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

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 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 2014

2 Plan de la présentation Déluge de données Qu est ce que le Big data Écosystème technologique Big data Use cases et défis relatifs au Big data Et le géospatial dans tout cela? Défis et enjeux

3 Variété de sources d information Explosion de la téléphonie mobile Quantité colossale de documents/informations Sur le Net mais aussi dans vos propres systèmes d information! Wiki, blogs, documents Word, PDF, s, logs/transactions, stats Apogée des réseaux sociaux Non seulement textuels, mais aussi image, vidéo, Avec documents, données hautement non structurées Développement de l open data Accessibilité de plus en plus grande à de la donnée $ Développement d API d accès Les capteurs sont partout et fournissent des quantités immenses : Imagerie, vidéo, nuages de points, mesures diverses, En continu dans le temps Historique, accès à différents états Explosion à venir des objets connectés (Internet of Things), drones (diminution des coûts),

4 Information overload Souce : IDC

5 Information overload Souce : IDC

6

7 Qu est ce que le Big data? Dan Ariely

8 Qu est ce que le Big data? Selon un étude intéressante de Celent auprès de 33 institutions financières (banques et assurances) : Les répondants devaient choisir 3 phrases parmi 4 pour définir le terme Big data : "data that is semi structured or unstructured" (74%) "predictive analytics or modeling" (68%) "large volumes of data that can not be accommodated with traditional relational DBMS" (59%) social media data (27%)

9 Qu est ce que le Big data? Selon un étude intéressante de Celent auprès de 33 institutions financières (banques et assurances) : Les répondants devaient choisir 3 phrases parmi 4 pour définir le terme Big data : "data that is semi structured or unstructured" (74%) "predictive analytics or modeling" (68%) "large volumes of data that can not be accommodated with traditional relational DBMS" (59%) social media data (27%)

10 Les 3 V de Gartner Introduit en 2001 par Doug Laney de Gartner : Volume Variété Côté structuré/non structuré des données n est qu un aspect Vélocité Fait référence à la fréquence de changement des données Et donc à la durée pendant laquelle ces données restent pertinentes Nécessite donc des technologies qui peuvent agréger très rapidement ces données pour en permettre l analyse dans un délais court On peut ajouter : Valeur ou la Véracité Qualité de ces données : Garbage in / garbage out! Défis important du Big data! Mais aussi importance existence d un business case!

11 Écosystème technologies Big data Pas de solution unique / diversité des analyses Stockage et traitement distribué de l information Cloud, cluster de nœuds, Pas seulement Hadoop! GoogleFS, BigTables, MapReduce, Lot de technologies Big data NoSQL MongoDB, Cassandra, Entrepôts de données MPP (Massively Parallel Processing) Ex. : IBM Netezza, GreenPlum, Vertica, Solutions dites de «In memory computing» Ex. : SAP HANA, Aussi de plus en plus présent dans couche analytique de l écosystème Hadoop

12

13 Écosystème Hadoop Écosystème riche à plusieurs couches : Du stockage, traitement/intégration à l interrogation et l analyse Traitement batch vs. temps réel

14 Big data use cases Source : Gartner, 2013

15 Big data use cases Source : Gartner, 2013

16 Big data use cases Pourquoi utiliser des technos big data? Diminution des coûts : Hadoop as a staging area 1TB de données : Hadoop ($500 à $2,000) vs. high end EDW ($20,000 à $200,000) Ne remplace pas les solutions BI/analyse en place mais les complémentent! Maintenant moyen d entreposer l EDW dans Hadoop Structuration plus «agile» Tester plusieurs modèles? Permettent de répondre à des besoins d analyse dans des temps plus courts ou qui ne pouvaient être adressés par les technologies actuelles 2x moins de temps = 2 fois plus de nœuds! Mais nécessité de bien définir un business case réaliste! Sinon risque important d errance et d avoir du mal à justifier in fine un projet Big data

17 Défis Big data Si les aspects stockage, intégration et interrogation peuvent toujours progresser, déjà des solutions intéressantes existent et peuvent être utilisées D autant plus qu elles se couplent aux engins BI déjà en place! Néanmoins, ces technos ne sont pas la solution miracle à tous les maux! Les données non structurées pour être analysées doivent être structurées même si cela ne se fait un peu qu au dernier moment et de façon moins figée! Image, vidéo, textes bruts,... imposent que ces technos doivent disposer de capacités d intégration, d interrogation et d analyse appropriées/spécifiques/spécialisées Elles sont pour l heure non adressées par ces technologies!

