La valeur du big data pour Air France - KLM
|
|
- Luc Laporte
- il y a 8 ans
- Total affichages :
Transcription
1 La valeur du big data pour Air France - KLM - Réalisations & Perspectives - 2 octobre 2014 CUSI Xavier Henderson xahenderson@airfrance.fr
2 2 Prolégomènes Statistiques, Corrélation & interprétation Fiabilité incertaine
3 3 Objectifs Mouvement Durable Omniprésent Illustrer les bénéfices (exemple de AFKL) Valeur et valorisation
4 4 Agenda 1. Réalisations & pistes 2. Valeur et valorisation 3. Facteurs de succès 4. Quelques Bémols 5. Conclusion & Q/R ANNEXES 1. Air France - KLM 2. Compléments de valorisation 3. Composants Big Data 4. Références
5 5 Agenda Réalisations et pistes 1. Réalisations & pistes 2. Valeur et valorisation 3. Facteurs de succès 4. Quelques Bémols 5. Conclusion & Q/R
6 6 Yield Management - 1 Un challenge de 3 ans de données historiques à traiter Plus de 3 Mds d événements segments PNR (3 ans) Traitement massif enregistrements (bookings) et programme (schedule) Temps de calcul ramené de 3 semaines à 2h45 Approche Big Data parallélisée Hadoop (v1,0!) & MapReduce Importance du réseau (10 Gbps) & Données partagées (NFS) Importance de la proximité données traitements Scalabilité Sources Externes Constituer Historique Operationel Reporting
7 7 Yield management - 2 Prévisions d annulation Une prévision fine et robuste basée sur les arbres de décision dynamique Chaque attribut du booking peut être utilisé comme variable explicative du taux d annulation Un historique utilisé de plus de 100 Millions de bookings / an, à traiter en quelques heures Estimation dynamique des relations entre les différents attributs Source: (6)
8 8 Projet Transform Optimisation de scenarii Programme CDG Objectifs - Réduire les correspondances courtes surtout lors des pics matinaux et en fin de journée - Réduire les coûts - Conserver l attractivité horaire du programme, voire l améliorer Travaux - Des dizaines de scenarii métiers valorisés - Reconstitution fine des possibilités de correspondance sur plus de origines et destinations - Tenir compte de nombreux critères: haute et basse contribution - Modèles statistiques en analyses multivariées, programmation linéaire Résultat: Adaptation du programme & objectifs atteints
9 9 Exemples de Réflexions & Prototypes Web crawling de nos principaux clients («revue de presse automatisée») : machine learning avec supervision Objets connectés Monitoring des vols, maintenance préventive Maintenance curative Exemple: US Air Force RFID & tracking des bagages, outils, objets divers NFC: expérimentation à Blagnac Géolocalisation, ibeacons Réalité augmentée Reconnaissance vocale Analyse automatisée des questions et réclamations «voice of the customer»: aide à la décision et text-mining
10 10 Agenda Valeur et valorisation 1. Réalisations & pistes 2. Valeur et valorisation 3. Facteurs de succès 4. Quelques Bémols 5. Conclusion & Q/R
11 11 Valorisation McKinsey Santé US 0,7% croissance/an; 300Md$/an Gouvernement UE 0,5% croissance/an; 250Md$/an Données géolocalisation personnelles 100 Mds$ pour les fournisseurs 700 Mds$ pour les consommateurs Grande distribution US +60% marge nette +0,5%-1%/an productivité Industrie -50% couts de développement & assemblage -7% fonds de roulement Source: (1)
12 12 Valorisation IDC 1/2 Source: (2)
13 13 Valorisation IDC 2/2 Source: (2)
14 14 Comment valoriser? 1/3 S inspirer des principes comptables Biens immatériels & Biens culturels Par les bénéfices potentiels ou réalisés Approche business case / business plan S inspirer de l exemple des autres et des études mckinsey etc. Par la conviction et la foi Aspects juridiques, culturels et sociétaux très forts Mobilité dans la toile vs lois et réglementations fixées géographiquement Difficultés de mesure: par mille, par clic, par seconde Sources : (1), (2), (3), (4), (5), (9, (15), (16 ), (17), (18), (19) - pour tout ce chapitre. Voir annexe pour des compléments
15 15 Comment valoriser? 2/3 Nouveaux modèles existants en mutation Modèles de l économie de l attention Modèles de l économie des flux, de la diffusion Modèles de l économie de l accès (aux données etc.) Modèles autour de la sécurité Modèles autour des données privées Modèlesdes biens informationnels et culturels numériques Modèles centrés autour du citoyen vs autour du consommateur Économie du (pseudo-)gratuit freeconomics Combats entre distributeurs et producteurs L intermédiaire est le plus fort La longue traine Se décline ensuite: search marketing, behavioral marketing..
