Technologie, méthode et applications du Big Data.

Dimension: px
Commencer à balayer dès la page:

Download "Technologie, méthode et applications du Big Data."

Transcription

1 Technologie, méthode et applications du Big Data. PRÉSENTÉ AU 40 E CONGRÈS DE L ASSOCIATION DES ÉCONOMISTES QUÉBÉCOIS PAR FRANÇOYS LABONTÉ, DIRECTEUR GÉNÉRAL LE 20 MAI 2015 Principal partenaire financier

2 TABLE DES MATIÈRES Mise en contexte, définitions et concepts La gouvernance des données (Dominic Jaar, KPMG) Les technologies du Big Data (Tom Landry, CRIM) Pause Les applications du Big Data La mise en œuvre d un projet Big Data Discussions / Questions 2

3 MISE EN CONTEXTE, DÉFINITIONS ET CONCEPTS

4 POURQUOI LE BIG DATA MAINTENANT? 4

5 ÉVOLUTION DES CAPACITÉS DE CALCUL 5

6 POURQUOI LE BIG DATA MAINTENANT? 6

7 L OPPORTUNITÉ DU BIG DATA Big Data Adoption in 2013 Shows Substance Behind the Hype Gartner sept Hadoop's Momentum Is Unstoppable The Forrester Wave Q Spending on big data technologies and services will grow by 30% in 2014, surpassing $14 billion IDC Growth rate 6 times higher that the general IT market (5%) (2 100G$) in

8 L INTELLIGENCE D AFFAIRES (BI) ET LE BIG DATA Big Data vs. Business Intelligence People have recently become aware of the world-changing power of data to make and remake industries. People see the potential and they want to use the tools that unlock it, but a short look at any of the current BI tools shows just how impossible that is. BI was designed for IT and CIOs, if you want to use it you need to be trained. But as society at large moves towards a data-driven approach to, well, everything, a much larger audience for data tools is emerging: a whole new type of customer, non-technical, and a much larger market that traditional BI tools just can t reach. Applied Data Labs (www.applieddatalabs.com ) 8

9 DE QUOI PARLE-T-ON? ABONDANCE BIG DATA Lorsque le traitement et l utilisation des données dépassent les capacités des technologies courantes en raison de leur : Volume Variété et variabilité Vélocité Selon IDC, le Big Data est une nouvelle génération de technologies et d architectures conçues pour extraire de la valeur, de façon rentable, à partir d un volume considérable de données très variées en permettant leur capture et leur exploration à grande vitesse. S inscrit dans le contexte des grandes tendances actuelles : Mobilité, Social, Nuage, Technologies vertes. 9

10 ABONDANCE: VOLUME Megabyte Gigabyte Terabyte Petabyte Exabyte Zettabyte Yottabyte Brontobyte Geopbyte 10

11 ABONDANCE: VARIÉTÉ ET VARIABILITÉ Variabilité de formats et d interprétation dans le temps Transactions Documents d affaires Courriels Messageries Contrats Appels Réseaux sociaux Surveillance Expérimentations scientifiques Appareils mobiles Documents gouvernementaux MÉTADONNÉES Objets Senseurs GPS 11

12 ABONDANCE: VÉLOCITÉ Données créées plus rapidement. Arrivent plus rapidement aux organisations. Doivent être traitées plus vite, de plus en plus en temps réel. Décision rapide sur les données que l on désire garder. Pression pour convertir rapidement les données en décision d affaires. Les résultats livrés sont consommés plus rapidement. 12

13 QUELS AVANTAGES VEUT-ON EN TIRER? INTELLIGENCE DES DONNÉES Il y a des défis liés spécifiquement à l abondance de données, mais on peut profiter des développements sans que nos données se qualifient comme «Big Data». On désire un arsenal d approches et de technologies pour mettre à contribution les contenus disponibles. Il faut pouvoir prendre de meilleures décisions, plus rapidement. La valeur extraite des données pour en faire de l information utile et de la connaissance devient un facteur de différentiation. C est l intelligence de données qui importe; elle s appuie beaucoup sur le traitement sémantique. 13

14 LA MODE DU BIG DATA? De Gartner: 14

15 LA MODE DU BIG DATA? Volume Depuis des années la communauté scientifique traite de larges jeux de données (vidéos, imagerie satellite, corpus de texte). Variété Depuis des années la communauté scientifique traite des données multimodales (texte, images, audio, vidéo, vecteurs, 3D). Vélocité Depuis des années la communauté scientifique traite des données en continue (surveillance, voix, mouvement). Et aussi Visualisation, Valeur, Véracité 15

16 LES TECHNOLOGIES DU BIG DATA Offrent de nouvelles possibilités pour résoudre plus simplement des problématiques complexes Hadoop et autres technologies similaires: Ressources de calcul (quasi) illimitées Pas de préoccupation de mise à l échelle NoSQL et autres technologies similaires : Plus nécessaire de connaître à l avance les relations entre tous les éléments d une base de données Possibilité de combiner «à la demande» diverses sources d information hétérogènes Traitement dynamique des données (flux): On ne fait plus nécessairement du traitement en lot Possibilité de développer des systèmes adaptifs et réactifs Émergence des applications «Machine-to-Machine» / objets connectés / «Internet of Things» Centres de données et infonuagique Simplification de la gestion des données et du stockage des documents. Technologies prometteuses mais qui n offrent pas encore de solutions simples, stables et matures. 16

17 EN RÉSUMÉ https://www.youtube.com/watch?v=7d1cq_loizanuméro 17

18 LA GOUVERNANCE DES DONNÉES DOMINIC JAAR, KPMG

19 LES TECHNOLOGIES DU BIG DATA TOM LANDRY, CRIM

20 LES APPLICATIONS DU BIG DATA

21 LES APPLICATIONS DU BIG DATA (1 / 4) Cibler et mieux comprendre les clients Engins de recommandations Modèles prédictifs pour la publicité et les offres de produits ciblés Rétention de la clientèle Influenceurs dans les réseaux sociaux Optimiser et mieux comprendre les processus d affaires Gestion de la chaîne d approvisionnement Gestion des risques Science et recherche Astrophysique Physique et chimie Sciences de la vie Science des matériaux Environnement 21

22 LES APPLICATIONS DU BIG DATA (2 / 4) Monitoring des signes vitaux et améliorations de la performance physique personnelle Senseurs personnels («wearables») Soins de santé, médecine publique Génomique Médecine personnalisée Épidémiologie Diagnostic Études cliniques Performance sportive Programme d entraînement Performance individuelle et d équipe 22

23 LES APPLICATIONS DU BIG DATA (3 / 4) Maintenance et optimisation de la performance de machines Diagnostic Maintenance préventive Ajustement des conditions d opération Autonomie accrue La loi, l ordre et la sécurité publique Contre-terrorisme Activités criminelles Détection de fraude Cyber-attaques 23