18 Retour sur l étude de Gartner Source : Gartner, 2013

19 Défis Big data Si les aspects stockage, intégration et interrogation peuvent toujours progresser, déjà des solutions intéressantes qui existent et peuvent être utilisées D autant plus qu elles se couplent aux engins BI déjà en place! Néanmoins, ces technos ne sont pas la solution miracle à tous les maux! Les données non structurées pour être analysées doivent être structurées même si cela ne se fait un peu qu au dernier moment et de façon moins figée! Image, vidéo, textes bruts,... imposent que ces technos doivent disposer de capacités d intégration, d interrogation et d analyse appropriées/spécifiques/spécialisées Elles sont pour l heure non adressées par ces technologies! De plus, l analyse passant par la visualisation des informations, comment visualiser/interagir avec ces grandes masses d information?

20 Défis de visualisation du Big data Source :

21 Défis de visualisation du Big data Source :

22 Défis de visualisation du Big data Source : data visualizations/

23 Défis de visualisation du Big data Source :

24 Défis de visualisation du Big data Source : data visualizations/

25 Défis de visualisation du Big data Source : and technology/geography beer 78105/

26 Défis de visualisation du Big data Source : /2014/04/map all places us where nobodylives/8910/

27 Défis de visualisation du Big data Source : Spatialytics

28 La carte Un médium de communication intuitif Tout le monde la comprend, se situe et en appréhende les relations entre entités (proximité, densité, forme, intensité, ) Permet de croiser/superposer différentes informations et de faire les liens entre les couches de données Navigation intuitive au sein de l information (cf. Google Maps/Earth) Un médium assez universel 80 % of all data stored in corporate databases has a spatial component [Franklin 1992] Mais composante sous estimée vs. le temps / décision

29 Prochaine étape : la donnée géo? Source : Gartner, 2013

30 Vers des solutions Geo Big Data Instiller/intégrer de façon cohérente la composante spatiale et ses opérateurs d interrogation/analyse dans le «mille feuille Big data» Stockage Intégration Traitement Interrogation Analyse Fouille/exploration Rendre la composante spatiale aussi simple à manipuler, traiter et interroger que n importe quel type abstrait de données usuel (nombre, date, )

31 Vers des solutions Geo Big Data Certaines solutions commencent à apparaître au niveau stockage et accès/interrogation en mode batch Spatial Hadoop HadoopGIS GIS Tools for Hadoop (ESRI) Spatial Hive Hive SP ST_HBase Pigeon (basé sur Pig) GeoMesa (basé sur Accumulo), Un commencement seulement Très embryonnaire pour bon nombre, prototypes de R&D Bien loin encore de l analyse en temps quasi réel

32 Vers des solutions Geo Big Data De nouvelles méthodes et techniques de visualisation cartographique et d interaction restent à inventer Capables d afficher et de naviguer dans ces grands volumes de données, de façon fluide et en temps réel Pour ne pas entraver le processus de pensée d un analyste Capables de supporter la Vélocité qu impose le Big data rapidité des changements et impacts qu ils peuvent avoir sur les données (relations) Avec comme support un simple navigateur web

33 Autres défis Géo & Big data Nouvelles méthodes d analyse de données Interopérabilité et sémantique des données Qualité des données Sécurité des données Aspect confidentialité, respect de la vie privée et responsabilité vis à vis de la donnée Disposer d expertise Formation de la relève

34 MERCI Pour me contacter : Tél. : Skype : tbadard Twitter LinkedIn :

Me#re le Big Data sur la carte : défis et avenues rela6fs à l exploita6on de la localisa6on

Me#re le Big Data sur la carte : défis et avenues rela6fs à l exploita6on de la localisa6on Me#re le Big Data sur la carte : défis et avenues rela6fs à l exploita6on de la localisa6on Thierry Badard, PhD, ing. jr Centre de Recherche en Géoma6que Conférence ITIS - Big Data et Open Data au coeur

Plus en détail

Cartographie des solutions BigData

Cartographie des solutions BigData Cartographie des solutions BigData Panorama du marché et prospective 1 1 Solutions BigData Défi(s) pour les fournisseurs Quel marché Architectures Acteurs commerciaux Solutions alternatives 2 2 Quels Défis?