16 16 Comment valoriser? 3/3 Nouveaux modèles à inventer Approche holistique: - Multicritères - Selon angle d approche: économique, social, données personnelles (citoyen ou consommateur?) Ventilation selon composants et acteurs de la création à la consommation Facteur temps Importance des contextes création/temporels/consommation + réglementaire/juridique + sociétal/social + local vs international Vers une valorisation probabiliste? Le total n est pas la somme: holisme Composants subjectifs - objectifs immanents - implicites ou explicites - Composants stochastiques?
17 17 Agenda Facteurs de succès 1. Réalisations & pistes 2. Valeur et valorisation 3. Facteurs de succès 4. Quelques Bémols 5. Conclusion & Q/R
18 18 Facteurs de succès 1. Partir des besoins: stratégie & contexte extérieur 2. Impératifs de tout projet fortement innovant ET transverse Très forte gestion du changement; modèles de maturité Itérations 3. Approche holistique: Nombreux Aspects: métier, communication, changement & RH, prototypage & itérations, gouvernance de l information, capacités analytiques, juridique, architecture, infrastructure informatique, types de données 4. Rester ouvert et prudent: Nouveau paradigme Sciences puis sociétal* Corrélation n est pas causalité * Source : (10)
19 19 Agenda Mais! 1. Réalisations & pistes 2. Valeur et valorisation 3. Facteurs de succès 4. Quelques Bémols 5. Conclusion & Q/R Quelques bémols
20 20 Bémols * Source :(11) et (13) **Source :(12) Difficile de maitriser les concepts et leur fonctionnement: La connaissance, l information, le langage, la communication/transmission, les probabilités/statistiques, le chaos, l entropie* Manque de sensibilisation «données» Incorporel qui tarde a être considéré comme un actif Vols légaux ou non, fuites, pertes, négligences «Privacy by design» Manque de normes et standards au niveau mondial Télécoms Données: syntaxe, sémantique, valorisation, droit à l oubli? Légal et réglementaire: Qui est propriétaire des données? Droit à l oubli Les rythmes de changement sont (trop) rapides L humanité 2.0 ** Russian Hackers Amass Over a Billion Internet Password, NY Times mardi 5 août
21 21 Agenda Conclusion 1. Réalisations & pistes 2. Valeur et valorisation 3. Facteurs de succès 4. Quelques Bémols 5. Conclusion & Q/R
22 22 C est déjà là!
23 23 C est partout: là où il y a de l information Virtuel Web Géo Réel
24 24 Air France KLM est à bord Depuis ~2008 Réalisations & pistes d exploration tous azimuts Des compétences fortes Recherche Opérationnelle Centre de compétences BI Vision BI & big data
25 25 Beaucoup de potentiel Cloud Open data Web De la valeur Bénéfices Vols Envie Vie privée, vie professionnelle, vie sociale, la société, la communauté Voir toutes les références en annexe
26 26 Des risques Disruptif Massif Manque de compétences Vie privée* Sécurité Confusion marketing Brouillage: frontières, modèles *Voir surtout (5) (7) (18) (19) et (20)
27 27 Questions?
28 28 Agenda ANNEXES 1. Air-France KLM 2. Compléments de valorisation 3. Composants Big Data 4. Références
29 29 ANNEXES AIR France - KLM
30 30 Air France KLM Résultats 2013 Montée en gamme & relation client Source:
31 31 La Recherche Opérationnelle Une vision métier transverse: Marketing, Réseau Aérien, Cargo, Personnel Navigant, Exploitation Développer des moteurs d optimisation / prévision Activité de Conseil Stratégique Des techniques à la pointe et innovantes Optimisation Combinatoire en Datamining Statistiques avancées Big data Des sujets à forte plus-value pour nos métiers Yield management Prévisions de recette Passager/Cargo, Etudes Stratégiques
32 32 Le Décisionnel Un Centre de compétence DGSI unique Développer des solutions Activité de Conseil Une couverture fonctionnelle large & une utilisation importante 80% activités et domaines 8000 utilisateurs et + Une forte évolutivité Vers le quasi-temps réel, vers le big data, vers l analyse prédictive et prescriptive Forte plus-value pour nos métiers
33 33 ANNEXES COMPLEMENTS DE VALORISATION
34 34 Autres pistes de valorisation de la donnée Selon typologie contributeur* Producteur (humain, machine, processus) - Matière brute Manipulateur/Transformateur/Agrégateur - Produit avec valeur ajoutée Fournisseur/Transporteur/Éditeur/Courtier - Peut être à plusieurs étapes Analyste/Interprète/Mise en forme/synthèse Consommateur/Décideur/Interprète/Action Gains différenciés selon secteur**: industrie, finance, assurance, santé, télécoms, Stés du Web, Stés TIC, media, surveillance, gouvernement Gains différenciés selon région et selon stade de développement industriel & post industriel** *Sources: (1), (3), (4) & travaux personnels **Sources: (1) et (2)
