULEZ-VOUS SAVOIR? ICI Qui sont vos clients et prospects? Ce qu ils font? Ce qu ils aiment? Leurs centres d intérêt et passions? Où ils sont? Ce qu ils déclarent? ICI ICI ICI EN 2015, LES
Plus en détailaccompagner la transformation digitale grâce au Big & Fast Data Orange Business Services Confidentiel 02/10/2014
accompagner la transformation digitale grâce au Big & Fast Data Orange Business Services Confidentiel 02/10/2014 Big Data au-delà du "buzz-word", un vecteur d'efficacité et de différenciation business
Plus en détailNoSQL. Introduction 1/23. I NoSQL : Not Only SQL, ce n est pas du relationnel, et le contexte. I table d associations - Map - de couples (clef,valeur)
1/23 2/23 Anne-Cécile Caron Master MIAGE - BDA 1er trimestre 2013-2014 I : Not Only SQL, ce n est pas du relationnel, et le contexte d utilisation n est donc pas celui des SGBDR. I Origine : recherche
Plus en détailDe l Etudiant à SBA à l Enseignant Chercheur à l ENSMA
De l Etudiant à SBA à l Enseignant Chercheur à l ENSMA Ladjel BELLATRECHE bellatreche@ensma.fr http://www.lias lab.fr/members/bellatreche Les déterminants de la motivation selon Rolland Viau Perception
Plus en détailL humain et ses données, le «quantified self»
Chapitre 1 L humain et ses données, le «quantified self» L explosion de la quantité des données disponibles et le perfectionnement de nos capacités d analyse bouleversent les rapports que l Homme entretient
Plus en détailBIG DATA VOUS N Y ÉCHAPPEREZ PAS!
BIG DATA VOUS N Y ÉCHAPPEREZ PAS!! PHILIPPE NIEUWBOURG @NIEUWBOURG! COLLOQUE ITIS BIG DATA / OPEN DATA QUÉBEC, 29 AVRIL 2014 1 Bonjour, Bienvenue dans le monde des données volumineuses ou massives.! Qui
Plus en détailVotre laisser-passer pour les. Big Data Guide visuel
Votre laisser-passer pour les Big Data Guide visuel Les Big Data ont une immense valeur Apprenez à en libérer tout le potentiel Nul doute aujourd hui que les Big Data entraînent une profonde mutation du
Plus en détailSauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS
Sauvegarde collaborative entre pairs 1 Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS Sauvegarde collaborative entre pairs 2 Introduction Pourquoi pair à pair? Utilisation de ressources
Plus en détailJanvier 2014 - BIG DATA : Affaires privées, données publiques
Janvier 2014 - BIG DATA : Affaires privées, données publiques METHODOLOGIE Etude qualitative Social Panel réalisée par Treize articles - Web Lab Une vingtaine de femmes très connectées issues de la communauté
Plus en détailEsri LOCATION ANALYTICS
Esri LOCATION ANALYTICS Le «où» qui fait la différence De meilleurs résultats avec Esri Location Analytics. Comment canaliser les flux de données et comment en tirer la valeur ajoutée la plus élevée? À
Plus en détailÉtude sur la compétitivité des administrations cantonales
Étude sur la compétitivité des administrations cantonales réalisée pour les Chambres de commerce latines Avril 2015 2 1. Descriptif de la recherche Contexte et méthodologie 3 La 7 ème vague de l étude
Plus en détailOpen Data. Enjeux et perspectives dans les télécommunications
Open Data Enjeux et perspectives dans les télécommunications Orange Labs 28/09/2012 Patrick launay, Recherche & Développement, Orange Labs - Recherche & Développement Printemps de la Recherche EDF Open
Plus en détailJournée Scientifique Onera
[[À la croisée des révolutions numériques]] Journée Scientifique Onera Date : 20 mai 2014 Lieu : ONERA - Centre de Châtillon - 29 avenue de la Division Leclerc, 92322 Inscription : Gratuite Obligatoire.
Plus en détailJuly 1, 2013. Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, 2013 1 / 15
Mastère Spécialisé Big Data Stéphan Clémençon Télécom ParisTech July 1, 2013 Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, 2013 1 / 15 Agenda Contexte et Opportunité Les grandes lignes
Plus en détailEmergence du Big Data Exemple : Linked Open Data
1 CNRS - Misionpour l'interdisciplinarité Mokrane Bouzeghoub 1 Une approche interdisciplinaire des grandes masses de données (Défi Mastodons) Mokrane Bouzeghoub DAS INS2I / MI Ecole de L Innova.on Thérapeu.
