BIG DATA, Disruption Technologique & Enjeux Métier

Dimension: px

Commencer à balayer dès la page:

Download "BIG DATA, Disruption Technologique & Enjeux Métier"

Charlotte Morel
il y a 6 ans
Total affichages :

1 BIG DATA, Disruption Technologique & Enjeux Métier

2 Révolutions technologiques, Révolutions d usages

3 Papier Ordinateur Internet Réseaux Sociaux Révolutions technologiques, Révolutions d usages Mobile

4 LA nouvelle REVOLUTION technologique, Révolution d usages

5 C est quoi au juste? Comment cela fonctionne? Quels enjeux Métier? Et demain?

6 Les données aujourd hui Explosion du volume Nouvelles sources non structurées Changement rapide

7 Les données aujourd hui Explosion du volume Nouvelles sources non structurées Changement rapide Les 3V du BIG Data Volume Variété Vitesse

8 Les 3V du BIG Data Volume Variété Vitesse Et plus encore Véracité VALEUR

9 Intelligence Artificielle

10 Machine Learning

plus élevées : K- Means, SVM (Support Vector Machine) Approche supervisée Classification

11 Les grandes familles d algorithmes Approche Statistique En fonction de l écart à la moyenne, seuil d anomalie Approche non-supervisée Points éloignés des zones de densité plus élevées : K- Means, SVM (Support Vector Machine) Approche supervisée Classification (Random Forest, GBT, ) Détection d anomalies, recherche de seuils Détection de signaux faibles

12 Deep Learning

14 Mais il y a encore du chemin

15 C est quoi au juste? Comment cela fonctionne? Quels enjeux Métier? Et demain?

16 Une Nouvelle manière de traiter et d exploiter la donnée Accéder Collecter Exploiter Analyser Prédire Efficacité Rapidité Exhaustivité + = Gain de temps Aide à la décision précieuse Avantage concurrentiel

17 Le Data lake EXTRACTION TRAITEMENT ANALYSE Collecte LAC DE DONNÉES Prédiction Magasin de données Vos données Vos processus Vos applications

et l écosystème du client Extraire Nettoyer, Prédire,

18 Saagie Smart Applications Platform La Saagie Data Fabric permet de faire le lien entre votre application et l écosystème du client Extraire Nettoyer, Prédire, Optimiser Visualiser, Communiquer Gérer un pipeline de données

19 L approche Saagie Build Buy Concevoir ce qui est critique/vital à l entreprise Acheter pour des besoins basiques et pour des expérimentations rapides Ligne d assemblage pour créer et exécuter des applications prédictives Applications métiers d IA prêtes à l emploi

20 Une méthodologie de mise en œuvre d un projet Big Data, le Data Cooking

21 Les acteurs La Direction La DSI Les nouveaux Métiers Les Métiers

22 Les nouveaux métiers Data Analyst Data Scientist Data Steward CDO Chief Data Officer Le consultant Data Architect Data Engineer

23 C est quoi au juste? Comment cela fonctionne? Quels enjeux Métier? Et demain?

24 Big Data, une opportunité de : Croissance Optimiser la structure des coûts de l entreprise Création de nouveaux business models Optimisation de l expérience utilisateur

25 Usages métiers: Les Usages Métiers

26 Les 4 principaux usages métiers Banque et Assurance: Développement commercial et fidélisation Pilotage de l activité Banque Assurance Conformité et sécurité des données Utilisateurs Gestion du risque

27 L analyse d s Classification Automatisation Réponses pré-remplies 2X d s gérés par jour 20% d augmentation sur la productivité des conseillers

28 La détection de l attrition 6pp réduction du churn 11 profils de churners identifiés 12pp Augmentation de la satisfaction client

29 Le pilotage d agences bancaires Prévision de trésorerie Optimisation de la force commerciale Augmentation CA et rentabilité

30 La prédiction des ventes Suivi des ventes en temps réel Alerting Amélioration de la satisfaction client Optimisation des stocks Anticipation de la croissance

31 La maintenance prédictive Détection des pannes

32 Faire décoller le monde de la recherche contre le cancer Reconnaître les situations à risque Adapter les traitements Prédire l évolution d une tumeur Prédire les risques de cancers

33 C est quoi au juste? Comment cela fonctionne? Quels enjeux Métier? Et demain?

34 1er enjeu : lever les freins actuels Amener les technologies big data et IA en production Exploiter des technologies en constante et rapide évolution Entreprise Assurer la sécurité, la gouvernance, et la conformité Avoir du ROI sur les projets data Utilisateurs

35 2ème enjeu : s adapter à la réglementation Registre des traitements Anonymisation Traçabilité RGPD 25 mai 2018 Data Privacy Officer (DPO) Se doit tout documenter Habilitation Sécurité - notification des failles à la CNIL sous 72h

36 3ème enjeu : go go go!

37 Merci

38 Table ronde Big Data

39 Table ronde : Des big data à l'entreprise «data-driven» animée par Patrice Bernard Guillemette Picard Directrice Big Data et IA Allianz France Thierry Bedoin Chief Digital Officer Banque de France Xavier de Broca DSI Bpifrance Alain Fischer CDO Société Général Grande clientèle et Solutions investisseurs

Documents pareils

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

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