35 35 Plus value apportée par le big data au royaume uni Gains de productivité par secteur Plus de 40 Md annuels en 2017 Source (16)
36 36 Benchmark de données Source (5)
37 37 Chaine de valeur Source (5)
38 38 Pour tester la valeur de données personnelles Source (5)
39 39 Exemples d applications Source (21)
40 40 ANNEXES COMPOSANTS
41 41 Composants d une architecture Big Data (IBM) Sources Techniques Device Logs Données Traditionnelles Données Externes Ingestion and Real-time Analytic Zone Ingest Filter, Transform Correlate, Classify Ingest Extract, Annotate Landing & Historical Analytic Zone Analytics MapReduce Documents In Variety of Formats Hive/HBase Col Stores Indexes, facets Models Data Sinks Data Management Warehousing Zone Data Warehouse Analytics Appliance Data Marts Governance & Integration Zone Analytics and Reporting Zone Query Engines Cubes Descriptive, Predictive Models Discovery, Visualizer Search MDM, Metadata, Workbench, Intégration BI / Reporting Exploration / Visualization Functional App Industry App Predictive Analytics Content Analytics Analytic Applications Source : IBM Solconnect13 (2013)
42 42 Composants d une architecture Big Data (Teradata - source Teradata) Base données TERADATA HADOOP Base données ASTER
43 43 Architecture logique Source (21)
44 44 ANNEXES REFERENCES directes utilisées dans ce dossier
45 45 Références dossier (1) Big data: the new frontier for innovation, competition and productivity - James Manyaka, Michael Chui, Brad Brown, Jacques Bughin, Richard Dobbs, Charles Roxburgh, Angela Hung Byers - McKinsey Global Institute - may-june 2011 (2) Collecter les 54 milliards d euros de bénéfices issus des nouveaux usages de la donnée - Sébastien Lamour Livre blanc IDC - mai 2014 (3) Big data comes of age Barry Devlin, Shawn Rogers, John Myers - EMA and 9sight consulting research report - Nov 2012 (4) Operationalizing the Buzz: Big Data EMA and 9sight consulting research report - Nov 2013 (5) Comportements culturels et données personnelles au coeur du Big data EY (Ernst & young), Forum d Avignon 2013 (6)At the Big Data Crossroads: turning towards a smarter travel experience - Thomas H. Davenport & Amadeus 2013 (7) Big Data: Seizing Opportunities, Preserving Values - Executive Office of the President (NDLR: of the USA) May 2014 (8) Unlocking Machine Generated Data Barry Devlin - 9sight consulting research report - Sept 2013 (9) Big & Open Data in Europe Warsaw Institute for Economic Studies (WISE Institute) & Demos Europa Sonia Bucholtz,, Maciej Bikowski, Alexander Sniegocki Jan 2014 (10) The Fourth Paradigm: data intensive scientific discovery - Jim Gray (Turing 98), Tony Hey (VP Microsoft Research Connections) Site Microsoft & édition papier oct 2009 (11) Système 1, Système 2, les deux vitesses de la pensée Daniel kahneman (Nobel économie) Sept 2012 (12) Humanité 2.0 La bible du changement Ray Kurweil août 2007 (titre anglais: «The singularity is near») (13) Théorie mathématique de la communication Claude Shannon, Warren Weaver 1975 (1948) (14) L analogie cœur de la pensée Douglas Hofstadter, Emmanuel Sander (15) l économie de l attention Emma Bester, doctorat CNAM, Cléo revue.org 2010 (16) Data equity unlocking the value of big data Cebr report for SAS April 2012 (17) IBM a collection of big data success stories IBM (18) Big data: its power and perils - IMA & ACCA - Nov 2013 (19) Economie numérique et vie privée Emmanuel Kessous & Bénédicte Rey Hermès 2009 (20) Big data and privacy: a technological perspective - - Executive Office of the President (NDLR: of the USA) May 2014 (21) The Massachusetts Big Data Report, a Foundation For Global Leadership MACP
46 46 ANNEXES REFERENCES «Données»
47 47 Références Sites Web «données» 1/3 Réseaux sociaux - Nombreux groupes linkedin, Facebook etc Sites de SSII et de grands éditeurs (IBM, Oracle, Teradata, SAS) dont Informatica, SAS, Business Objects, Microstrategy, Pentaho, Qlikview, Tableau Souvent une version française est disponible Sites d auteurs (cf diapo auteurs, par ex ) Google scholar Pour big data: Les grands noms de la BI et du DW, Alteryx, Attivio, Cloudera, Couchbase, Greenplum, Hortonworks, Karmasphere, Lavastorm, MapR, Mongo, Salesforce, Splunk, Vertica, Aster, Les précurseurs: Google, Amazon, Yahoo, Facebook Académies Toutes ces sources sont précieuses
48 48 Références Sites Web «données» 2/3 MOOC (Massive Open Online Courses) Open Courseware déclinable sur plusieurs universiés Ted Ed online Coursera Slideshare Open Study Desire2learn Knewton Sites Blackboard (dont nombreuses institutions françaises), Grockit, etc. Youtube Académies et universités: Oregon, MIT, Stanford, Oklahoma, Arizona, Arkansas, Carnegie-Mellon, St Gallen et beaucoup d autres Toutes ces sources sont précieuses
