UN CHANGEMENT DE PARADIGME DANS LA PRÉPARATION DES DONNÉES
|
|
- Jean-Marie Bois
- il y a 8 ans
- Total affichages :
Transcription
1 UN CHANGEMENT DE PARADIGME DANS LA PRÉPARATION DES DONNÉES L ANALYSE VISUELLE ET LE BIG DATA Bernard Blais Directeur Principal Analytique Haute Performance
2 CONTENU L ANALYSE VISUELLE ET LE BIG DATA Big Data - Une nouvelle définition de Big Data qui concerne tout le monde; Visualisation des Données - L utilisation de nouveaux outils de visualisation des données; Préparation des données - La préparation des données en vue d une exploration visuelle, dans une approche Big Data; Analyse En Amont - L utilisation de techniques d analyses avancées en amont, pour accélérer la préparation des données; Démocratisation de L Analytique - Augmenter la maturité analytique de l organisation Copyright 2012, SAS Institute Inc. All rights reserved.
3 BIG DATA UNE NOUVELLE DÉFINITION DE BIG DATA QUI CONCERNE TOUT LE MONDE
4 Quantité de Données BIG DATA LE DÉFI VOLUME VARIÉTÉ VÉLOCITÉ AUJOURD HUI DEMAIN
5 RETOUR SUR LA NOTION DE BIG DATA Copyright 2012, SAS Institute Inc. All rights reserved.
6 Notre Perspective Big Data est une notion RELATIVE et non pas ABSOLUE!!! Big Data Lorsque le volume, la vitesse ou la variété des données dépassent la capacité de traitement ou de stockage d une organisation, pour livrer à temps une information fiable et précise, afin de soutenir la prise des meilleures décisions. Copyright 2012, SAS Institute Inc. All rights reserved.
7 SAS ANALYTIQUES HAUTE PERFORMANCE GRANDE PRÉCISION AMPLITUDE ET PROFONDEUR MEILLEURE DÉCISIONS HAUTE PERFORMANCE
8 Liste de contrôle: Analytique pour le Big Data Une architecture flexible qui supporte plusieurs types de données et d utilisation Une utilisation en amont qui permet d optimiser la préparation et la pertinence des données Une exploration et une analytique visuelle permettant d accélérer la compréhension et le plan d action Une approche collaborative entre la technologie et les gens d affaires Copyright 2012, SAS Institute Inc. All rights reserved.
9 L APPROCHE SAS ANALYTIQUE AVANCÉE ET BIG DATA
10 L ESSENCE D UN ORDINATEUR Que ce soit un ordinateur personnel ou un serveur d entreprise, leurs architectures respectives comportent les mêmes trois composantes essentielles: RAM MÉMOIRE VIVE Disque STOCKAGE CPU CPU TRAITEMENT
11 TRAITEMENT DISTRIBUÉ Serveur VA Serveur Distribué Serveur Distribué Serveur Distribué Serveur SAS SAS LASR Analytic Server SAS LASR Analytic Server SAS LASR Analytic Server MÉMOIRE VIVE Serveur Web Données co-localisées Données co-localisées Données co-localisées STOCKAGE Métadonnées TRAITEMENT SGBD Non-relationnel ERP Hadoop Click Stream Fichiers PC STOCKAGE EXTERNE
12 TRAITEMENT DISTRIBUÉ Serveur VA Serveur SAS Serveur Distribué SAS LASR Analytic Server Serveur Distribué SAS LASR Analytic Server Serveur Web Données co-localisées Données co-localisées Métadonnées SGBD Non-relationnel ERP Hadoop Click Stream Fichiers PC