24 LES APPLICATIONS DU BIG DATA (4 / 4) Ville intelligente et transport intelligent Optimisation des déplacements Domotique Réseau d alimentation en énergie intelligents («smart grid») Science des matériaux Environnement Finances Courtage à haute-fréquence Valorisation des actifs «non-traditionnels» Modèles prédictifs Analyse des «sentiments» Identification de courtiers délinquants Solutions bancaires personnalisées 24

25 LES TECHNOLOGIES PÉRIPHÉRIQUES Mobilité «Machine to Machine» (M2M) Internet of Things (IoT) L infonuagique et les data center «Machine Learning» et «Deep Learning» Robotique Réseaux de communications Capacités de calcul La génération et le stockage de données non-structurées 25

26 LES APPLICATIONS DU BIG DATA EN RÉSUMÉ Services financiers Gestion de risques Détection de fraudes Connaissances clients Santé et Sciences de la vie Alerte précoce d épidémie Médecine personnalisée Médecine à distance Vie privée Assistance personnalisée Accessibilité à tous Transport Contrôle de la circulation Information personnalisée Impact des conditions sur la logistique Transactions Gouvernements Services à la population personnalisés Détection de fraudes Documents d affaires Courriels Messageries Contrats Appels Documents gouvernementaux MÉTADONNÉE S Réseaux sociaux Appareils mobiles Objets Surveillance Expérimentations scientifiques Senseurs Utilités publiques Gestion intelligente de consommation Impact des conditions climatiques Environnement Amélioration de la conception de produits Analyse d impacts environnementaux GPS TIC Cybersécurité TIC vertes Services adaptés à la clientèle Commerce Connaissances clients Promotion en temps réel Optimisation des chaînes d approvisionnement et des opérations Défense et sécurité Détection de menaces Gestion de catastrophe 26

27 LES ÉCONOMISTES ET LE BIG DATA (1/2) «Economics in the Age of Big Data», Liran Einav & Jonathan Levin, Science, 7 Nov. 2014, vol. 346, issue 6210 (Department of Economics, Stanford University) La croissance fulgurante de la quantité de données amassées sur les activités sociales et économiques aura un impact profond sur la recherche dans le domaine de l économie La croissance de l analyse économique empirique («empirical economics») Les données Souvent disponibles en temps réel Portent sur des activités qui souvent n étaient pas mesurées auparavant Moins structurées Trouver comment organiser et réduire la dimensionnalité de grands jeux de données non-structurées devient un défi incontournable 27

28 LES ÉCONOMISTES ET LE BIG DATA (2/2) Le passage d études basées sur des enquêtes gouvernementales, relativement de petite taille ou sur des données administratives restreintes vers des études avec une couverture complète ou quasicomplète des populations étudiées Une collaboration accrue avec le secteur privé Plusieurs entreprises accumulent et traitent régulièrement une grande quantité de données sur leurs processus d affaires et leurs clients Ces mêmes données peuvent potentiellement être utilisées pour des projets de recherche en économie Les défis liés aux ententes commerciales et à la nature privée des données Les approches d analyse d économétrie «traditionnelles» vs. les approches informatiques de «machine learning»: relations cause-effet vs. similarité avec un modèle prédictif Une contribution importante des économiste pour développer des modèles simplifiés expliquant de grandes quantités de données complexes 28

29 L AVENIR DU BIG DATA EN ÉCONOMIE (1/2) «Emerging practices and perspectives on Big Data analysis in economics: Bigger and better or more of the same?», Linett Taylor, Ralph Schroeder & Eric Meyer, Big Data & Society, July- December 2014: 1-10 (University of Amsterdam, Oxford Internet Institute ) Est-ce que l accès aux données les plus pertinentes sera démocratisé ou si seulement une classe de «privilégiés» auront accès à ces données? Est-ce que les compétences statistiques et informatiques des économistes leur permettront de participer aux développement des nouvelles méthodologies et approches d analyse du Big Data? Est-ce que la façon de présenter et publier les résultats devra changer compte tenu d un accès plus limité aux données, combiné à une reproductibilité limitée ou nulle? 29

30 L AVENIR DU BIG DATA EN ÉCONOMIE (2/2) Technologie de rupture? Acceptation limitée en économie, mais émergence d une nouvelle discipline d analyse complémentaire, avec ses propres normes et méthodologies? Un sous-domaine de spécialisation? Dans tous les cas, un stimulus pour développer de nouvelles façons de réfléchir et d aborder des problèmes complexes 30

31 LA MISE EN ŒUVRE D UN PROJET BIG DATA

32 DONNÉES MASSIVES - DE LA DÉFINITION À LA VALEUR Définition (plus technologique) Volume Les V Variété Vélocité Lorsque le traitement et l utilisation des données dépassent les capacités des technologies courantes LE DÉFI D AFFAIRES Le défi consiste à extraire, de façon rentable, de la valeur de l avalanche de données très variées qui nous envahissent. Au-delà des caractéristiques propres au traitement d un volume gigantesque de données, c est l intelligence de données (Smart data) qui nous permettra de trouver les informations critiques pour l organisation et d aider à prendre de meilleures décisions, plus rapidement. 32

33 OÙ TROUVER LA VALEUR Utilisation de techno de données massives (par ordre selon IDC-2013) - Analyse de données opérationnelles - Analyse du comportement en ligne de clients - Transaction de ventes - Innovation de services - Données de machines et d appareils - Activités autre qu analytique Motivation (par ordre selon Gartner-2013) - Amélioration de l expérience client - Efficacité des processus - Nouveaux produits et modèles d affaires - Marketing plus ciblé - Réduction des coûts - Amélioration de gestion du risque - Monétisation du contenu - Conformité à la règlementation - Amélioration de la sécurité Optimisation-Contrôle-Innovation Compréhension de l existant Feuille de route d affaires intelligente 33

34 ÉCOSYSTÈME DE DONNÉES MASSIVES Données Infrastructures Architectures Données massives Expertises Processus Organisation 34

35 DONNÉES Transactions Logs Commerce de détail Appareils senseurs Éléments à considérer Courriels documents Réseaux sociaux Documents manuels Données publiques Données géospatiales Images Vidéo Audio IdesO Manufacturier- Ress. Nat. Santé - Données noires - Sélection initiale ou tout garder - ETL ou ELT - Intégrer à l architecture globale de données Prédominance actuelle - Données internes et principalement transactionnelles Évolution - Intégration de l externe et variété de contenus 35