Plus en détail

L IT, l Immatérielle Transformation. Frédéric Simottel Directeur de la rédaction 01B&T Présentateur de l émission : IT For Business

L IT, l Immatérielle Transformation. Frédéric Simottel Directeur de la rédaction 01B&T Présentateur de l émission : IT For Business L IT, l Immatérielle Transformation Frédéric Simottel Directeur de la rédaction 01B&T Présentateur de l émission : IT For Business PLUS D INNOVATION, PLUS DE SIMPLICITE ET UN MARCHE IT SOUS TENSION Des

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

Titre : La BI vue par l intégrateur Orange

Titre : La BI vue par l intégrateur Orange Titre : La BI vue par l intégrateur Orange Résumé : L entité Orange IT&L@bs, partenaire privilégié des entreprises et des collectivités dans la conception et l implémentation de SI Décisionnels innovants,

Plus en détail

Les participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data.

Les participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data. Big Data De la stratégie à la mise en oeuvre Description : La formation a pour objet de brosser sans concession le tableau du Big Data. Les participants repartiront de cette formation en ayant une vision

Plus en détail

La localisation, une dimension importante dans l'analyse de vos données et la prise de décision (CRG) Thierry Badard, directeur

La localisation, une dimension importante dans l'analyse de vos données et la prise de décision (CRG) Thierry Badard, directeur La localisation, une dimension importante dans l'analyse de vos données et la prise de décision (CRG) Thierry Badard, directeur VISITEZ NOTRE SITE WEB RÉGULIÈREMENT : WWW.CRG.ULAVAL.CA ET SUIVEZ-NOUS!

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

Webinar 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 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 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

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

Accélérateur de votre RÉUSSITE

Accélérateur de votre RÉUSSITE Accélérateur de votre RÉUSSITE En choisissant SAP Business One, entrez dans un monde sans frontière, ouvert, mobile, agile et social. Achats Finance Avec une seule plateforme, vous répondez à l ensemble

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

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

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

Business Intelligence

Business Intelligence Business Intelligence Enjeux, Projets, Données, Indicateurs Gilles FONTANINI g.fontanini@decision-network.eu +33 (0)6 11 21 24 53 2? Gilles Fontanini Consultant et Administrateur d un GIE d experts en

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

Location Analytics Esri Maps for IBM Cognos (EM4C) Une meilleure Business Intelligence

Location Analytics Esri Maps for IBM Cognos (EM4C) Une meilleure Business Intelligence Esri Maps for IBM Cognos (EM4C) Une meilleure Business Intelligence Sylvie Ouellette, MBA, CPA, CMA Présidente et co-fondatrice Versatil BPI Versatil BPI Partenaire d IBM en tant que revendeur agréé des

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

Le BigData, aussi par et pour les PMEs

Le BigData, aussi par et pour les PMEs Parole d expert Le BigData, aussi par et pour les PMEs Stéphane MOUTON, CETIC Département Software and Services Technologies Avec le soutien de : LIEGE CREATIVE Le Big Data, aussi par et pour les PMEs

Plus en détail

BIG DATA : une vraie révolution industrielle (1) Les fortes évolutions liées à la digitalisation

BIG DATA : une vraie révolution industrielle (1) Les fortes évolutions liées à la digitalisation BIG DATA : une vraie révolution industrielle (1) Les fortes évolutions liées à la digitalisation - définition - étapes - impacts La révolution en cours du big data - essai de définition - acteurs - priorités

Plus en détail

L écosystème Hadoop Nicolas Thiébaud ni.thiebaud@gmail.com. Tuesday, July 2, 13

L 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 détail

Conclusion. Rôle du géodécisionnel dans une organisation gouvernementale Contexte organisationnel à Infrastructure Canada Le projet Les résultats

Conclusion. Rôle du géodécisionnel dans une organisation gouvernementale Contexte organisationnel à Infrastructure Canada Le projet Les résultats Le marché des logiciels géodécisionnels et exemple d application avec Oracle BIEE 11g Géomatique 2011, Montréal Sonia Rivest, Analyste en géodécisionnel géodécisionnel,, Intelli3 Denis Beaulieu, Gestionnaire,