13 L APPROCHE SAS - RÉSUMÉ Données en mémoire Permet une lecture ultra-rapide Parallélisme Extrême Utilisation à pleine capacité de tous les cœurs des unités de traitement Distribution des Capacités Analytiques Exploitation de la mémoire *et* des unités de traitement distribuées
14 AUTRES AVANTAGES DE L APPROCHE SAS Très simple d ajouter de la mémoire et des ressources de traitement Limites extrêmes en matière de: Nombre de serveurs ( ** ) et d unités centrales de traitement Mémoire vive (RAM) et tables chargées Utilisateurs concurrentiels Performance est indépendante du stockage des données, du système de production ou de la source de données (base de données relationnelles, etc.) ( ** ) Client avec 200+ serveurs de type «blade»
15 VISUALISATION DES DONNÉES NOUVEAUX OUTILS DE VISUALISATION POUR LE BIG DATA
16 Janvier Février Mars Avril Mai Juin Juillet Août Septembre Octobre Novembre Décembre Domestique $1,983 $2,343 $2,593 $2,283 $2,574 $2,838 $2,382 $2,634 $2,938 $2,739 $2,983 $3,493 International $574 $636 $673 $593 $644 $679 $593 $139 $599 $583 $602 $690 $2,557 $2,979 $3,266 $2,876 $3,218 $3,517 $2,975 $2,773 $3,537 $3,322 $3,585 $4,183 $4,000 VERSUS $3,500 $3,000 $2,500 $2,000 $1,500 $1,000 $500 $- Janvier Février Mars Avril Mai Juin Juillet Août Septembre Octobre Novembre Décembre Domestique International
17 VISUALISATION DES DONNÉES VISUALISER LE BIG DATA
18 DÉMONSTRATION SAS VISUAL ANALYTICS VISUALISATION DE BIG DATA
19 PRÉPARATION DES DONNÉES OBJECTIF: TABLE ANALYTIQUE
20 PRÉPARATION TABLE ANALYTIQUE UN EXEMPLE Les données de départ: Peu d informations contextuelles; Viennent probablement d une BDR
21 PRÉPARATION TABLE ANALYTIQUE UN EXEMPLE Étape 1: Reformatter en une table analytique
22 PRÉPARATION TABLE ANALYTIQUE UN EXEMPLE Étape 2: Préparer les éléments qui peuvent être perçus différemment par les analystes (exemple: dates)
23 PRÉPARATION TABLE ANALYTIQUE UN EXEMPLE Étape 2: Préparer les éléments qui peuvent être perçus différemment par les analystes (exemple: hiérarchie de produits)
24 PRÉPARATION TABLE ANALYTIQUE ENRICHISSEMENT DES DONNÉES CRÉER DES OPPORTUNITÉS D ANALYSE Étape 3 : Ajouter des informations additionnelles Température locale au moment de la transaction Les coordonnées géographiques de chaque transaction Créer des sous-groupes (âge, revenu familial, ethnicité, ) Créer des opportunités de hiérarchies Exemple: pays province ville Etc
25 PRÉPARATION TABLE ANALYTIQUE UN EXEMPLE La table analytique finale: Dé-normalisée; Contient le plus possible de champs descriptifs pour chaque rangée
26 PRÉPARATION TABLE ANALYTIQUE EN RÉSUMÉ Ce qu on a accompli: Qualité des Données Pertinence des Données Données Dé-Normalisées Données Enrichies
27 L ANALYSE EN AMONT OBJECTIF: ACCÉLÉRER LA PRÉPARATION DES DONNÉES
28 ANALYSE EN AMONT BI TRADITIONNEL ETL CUBE BI ANALYTIQUE HAUTE PERFORMANCE
29 PROFILAGE DES DONNÉES SE FAMILIARISER AVEC LES DONNÉES À l ouverture du fichier, on devrait immédiatement avoir une idée: Des champs disponibles, du type (catégorie, date, numérique, etc.); De la cardinalité de chaque champ. Dans les pages suivantes nous couvrirons des exemples d exploration initiale.