36 INFRASTRUCTURES ET ARCHITECTURES Collecte et préparation de données Enrichissement, métadonnées et Stockage Analytique, forage, apprentissage, inférence, fusion, statistiques, heuristique Visualisation Aide à la décision Implantation en fonction des cas d utilisation visés Prédominance actuelle - 60 % utilise écosystème Hadoop orienté en lot (batch) - Expérimentation BD en-mémoire, orientée colonne, NoSQL - Première initiative plus petite échelle Évolution - Plus de cas en temps réel évolution Hadoop 2 - Visualisation interactive et évolutive - Intégration à l architecture de l entreprise - Partie de ce que IDC appelle 3 rd Platform (Cloud, Mobility, Big Data, Social Business) - ELT pour conserver les données brutes 36

37 TECHNOLOGIES LIÉES AUX DONNÉES Source : IDC Beaucoup de développement autour d Hadoop sous la fondation Apache par des firmes comme Google, Facebook, Amazon, Yahoo, Cloudera. Grand intérêt du traitement parallèle distribué et de la migration du traitement vers les données. Aussi des développements importants liés au traitement en temps réel. Beaucoup de fournisseurs ont sorti la peinture «Big Data». 37

38 DES SOLUTIONS 38

39 ANALYTIQUE INFRASTRUCTURES ET ARCHITECTURES L approche prospective apporte plus de valeur mais est par contre plus complexe Retrospective Understanding Prospective Inspiré de Gartner 39

40 DES SOLUTIONS 40

41 EXPERTISES Équipe idéale (centre d excellence) : Science des données Analytique avancée / apprentissage-machine Visualisation et interaction Analyse d affaires Gouvernance et qualité des données Gestion de produit Gouvernance des données Architecture et développement informatique Compréhension des besoins d affaires et de l environnement opérationnel (données, processus, technologies) Partage de connaissance essentiel pour obtenir l appui de la direction, réaliser des projets interfonctionnels et utiliser les résultats pour les décisions Planifier la mise en place, l expérimentation mais prévoyez aussi l exploitation 41

42 PROCESSUS Gestion, gouvernance et administration (plus d autonomie aux utilisateurs) Processus de mesure des retombées, de la valeur Processus de gestion de données Ajuster le processus de décision Sécurité Confidentialité L an dernier, des chercheurs américains ont «piraté» une banque de données génétiques et réussi à identifier 5 % de ses participants, malgré les promesses d anonymat. La Presse, 16 mars

43 ORGANISATION Développer une stratégie de gestion de données massives (idéalement pour l ensemble de l organisation) Impliquer la direction dans la promotion de l initiative Organiser un soutien direct lié aux affaires Changer le processus de décision (de l intuition à la gestion éclairée) Briser les silos au niveau des données et des processus d affaires Favoriser les équipes interfonctionnelles Regrouper la bonne combinaison interne-externe Traditional Information Management Requirements based Top-down design Defining "truth" Integration and reuse Technology consolidation Data warehouses and content management Competence centers Better decisions Enterprisewide Information Management Big Data Style Opportunity oriented Bottom-up experimentation Establishing "trust" Immediate use Tool proliferation "World of Hadoop" Hackathons Better business Domain focus (marketing and ops, among others) Comparison of Traditional Information Management and the New Big Data Style Gartner 43

44 MISE EN PLACE Défis principaux Comment extraire de la valeur Définir une stratégie Obtenir l expertise Intégrer plus de sources variées Gérer la gouvernance et les risques (sécurité, confidentialité, qualité) Financement Compréhension et leadership dans l organisation 44

45 PIÈGES À ÉVITER A wealth of information creates a poverty of attention and a need to allocate that attention efficiently among the over abundance of information sources that might consume it. Herbert Simons: Designing organization to an information-rich World; 1 Pas assez planifié Trop planifier Faible engagement Penser que ce sera facile à implanter Minimiser les enjeux de gestion du changement 45

46 CONSTATS Les données massives offrent un grand potentiel encore sous-exploité Comme plusieurs changements de fond, il faut s attendre à un long voyage Il faut établir une vision ambitieuse et réaliser un premier pas modeste mais démontrant une valeur mesurable Il n y a pas d approche unique ( one size fits all ); elle doit être adaptée aux cas ciblés La question n est pas To Big or not too Big, ce qui compte c est la dimension d intelligence de données ( Smart Data ) pour apporter de la valeur mesurable à l organisation Au-delà de la technologie, ce sont encore les défis humains qui vont prédominer et déterminer le succès ou l échec des initiatives 46

47 LE CRIM ET LE BIG DATA Continuer le développement de l expertise en analytique avancée en s appuyant sur les technologies Big Data Conserver l accent sur les données non-structurées (audio, vidéo, images, texte, etc.) Miser sur les interactions humain-machine, les architectures avancées et les tests logiciels Développer des connaissances empiriques pour accompagner les organisations Aborder de façon différente pour les problèmes complexes Pour le CRIM, il est préférable de parler de SMART DATA Rarement des cas réellement larges (>8-10 TB) Résoudre plusieurs problèmes de taille moyenne, mise à l échelle par/pour les clients Nous visons le 5 ème V, la valeur Pas simple! Approche multidisciplinaire (scientifique, affaires, gouvernance, produits, logiciel, etc.) Attention au hype et idées préconçues Vision ambitieuse nécessaire, réaliser des premiers pas modestes et concrets 47

48 DES CAS D'UTILISATION CONCRETS Objectifs du projet Développer une expertise en méga-données (analytique, interaction, visualisation) Consolider nos composantes d analytique avancée Démontrer via des cas d utilisation concrets et une vitrine technologique interactive Établir de nouvelles collaborations, alignées avec la stratégie du CRIM Cas d utilisation Détection de mots-clés dans des vidéos de maintenance sous-marine (~300 hres à traiter, vocabulaire spécialisé en biologie et navigation) Fusion avec données géo-spatiales dans les zones d'exploration (positions mots-clés et du rover, imagerie satellite, sonars, etc.) Enrichissement du corpus et production d ontologies via des banques de ressources Web (requêtes via Traitement Automatique des Langues Naturelles) Exploration des données via interactions naturelles et interfaces de visualisation avancées (sortir de la page web: WebGL, Oculus, NUI) Finance Surveillance Internet des Objets 48