49 49 Références Sites Web «données» 3/3 Sites (white paper, webinars, entretiens, podcasts, de nombreux blogs et Expert Channel (aussi BI Journal, What Works..) (inside analysis, white papers, The briefing room) (DM Radio) sentialguide/guide-to-big-data-analytics-toolstrends-and-best-practices The MDM institute (Aaron Zornes) (français) (français) et (français) (français) Les sites les plus riches sont en gras
50 50 Références Auteurs «données» Douglas Adams Markus Helfert Jack E. Olson Sid Adelman Jim Harris Boris Otto Peter Aiken Cindi Howson Dan Power D. P. Ballou Claudia Imhoff Don Peppers & Martha Rogers Carlo Battini W. H. Inmon Platon Laure Berti-Equille Dylan Jones Thomas C. Redman Robin Bloor J. M. Juran Graham Rhind Michael H Brackett Ralph Kimball Philip Russom W.E. Deming John Ladley Steve Sarsfield Barry Devlin Julie Langenkamp Monica Scanapiecca Delphine Clément Henrik Liliendahl Sørensen Robert Seiner Jill Dyché David Loshin G. Shankaranarayan Larry P. English Danette McGilvray William Sharp M. J. Eppler William McKnight Phil Simon Jim Ericson Mark Mosely Chris Sorensen John Evans Larissa Moss John R. Talburt Thomas H. Davenport Daragh O Brien Gwen Thomas Wayne Eckerson Ken O Connor Richard Y Wang Michele Goetz Colin White Aaron Zornes Mes auteurs préférés sont en gras. Et bien d autres
Le décisionnel et la culture des données à AF KL
Le décisionnel et la culture des données à AF KL - & Perspectives - 5 Décembre 2013 CUSI Xavier Henderson xahenderson@airfrance.fr 2 Prolégomènes 3 Objectifs Présenter l exemple de AFKL Présenter les métiers
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 détailSurmonter 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 détailComment 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 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 détailAXIAD Conseil pour décider en toute intelligence
AXIAD Conseil pour décider en toute intelligence Gestion de la Performance, Business Intelligence, Big Data Domaine d expertise «Business Intelligence» Un accompagnement adapté à votre métier dans toutes
Plus en détailBI = Business Intelligence Master Data-Science
BI = Business Intelligence Master Data-Science UPMC 25 janvier 2015 Organisation Horaire Cours : Lundi de 13h30 à 15h30 TP : Vendredi de 13h30 à 17h45 Intervenants : Divers industriels (en cours de construction)
Plus en détailL INTÉGRATION ENTRE BUSINESS INTELLIGENCE ET WEB ANALYTICS
L INTÉGRATION ENTRE BUSINESS INTELLIGENCE ET WEB ANALYTICS Julien Coquet Consultant Sénior Hub Sales Philippe Nieuwbourg Analyste Decideo.fr Notre partenaire : Naissance du terme «Business Intelligence»
Plus en détailBig 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 détailMonétisation 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 détailCatherine 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 détailBig 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 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 détailTransformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON
Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON L analytique joue un rôle désormais primordial dans la réussite d une entreprise. Les pouvoirs qu elle délivre sont incontestables, cependant
Plus en détailBIGDATA AN 3 : UNE NOUVELLE ERE DE B.I.
BIGDATA AN 3 : UNE NOUVELLE ERE DE B.I. QUELLES PERSPECTIVES POUR LES 20 PROCHAINES ANNEES? 22 MARS 2013 CHARLES PARAT, DIR. INNOVATION adoption L ADOPTION DES EVOLUTIONS B.I. EST LENTE BIGDATA BUZZ MAINFRAME
Plus en détailBig 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 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 détailIl y a tellement de hype autour du big data que Gartner étudie un nouveau modèle ;-) Talend 2012 2
Big Data: au delà du Buzz Yves de Montcheuil @ydemontcheuil Il y a tellement de hype autour du big data que Gartner étudie un nouveau modèle ;-) Talend 2012 2 Hype Cycle Gartner Talend 2012 3 Big Data
Plus en détail1 er Avril 2015 Data Science & Big Data Etat de l art Donner plus d intelligence aux données
1 er Avril 2015 Data Science & Big Data Etat de l art Donner plus d intelligence aux données Votre interlocuteur Didier Gaultier Directeur Data Science Business & Decision Professeur de Statistique à l
Plus en détailLondres 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 détailAnticiper et prédire les sinistres avec une approche Big Data
Anticiper et prédire les sinistres avec une approche Big Data Julien Cabot Directeur Big Data Analytics OCTO jcabot@octo.com @julien_cabot OCTO 2013 50, avenue des Champs-Elysées 75008 Paris - FRANCE Tél
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 détailIntroduction Que s est-il passé en 2014? Qu attendre de 2015?