Plus en détail

«La visualisation de l information au service de la veille, la recherche et la découverte d information sur le web»

«La visualisation de l information au service de la veille, la recherche et la découverte d information sur le web» «La visualisation de l information au service de la veille, la recherche et la découverte d information sur le web» Social Computing est spécialisé dans les domaines de l accès à l information, des réseaux

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

BIG DATA en Sciences et Industries de l Environnement

BIG 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 détail

DEMARRER UN PROJET BIGDATA EN QUELQUES MINUTES GRACE AU CLOUD

DEMARRER UN PROJET BIGDATA EN QUELQUES MINUTES GRACE AU CLOUD DEMARRER UN PROJET BIGDATA EN QUELQUES MINUTES GRACE AU CLOUD BIGDATA PARIS LE 1/4/2014 VINCENT HEUSCHLING @VHE74! 1 NOUS 100% Bigdata Infrastructure IT + Data Trouver vos opportunités Implémenter les

Plus en détail

Big Data? Big responsabilités! Paul-Olivier Gibert Digital Ethics

Big Data? Big responsabilités! Paul-Olivier Gibert Digital Ethics Big Data? Big responsabilités! Paul-Olivier Gibert Digital Ethics Big data le Buzz Le Big Data? Tout le monde en parle sans trop savoir ce qu il signifie. Les médias high-tech en font la nouvelle panacée,

Plus en détail

Support Technique Téléphone : 06 73 34 31 79 Email : techno@e-media.fr. e-media 43 rue Dietterlin 67100 Strasbourg MEDIA WEB MODE D EMPLOI

Support Technique Téléphone : 06 73 34 31 79 Email : techno@e-media.fr. e-media 43 rue Dietterlin 67100 Strasbourg MEDIA WEB MODE D EMPLOI e-media 43 rue Dietterlin 67100 Strasbourg Support Technique Téléphone : 06 73 34 31 79 Email : techno@e-media.fr MEDIA WEB MODE D EMPLOI Page 2 / 13 Avant propos Ce document décrit la procédure d utilisation

Plus en détail

BIG DATA et DONNéES SEO

BIG DATA et DONNéES SEO BIG DATA et DONNéES SEO Vincent Heuschling vhe@affini-tech.com @vhe74 2012 Affini-Tech - Diffusion restreinte 1 Agenda Affini-Tech SEO? Application Généralisation 2013 Affini-Tech - Diffusion restreinte

Plus en détail

Onet modernise son parc informatique grâce aux capacités analytiques temps réel de Nexthink

Onet modernise son parc informatique grâce aux capacités analytiques temps réel de Nexthink SUCCESS STORY Onet modernise son parc informatique grâce aux capacités analytiques temps réel de Nexthink ENTREPRISE Onet DOMAINE D ACTIVITÉ Industrie et Services LIEU France PRINCIPAUX DÉFIS Assurer la

Plus en détail

Fouillez facilement dans votre système Big Data. Olivier TAVARD

Fouillez 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 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

Vos 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 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 détail

Projet de création de SAFRAN ANALYTICS

Projet de création de SAFRAN ANALYTICS Projet de création de SAFRAN ANALYTICS Comité de Groupe 27 février 2015 SOMMAIRE Contexte Enjeux du Big Data pour Safran Projet Safran Analytics Calendrier prévisionnel 1 / CONFIDENTIEL / 27-02-2015 /

Plus en détail

Introduction data science

Introduction data science Introduction data science Data science Master 2 ISIDIS Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/~verel Université du Littoral Côte d Opale Laboratoire LISIC Equipe

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

GT Big Data : transformer les données en valeur business pour l entreprise

GT Big Data : transformer les données en valeur business pour l entreprise GT Big Data : transformer les données en valeur business pour l entreprise Bruno Prévost (Dir. Infrastructures IT Groupe, ) Valère Dussaux (GCS d-sisif) Espace Grande Arche Paris La Défense Workshop Big

Plus en détail

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/ Systèmes de gestion de bases de données Introduction Université d Evry Val d Essonne, IBISC utiles email : cinzia.digiusto@gmail.com webpage : http://www.ibisc.univ-evry.fr/ digiusto/ Google+ : https://plus.google.com/u/0/b/103572780965897723237/