30 PROFILAGE DES DONNÉES TEMPS DE TRANSACTIONS Percevoir la couverture de tout champ de date
31 PROFILAGE DES DONNÉES TEMPS DE TRANSACTIONS Détection immédiate de toute date hors normes Dans cet exemple, nous avons 24 enregistrement datés de 2012
32 PROFILAGE DES DONNÉES CONTENU DES CATÉGORIES Survol immédiat de la distribution de toute catégorie En changeant simplement le visuel désiré, on peut créer une liste des contenus uniques auquel on peut rapidement ajouter des mesures
33 PROFILAGE DES DONNÉES DISTRIBUTION DES DONNÉES Toute mesure numérique peut être vue en survol
34 PROFILAGE DES DONNÉES DISTRIBUTION DES DONNÉES PAR CATÉGORIE En utilisant la boîte à moustache, on peut voir immédiatement la distribution de certaines données par catégorie. Cela permet d identifier: Données aberrantes et hors-normes; Moyenne, médiane, déviation standard, minimum et maximum, Vérifier que mon code de groupe d âge est bien programmé ou la moyenne d âge de mes employés
35 EXPLORATION DES DONNÉES APPLYING FILTERS By applying filters, for any visual we can: See an overview of the data distribution Focus on segments of our data
36 ENRICHISSEMENT DES DONNÉES CRÉER DES OPPORTUNITÉS D ANALYSE Qualité des données: Retirer les données hors-normes (dates, outliers, ) Détecter et retirer les copies/duplicata Température locale au moment de la transaction? Les coordonnées géographiques de chaque transaction? Créer des sous-groupes (âge, revenu familial, ethnicité, ) Créer des opportunités de hiérarchies: Année Mois Semaine Jour heure; Groupe de produit sous-groupes SKUs Géographie
37 PRÉPARATION TABLE ANALYTIQUE EN RÉSUMÉ Ce qu on a accompli: Qualité des Données Pertinence des Données Données Dé-Normalisées Données Enrichies
38 DÉMOCRATISATION DE L ANALYTIQUE RENDRE ACCESSIBLE L ANALYTIQUE AVANCÉE
39 ANALYTIQUE AVANCÉE DÉMOCRATISER L ANALYTIQUE
40 DÉMONSTRATION SAS VISUAL ANALYTICS ANALYTIQUE AVANCÉE
41 ANALYTIQUE AVANCÉE DÉMOCRATISER L ANALYTIQUE Rendre disponible et accessible l analytique avancée Comprendre l impact pour les décisions d affaires Augmenter le niveau de maturité analytique de l organisation
42 CONTENU L ANALYSE VISUELLE ET LE BIG DATA Big Data - Une nouvelle définition de Big Data qui concerne tout le monde; Visualisation des Données - L utilisation de nouveaux outils de visualisation des données; Préparation des données - La préparation des données en vue d une exploration visuelle, dans une approche Big Data; Analyse En Amont - L utilisation de techniques d analyses avancées en amont, pour accélérer la préparation des données; Démocratisation de L Analytique - Augmenter la maturité analytique de l organisation
43 L APPROCHE SAS ANALYTIQUE HAUTE PERFORMANCE EXEMPLES CONCRETS
44 IMPLICATIONS EXEMPLES D AFFAIRES 1. Vente au détail analyse du panier d achat 2. Gouvernemental analyse des accidents de la route 3. Services publics consommation d électricité 4. Services conseils intelligence marketing
45 1. ANALYSE DU PANIER DE CONSOMMATION CONTEXTE: Analyse de la fréquence d achat d un produit particulier en fonction de la présence d autres produits dans un même «panier» Pour 100 catégorie de produits, une matrice de interactions
46 1. ANALYSE DU PANIER DE CONSOMMATION Les résultats typiques d une interaction de régression: PROBLÉMATIQUE: Difficile à lire, à interpréter, à comprendre L analyse demeure la chasse gardée des experts/statisticiens
47 1. ANALYSE DU PANIER DE CONSOMMATION AVEC SAS VISUAL ANALYTICS SOLUTIONS: SAS Enterprise Miner et SAS Visual Analytics RÉSULTATS: Visualisation Immédiate de l ensemble des données, et cibler les relations les plus importantes Les gens d affaires peuvent maintenant explorer et analyser les résultats
48 1. ANALYSE DU PANIER DE CONSOMMATION AVEC SAS VISUAL ANALYTICS RÉSULTATS: Interagir avec les résultats, afin de cibler les catégories de produits les plus profitables
49 2. ANALYSE DES ACCIDENTS DE LA ROUTE CONTEXTE: Source: NHTSA (USA s National Highway Traffic Safety Administration) Information publique sur la sécurité routière aux États-Unis. Les données: 700,000 entrées sur des incidents / accidents routiers: Véhicules: marque et modèle, date de fabrication, date d achat, problèmes connus, kilométrage, nombre de cylindres, etc pour chaque véhicules Composantes (385): coussins gonflables, siège pour enfant, système électrique, moteur, etc Accidents: vitesse, endroit, blessures, décès, etc
50 2. ANALYSE DES ACCIDENTS DE LA ROUTE LES DONNÉES PROBLÉMATIQUE: Données non-structurées Classification peu fiable Données difficile à naviguer Aucun résultats précis
51 2. ANALYSE DES ACCIDENTS DE LA ROUTE FORAGE DE TEXTE Objectif: parfaire la catégorisation des éléments de chaque rapports d accidents 5½ HRS 82 SECONDS