Les grandes tendances Data & Analytics 2015 L épreuve de la réalité janvier 2015 Introduction Que s est-il passé en 2014? Qu attendre de 2015? 2014 a confirmé l intérêt croissant pour la donnée au sein
Plus en détail1 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 détailPRESS RELEASE. La première Demand Side Platform française est une DSP mobile netadge, la performance RTB, au service des stratégies media mobile
PRESS RELEASE La première Demand Side Platform française est une DSP mobile netadge, la performance RTB, au service des stratégies media mobile www.netadge.com Janvier 2014 S ommaire LDMServices lance
Plus en détailLe SI et ses utilisa-tueurs Perspectives sur la stratégie IT des organisations à l heure du Cloud Computing
Le SI et ses utilisa-tueurs Perspectives sur la stratégie IT des organisations à l heure du Cloud Computing Sébastien Tran ISC Paris Emmanuel Bertin Orange Labs Telecom SudParis introduction évolution
Plus en détailLIVRE BLANC. Smart data, scoring et CRM automatisé : Comment acquérir, qualifier et convertir ses prospects en clients
messaging LIVRE BLANC Smart data, scoring et CRM automatisé : Comment acquérir, qualifier et convertir ses prospects en clients SOMMAIRE Smart data, scoring et CRM automatisé : Comment acquérir, qualifier
Plus en détailBI SWISS FORUM (ecom / SITB)
2015 04 21 - GENEVA BI SWISS FORUM (ecom / SITB) LE BIG DATA A L ASSAUT DES ZONES DE CONFORT TECH ET BUSINESS WWW.CROSS-SYSTEMS.CH GROUPE MICROPOLE 1100 COLLABORATEURS DONT 130 EN SUISSE +800 CLIENTS 27
Plus en détailPrésentation du 23 mai 2013 Barcarolle/Prangins AGENDA. 1. INTRODUCTION 2. CALYPS 3. QlikView by QlikTech 4. ANALYSE AVEC QLIKVIEW
Présentation du 23 mai 2013 Barcarolle/Prangins CALYPS SA : 5/2013 Tony Germini CEO Gérald Tedeschi Sales Director Nicolas Paccaud Senior Consultant Alessandro Baseggio Senior Consultant AGENDA 1. INTRODUCTION
Plus en détailAcquisition des données - Big Data. Dario VEGA Senior Sales Consultant
Acquisition des données - Big Data Dario VEGA Senior Sales Consultant The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated
Plus en détailLondres 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 détailSÉRIE 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 détailLe traitement du Big Data inclue la collecte, la curation, le stockage, l enrichissement, le croisement, la partage, l analyse et la visualisation.
Les infrastructure du Big Data Le «Big Data» vise à tirer un avantage concurrentiel au travers de méthodes de collecte, d analyse et d exploitation des données qu on ne pouvait utiliser jusqu à présent
Plus en détailFINI 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 détailwww.ambbn.com 04/05/2011 Amundi Liquidity A creative market introduction Date
www.ambbn.com 04/05/2011 Amundi Liquidity A creative market introduction Date 1 Notre cible : les Trésoriers d entreprise 2 Notre dilemne : à la fois leader et challenger! 3 Un marché trusté par les plus
Plus en détailE-Guide COMMENT PRENDRE LA MAIN SUR LES PROJETS BIG DATA
E-Guide COMMENT PRENDRE LA MAIN SUR LES PROJETS BIG DATA M aintenant que vos projets analytiques sont en place, comment vous assurer que votre entreprise tire une réelle valeur métier de ces initiatives?
Plus en détailPanorama des solutions analytiques existantes
Arnaud LAROCHE Julien DAMON Panorama des solutions analytiques existantes SFdS Méthodes et Logiciels - 16 janvier 2014 - Données Massives Ne sont ici considérés que les solutions autour de l environnement
Plus en détailLabs Hadoop Février 2013
SOA - BRMS - ESB - BPM CEP BAM - High Performance Compute & Data Grid - Cloud Computing - Big Data NoSQL - Analytics Labs Hadoop Février 2013 Mathias Kluba Managing Consultant Responsable offres NoSQL
Plus en détailLe MDM (Master Data Management) Pierre angulaire d'une bonne stratégie de management de l'information
Darren Cooper Information Management Consultant, IBM Software Group 1st December, 2011 Le MDM (Master Data Management) Pierre angulaire d'une bonne stratégie de management de l'information Information
Plus en détailBusiness Intelligence, Etat de l art et perspectives. ICAM JP Gouigoux 10/2012
Business Intelligence, Etat de l art et perspectives ICAM JP Gouigoux 10/2012 CONTEXTE DE LA BI Un peu d histoire Premières bases de données utilisées comme simple système de persistance du contenu des
Plus en détailBIG DATA en Sciences et Industries de l Environnement
BIG DATA en Sciences et Industries de l Environnement François Royer www.datasio.com 21 mars 2012 FR Big Data Congress, Paris 2012 1/23 Transport terrestre Traçabilité Océanographie Transport aérien Télémétrie
Plus en détailSEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL
SEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL AGENDA 14:15-14:30 Bienvenue & Introduction Jérôme Berthier et Manuel Fucinos 14:30-14:45 Le concept de la Data Viz et
Plus en détailBig Data Jean-Michel Franco
28/03/2014 Big Data Tendances, perspectives et cas d usage Jean-Michel Franco Directeur de l innovation et des solutions jean-michel.franco@businessdecision.com Twitter : @jmichel_franco Définition Le
Plus en détailLe décisionnel plus que jamais au sommet de l agenda des DSI
Le décisionnel plus que jamais au sommet de l agenda des DSI 9 juin 2011 www.idc.com Cyril Meunier IDC France Research & Consulting Manager Copyright 2008 IDC. Reproduction is forbidden unless authorized.