49 PLATEFORME DE DÉMONSTRATION (EN DÉVELOPPEMENT) 49

50 QUESTIONS DISCUSSIONS

51 Françoys Labonté Directeur général CRIM Centre de recherche informatique de Montréal Suivez-nous Dialoguez avec nous Suivez-nous #CRIM_ca wwwcrimca Le CRIM est un centre de recherche appliquée en TI qui développe, en mode collaboratif avec ses clients et partenaires, des technologies innovatrices et du savoir-faire de pointe, et les transfère aux entreprises et aux organismes québécois afin de les rendre plus productifs et plus compétitifs localement et mondialement. Le CRIM dispose de quatre équipes de recherche en TI de calibre mondial qui œuvrent principalement dans les domaines des interactions et interfaces personne-système, de l analytique avancée et de la science et technologie du logiciel. Détenteur d une certification ISO 9001:2008, son action s inscrit dans les politiques et stratégies pilotées par le ministère de l'économie, de l'innovation et des Exportations (MEIE), son principal partenaire financier. Principal partenaire financier Tous droits réservés 2015 CRIM. 405, avenue Ogilvy, bureau 101, Montréal (Québec) H3N 1M3/ /

Les technologies du Big Data

Les technologies du Big Data Les technologies du Big Data PRÉSENTÉ AU 40 E CONGRÈS DE L ASSOCIATION DES ÉCONOMISTES QUÉBÉCOIS PAR TOM LANDRY, CONSEILLER SENIOR LE 20 MAI 2015 WWW.CRIM.CA TECHNOLOGIES: DES DONNÉES JUSQU'À L UTILISATEUR

Plus en détail

Londres 1854 Des problèmes (re)connus Faire plus avec moins Tendances et défis «BYOD» WIN INTUNE «Nouveaux paradigmes» «Big Data» «Cloud» Windows Server Gestion Sys. Center Identité & Virt CLOUD OS Microsoft

Plus en détail

Londres 1854 Des problèmes (re)connus Faire plus avec moins Tendances et défis «BYOD» WIN INTUNE «Nouveaux paradigmes» «Big Data» «Cloud» Windows Server Gestion Sys. Center Identité & Virt CLOUD OS Microsoft

Plus en détail

Big data et données géospatiales : Enjeux et défis pour la géomatique. Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique

Big data et données géospatiales : Enjeux et défis pour la géomatique. Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique Big data et données géospatiales : Enjeux et défis pour la géomatique Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique Événement 25e anniversaire du CRG Université Laval, Qc, Canada 08 mai

Plus en détail

Groupe de Discussion Big Data Aperçu des technologies et applications. Stéphane MOUTON stephane.mouton@cetic.be

Groupe de Discussion Big Data Aperçu des technologies et applications. Stéphane MOUTON stephane.mouton@cetic.be Groupe de Discussion Big Data Aperçu des technologies et applications Stéphane MOUTON stephane.mouton@cetic.be Recherche appliquée et transfert technologique q Agréé «Centre Collectif de Recherche» par

Plus en détail

Surmonter les 5 défis opérationnels du Big Data

Surmonter les 5 défis opérationnels du Big Data Surmonter les 5 défis opérationnels du Big Data Jean-Michel Franco Talend Connect 9 octobre 2014 Talend 2014 1 Agenda Agenda Le Big Data depuis la découverte jusqu au temps réel en passant par les applications

Plus en détail

20 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 -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 détail

Les défis statistiques du Big Data

Les 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 détail

Catherine Chochoy. Alain Maneville. I/T Specialist, IBM Information Management on System z, Software Group

Catherine Chochoy. Alain Maneville. I/T Specialist, IBM Information Management on System z, Software Group 1 Catherine Chochoy I/T Specialist, IBM Information Management on System z, Software Group Alain Maneville Executive I/T specialist, zchampion, IBM Systems and Technology Group 2 Le défi du Big Data (et

Plus en détail

Performance industrielle Manufacturing Execution System

Performance industrielle Manufacturing Execution System Performance industrielle Manufacturing Execution System Mai 2013 Capgemini, leader de l intégration MES DEPUIS PLUS DE 25 ANS, CAPGEMINI ACCOMPAGNE SES CLIENTS DANS LA MISE EN ŒUVRE DE PROJETS MES. Une

Plus en détail

Rendre l entreprise plus mobile et délivrer les résultats business

Rendre l entreprise plus mobile et délivrer les résultats business Rendre l entreprise plus mobile et délivrer les résultats business Pierre Mirlesse VP Mobility, HP EMEA Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject

Plus en détail

Gestion de la relation Client (CRM)

Gestion de la relation Client (CRM) Gestion de la relation Client (CRM) Les meilleures pratiques pour gérer vos équipes de vente et marketing Claude Rose, président de Gestisoft Ordre du jour de la présentation Objectif d une solution CRM?

Plus en détail

Big Data: comment passer de la stratégie à la mise en œuvre? Big Data Paris Mars 2015

Big Data: comment passer de la stratégie à la mise en œuvre? Big Data Paris Mars 2015 Big Data: comment passer de la stratégie à la mise en œuvre? Big Data Paris Mars 2015 Jean-David Benassouli Managing Director, Responsable France de la practice Digital Data management +33 6 79 45 11 51

Plus en détail

02.10.2015 Olivier Rafal, PAC CXP Group

02.10.2015 Olivier Rafal, PAC CXP Group 02.10.2015 Olivier Rafal, PAC CXP Group 1 Le groupe CXP L étude BARC Big Data Use Cases 2015 Etude internationale Plus de 550 participants 3e Edition Large couverture des types d industries & tailles d

Plus en détail

IBM Software Big Data. Plateforme IBM Big Data

IBM 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 détail

Votre laisser-passer pour les. Big Data Guide visuel

Votre 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 détail

Les datas = le fuel du 21ième sicècle

Les 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 détail

Accès aux données Sentinelles

Accès aux données Sentinelles Accès aux données Sentinelles Hervé Jeanjean - CNES Ministère de l'écologie, du Développement durable, et de l Énergie www.developpement-durable.gouv.fr Contexte Un changement de paradigme majeur Big data

Plus en détail

transformer en avantage compétitif en temps réel vos données Your business technologists. Powering progress

transformer en avantage compétitif en temps réel vos données Your business technologists. Powering progress transformer en temps réel vos données en avantage compétitif Your business technologists. Powering progress Transformer les données en savoir Les données sont au cœur de toute activité, mais seules elles

Plus en détail

Conserver les Big Data, source de valeur pour demain

Conserver les Big Data, source de valeur pour demain Le potentiel et les défis du Big Data UIMM Mardi 2 et mercredi 3 juillet 2013 56 avenue de Wagram 75017 PARIS Conserver les Big Data, source de valeur pour demain Définir les Big Data Les Big Data à travers

Plus en détail

La rencontre du Big Data et du Cloud

La rencontre du Big Data et du Cloud La rencontre du Big Data et du Cloud Libérez le potentiel de toutes vos données Visualisez et exploitez plus rapidement les données de tous types, quelle que soit leur taille et indépendamment de leur

Plus en détail

Vos données sont-elles adaptées à l informatique en nuage?