Plus en détailQUELLE EST LA SITUATION ACTUELLE
INTRODUCTION Etre à jour de ses vaccins et en gérer le suivi de manière permanente, voici une exigence vitale pour l hygiène des populations et une préoccupation majeure de santé publique en côte d Ivoire
Plus en détailAnalyse détaillée des trajets effectués en Transports en commun en Ile-de-France
Etude sur les déplacements Analyse détaillée des trajets effectués en Transports en commun en Ile-de-France 18 Septembre 2014 ixxi-mobility.com 2 Transformer le temps de transport en temps utile Le temps
Plus en détailLES DONNÉES : VOTRE AVANTAGE CONCURRENTIEL
Bonjour, LES DONNÉES : VOTRE AVANTAGE CONCURRENTIEL! PHILIPPE NIEUWBOURG @NIEUWBOURG! SAS FORUM ANALYTIQUE MONTRÉAL, 27 MAI 2014 Bienvenue dans le monde des données volumineuses ou massives.! Qui a un
Plus en détailBIG Data et R: opportunités et perspectives
BIG Data et R: opportunités et perspectives Guati Rizlane 1 & Hicham Hajji 2 1 Ecole Nationale de Commerce et de Gestion de Casablanca, Maroc, rguati@gmail.com 2 Ecole des Sciences Géomatiques, IAV Rabat,
Plus en détailNoSQL. Introduction 1/30. I NoSQL : Not Only SQL, ce n est pas du relationnel, et le contexte. I table d associations - Map - de couples (clef,valeur)
1/30 2/30 Anne-Cécile Caron Master MIAGE - SGBD 1er trimestre 2014-2015 I : Not Only SQL, ce n est pas du relationnel, et le contexte d utilisation n est donc pas celui des SGBDR. I Origine : recherche
Plus en détailLimites. Problèmes trouvés et propositions de solutions
Conclusion Limites Pour faciliter la compréhension de la conclusion et pour qu elle soit plus utile aux entreprises, la rédaction de chaque point abordé sera analysée sur deux axes importants. D un côté,
Plus en détailLe Web, l'entreprise et le consommateur. Françoise Soulié Fogelman francoise@kxen.com
Le Web, l'entreprise et le consommateur Françoise Soulié Fogelman francoise@kxen.com Forum "Quel futur pour le Web" Lyon, mardi 21 septembre 2010 THE DATA MINING AUTOMATION COMPANY TM Agenda Le Web un
Plus en détailMesures DNS à l ère du Big Data : outils et défis. JCSA, 9 juillet 2015 Vincent Levigneron, Afnic
Mesures DNS à l ère du Big Data : outils et défis JCSA, 9 juillet 2015 Vincent Levigneron, Afnic Sommaire 1. Mesures DNS réalisées par l Afnic 2. Volumes et biais 3. Limitations 4. Pourquoi une approche
Plus en détailAccès des gouvernements aux données du secteur privé
Accès des gouvernements aux données du secteur privé Jérusalem, le 28 octobre 2010 (32 e conférence internationale des commissaires à la protection des données et de la vie privée) Giovanni Buttarelli
Plus en détailMigration: un plus pour la Suisse Relations entre État social et migration: la position de Caritas
Migration: un plus pour la Suisse Relations entre État social et migration: la position de Caritas Prise de position de Caritas_mars 2011 Migration: un plus pour la Suisse En bref: Quel est l effet de
Plus en détailSéquence. «Eduquer aux réseaux sociaux : créer, publier, maîtriser»
Séquence «Eduquer aux réseaux sociaux : créer, publier, maîtriser» CADRE PREALABLE : - Présentation du projet au CESC du collège en juin 2014. - Présentation du projet à Mme la Principale en septembre
Plus en détailBig Data On Line Analytics
Fdil Fadila Bentayeb Lb Laboratoire ERIC Lyon 2 Big Data On Line Analytics ASD 2014 Hammamet Tunisie 1 Sommaire Sommaire Informatique décisionnelle (BI Business Intelligence) Big Data Big Data analytics
Plus en détailMobilitics : Saison 1 : résultats iphone. Conférence de presse du 9 avril 2013
Mobilitics : Saison 1 : résultats iphone + Conférence de presse du 9 avril 2013 1 Smartphone, un ami qui vous veut du bien... 24 millions de smartphones en France (médiamétrie, Septembre 2012) Près d 1
Plus en détailLES RESEAUX SOCIAUX SONT-ILS UNE MODE OU UNE REELLE INVENTION MODERNE?