Plus en détailConférence Big Data Paris
Conférence Big Data Paris Zouheir Guédri Directeur Consulting - PwC 20 Mars 2012 Consulting Academy February 2011 Agenda 1. Qu est-ce que la Big Data? 2. Que constatent les entreprises? 3. La Big Data,
Plus en détailSession Business Objects. Thierry Nicault Directeur Régional EEMEA Business Objects
Session Business Objects Thierry Nicault Directeur Régional EEMEA Business Objects Agenda La Business Intelligence: Une définition Le Marché de la Business Intelligence La Société Business Objects Nos
Plus en détailBusiness Intelligence Les 15 tendances clefs pour 2015
Business Intelligence Les 15 tendances clefs pour 2015 Philippe Nieuwbourg www.decideo.fr www.b-eye-network.com 17/11/2008 15 : Temps réel» Fantasme de l intelligence artificielle» Il faut réduire les
Plus en détailDidier MOUNIEN Samantha MOINEAUX
Didier MOUNIEN Samantha MOINEAUX 08/01/2008 1 Généralisation des ERP ERP génère une importante masse de données Comment mesurer l impact réel d une décision? Comment choisir entre plusieurs décisions?
Plus en détailGaligeo Location Intelligence Solutions. 29.11.2012 Galigeo Solution
Galigeo Location Intelligence Solutions 29.11.2012 Galigeo Solution Agenda Présentation GALIGEO Cas d usage Smart Grid Linky L introduction de GALIGEO La solution mise en oeuvre Galigeo Solutions Architecture
Plus en détailConstruisez plus rapidement vos apps mobiles avec MicroStrategy 10. Ludivine Fèvre, Consultante Avant-vente 16 Juin 2015
Construisez plus rapidement vos apps mobiles avec MicroStrategy 10 Ludivine Fèvre, Consultante Avant-vente 16 Juin 2015 Agenda Introduction Développement d apps mobiles MicroStrategy Déploiement d apps
Plus en détailBusiness Intelligence et Data Visualisation
livre blanc Business Intelligence et Data Visualisation Perspectives pour la DSI par Mouloud Dey, SAS France Sommaire 1 Introduction 1 Les données du problème 2 La menace fantôme 4 Les nouveaux besoins
Plus en détailQlikView 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 détailWorkshop Big Data Valère DUSSAUX (GCS-D-SISIF) Bruno PREVOST (SAFRAN) Point d avancement
Workshop Big Data Valère DUSSAUX (GCS-D-SISIF) Bruno PREVOST (SAFRAN) Point d avancement Les réunions Démarrage : septembre 2012 3 ateliers menés - Attentes/témoignages - RETEX client - RETEX Fournisseur
Plus en détailEurateach labellisé par la région et le FAFIEC. Si vous remplissez les conditions suivantes : Votre entreprise compte moins de 250 salariés
> FORMATIONS CLES EN MAIN > FORMATIONS SUR MESURE Eurateach labellisé par la région et le FAFIEC Dans le cadre du Pacte Régional de Continuité Professionnelle signé par l Etat, la Région et les Partenaires
Plus en détailFouillez facilement dans votre système Big Data. Olivier TAVARD
Fouillez facilement dans votre système Big Data Olivier TAVARD A propos de moi : Cofondateur de la société France Labs Développeur (principalement Java) Formateur en technologies de moteurs de recherche
Plus en détailStratégie 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 détailEvry - M2 MIAGE Entrepôt de données
Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration
Plus en détailGestion 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 détailOpportunités et enjeux à l heure du Cloud, du Big Data, de la mobilité et du Social Business
Opportunités et enjeux à l heure du Cloud, du Big Data, de la mobilité et du Social Business Véronique Blondelle, Leader Marketing Software Philippe Bournhonesque, Leader Stratégie Software Les grandes
Plus en détailLes 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 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 détailBUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise
BUSINESS INTELLIGENCE Une vision cockpit : utilité et apport pour l'entreprise 1 Présentation PIERRE-YVES BONVIN, SOLVAXIS BERNARD BOIL, RESP. SI, GROUPE OROLUX 2 AGENDA Définitions Positionnement de la
Plus en détailLES NOUVEAUX FACTEURS DE COMPÉTITIVITÉ BASÉS SUR LA 3 ÈME PLATEFORME INFORMATIQUE. Sébastien LAMOUR IDC Research & Consulting Manager
LES NOUVEAUX FACTEURS DE COMPÉTITIVITÉ BASÉS SUR LA 3 ÈME PLATEFORME INFORMATIQUE Sébastien LAMOUR IDC Research & Consulting Manager LA 3 ÈME PLATEFORME INFORMATIQUE Santé publique Smart grids Smart buildings
Plus en détailGérer sa relation clients : Excel peutil suffire encore longtemps?