Plus en détail

Hadoop, les clés du succès

Hadoop, les clés du succès Hadoop, les clés du succès Didier Kirszenberg, Responsable des architectures Massive Data, HP France Copyright 2015 Hewlett-Packard Development Company, L.P. The information contained herein is subject

Plus en détail

L'ILM pour donner une valeur «temps» à la donnée

L'ILM pour donner une valeur «temps» à la donnée L'ILM pour donner une valeur «temps» à la donnée Gestion de l'actif informationnel Thèmes abordés Défis & Enjeux de la croissance exponentielle des volumes de données Une approche de la Gouvernance de

Plus en détail

Labs Hadoop Février 2013

Labs 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 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

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

Les enjeux de la mobilité et de la réalité augmentée dans les jeux éducatifs localisés. GéoEduc3D

Les enjeux de la mobilité et de la réalité augmentée dans les jeux éducatifs localisés. GéoEduc3D Les enjeux de la mobilité et de la réalité augmentée dans les jeux éducatifs localisés Le projet de recherche GéoEduc3D Sylvain GENEVOIS Chargé d études et de recherche (INRP, équipe EducTice) Docteur

Plus en détail

Big Data et Graphes : Quelques pistes de recherche

Big 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 détail

Le cloud conçu pour votre organisation.

Le cloud conçu pour votre organisation. Le cloud conçu pour votre organisation. C est le Cloud Microsoft. Chaque organisation est unique. De la santé à la grande distribution, de l industrie à la finance - il n y a pas deux organisations qui

Plus en détail

Objectifs. Maîtriser. Pratiquer

Objectifs. Maîtriser. Pratiquer 1 Bases de Données Objectifs Maîtriser les concepts d un SGBD relationnel Les modèles de représentations de données Les modèles de représentations de données La conception d une base de données Pratiquer

Plus en détail

MANUEL D'UTILISATION DU SITE POUR LES TÉMOINS OU DÉPOSANTS

MANUEL D'UTILISATION DU SITE POUR LES TÉMOINS OU DÉPOSANTS Comment déposer un témoignage? Toute personne disposant d un compte sur le site Mémoires des catastrophes peut déposer un témoignage. Si vous ne disposez pas encore d un compte sur le site, il vous sera

Plus en détail

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

Technologies Web. Ludovic Denoyer Sylvain Lamprier Mohamed Amine Baazizi Gabriella Contardo Narcisse Nya. Université Pierre et Marie Curie

Technologies Web. Ludovic Denoyer Sylvain Lamprier Mohamed Amine Baazizi Gabriella Contardo Narcisse Nya. Université Pierre et Marie Curie 1 / 22 Technologies Web Ludovic Denoyer Sylvain Lamprier Mohamed Amine Baazizi Gabriella Contardo Narcisse Nya Université Pierre et Marie Curie Rappel 2 / 22 Problématique Quelles technologies utiliser

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

Management des Systèmes d Information

Management des Systèmes d Information Management des Systèmes d Information Marie-Hélène Delmond delmond@hec.fr Les cours d informatique / de système d information à HEC Formation Fondamentale (L3) Modélisation (Tableur) - Informatique individuelle

Plus en détail

OUTILS ACHATS & FONCTIONNALITES COLLABORATIVES

OUTILS ACHATS & FONCTIONNALITES COLLABORATIVES Sujets d actualité, débats, perspectives, enjeux Tendances Achats vous donne la parole et analyse pour vous le monde des Achats. OUTILS ACHATS & FONCTIONNALITES COLLABORATIVES «La réussite des directions

Plus en détail

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide

Plus en détail

Tout 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 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 détail

Dossier Spécial BIG DATA, DÉMARRAGE À RISQUES

Dossier Spécial BIG DATA, DÉMARRAGE À RISQUES Dossier Spécial BIG DATA, DÉMARRAGE À RISQUES L es projets Big Data peuvent buter sur des difficultés, manque de compétences sur le marché, financements réduits... HP propose des solutions pour lever tous