Vos données sont-elles adaptées à l informatique en nuage? ÉTUDE TECHNIQUE Vos données sont-elles adaptées à l informatique en nuage? De toutes les questions à se poser avant de migrer vers le nuage, la suivante est la plus pertinente : mes données sont-elles

Plus en détail

Big Data et Statistique Publique

Big Data et Statistique Publique Big Data et Statistique Publique Miracle ou mirage? Matthieu Cornec Mission Innovation Sommaire 1. Constat : Explosion des données 1. Constat 2. Exemples 2. Big Data : nouvelle révolution économique? 1.

Plus en détail

IBM Content Analytics Libérer l Information

IBM Content Analytics Libérer l Information IBM Content Analytics Libérer l Information Patrick HOFLEITNER patrick_hofleitner@fr.ibm.com Août 2011 TABLE DES MATIERES RESUME...3 INTRODUCTION...4 LA PROBLEMATIQUE...5 1 L EXPLOSION DU CONTENU NON-STRUCTURE...5

Plus en détail

TOP. année promet d être BIG (Business Intelligence Growth) PRINCIPALES TENDANCES EN MATIÈRE DE SOLUTIONS DÉCISIONNELLES POUR 2013

TOP. 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 détail

Pourquoi intégrer le Big Data à son organisa3on?

Pourquoi intégrer le Big Data à son organisa3on? Pourquoi intégrer le Big Data à son organisa3on? Yvan Robert, VP Affaires Stratégiques Emmanuel Faug, Resp. pra>que BI Colloque 2014 Big Data Agenda Qui sommes nous? L importance de l information Méthodes

Plus en détail

Quatre axes au service de la performance et des mutations Four lines serve the performance and changes

Quatre axes au service de la performance et des mutations Four lines serve the performance and changes Le Centre d Innovation des Technologies sans Contact-EuraRFID (CITC EuraRFID) est un acteur clé en matière de l Internet des Objets et de l Intelligence Ambiante. C est un centre de ressources, d expérimentations

Plus en détail

Transformation IT de l entreprise DU CONCRET POUR TRANSFORMER LES BIG DATA EN VALEUR

Transformation IT de l entreprise DU CONCRET POUR TRANSFORMER LES BIG DATA EN VALEUR Transformation IT de l entreprise DU CONCRET POUR TRANSFORMER LES BIG DATA EN VALEUR S elon IDC, la quantité d informations stockées et traitées continue d augmenter chaque année de plus 50%. Comment extraire

Plus en détail

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise.

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service

Plus en détail

UN CHANGEMENT DE PARADIGME DANS LA PRÉPARATION DES DONNÉES

UN CHANGEMENT DE PARADIGME DANS LA PRÉPARATION DES DONNÉES UN CHANGEMENT DE PARADIGME DANS LA PRÉPARATION DES DONNÉES L ANALYSE VISUELLE ET LE BIG DATA Bernard Blais Directeur Principal Analytique Haute Performance CONTENU L ANALYSE VISUELLE ET LE BIG DATA Big

Plus en détail

accompagner 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 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 détail

TRAVAUX DE RECHERCHE DANS LE

TRAVAUX DE RECHERCHE DANS LE TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT

Plus en détail

Centre d excellence GIS Intégrer la dimension géographique au cœur de votre SI

Centre d excellence GIS Intégrer la dimension géographique au cœur de votre SI Centre d excellence GIS Intégrer la dimension géographique au cœur de votre SI Cantine Numérique, Open coffee Brest le 6 novembre 2013 David Talabardon david.talabardon@capgemini.com 06 83 58 05 51 Les

Plus en détail

Entreprise et Big Data

Entreprise 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 détail

Mégadonnées (Big data) et Complexité Session introductive

Mégadonnées (Big data) et Complexité Session introductive Mégadonnées (Big data) et Complexité Session introductive Emergence Club amical dédié aux Systèmes complexes Forum 80 membres / 140 séances de travail Panorama : I. Big data et Systèmes complexes II. Big

Plus en détail

Stratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité

Stratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité Stratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité Patrice Vatin Business Development SAP FSI Andrew de Rozairo Business Development Sybase EMEA Septembre 2011

Plus en détail

TOP 3. des raisons de donner une identité unifiée aux initiés

TOP 3. des raisons de donner une identité unifiée aux initiés TOP 3 des raisons de donner une identité unifiée aux initiés Même si le battage médiatique autour de la sécurité informatique concerne, pour la plupart, les pirates et autres attaques externes, les menaces

Plus en détail

Pentaho Business Analytics Intégrer > Explorer > Prévoir

Pentaho 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 détail

Bénéfices pour votre organisation : une solution pouvant supporter vos besoins d affaires

Bénéfices pour votre organisation : une solution pouvant supporter vos besoins d affaires Pivotal CRM 6.0 Quelle que soit la tendance d évolution des marchés, faites de vos clients le moteur de votre réussite avec une meilleure maîtrise et une meilleure flexibilité et un coût de possession

Plus en détail

Big Data. Concept et perspectives : la réalité derrière le "buzz"

Big Data. Concept et perspectives : la réalité derrière le buzz Big Data Concept et perspectives : la réalité derrière le "buzz" 2012 Agenda Concept & Perspectives Technologies & Acteurs 2 Pierre Audoin Consultants (PAC) Pierre Audoin Consultants (PAC) est une société

Plus en détail

Monétisation des données : comment identifier de nouvelles sources de revenus au sein des Big data?

Monétisation des données : comment identifier de nouvelles sources de revenus au sein des Big data? Monétisation des données : comment identifier de nouvelles sources de revenus au sein des Big data? Dr Wolfgang Martin Analyste et adhérant du Boulder BI Brain Trust Les Big data Démystifier les Big data.

Plus en détail

Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients

Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients Frédérick Vautrain, Dir. Data Science - Viseo Laurent Lefranc, Resp. Data Science Analytics - Altares

Plus en détail

Les enjeux du Big Data Innovation et opportunités de l'internet industriel. Datasio 2013

Les enjeux du Big Data Innovation et opportunités de l'internet industriel. Datasio 2013 Les enjeux du Big Data Innovation et opportunités de l'internet industriel François Royer froyer@datasio.com Accompagnement des entreprises dans leurs stratégies quantitatives Valorisation de patrimoine

Plus en détail

FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis

FORUM 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 détail

Mo3: Big Data, Web & (Cyber)security. Laura WILBER Director of Strategy, Dassault Systèmes EXALEAD

Mo3: Big Data, Web & (Cyber)security. Laura WILBER Director of Strategy, Dassault Systèmes EXALEAD Mo3: Big Data, Web & (Cyber)security Laura WILBER Director of Strategy, Dassault Systèmes EXALEAD 23/04/2013 Dassault Systèmes EXALEAD «Information Intelligence» Search & Discovery Entreprise Web «ii»

Plus en détail

Mme Pascale Lehoux. Panel 2 Mégadonnées: pour l amélioration de la performance ou pour l augmentation de la surveillance?