Gérer sa relation clients : Excel peutil suffire encore longtemps? Pôle Numérique / CCI Bordeaux 29 Mars 2012 Intervenants : KEOLIS Bordeaux, VivaSoft, Microclimat 1 Agendas Le pôle numérique de la CCI
Plus en détailAnalytics Platform. MicroStrategy. Business Intelligence d entreprise. Self-service analytics. Big Data analytics.
Business Intelligence d entreprise MicroStrategy Analytics Platform Self-service analytics Big Data analytics Mobile analytics Disponible en Cloud Donner l autonomie aux utilisateurs. Des tableaux de bord
Plus en détailQlikView 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 détailL Art d être Numérique. Thierry Pierre Directeur Business Development SAP France
L Art d être Numérique Thierry Pierre Directeur Business Development SAP France La Transformation Numérique «Plus largement, l impact potentiel des technologies numériques disruptives (cloud, impression
Plus en détailTRAVAUX 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 détailMalgré la crise, Le décisionnel en croissance en France
Malgré la crise, Le décisionnel en croissance en France 11 juin 2009 www.idc.com Cyril Meunier IDC France Consulting Manager Copyright 2009 IDC. Reproduction is forbidden unless authorized. All rights
Plus en détailQLIKVIEW ET LE BIG DATA
QLIKVIEW ET LE BIG DATA Livre blanc sur la technologie QlikView Juillet 2012 qlikview.com Introduction Le Big Data suscite actuellement un vif intérêt. En l exploitant dans un cadre opérationnel, nombre
Plus en détailIntroduction 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 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 détailLa performance est un choix
La performance est un choix 2B Consulting, tous droits réservés. Ce document est la propriété exclusive de la société 2B Consulting. Il ne peut être ni copié, ni communiqué à des tiers, sans l autorisation
Plus en détailTransformation 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 détailLa Business Intelligence pour les Institutions Financières. Jean-Michel JURBERT Resp Marketing Produit
La Business Intelligence pour les Institutions Financières Jean-Michel JURBERT Resp Marketing Produit Agenda Enjeux des Projets Financiers Valeur de Business Objects Références Clients Slide 2 Des Projets
Plus en détailIntroduction à MapReduce/Hadoop et Spark
1 / 36 Introduction à MapReduce/Hadoop et Spark Certificat Big Data Ludovic Denoyer et Sylvain Lamprier UPMC Plan 2 / 36 Contexte 3 / 36 Contexte 4 / 36 Data driven science: le 4e paradigme (Jim Gray -
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 détailLouis Naugès 2013. Paris, 17 juin 2013 Louis Naugès - Chief Cloud Evangelist Revevol
Paris, 17 juin 2013 Louis Naugès - Chief Cloud Evangelist Revevol 1 2013 = aube de la R2I : Révolution Industrielle Informatique 1 Google I/O 2013 2 - louis.nauges@revevol.eu - IAE de Paris - 17 juin 2013
Plus en détailFilière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.
Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants
Plus en détailLa 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 détaile need L un des premiers intégrateurs opérateurs Cloud Computing indépendants en France
e need L un des premiers intégrateurs opérateurs Cloud Computing indépendants en France Sommaire Cloud Computing Retours sur quelques notions Quelques chiffres Offre e need e need Services e need Store
Plus en détailServices à la recherche: Data Management et HPC *
Services à la recherche: Data Management et HPC * Pierre-Yves Burgi et Jean-François Rossignol Division informatique (DINF) * HPC = High-Performance Computing Réunion CIF Sciences du 6.12.11 1/19 Contenu
Plus en détailCollecter les 54 milliards d'euros de bénéfices issus des nouveaux usages de la donnée
Livre Blanc Collecter les 54 milliards d'euros de bénéfices issus des nouveaux usages de la donnée Sponsorisé par : Microsoft Sebastien Lamour mai 2014 QUELS SONT LES NOUVEAUX BENEFICES POTENTIELS ISSUS
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 détailBI : GESTION GESTION, PRODUCTION STRATEGIE DE BI. Un livre blanc d Hyperion
Un livre blanc d Hyperion LES TROIS PILIERS DE LA REUSSITE D UNE D STRATEGIE DE BI ET DIFFUSION DE L INFORMATIONL BI : GESTION GESTION, PRODUCTION Si votre société est comme la plupart des moyennes et
Plus en détailAgenda 1. Stratégie 2. Devices Management 3. Documents Management 4. Développement 5. Supply Chain 6. Support 7. Et après?