52 2. ANALYSE DES ACCIDENTS DE LA ROUTE VISUAL ANALYTICS SOLUTIONS: SAS Text Analytics et SAS Visual Analytics RÉSULTATS: Catégorisation améliorée de 20% Visualisation immédiate des différents accidents et incidents, par type de véhicule, condition de la route et météo, facteur causant l accident, etc. Surfacer les éléments les plus troublants, trouver liens et dépendances
53 3. CONSOMMATION D ÉLECTRICITÉ CONTEXTE: Source: Oklahoma Gas & Electric Company (OG&E) clients dans l Oklahoma et l ouest de l Arkansas. Gagnant du service Publique de l année (2011) PROBLÉMATIQUE: Prévision statistiques de l utilisation, en vue d optimiser la production et la distribution d électricité. 1 seule lecture par mois par client ( ) limite du traitement de volume des données
54 3. CONSOMMATION D ÉLECTRICITÉ SOLUTIONS: SAS Analytics RÉSULTATS: En embrassant le Big Data, ils ont pu passer de 1 lecture par mois par client, à 1 lecture aux 15 minutes (3000 / mois). Le processus de prévision prenait 2-3 jours, maintenant se fait en quelques heures. L exactitude des prévisions a grimpé dramatiquement. 12 lectures 30,000 lectures
55 4. INTELLIGENCE MARKETING CONTEXTE: Source: SM marketing Convergence Inc. Production des coupons rabais et programmes de loyauté Analyse des données de plus de 500 entreprises commerciales et magasins > 200 millions de transactions / année PROBLÉMATIQUE: Volume, volume, volume trop de données à analyser entraîne un processus lourd de sélection des données, à partir des résultats escomptés.
56 4. INTELLIGENCE MARKETING SOLUTIONS: SAS Visual Analytics RÉSULTATS: Maintenant, la préparation des données est de beaucoup simplifiée: tout est chargé dans SAS Visual Analytics (tous les skus) Les utilisateurs sont maintenant plus curieux, perspicace et même audacieux dans l exploration des données. ( momentum of insight seeking - Bady Golangco, Président et CEO de SM-MCI)
57 CONCLUSION L Analytique haute performance Ce n est pas juste une question de GRANDE VITESSE ; CONFIANCE: travailler avec l ensemble des données, pas juste des échantillons ou des sommaires; EXACTITUDE: des modèles plus complexes, avec plus de variables; EFFICACITÉ: utiliser les cerveaux analytiques à faire des analyses; AGILITÉ: s adapter et réagir plus rapidement.
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 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 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 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 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 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 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: 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 détailVotre laisser-passer pour les. Big Data Guide visuel
Votre laisser-passer pour les Big Data Guide visuel Les Big Data ont une immense valeur Apprenez à en libérer tout le potentiel Nul doute aujourd hui que les Big Data entraînent une profonde mutation du
Plus en détailLES NOUVEAUTES DE COST AND PROFITABILITY MANAGEMENT 8.1
LES NOUVEAUTES DE COST AND PROFITABILITY MANAGEMENT 8.1 SAS Cost and Profitability Management, également appelé CPM (ou C&P), est le nouveau nom de la solution SAS Activity-Based Management. Cette version
Plus en détailWebinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data
Webinar EBG Nouvelles perspectives d'exploitation des données clients avec le big data Approches & opportunités face aux enjeux de volume, variété et vélocité France, 2012-2014 28 mars 2013 Ce document
Plus en détailLe 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 détailInscriptions : 0800 901 069 - Renseignements : 33 (0)1 44 45 24 35 - education.france@sap.com
FORMATION SAP BUSINESSOBJECTS BUSINESS INTELLIGENCE PLATFORM 4.x Du lundi 3 au vendredi 7 juin 2013 http://www.sap.com/france/services/education/newsevents/index.epx 1 Vous êtes clients SAP BusinessObjects
Plus en détailIBM SPSS Direct Marketing
IBM SPSS Statistics 19 IBM SPSS Direct Marketing Comprenez vos clients et renforcez vos campagnes marketing Points clés Avec IBM SPSS Direct Marketing, vous pouvez : Comprendre vos clients de manière plus
Plus en détailTravaux pratiques 1.3.2 Détermination de la capacité de stockage des données
Travaux pratiques 1.3.2 Détermination de la capacité de stockage des données Objectifs Déterminer la quantité de mémoire RAM (en Mo) installée sur un ordinateur Déterminer la taille de l unité de disque
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 détailDÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM
DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM Étude de cas technique QlikView : Big Data Juin 2012 qlikview.com Introduction La présente étude de cas technique QlikView se consacre au
