Atelier A3: Les apports de Big Data dans la chaîne de valeur

Dimension: px
Commencer à balayer dès la page:

Download "Atelier A3: Les apports de Big Data dans la chaîne de valeur"

Transcription

1 Atelier A3: Les apports de Big Data dans la chaîne de valeur Xavier Mary IBM Healthcare & Life Science Architect Christophe Burgaud IBM Big Data Architect

2 Les 5 cas d usage clé Exploration des Big Data Trouver, visualiser, comprendre toutes les Big Data Elargir la vue 360 o du client Etendre les vues existantes grâce à l apport de nouvelles sources de données Extension de la sécurité Calcul de risque, détection de l a fraude en temps réel Analyse d opérations Analyse de Logs Augmentation des Data Warehouse Garder les Data Warehouse opérationnels

3 Architecture logique de Big Data 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 Analytics and Reporting Zone Query Engines Cubes Descriptive, Predictive Models Discovery, Visualizer Search Governance & Integration Zone MDM, Metadata, Workbench, Intégration BI / Exploration / Functional Industry Predictive Content Reporting Visualization App App Analytics Analytics Analytic Applications

4 Architecture physique de Big Data Sources Techniques Device Logs Données Traditionnelles Données Externes Ingestion and Real-time Analytic Zone InfoSphere Streams Landing & Historical Analytic Zone BigInsights On Hadoop Warehousing Zone Data Warehouse PureData Analytics and Reporting Zone Query Engines Cubes Descriptive, Predictive Models Data Explorer Widgets Discovery, Visualizer Search BI / Exploration / Functional Industry Predictive Content Reporting Visualization App App Analytics Analytics Analytic Applications Data Management Governance & Integration Zone MDM, Information Server

5 Les apports du bigdata dans la chaîne de valeur Cas d usage santé

6 Progression du cout de prise en charge des maladies Etat de santé Intervention précoce Identification d Opportunités 20% des patients occasionnent 80% des coûts Pleine forme Risque faible Risque Risque élevé Symptômes Clinique Dépense de soins Temps Intervention précoce Identification d Opportunités 70% de mortalité issue de maladies chroniques

7 Qualité de vie Prise en charge des patients Soins à domicile Favoriser le maintien à domicile des patients Suivre les patients à domicile Anticiper les problèmes de santé Indépendant et en pleine forme Gestion des maladies chroniques Accompagnement du professionnel de santé Maison & maison de convalescence Ambulatoire Soins de suite et rééducation Assistance de vie Soins infirmiers Pharmacie Hôpital de jour Clinique spécialisée Hôpitaux Coûts des soins par jour Soins intensifs Soins de courte durée

8 Valeur clinique délivrée Adaptation des processus et des comportements Etude de ROI L expérience de nos clients confirme la nécessité de combiner 5 compétences clé pour une organisation centrée-patient s appuyant sur des infrastructures IT consolidées et optimisées Numérisation des données cliniques du patient au sein de chaque établissement. Visualisation et échange d informations à travers un interface utilisateur au sein d une entreprise Echange des données santé à l intérieur et entre les différents acteurs Tirer de la valeur des données pour améliorer la qualité des soins et la maîtrise des coûts. Délivrer l information à même d améliorer l expérience du patient et l efficacité du praticien Aide à la Décision Clinique Systèmes Analytiques Avancés Interopérabilité, échange des données Santé Outils Collaboratifs, Portail, développement Télémédecine Dossier Médical Dématérialisé Infrastructures IT Optimisées Degré de maturité organisationnelle dans le temps

9 Transformer la prise en charge : Stratégies pour améliorer les résultats L exploitation des données biomédicales facilite et permet de Comprendre et influencer les patients planification normalisée des soins fondée sur des preuves soins de santé primaires Social Gestion des cas Spécialistes réanimateur Médicaments Diététicien Soins palliatifs Réhabilitation Domicile transport Soins à Mesure domicile de la qualité et rapports sur les performances Financement et paiement infirmière comportement Famille physiothérapeute Communauté Coordination dépassant les frontières partage des soins, responsabilités et risques Engagement et responsabili sation individuelle Comprendre & influencer le comportement des patients Enrôler & Impliquer les personnes / patients dans des programmes de suivi médical Prise en charge standardisée, personnalisée sur évidences Coordination entre les services et partage des soins, responsabilité & risque