LES RESEAUX SOCIAUX SONT-ILS UNE MODE OU UNE REELLE INVENTION MODERNE? Hugo Broudeur 2010/2011 2ieme année Télécom SudParis SOMMAIRE Introduction... 3 A) Des réseaux sociaux pour tout le monde... 4 1)
Plus en détailRotary et réseaux sociaux. Districts 1520-1670
Rotary et réseaux sociaux Sommaire définition d un réseau social qui utilise? quels outils? nos objectifs de communication choix d outils en fonction de l objectif mesurer notre impact améliorer notre
Plus en détailQuels choix de base de données pour vos projets Big Data?
Quels choix de base de données pour vos projets Big Data? Big Data? Le terme "big data" est très à la mode et naturellement un terme si générique est galvaudé. Beaucoup de promesses sont faites, et l'enthousiasme
Plus en détailSommaire. 3. Les grands principes de GFS L architecture L accès de fichier en lecture L accès de fichier en écriture Bilan
1 Sommaire 1. Google en chiffres 2. Les raisons d être de GFS 3. Les grands principes de GFS L architecture L accès de fichier en lecture L accès de fichier en écriture Bilan 4. Les Evolutions et Alternatives
Plus en détailBIG DATA et DONNéES SEO
BIG DATA et DONNéES SEO Vincent Heuschling vhe@affini-tech.com @vhe74 2012 Affini-Tech - Diffusion restreinte 1 Agenda Affini-Tech SEO? Application Généralisation 2013 Affini-Tech - Diffusion restreinte
Plus en détailIBM Software Big Data. Plateforme IBM Big Data
IBM Software Big Data 2 Points clés Aide les utilisateurs à explorer de grands volumes de données complexes Permet de rationaliser le processus de développement d'applications impliquant de grands volumes
Plus en détailDix façons d économiser sur l assurance voyage. Une exclusivité «Ingle»!
Dix façons d économiser sur l assurance voyage Une exclusivité «Ingle»! À propos d Ingle International Ingle International est une marque de confiance dans le domaine de l assurance depuis 1946. Aujourd
Plus en détailMapReduce. Nicolas Dugué nicolas.dugue@univ-orleans.fr. M2 MIAGE Systèmes d information répartis
MapReduce Nicolas Dugué nicolas.dugue@univ-orleans.fr M2 MIAGE Systèmes d information répartis Plan 1 Introduction Big Data 2 MapReduce et ses implémentations 3 MapReduce pour fouiller des tweets 4 MapReduce
Plus en détailBig Data et l avenir du décisionnel
Big Data et l avenir du décisionnel Arjan Heijmenberg, Jaspersoft 1 Le nouveau monde des TI L entreprise en réseau de McKinsey McKinsey sur le Web 2.0 McKinsey Global Institute, décembre 2010 Emergence
Plus en détailSAN07 IBM Social Media Analytics:
SAN07 IBM Social Media Analytics: Vos clients partagent leurs connaissances Déployez une stratégie gagnante! Eric Martin Social Media Analytics Leader Europe IBM SWG, Business Analytics @Eric_SMA 1 Le
Plus en détailDes données à la connaissance client. A la découverte de la plateforme de connaissance client knowlbox
Des données à la connaissance client A la découverte de la plateforme de connaissance client knowlbox Livre blanc mai 2013 A l heure du Big Data, les entreprises s interrogent davantage sur leurs données.
Plus en détailMoteur d idées pour véhicules spécifiques. Le Pôle de compétitivité Véhicules et Mobilités du grand Ouest
] Moteur d idées pour véhicules spécifiques [ Le Pôle de compétitivité Véhicules et Mobilités du grand Ouest ] [Notre mission] Développer la compétitivité des entreprises par le biais de l innovation :
Plus en détail20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013. 20 ans du SIAD -"Big Data par l'exemple" -Julien DULOUT
20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013 20 ans du SIAD -"BigData par l'exemple" -Julien DULOUT Qui a déjà entendu parler du phénomène BigData? Qui a déjà
Plus en détailDOSSIER SOLUTION CA ERwin Modeling. Comment gérer la complexité des données et améliorer l agilité métier?