Plus en détail

Module MLBDA Master Informatique Spécialité DAC. Cours 10 NoSQL

Module MLBDA Master Informatique Spécialité DAC. Cours 10 NoSQL Module MLBDA Master Informatique Spécialité DAC Cours 10 NoSQL Systèmes NoSQL (not only SQL) Systèmes qui abandonnent certaines propriétés des SGBDR (one size does not fit all): Le langage d interrogation

Plus en détail

Dossier Spécial ECUEILS À ÉVITER DANS LES PROJETS BIG DATA

Dossier Spécial ECUEILS À ÉVITER DANS LES PROJETS BIG DATA Dossier Spécial ECUEILS À ÉVITER DANS LES PROJETS BIG DATA L e Big Data est une opportunité à saisir à laquelle la technologie Hadoop répond bien. Reste à éviter les écueils, souvent plus culturels que

Plus en détail

Ecole des Hautes Etudes Commerciales HEC Alger. par Amina GACEM. Module Informatique 1ière Année Master Sciences Commerciales

Ecole 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 détail

BI dans les nuages. Olivier Bendavid, UM2 Prof. A. April, ÉTS

BI dans les nuages. Olivier Bendavid, UM2 Prof. A. April, ÉTS BI dans les nuages Olivier Bendavid, UM2 Prof. A. April, ÉTS Table des matières Introduction Description du problème Les solutions Le projet Conclusions Questions? Introduction Quelles sont les défis actuels

Plus en détail

Baromètre des investissements numériques en France

Baromètre des investissements numériques en France Baromètre des investissements numériques en France Novembre 2015 Objectifs Baromètre des investissements numériques en France avec pour objectifs : de suivre l évolution de l opinion des responsables informatique

Plus en détail

Les médias sociaux : Facebook et Linkedin. Réalisé en janvier 2012 Par Mamadou Ndiaye

Les médias sociaux : Facebook et Linkedin. Réalisé en janvier 2012 Par Mamadou Ndiaye Les médias sociaux : Facebook et Linkedin Réalisé en janvier 2012 Par Mamadou Ndiaye Avant de commencer Veuillez S.V.P. tester votre matériel audio en utilisant l assistant d installation audio. Plan Qu

Plus en détail

Le 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 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 détail

Alfresco. Point Produit. Michael Harlaut Romain Guinot. Ingénieurs Solutions

Alfresco. Point Produit. Michael Harlaut Romain Guinot. Ingénieurs Solutions Alfresco Point Produit Michael Harlaut Romain Guinot Ingénieurs Solutions Agenda Retour sur l année 2014 + Alfresco One 4.2 + Records Management 2.x Les nouveautés Alfresco One 5.0 + Intégration bureautique

Plus en détail

Base de données. Objectifs du cours 2014-05-20 COURS 01 INTRODUCTION AUX BASES DE DONNÉES

Base de données. Objectifs du cours 2014-05-20 COURS 01 INTRODUCTION AUX BASES DE DONNÉES 1 Base de données COURS 01 INTRODUCTION AUX BASES DE DONNÉES Objectifs du cours 2 Introduction aux bases de données relationnelles (BDR). Trois volets seront couverts : la modélisation; le langage d exploitation;

Plus en détail

Exploitation, maintenance & sécurité des infrastructures Prenez de l altitude en toute sérénité

Exploitation, maintenance & sécurité des infrastructures Prenez de l altitude en toute sérénité Exploitation, maintenance & sécurité des infrastructures Prenez de l altitude en toute sérénité www.imagina-international.com Aten Altitude, la solution intégrée pour l exploitation, la maintenance et

Plus en détail

Innovative 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 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 détail

Cloud 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? 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 détail

Le cloud qui transforme les données en décisions stratégiques.

Le cloud qui transforme les données en décisions stratégiques. Le cloud qui transforme les données en décisions stratégiques. L essor des technologies sociales, mobiles et cloud a créé un monde de données en perpétuelle croissance. Comment tirer le meilleur parti

Plus en détail

La gestion de la performance: Définition, démarche et nouvelles tendances. ETS 2011, Saad Chafki

La gestion de la performance: Définition, démarche et nouvelles tendances. ETS 2011, Saad Chafki La gestion de la performance: Définition, démarche et nouvelles tendances ETS 2011, Saad Chafki 1 Table de matière La gestion de la performance L approche «Balanced Score Card» Exemple Les nouvelles tendances