Agenda 1. Stratégie 2. Devices Management 3. Documents Management 4. Développement 5. Supply Chain 6. Support 7. Et après? Il était une fois Stratégie connaitre, définir, planifier Outils Interfaces Usages
Plus en détailNEXITY. Nexity développe une stratégie d E-reputation à 360 sur la base des données sociales fournies par BuzzWatcher. CASE STUDY
Online Intelligence Solutions NEXITY développe une stratégie d E-reputation à 360 sur la base des données sociales fournies par BuzzWatcher. CASE STUDY CASE STUDY INTRODUCTION Client Industrie Immobilier
Plus en détailCloud et SOA La présence du Cloud révolutionne-t-elle l approche SOA?
Cloud et SOA La présence du Cloud révolutionne-t-elle l approche SOA? Jean-Marc Pierson pierson@irit.fr IRIT, Université de Toulouse Agenda! Le Cloud! Le SOA! Quelle différence!?! Cloud et SOA! Mise en
Plus en détailWEB15 IBM Software for Business Process Management. un offre complète et modulaire. Alain DARMON consultant avant-vente BPM alain.darmon@fr.ibm.
WEB15 IBM Software for Business Process Management un offre complète et modulaire Alain DARMON consultant avant-vente BPM alain.darmon@fr.ibm.com Claude Perrin ECM Client Technical Professional Manager
Plus en détailRésultats du 1er Semestre 2009. 31 août, 2009
Résultats du 1er Semestre 2009 31 août, 2009 Groupe Hi-media La plateforme de monétisation leader en Europe Hi-media est le premier groupe de media online en Europe en terme d audience et de part de marché
Plus en détailVos experts Big Data. contact@hurence.com. Le Big Data dans la pratique
Vos experts Big Data contact@hurence.com Le Big Data dans la pratique Expert Expert Infrastructure Data Science Spark MLLib Big Data depuis 2011 Expert Expert Hadoop / Spark NoSQL HBase Couchbase MongoDB
Plus en détailSMARC La révolution des usages et des technologies : Quels impacts sur votre Stratégie Digitale. Mardi, le 21 avril 2015 SMARC G16
SMARC La révolution des usages et des technologies : Quels impacts sur votre Stratégie Digitale Mardi, le 21 avril 2015 SMARC G16 Avant, la relation entre le Client et la Marque était simple Depuis, les
Plus en détailRÉSEAUX SOCIAUX & BTOB
Ecoute MOI Regarde MOI Recrute MOI Regarde MOI Accepte MOI RÉSEAUX SOCIAUX & BTOB Comment les investir? quels impacts sur le référencement? SOMMAIRE RÉSEAUX SOCIAUX & BTOB PANORAMA 2014 ET USAGES POURQUOI
Plus en détailDATA QUERY : MODÉLISATION AVANCÉE DE VOS DONNÉES
Online Intelligence Solutions DATA QUERY : MODÉLISATION AVANCÉE DE VOS DONNÉES Marion JOFFRE, Chef de produit marketing WHITE PAPER Table des matières CONTEXTE 3 Un suivi précis et détaillé de l ensemble
Plus en détailCLOUD COMPUTING et Relation Client/Fournisseur Une Révolution culturelle?
CLOUD COMPUTING et Relation Client/Fournisseur Une Révolution culturelle? Stéphane Lemarchand Avocat Associé Matinale IPT - AGENDA Définition, Typologie des Services et Acteurs Problématiques connues Réalité
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 détailL écosystème Hadoop Nicolas Thiébaud ni.thiebaud@gmail.com. Tuesday, July 2, 13
L écosystème Hadoop Nicolas Thiébaud ni.thiebaud@gmail.com HUG France 250 membres sur la mailing liste 30 présentations 9 meetups organisés, de 20 à 100 invités Présence de Cloudera, MapR, Hortonworks,
Plus en détailSolocal Group Solocal Group pilote ses audiences via un ensemble de tableaux de bord complètement automatisés grâce à l API AT Internet.
Online Intelligence Solutions Solocal Group Solocal Group pilote ses audiences via un ensemble de tableaux de bord complètement automatisés grâce à l API AT Internet. Case study Case study INTRODUCTION
Plus en détailTo PIM or not to PIM? Managing your Product Catalog
To PIM or not to PIM? Managing your Product Catalog Sébastien LIEUTAUD VP Sales & Marketing Programme Le marché du PIM en pleine (r)évolution! To PIM or not to PIM: Objectifs, réalisation et bénéfices
Plus en détail