Mme Pascale Lehoux. Panel 2 Mégadonnées: pour l amélioration de la performance ou pour l augmentation de la surveillance? Mme Pascale Lehoux Panel 2 Mégadonnées: pour l amélioration de la performance ou pour l augmentation de la surveillance? Mégadonnées Pour l amélioration de la performance ou pour l augmentation de la surveillance?

Plus en détail

Journée Futur et Ruptures 2015

Journée Futur et Ruptures 2015 Journée Futur et Ruptures 2015 Vers des réseaux d énergie toujours plus intelligents 5 mars 2015 Contexte énergétique 2 Contexte énergétique France 34% de l énergie produite consommée par l industrie,

Plus en détail

Estimated SMB instances 1-499 PC (Physical and Virtual) 125,000 Total instances: SMB 1-24 PC. 392,000 Total instances: SMB 25-499 PC

Estimated SMB instances 1-499 PC (Physical and Virtual) 125,000 Total instances: SMB 1-24 PC. 392,000 Total instances: SMB 25-499 PC 35 zettabytes Geography: France 832,000 Estimated Windows Server 2003 instances (Physical and Virtual) 10% 3% 40% 47% 342,000 Physical instances 490,000 Virtual instances 1 sur 6 SQL Server 2005 refonte

Plus en détail

Big Data -Comment exploiter les données et les transformer en prise de décisions?

Big Data -Comment exploiter les données et les transformer en prise de décisions? IBM Global Industry Solution Center Nice-Paris Big Data -Comment exploiter les données et les transformer en prise de décisions? Apollonie Sbragia Architecte Senior & Responsable Centre D Excellence Assurance

Plus en détail

Production et orchestration de services digitaux, un nouvel enjeu pour les DSI

Production et orchestration de services digitaux, un nouvel enjeu pour les DSI Production et orchestration de services digitaux, un nouvel enjeu pour les DSI Jean-François Teissier jfteissier@prosodie.com 06.32.34.56.02 Espace Grande Arche Paris La Défense Agenda de notre atelier

Plus en détail

C est quoi, Facebook?

C est quoi, Facebook? C est quoi, Facebook? aujourd hui l un des sites Internet les plus visités au monde. Si tu as plus de 13 ans, tu fais peut-être partie des 750 millions de personnes dans le monde qui ont une page Facebook?

Plus en détail

SPECIAL STRATEGIC MEETING FOR A NEW INTEGRAL ALLIANCE

SPECIAL STRATEGIC MEETING FOR A NEW INTEGRAL ALLIANCE SPECIAL STRATEGIC MEETING FOR A NEW INTEGRAL ALLIANCE www.integralvision.fr 28/04/12 1 LES SERVICES INTEGRAL VISION Cradle to Cradle «Avoir un impact positif» Déchet = nourriture Energie renouvelable Diversité

Plus en détail

FINI LA RÉCRÉ PASSONS AUX MÉGADONNÉES

FINI LA RÉCRÉ PASSONS AUX MÉGADONNÉES 1 FINI LA RÉCRÉ PASSONS AUX MÉGADONNÉES «Dans le concret, projets de transformation vers le BigData» V1-10/03/15 ABED AJRAOU CONNAISSEZ-VOUS PAGESJAUNES? CONNAISSEZ-VOUS PAGESJAUNES? LES MEGADONNEES RÉPONDENT

Plus en détail

Stratégies gagnantes pour la fabrication industrielle : le cloud computing vu par les dirigeants Dossier à l attention des dirigeants

Stratégies gagnantes pour la fabrication industrielle : le cloud computing vu par les dirigeants Dossier à l attention des dirigeants Stratégies gagnantes pour la fabrication industrielle : Dossier à l attention des dirigeants Centres d évaluation de la technologie inc. Stratégies gagnantes pour l industrie : Synthèse Jusqu ici, les

Plus en détail

TELUS Solutions d affaires

TELUS Solutions d affaires TELUS Solutions d affaires Tendances et innovations technologiques 2015 a Louis Bouchard Membre de l équipe TELUS 22 janvier 2015 1 Tendances et innovations Contexte 2 Tendances et innovations Table des

Plus en détail

Comment valoriser votre patrimoine de données?

Comment valoriser votre patrimoine de données? BIG DATA POUR QUELS USAGES? Comment valoriser votre patrimoine de données? HIGH PERFORMANCE HIGH ANALYTICS PERFORMANCE ANALYTICS MOULOUD DEY SAS FRANCE 15/11/2012 L ENTREPRISE SAS EN QUELQUES CHIFFRES

Plus en détail

L'infonuagique, les opportunités et les risques v.1

L'infonuagique, les opportunités et les risques v.1 L'infonuagique, les opportunités et les risques v.1 Avril 2014 Présenté au PMI 2014 Tactika inc. www.tactika.com @tactika http://ca.linkedin.com/in/tactika 1 Contenu de la conférence 1. Les concepts 2.

Plus en détail

Big Data On Line Analytics

Big 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 détail

FAITES DE LA DONNÉE LE MOTEUR DE VOTRE BUSINESS. Alexandre Vasseur Responsable Avant-Vente Europe du Sud Pivotal, EMC

FAITES DE LA DONNÉE LE MOTEUR DE VOTRE BUSINESS. Alexandre Vasseur Responsable Avant-Vente Europe du Sud Pivotal, EMC FAITES DE LA DONNÉE LE MOTEUR DE VOTRE BUSINESS Alexandre Vasseur Responsable Avant-Vente Europe du Sud Pivotal, EMC 1 Big Data = Volume, Variété, Vélocité et Valorisation Internet des objets Informations

Plus en détail

RETOUR D EXPÉRIENCE SUR L INTERNET DES OBJETS

RETOUR D EXPÉRIENCE SUR L INTERNET DES OBJETS *Réussir la transformation. Ensemble. RETOUR D EXPÉRIENCE SUR L INTERNET DES OBJETS Mardi 7 juillet 2015 Delivering Transformation. Together. QUEL EST LE CONTEXTE IOT POUR LES GRANDS GROUPES? L Internet

Plus en détail

On site CRM ou SaaS : quel est le bon choix pour votre entreprise?

On site CRM ou SaaS : quel est le bon choix pour votre entreprise? LIVRE BLANC On site CRM ou SaaS : quel est le bon choix pour votre entreprise? Une comparaison détaillée pour vous guiderau travers le processus de sélection d uneplateforme CRM. INTRODUCTION Un survol

Plus en détail

Tom Pertsekos. Sécurité applicative Web : gare aux fraudes et aux pirates!