Plus en détail

Location Analytics. Astrid GLADYS Thierry BABELAERE Pierre TEYSSENDIER. SIG 2013 Conférence Francophone 2 & 3 Octobre Versailles Atelier Technique

Location Analytics. Astrid GLADYS Thierry BABELAERE Pierre TEYSSENDIER. SIG 2013 Conférence Francophone 2 & 3 Octobre Versailles Atelier Technique SIG 2013 Conférence Francophone 2 & 3 Octobre Versailles Atelier Technique Astrid GLADYS Thierry BABELAERE Pierre TEYSSENDIER Plan de session La solution Focus Esri Maps for Cognos Focus Esri Maps for

Plus en détail

Big data et protection des données personnelles

Big data et protection des données personnelles Big data et protection des données personnelles Séminaire Aristote Ecole Polytechnique 15 octobre 2015 Sophie Nerbonne Directrice de la conformité à la CNIL La CNIL : autorité en charge de la protection

Plus en détail

Le décisionnel au service de la philanthropie. La Fondation de France : la générosité au cœur des territoires

Le décisionnel au service de la philanthropie. La Fondation de France : la générosité au cœur des territoires Le décisionnel au service de la philanthropie La Fondation de France : la générosité au cœur des territoires 1 Agenda La Fondation de France : vecteur de générosité Un système décisionnel au cœur de la

Plus en détail

Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON

Transformation 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 détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de

Plus en détail

Extension fonctionnelle d un CRM. CRM étendu >> Conférence-débat 15 April 2015. Club Management des Systèmes d Information de l'iae de Paris Alumni

Extension fonctionnelle d un CRM. CRM étendu >> Conférence-débat 15 April 2015. Club Management des Systèmes d Information de l'iae de Paris Alumni Extension fonctionnelle d un CRM Conférence-débat 15 April 2015 Club Management des Systèmes d Information de l'iae de Paris Alumni CRM étendu >> Programme // CRM étendu Vision 360 et Plateforme Cloud

Plus en détail

www.microsoft-project.fr

www.microsoft-project.fr Microsoft Project Server 2010 unifie la gestion de projet et la gestion de portefeuille afin d aider les entreprises à aligner les ressources et les investissements avec les priorités métier, et à exécuter

Plus en détail

Cookies de session ils vous permettent de sauvegarder vos préférences d utilisation et optimiser l expérience de navigation de l Utilisateur ;

Cookies de session ils vous permettent de sauvegarder vos préférences d utilisation et optimiser l expérience de navigation de l Utilisateur ; Ce site utilise des Cookies, émis également par des tiers, pour des raisons de fonctionnalité, pratiques et statistiques indiquées dans notre politique en matière de Cookies. Politique en matière de Cookies

Plus en détail

Guide d utilisation du portail de formation en ligne LeCampus.com à l attention des partenaires de l APSM

Guide d utilisation du portail de formation en ligne LeCampus.com à l attention des partenaires de l APSM Guide d utilisation du portail de formation en ligne LeCampus.com à l attention des partenaires de l APSM L Association paritaire pour la santé et la sécurité du travail du secteur minier, a fait l acquisition

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

Bases de données documentaires et distribuées Cours NFE04

Bases de données documentaires et distribuées Cours NFE04 Bases de données documentaires et distribuées Cours NFE04 Introduction du cours Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département d informatique Conservatoire

Plus en détail

Conseil économique et social

Conseil économique et social Nations Unies Conseil économique et social Distr. générale 30 mars 2010 Français Original: anglais ECE/CES/2010/15 Commission économique pour l Europe Conférence des statisticiens européens Cinquante-huitième

Plus en détail

BIG DATA. Veille technologique. Malek Hamouda Nina Lachia Léo Valette. Commanditaire : Thomas Milon. Encadré: Philippe Vismara

BIG DATA. Veille technologique. Malek Hamouda Nina Lachia Léo Valette. Commanditaire : Thomas Milon. Encadré: Philippe Vismara BIG DATA Veille technologique Malek Hamouda Nina Lachia Léo Valette Commanditaire : Thomas Milon Encadré: Philippe Vismara 1 2 Introduction Historique des bases de données : méthodes de stockage et d analyse