Plus en 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 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 détailIBM Cognos TM1. Les points clés. Logiciels IBM Business Analytics
IBM Capacités de planification, d analyse et de génération de scorecarding pour assurer la gestion des performances au niveau individuel, au niveau des différents départements et de toute l entreprise
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 détailLivre. blanc. Solution Hadoop d entreprise d EMC. Stockage NAS scale-out Isilon et Greenplum HD. Février 2012
Livre blanc Solution Hadoop d entreprise d EMC Stockage NAS scale-out Isilon et Greenplum HD Par Julie Lockner et Terri McClure, Analystes seniors Février 2012 Ce livre blanc d ESG, qui a été commandé
Plus en 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 détailIBM Software Big Data. Plateforme IBM Big Data
IBM Software Big Data 2 Points clés Aide les utilisateurs à explorer de grands volumes de données complexes Permet de rationaliser le processus de développement d'applications impliquant de grands volumes
Plus en détailL 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 détailBénéfices 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 détailEn route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille moyenne
Présentation du produit SAP s SAP pour les PME SAP BusinessObjects Business Intelligence, édition Edge Objectifs En route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille
Plus en détailWD et le logo WD sont des marques déposées de Western Digital Technologies, Inc, aux États-Unis et dans d'autres pays ; absolutely WD Re, WD Se, WD
WD et le logo WD sont des marques déposées de Western Digital Technologies, Inc, aux États-Unis et dans d'autres pays ; absolutely WD Re, WD Se, WD Xe, RAFF et StableTrac sont des marques de Western Digital
Plus en détailEsri LOCATION ANALYTICS
Esri LOCATION ANALYTICS Le «où» qui fait la différence De meilleurs résultats avec Esri Location Analytics. Comment canaliser les flux de données et comment en tirer la valeur ajoutée la plus élevée? À
Plus en détailS e r v i r l e s clients actuels de maniè r e e f f ic a ce grâce a u «Co n s u m er Insight»
Siège mondial : 5 Speen Street Framingham, MA 01701 États-Unis P.508.935.4400 F.508.988.7881 www.idc-ri.com S e r v i r l e s clients actuels de maniè r e e f f ic a ce grâce a u «Co n s u m er Insight»
Plus en détailSauvegarde EMC pour solutions SAP HANA prêtes pour le datacenter. EMC Data Domain avec DD Boost
EMC pour solutions SAP HANA prêtes pour le datacenter EMC Data Domain avec DD Boost 1 Informations d entreprise Big Data Informations provenant des partenaires Informations «publiques» Informations structurées
Plus en détailaccompagner la transformation digitale grâce au Big & Fast Data Orange Business Services Confidentiel 02/10/2014
accompagner la transformation digitale grâce au Big & Fast Data Orange Business Services Confidentiel 02/10/2014 Big Data au-delà du "buzz-word", un vecteur d'efficacité et de différenciation business
Plus en détailInnovative BI with SAP Jean-Michel JURBERT D. de Marché BI, HANA, BIG DATA _ SAP France
Innovative BI with SAP Jean-Michel JURBERT D. de Marché BI, HANA, BIG DATA _ SAP France 2013 SAP AG. All rights reserved. Customer 1 Rôles et Attentes Instantanéité BIG DATA Users IT Real Time SAP HANA
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 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 détailLes 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie
Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Découvrir les stratégies ayant fait leurs preuves et les meilleures pratiques Points clés : Planifier
Plus en détailLa renaissance de l industrie
La renaissance de l industrie Première contribution de l Académie des technologies Construire des écosystèmes compétitifs, fondés sur la confiance et favorisant l innovation Académie des technologies,
Plus en détailSAP Runs SAP Reporting Opérationnel & BI avec HANA et SAP Analytics. Pierre Combe, Enterprise Analytics Juin, 2015
SAP Runs SAP Reporting Opérationnel & BI avec HANA et SAP Analytics Pierre Combe, Enterprise Analytics Juin, 2015 Agenda SAP Enterprise Analytics qui sommes-nous? Acteur clé de l innovation à SAP Présentation
Plus en détailtransformer 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 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 détailGuide de référence pour l achat de Business Analytics
Guide de référence pour l achat de Business Analytics Comment évaluer une solution de décisionnel pour votre petite ou moyenne entreprise : Quelles sont les questions à se poser et que faut-il rechercher?
Plus en détailCopyright 2013, Oracle and/or its affiliates. All rights reserved.