DOSSIER SOLUTION CA ERwin Modeling Comment gérer la complexité des données et améliorer l agilité métier? CA ERwin Modeling fournit une vue centralisée des définitions de données clés afin de mieux comprendre
Plus en détailBIG DATA & PROTECTION DES DONNEES DANS LE DOMAINE DE LA SANTE
Jeudi, 3 septembre 2015 BIG DATA & PROTECTION DES DONNEES DANS LE DOMAINE DE LA SANTE Sébastien Fanti Avocat et Notaire Préposé à la protection des données et à la transparence sebastien.fanti@admin.vs.ch
Plus en détailDocForum 18 Juin 2015. Réussites d un projet Big Data Les incontournables
DocForum 18 Juin 2015 Réussites d un projet Big Data Les incontournables Vos interlocuteurs Mick LEVY Directeur Innovation Business mick.levy@businessdecision.com 06.50.87.13.26 @mick_levy 2 Business &
Plus en détailTechniques d interaction dans la visualisation de l information Séminaire DIVA
Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des techniques
Plus en détailFormation à la recherche documentaire sur le web
Formation à la recherche documentaire sur le web Objectif : Savoir effectuer des recherches pertinentes sur Internet Savoir distinguer les informations fiables sur Internet Savoir effectuer des recherches
Plus en détailPlus de données, quels impacts sur la gestion des sinistres? 4 avril 2013 Gontran Peubez
Plus de données, quels impacts sur la gestion des sinistres? 4 avril 2013 Gontran Peubez Sans sinistres, pas d assurance Langage Logique Analyse Intuition Perception Créativité «La plupart des gens utilisent
Plus en détailLivre. blanc. Solution Hadoop d entreprise d EMC. Stockage NAS scale-out Isilon et Greenplum HD. Février 2012
Livre blanc Solution Hadoop d entreprise d EMC Stockage NAS scale-out Isilon et Greenplum HD Par Julie Lockner et Terri McClure, Analystes seniors Février 2012 Ce livre blanc d ESG, qui a été commandé
Plus en détailDes Big Data aux Big Brothers Jean- Gabriel Ganascia Equipe ACASA LIP6 Université Pierre and Marie Curie Labex OBVIL PRES Sorbonne Université
Des Big Data aux Big Brothers Jean- Gabriel Ganascia Equipe ACASA LIP6 Université Pierre and Marie Curie Labex OBVIL PRES Sorbonne Université 4, place Jussieu, 75252 Paris Cedex 05, FRANCE Jean- Gabriel.Ganascia@lip6.fr
Plus en détailQue faire des data? 04/06/2015
Que faire des data? 04/06/2015 2 minutes pour le BigData Le Big Data Volume : la dimension du teraoctet est dépassée Variété : données structurées (relationnelle) et non structurées Vélocité : création,
Plus en détailLa sécurité des données
La sécurité des données "Quand, par défaut, notre vie est privée, on doit faire attention à ce que l on rend public. Mais quand, par défaut, ce que l on fait est public, on devient très conscient des enjeux
Plus en détailLe Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs
Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique
Plus en détailTravailler avec les télécommunications
Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la
Plus en détailTransformez vos données en opportunités. avec Microsoft Big Data
Transformez vos données en opportunités avec Microsoft Big Data 1 VOLUME Augmentation du volume de données tous les cinq ans Vélocité x10 4,3 Nombre d appareils connectés par adulte VARIÉTÉ 85% Part des
Plus en détailBusiness Intelligence avec Excel, Power BI et Office 365
Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10
Plus en détailAlgorithmique et systèmes répartis
Algorithmique et systèmes répartis Tendances et avenir Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT 30 novembre 2012 Gérard Padiou Algorithmique et systèmes répartis 1 /
Plus en détailAd-exchanges & RTB (avec la participation de Fabien Magalon, La place
En partenariat avec : Tout savoir sur le marketing à la performance Intervenants Hugo Loriot Directeur media technologie, Fifty Five Yann Gabay - Directeur général, Netbooster Fabien Magalon Directeur
Plus en détail