Plus en détail

Méthodologie de conceptualisation BI

Méthodologie de conceptualisation BI Méthodologie de conceptualisation BI Business Intelligence (BI) La Business intelligence est un outil décisionnel incontournable à la gestion stratégique et quotidienne des entités. Il fournit de l information

Plus en détail

La Publication Scientifique aujourd hui en SHS : Modalités éditoriales et juridiques, évolutions et enjeux actuels

La Publication Scientifique aujourd hui en SHS : Modalités éditoriales et juridiques, évolutions et enjeux actuels Formation des La Publication Scientifique aujourd hui en SHS : Modalités éditoriales et juridiques, évolutions et enjeux actuels Formation n 01 Disciplines concernées Nbr de participants : 16 Annaïg MAHÉ

Plus en détail

Astuce N 1 : Consulter mon catalogue articles en mode liste puis en mode fiche : recherche du prix d'une référence, consultation du stock

Astuce N 1 : Consulter mon catalogue articles en mode liste puis en mode fiche : recherche du prix d'une référence, consultation du stock Produit concerné : Sage 100 Etendue (déclinaison mobile) Sujet mis en avant : Les fonctionnalités clés du profil commercial sur Smartphone Sage Etendue bénéficie désormais d une déclinaison sur terminaux

Plus en détail

Manuel d utilisation à l usage des représentants de l État

Manuel d utilisation à l usage des représentants de l État Rapport unique Manuel d utilisation à l usage des représentants de l État Version 1 1 Table des matières Table des matières...2 Introduction...3 Navigateurs web...4 Les arrondis...error! Bookmark not defined.

Plus en détail

ESPACE COLLABORATIF SHAREPOINT

ESPACE COLLABORATIF SHAREPOINT Conseil de l Europe Service des Technologies de l Information ESPACE COLLABORATIF SHAREPOINT DOSSIER D UTILISATEUR 1/33 Sommaire 1. Présentation de SharePoint... 3 1.1. Connexion... 4 2. Les listes...

Plus en détail

Les entrepôts de données pour les nuls... ou pas!

Les entrepôts de données pour les nuls... ou pas! Atelier aideà la Décision à tous les Etages AIDE@EGC2013 Toulouse Mardi 29 janvier 2013 Cécile Favre Fadila Bentayeb Omar Boussaid Jérôme Darmont Gérald Gavin Nouria Harbi Nadia Kabachi Sabine Loudcher

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

Big Data : une complexité réduite pour un retour sur investissement plus rapide

Big Data : une complexité réduite pour un retour sur investissement plus rapide Big Data : une complexité réduite pour un retour sur investissement plus rapide Copyright 2013 Pentaho Corporation. Redistribution autorisée. Toutes les marques commerciales sont déposées par leur propriétaire

Plus en détail

BIG DATA et EDISCOVERY

BIG DATA et EDISCOVERY KROLLONTRACK / ELECTRONIC DISCOVERY & COMPUTER FORENSICS BIG DATA et EDISCOVERY - Etude de cas : le traitement des masses de données de l entreprise dans un contexte économique et judiciaire - Case study:

Plus en détail

LE BIG DATA. TRANSFORME LE BUSINESS Solution EMC Big Data

LE 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 détail

Se construire les humanités numériques apprendre en action

Se construire les humanités numériques apprendre en action Se construire les humanités numériques apprendre en action ENS de Lyon Personally, I think Digital Humanities is about building things Stephen Ramsay, 2011, Who's In and Who's Out Retour d expérience Présentation

Plus en détail

Rigueur et Professionnalisme de la Fonction RH :

Rigueur et Professionnalisme de la Fonction RH : Rigueur et Professionnalisme de la Fonction RH : Apport de la Révolution Digitale Assoc Prof Charles-Henri Besseyre des Horts, PhD HEC Paris besseyre@hec.fr Une Fonction RH malmenée Une fonction qui se

Plus en détail

SMALL DATA DANS LA VEILLE

SMALL 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 détail

Analyse des coûts projetés de la plate-forme SAP HANA

Analyse des coûts projetés de la plate-forme SAP HANA Étude Total Economic Impact réalisée par Forrester Pour SAP Directrice du projet : Shaheen Parks Avril 2014 Analyse des coûts projetés de SAP HANA Économies réalisables en migrant vers SAP HANA Synthèse

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