1 Moderniser votre back office Finance Oracle Finance Cloud Guy Aguera, Deloitte Partner Valérie Vinges, Oracle Sales Consultant 2 Safe Harbor Statement The following is intended to outline our general
Plus en détailT o u s d r o i t s r é s e r v é s 2 0 1 4-2 0 1 5 O S I s o f t, L L C. SÉMINAIRES RÉGIONAUX
Le parcours vers l intelligence opérationnelle Présenté par Martin Jetté, directeur, Marketing et opérations Amérique du Nord mjette@osisoft.com Horaire de la présentation Le parcours vers l intelligence
Plus en détailConserver 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 détailAccélérateur de votre RÉUSSITE
Accélérateur de votre RÉUSSITE SAP Business Objects est une suite décisionnelle unifiée et complète qui connecte ses utilisateurs en éliminant les difficultés d accès à l information. Mobile Devices Browsers
Plus en détailGuide de référence pour l achat de Business Analytics
Guide de référence pour l achat de Business Analytics Comment évaluer une solution de décisionnel pour votre petite ou moyenne entreprise : Quelles sont les questions à se poser et que faut-il rechercher?
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 détailSOCIAL CRM: DE LA PAROLE À L ACTION
LIVRE BLANC SOCIAL CRM: DE LA PAROLE À L ACTION Découvrez comment le Social CRM peut travailler pour vous LIVRE BLANC SOCIAL CRM: DE LA PAROLE À L ACTION 2 À PROPOS Au cours des dernières années, vous
Plus en détailBusiness & High Technology
UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 8 : ID : Informatique Décisionnelle BI : Business Intelligence Sommaire Introduction...
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 détailLE BIG DATA. TRANSFORME LE BUSINESS Solution EMC Big Data
LE BIG DATA Solution EMC Big Data TRANSITION VERS LE BIG DATA En tirant profit du Big Data pour améliorer leur stratégie et son exécution, les entreprises se démarquent de la concurrence. La solution EMC
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 détailEnjeux mathématiques et Statistiques du Big Data
Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris
Plus en détailDécouverte et investigation des menaces avancées PRÉSENTATION
Découverte et investigation des menaces avancées PRÉSENTATION AVANTAGES CLÉS RSA Security Analytics offre les avantages suivants : Surveillance de la sécurité Investigation des incidents Reporting sur
Plus en détail20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013. 20 ans du SIAD -"Big Data par l'exemple" -Julien DULOUT
20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013 20 ans du SIAD -"BigData par l'exemple" -Julien DULOUT Qui a déjà entendu parler du phénomène BigData? Qui a déjà
Plus en détailTout ce que vous avez toujours voulu savoir sur SAP HANA. Sans avoir jamais osé le demander
Tout ce que vous avez toujours voulu savoir sur SAP HANA Sans avoir jamais osé le demander Agenda Pourquoi SAP HANA? Qu est-ce que SAP HANA? SAP HANA pour l intelligence d affaires SAP HANA pour l analyse
Plus en détailOcularis. NOVADIS 14 place Marie Jeanne Bassot 92 300 Levallois Perret Tel : +(33) 1 41 34 03 90 Fax : +(33) 1 41 34 09 91 www.novadis.
Ocularis NOVADIS 14 place Marie Jeanne Bassot 92 300 Levallois Perret Tel : +(33) 1 41 34 03 90 Fax : +(33) 1 41 34 09 91 www.novadis.eu Ocularis La dernière génération de plateforme VMS d OnSSI, Ocularis,
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 détailEcole des Hautes Etudes Commerciales HEC Alger. par Amina GACEM. Module Informatique 1ière Année Master Sciences Commerciales
Ecole des Hautes Etudes Commerciales HEC Alger Évolution des SGBDs par Amina GACEM Module Informatique 1ière Année Master Sciences Commerciales Evolution des SGBDs Pour toute remarque, question, commentaire
Plus en détailSAS ENTERPRISE MINER POUR L'ACTUAIRE
SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de
Plus en détailINTERSYSTEMS CACHÉ COMME ALTERNATIVE AUX BASES DE DONNÉES RÉSIDENTES EN MÉMOIRE
I N T E RS Y S T E M S INTERSYSTEMS CACHÉ COMME ALTERNATIVE AUX BASES DE DONNÉES RÉSIDENTES EN MÉMOIRE David Kaaret InterSystems Corporation INTERSySTEMS CAChé CoMME ALTERNATIvE AUx BASES de données RéSIdENTES
Plus en détailSuite intégrée Entreprise de Sage Accpac. Obtenez une vue à 360 de votre entreprise avec Sage Accpac. Votre succès. Notre priorité!