Tom Pertsekos. Sécurité applicative Web : gare aux fraudes et aux pirates! Tom Pertsekos Sécurité applicative Web : gare aux fraudes et aux pirates! Sécurité Le mythe : «Notre site est sûr» Nous avons des Nous auditons nos Firewalls en place applications périodiquement par des

Plus en détail

Repenser le SI à l'ère du numérique : apports des solutions de big data, cloud computing et confiance numérique

Repenser le SI à l'ère du numérique : apports des solutions de big data, cloud computing et confiance numérique Repenser le SI à l'ère du numérique : apports des solutions de big data, cloud computing et confiance numérique Extraits d analyses publiées par MARKESS International Emmanuelle Olivié-Paul epaul@markess.com

Plus en détail

Big Data et la santé

Big 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 détail

X2BIRT : Mettez de l interactivité dans vos archives

X2BIRT : Mettez de l interactivité dans vos archives Présentation Produit Présentation Produit X2BIRT : Mettez de l interactivité dans vos archives L accès à l information est capital pour les affaires. X2BIRT, la dernière innovation d Actuate, prend le

Plus en détail

LES APPROCHES CONCRÈTES POUR LE DÉPLOIEMENT D INFRASTRUCTURES CLOUD AVEC HDS & VMWARE

LES APPROCHES CONCRÈTES POUR LE DÉPLOIEMENT D INFRASTRUCTURES CLOUD AVEC HDS & VMWARE LES APPROCHES CONCRÈTES POUR LE DÉPLOIEMENT D INFRASTRUCTURES CLOUD AVEC HDS & VMWARE Sylvain SIOU VMware Laurent DELAISSE Hitachi Data Systems 1 Hitachi Data Systems Corporation 2012. All Rights Reserved

Plus en détail

Marketing synchronisé

Marketing synchronisé Marketing synchronisé Placez l expérience de vos prospects au centre de vos stratégies pour un engagement maximum Big Bang -AQT 15 mai 2013 Alain Boudreau Associé-fondateur, VSM Quelle est votre destination

Plus en détail

Le nouveau visage de la Dataviz dans MicroStrategy 10

Le nouveau visage de la Dataviz dans MicroStrategy 10 Le nouveau visage de la Dataviz dans MicroStrategy 10 Pour la première fois, MicroStrategy 10 offre une plateforme analytique qui combine une expérience utilisateur facile et agréable, et des capacités

Plus en détail

Bigdata et Web sémantique. les données + l intelligence= la solution

Bigdata et Web sémantique. les données + l intelligence= la solution Bigdata et Web sémantique les données + l intelligence= la solution 131214 1 big data et Web sémantique deux notions bien différentes et pourtant... (sable et silicium). «bigdata» ce n est pas que des

Plus en détail

DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM

DÉPLOIEMENT 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 détail

EMC Forum 2014. EMC ViPR et ECS : présentation des services software-defined

EMC Forum 2014. EMC ViPR et ECS : présentation des services software-defined EMC Forum 2014 EMC ViPR et ECS : présentation des services software-defined 1 2 3 4 5 Software is Eating the World Marc Andreessen co-fondateur de Netscape Les entreprises qui utilisent efficacement le

Plus en détail

Introduction Big Data

Introduction Big Data Introduction Big Data SOMMAIRE Rédacteurs : Réf.: SH. Lazare / F. Barthélemy AXIO_BD_V1 QU'EST-CE QUE LE BIG DATA? ENJEUX TECHNOLOGIQUES ENJEUX STRATÉGIQUES BIG DATA ET RH ANNEXE Ce document constitue

Plus en détail

Analyse de données électroniques et intelligence d affaires

Analyse de données électroniques et intelligence d affaires Analyse de données électroniques et intelligence d affaires Valoriser les données internes et externes 3 avril 2014 Ordre du jour UNE INTRODUCTION À L ANALYSE DE DONNÉES Analyse de données et l intelligence

Plus en détail

GIND5439 Systèmes Intelligents. Chapitre 1: Intelligence artificielle

GIND5439 Systèmes Intelligents. Chapitre 1: Intelligence artificielle GIND5439 Systèmes Intelligents Chapitre 1: Intelligence artificielle Contenu du chapitre Approches vs Intelligence artificielle Définition de l intelligence Historique Le test de Turing 2 Approches Science

Plus en détail

Regard sur hybridation et infogérance de production

Regard sur hybridation et infogérance de production Regard sur hybridation et infogérance de production Février 2014 édito «comment transformer l hybridation des infrastructures en levier de performances?» Les solutions d infrastructure connaissent depuis

Plus en détail

Impartition réussie du soutien d entrepôts de données

Impartition réussie du soutien d entrepôts de données La force de l engagement MD POINT DE VUE Impartition réussie du soutien d entrepôts de données Adopter une approche globale pour la gestion des TI, accroître la valeur commerciale et réduire le coût des

Plus en détail

Les données massives de Copernicus : vers un nouveau paradigme. Hervé Jeanjean Cnes

Les données massives de Copernicus : vers un nouveau paradigme. Hervé Jeanjean Cnes Les données massives de Copernicus : vers un nouveau paradigme Hervé Jeanjean Cnes 1 Règlement Copernicus du 03/04/2014 : cadre politique, organisationnel et financier Règlement délégué du 12/07/2013 sur

Plus en détail

L Information : Un des facteurs sinon le facteur clé de différenciation des entreprises et des organisations

L Information : Un des facteurs sinon le facteur clé de différenciation des entreprises et des organisations L Information : Un des facteurs sinon le facteur clé de différenciation des entreprises et des organisations Marc Yvon 1 Agenda Le Challenge de l Information dans une Smarter Planet Les challenges métier

Plus en détail

Open Data. Enjeux et perspectives dans les télécommunications

Open 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 détail

Jean-François Boulicaut & Mohand-Saïd Hacid

Jean-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 détail

SOLUTIONS UNISERV POUR SAP BUSINESS SUITE

SOLUTIONS UNISERV POUR SAP BUSINESS SUITE SAP BUSINESS SUITE SOLUTIONS UNISERV POUR SAP BUSINESS SUITE Qualité de SAP par le leader européen du marché Fort de plus de 42 ans d expérience dans le domaine de la qualité de clients, de leur gestion

Plus en détail

PRÉSENTATION PRODUIT. Plus qu un logiciel, la méthode plus efficace de réconcilier.