Suite intégrée Entreprise de Sage Accpac Obtenez une vue à 360 de votre entreprise avec Sage Accpac Votre succès. Notre priorité! Bien que votre plan de croissance comporte des achats et ventes sur le
Plus en détailTout sur le processus CPQ Configure Price Quote
Configure Price Quote Comment vendre plus et mieux vos produits et services complexes SOMMAIRE CPQ? Kézaco?. 2 Quand doit-on avoir recours à une solution CPQ? 4 Quelles sont les offres CPQ disponibles?
Plus en détailQui sommes-nous? Expertises. Chiffres clé. Premier intégrateur mondial des technologies Microsoft. Références. 2015 Avanade Inc. All Rights Reserved.
Qui sommes-nous? Chiffres clé Expertises Premier intégrateur mondial des technologies Microsoft Références 2015 Avanade Inc. All Rights Reserved. 1 Avanade en quelques chiffres Plus de 25 000 collaborateurs
Plus en détailBusiness Intelligence
Pour aller plus loin Tous les détails de l offre Microsoft Business Intelligence : www.microsoft.com/france/decisionnel Contact Microsoft France : msfrance@microsoft.com Business Intelligence Votre Infrastructure
Plus en détailLes 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 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 détailTHE GLOBAL EVENT MANAGER
The Big Data Mining Company THE GLOBAL EVENT MANAGER Dans les systèmes d informations d entreprises d aujourd hui, l information est de plus en plus dipsersée, diverse, volumineuse, complexe et très indigeste
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 détailEsri Location Analytics pour. la Banque. Etude de cas
Esri Location Analytics pour la Banque Etude de cas Améliorer la performance de la banque grâce à Esri Location Analytics Ce cas pratique détaille l intérêt de l usage de la location analytics (l analyse
Plus en détailPourquoi IBM System i for Business Intelligence
Améliorer les performances et simplifier la gestion de vos applications d aide à la décision (Business Intelligence ou BI) Pourquoi IBM System i for Business Intelligence Points clés Technologie IBM DB2
Plus en détailLes compétences clés en 2015 La révolution du Big Data souffle sur les métiers du commerce et du marketing
Communiqué de presse Les compétences clés en 2015 La révolution du Big Data souffle sur les métiers du commerce et du marketing Paris, le 7 avril 2015 A la recherche de leviers permettant de soutenir le
Plus en détailL Information en Temp Réel
L Information en Temp Réel Christophe Toulemonde Program Director Integration & Development Strategies christophe.toulemonde @metagroup.com Europe 2004 : Environnement économique Importance du pilotage
Plus en détailSMALL DATA DANS LA VEILLE
SMALL DATA DANS LA VEILLE Collecte et valorisation de l information stratégique dans l entreprise OCP El Jadida 25 Septembre 2014 25 Septembre 2014 OCP - El Jadida 2 Ordre du jour Définitions Etat de la
Plus en détailQUICK GUIDE #1. Guide du pilotage par la performance pour les distributeurs automobiles
QUICK GUIDE #1 Guide du pilotage par la performance pour les distributeurs automobiles INTRODUCTION Vous managez des concessions automobiles et c est une responsabilité qui demande un contrôle quotidien
Plus en détailLes défis statistiques du Big Data
Les défis statistiques du Big Data Anne-Sophie Charest Professeure adjointe au département de mathématiques et statistique, Université Laval 29 avril 2014 Colloque ITIS - Big Data et Open Data au cœur
Plus en détailHERMES SYSTEM et BEWISE souhaitent vous offrir les meilleures compétences.
Notre alliance, Votre atout. HERMES SYSTEM et BEWISE souhaitent vous offrir les meilleures compétences. C est de cette philosophie qu est née notre partenariat avec la société toulousaine (31) Bewise,
Plus en détailAnalyses. qlikview.com. facile à utiliser. Les utilisateurs aiment QlikView pour : la recherche associative ;
Analyses associatives Les attentes en matière de Business Intelligence ont radicalement changé. Les sociétés en constante évolution n acceptent plus les logiciels trop complexes, conçus pour une poignée
Plus en détailDOSSIER SOLUTION CA ERwin Modeling. Comment gérer la complexité des données et améliorer l agilité métier?
DOSSIER SOLUTION CA ERwin Modeling Comment gérer la complexité des données et améliorer l agilité métier? CA ERwin Modeling fournit une vue centralisée des définitions de données clés afin de mieux comprendre
Plus en détailES Enterprise Solutions
Strategic Media Technologies ES Enterprise Solutions Plateforme centralisée de collaboration en ligne www.dalim.com accès total au contenu indépendamment du lieu et fuseau horaire. N importe quand et n
Plus en détailGarantir une meilleure prestation de services et une expérience utilisateur optimale
LIVRE BLANC Garantir une meilleure prestation de services et une expérience utilisateur optimale Mai 2010 Garantir une meilleure prestation de services et une expérience utilisateur optimale CA Service
Plus en détailTRANSFORM IT + BUSINESS + YOURSELF
TRANSFORM IT + BUSINESS + YOURSELF Copyright 2012 EMC Corporation. All rights reserved. 2 Vos environnements SAP sont complexes et couteux : pensez «replatforming» TRANSFORM IT+ BUSINESS + YOURSELF Alexandre
Plus en détailDOCUMENT D INFORMATION D IDC
DOCUMENT D INFORMATION D IDC Comment Big Data transforme la protection et le stockage des données Août 2012 Écrit par Carla Arend Sponsorisé par CommVault Introduction : Comment Big Data transforme le
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailinfrastructures réseaux
Modernisation des Datacenters : l enjeu des infrastructures réseaux 13 mars 2012 Karim Bahloul Directeur des Etudes IDC France Copyright IDC. Reproduction is forbidden unless authorized. All rights reserved.
Plus en détailPOURQUOI LES DEPARTEMENTS INFORMATIQUES NE PEUVENT PAS SE PASSER DE QLIKVIEW
POURQUOI LES DEPARTEMENTS INFORMATIQUES NE PEUVENT PAS SE PASSER DE QLIKVIEW Livre blanc QlikView Mars 2014 qlik.com Sommaire Libérez la richesse qui sommeille dans votre entrepôt de données 3 Redevenir
Plus en détailPour un citoyen mieux informé en transports
Pour un citoyen mieux informé en transports Congrès géospatial international 2012 Serge Kéna-Cohen: Vice Président, Géomatique et isociété, Fujitsu Françoys Labonté: CRIM 16 mai 2012 Petite histoire du
Plus en détailComment rendre un site d e-commerce intelligent
Comment rendre un site d e-commerce intelligent Alexei Kounine CEO +33 (0) 6 03 09 35 14 alex@tastehit.com Christopher Burger CTO +49 (0) 177 179 16 99 chris@tastehit.com L embarras du choix Donner envie
Plus en détailTravailler avec les télécommunications
Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la
Plus en 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 détailStratégie IT : au cœur des enjeux de l entreprise
Stratégie IT : au cœur des enjeux de l entreprise Business Continuity Convention Tunis 27 Novembre 2012 Sommaire Sections 1 Ernst & Young : Qui sommes-nous? 2 Stratégie IT : au cœur des enjeux de l entreprise
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 détailBig Data On Line Analytics
Fdil Fadila Bentayeb Lb Laboratoire ERIC Lyon 2 Big Data On Line Analytics ASD 2014 Hammamet Tunisie 1 Sommaire Sommaire Informatique décisionnelle (BI Business Intelligence) Big Data Big Data analytics
Plus en détailATELIER. QUASAR OBILOG BI (Décisionnel) ATELIER > PROJET BI
ATELIER QUASAR OBILOG BI (Décisionnel) Sommaire Définitions Objectifs du projet Notre démarche Notre partenaire (TIBCO) Présentation indicateurs Production et Qualité Création indicateur (TRS) Disponibilité
Plus en détailFournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement
Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données
Plus en détailDévelopper une stratégie SIG Entreprise efficace avec ESRI et ArcGIS
Développer une stratégie SIG Entreprise efficace avec ESRI et ArcGIS Gaëtan Lavenu Jean-Thomas Rouzin Les grandes lignes Le SIG dans un contexte «Entreprise»: contexte, considérations et challenges. Les
Plus en détailQu est-ce que ArcGIS?
2 Qu est-ce que ArcGIS? LE SIG ÉVOLUE Depuis de nombreuses années, la technologie SIG améliore la communication, la collaboration et la prise de décision, la gestion des ressources et des infrastructures,
Plus en détailPhilippe Lemerle Big Data Secteur public. Copyright 2015, Oracle and/or its affiliates. All rights reserved.
Philippe Lemerle Big Data Secteur public 1 Le Monde se crée une copie numérique de lui même (*) (*) The world is making a digital copy of itself Paul Sonderegger, Oracle Approche réductioniste propriétés
Plus en détail