PRÉSENTATION PRODUIT. Plus qu un logiciel, la méthode plus efficace de réconcilier. PRÉSENTATION PRODUIT Plus qu un logiciel, la méthode plus efficace de réconcilier. Automatiser les réconciliations permet d optimiser l utilisation des ressources et de générer plus de rentabilité dans

Plus en détail

1 Actuate Corporation 2012. + de données. + d analyses. + d utilisateurs.

1 Actuate Corporation 2012. + de données. + d analyses. + d utilisateurs. 1 Actuate Corporation 2012 + de données. + d analyses. + d utilisateurs. Actuate et BIRT Actuate est l Editeur spécialiste de la Business Intelligence et le Reporting qui a créé le projet Open Source BIRT

Plus en détail

Big 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 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 détail

Mettre le nuage au service de votre organisation. Guide de l acheteur de solutions en nuage.

Mettre le nuage au service de votre organisation. Guide de l acheteur de solutions en nuage. Mettre le nuage au service de votre organisation. Guide de l acheteur de solutions en nuage. Comment ce guide peut vous être utile? Si vous songez à intégrer le nuage à votre entreprise sans savoir par

Plus en détail

Séminaire Partenaires Esri France 7-8 juin 2011 - Paris Cloud Computing Stratégie Esri

Séminaire Partenaires Esri France 7-8 juin 2011 - Paris Cloud Computing Stratégie Esri Séminaire Partenaires Esri France 7-8 juin 2011 - Paris Cloud Computing Stratégie Esri Gaëtan LAVENU Plan de la présentation Evolution des architectures SIG Qu'est ce que le Cloud Computing? ArcGIS et

Plus en détail

Big Data, gros trafic et consommation

Big Data, gros trafic et consommation Big Data, gros trafic et consommation l optimisation à la rescousse des réseaux infonuagiques Brunilde Sansò Professeur titulaire et Federico Larumbe étudiant de Ph.D. Laboratoire de Réseaux à Large Bande

Plus en détail

Les RH à l ère du Big Data: faites parler vos données! Mesurez et optimisez la performance de vos programmes RH 18 septembre 2013

Les RH à l ère du Big Data: faites parler vos données! Mesurez et optimisez la performance de vos programmes RH 18 septembre 2013 Les RH à l ère du Big Data: faites parler vos données! Mesurez et optimisez la performance de vos programmes RH 18 septembre 2013 Qui nous sommes Firme québécoise (bureaux à Québec et Montréal) Spécialisée

Plus en détail

IT for Innovative Services (ITIS)

IT for Innovative Services (ITIS) DÉpartement RDI IT for Innovative Services (ITIS) Le département «IT for Innovative Services» (ITIS) du LIST conçoit des services IT innovants dans une démarche d innovation ouverte intégrant l ensemble

Plus en détail

HADOOP ET SON ÉCOSYSTÈME

HADOOP ET SON ÉCOSYSTÈME HADOOP ET SON ÉCOSYSTÈME Mars 2013 2012 Affini-Tech - Diffusion restreinte 1 AFFINI-TECH Méthodes projets Outils de reporting & Data-visualisation Business & Analyses BigData Modélisation Hadoop Technos

Plus en détail

1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3.

1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3. 1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3. Vente et marketing... 7 3.3.1. Gestion de la relation Client

Plus en détail

QlikView sur Mobile : Au-delà du reporting

QlikView sur Mobile : Au-delà du reporting QlikView sur Mobile : Au-delà du reporting Un Livre Blanc QlikView Octobre 2011 qlikview.com Table des matières QlikView sur Mobile, la solution de Business Discovery 3 La Business Discovery mobile 3 La

Plus en détail

DU RÉSEAU AU BIG DATA UNE OFFRE GLOBALE DE GESTION DE LA DONNÉE. Bruno Fleisch - Responsable Produits Tarik Hakkou Responsable du pôle «Data»

DU RÉSEAU AU BIG DATA UNE OFFRE GLOBALE DE GESTION DE LA DONNÉE. Bruno Fleisch - Responsable Produits Tarik Hakkou Responsable du pôle «Data» DU RÉSEAU AU BIG DATA UNE OFFRE GLOBALE DE GESTION DE LA DONNÉE Bruno Fleisch - Responsable Produits Tarik Hakkou Responsable du pôle «Data» BT, UN LEADER MONDIAL BT est l une des premières entreprises

Plus en détail

ANGULAR JS AVEC GDE GOOGLE

ANGULAR JS AVEC GDE GOOGLE ANGULAR JS AVEC GDE GOOGLE JUIN 2015 BRINGING THE HUMAN TOUCH TO TECHNOLOGY 2015 SERIAL QUI SUIS-JE? ESTELLE USER EXPERIENCE DESIGNER BUSINESS ANALYST BRINGING THE HUMAN TOUCH TO TECHNOLOGY SERIAL.CH 2

Plus en détail

Protection des Données : CUSI, le 27 Mars 2013 Présenté par Patrick Régeasse

Protection des Données : CUSI, le 27 Mars 2013 Présenté par Patrick Régeasse Protection des Données : L archétype du projet paradoxal CUSI, le 27 Mars 2013 Présenté par Patrick Régeasse ToC - Agenda 1 Projet Paradoxal? 2 3 4 Les raisons d un capital risque élevé Les Facteurs Clefs

Plus en détail

SÉRIE NOUVELLES ARCHITECTURES

SÉRIE NOUVELLES ARCHITECTURES SÉRIE NOUVELLES ARCHITECTURES Alerte au tsunami des données : les entreprises doivent prendre la vague maintenant! Quels sont les faits qui sous-tendent cette réalité? Quelles entreprises sont aujourd

Plus en détail

L infonuagique démystifiée LE CLOUD REVIENT SUR TERRE. Par Félix Martineau, M. Sc.

L infonuagique démystifiée LE CLOUD REVIENT SUR TERRE. Par Félix Martineau, M. Sc. L infonuagique démystifiée LE CLOUD REVIENT SUR TERRE Par Félix Martineau, M. Sc. Bonjour! Félix Martineau Directeur, Pratique Atlassian, R3D Conseil Objectif Définir clairement ce qu est l infonuagique

Plus en détail

RAPID 3.34 - Prenez le contrôle sur vos données

RAPID 3.34 - Prenez le contrôle sur vos données RAPID 3.34 - Prenez le contrôle sur vos données Parmi les fonctions les plus demandées par nos utilisateurs, la navigation au clavier et la possibilité de disposer de champs supplémentaires arrivent aux

Plus en détail

QlikView et Google Big Query : Une réponse simple, rapide et peu coûteuse aux analyses Big Data

QlikView et Google Big Query : Une réponse simple, rapide et peu coûteuse aux analyses Big Data QlikView et Google Big Query : Une réponse simple, rapide et peu coûteuse aux analyses Big Data Qui sommes-nous? Société de stratégie et de consulting IT spécialisée en ebusiness, Cloud Computing, Business

Plus en détail