10 Une approche globale peut aider à améliorer la qualité des soins Intervention Identifie et guide les patients, les groupes et détecte les opportunités d interventions Education Amélioration continue grâce à l utilisation des connaissances acquises en analysant les observations, les interactions et résultats obtenus Bien-être Coordination Réalise les soins et mesure les progrès de santé, comportementaux et médicosociaux Connaissance Permet de standardiser les soins et d adapter les protocoles en fonction d évidences (evidence based). Collaboration Evalue et enrôle les patients et aligne l équipe de santé sur les plans de soins individualisés

11 IBM Smarter Care révèle de précieuses indications contenues les choix de vie, les déterminants sociaux, les facteurs cliniques Bien-être Coordination Education Responsabilisation Surveillance Assistance Engagement Informatique analytique et cognitive Fondation Données Capteurs Documents Formulaires Portail Collaboration Mobilité Mode de vie Les choix ont un impact direct sur le bienêtre physique et mental de la personne. Social Les critères tels que le lieu de naissance, de croissance, de vie de travail ainsi que l âge ont un impact direct l état de santé général de l individu. Clinique Les facteurs tels que des symptômes spécifiques, les antécédents médicaux, les traitements, les diagnostic, sont des indicateurs de la santé de l individu dans le présent et le futur.

12 Les trois principaux avantages de IBM Smarter Care Coordination Collaborer pour de meilleurs résultats Offrir une vue holistique, afin d individualiser les soins Orchestrer et intégrer les différentes parties

13 IBM Smarter Care est Centré résultats Collaborer pour de meilleurs résultats

14 Collaborate across multidisciplinary teams to locate and refer to service providers and enhance resources Collaborate across multidisciplinary teams View provider details and refer to community resources Monitor care-plan progress Monitor progress toward desired outcomes

15 IBM Smarter Care est Holistique Offrir une vue holistique afin d individualiser les soins

16 Identify and assess individuals across virtually all health determinants for holistic and differentiated responses Differentiate responses for candidate identification Import data from multiple systems to display holistic, 360-degree views Leverage industry best-practice assessment models Manage care plans to help achieve desired outcomes

17 IBM Smarter Care est Intégrée Orchestrer et intégrer les différentes parties

18 IBM Cúram Solution for Care Management Integrated Automate and orchestrate processes across the enterprise to better align care delivery and related data with organizational goals and governance models Enable bidirectional integration with EMRs and other source systems to leverage existing investments and better comply with information-security protocols Unify and synchronize fragmented clinical, social and behavioral health information to create a personalized care plan

19 Intégration avec les systèmes cliniques Integrates bidirectionally with EMRs and other source systems to leverage existing investments and facilitate compliance with information Enables security protocols the care team to receive relevant clinical data from source systems without leaving Cúram Supports updates from the care team back to clinical systems Client, mobile, care team, extended care team HL7 V2 Existing hospital interfaces JCAPS/eGate Rhapsody Intersystems IBM Integration Bus healthcare connectivity pack Web services, SOAP, XML, QTT Home health devices HL7 HL7 V2, cache, ODBC, web services Clinical applications EPIC, CERNER, JAC, Sunquest, McKesson Web services Social programs HL7 V2 Claims

20 IBM Smarter Care : Les briques fonctionnelles intégrées Coordination Identification des soins Planification des soins Délivrance des soins Evaluation des progrès Informatique Analytique et Cognitive Analyse de risque Segmentation des patient Assistance au Diagnostic Parcours de soins Chemin de soins Rapports opérationnels Informatique Cognitive Fondation Entrepôt et modèle de donnée Vue 360 du Patient (Mster Data Management) Décisionnel,, rapports et tableaux de bord Portail, mobile et collaboration Télésurveillance et connectivité des capteurs médicaux Acquisition des documents et fax, conversion et extraction Conseil, technologie, infrastructure et services gérées Plate-forme informatique intégrée du parcours de santé

21 Générateur de Bigdata Disease Management : IBM Remote Patient Monitoring Based on Continua Standard, IBM RPM allows collection over the wire of clinical data measured by patients or their caregivers using connected medical devices

22 Architecture générale PORTAIL unique multi services et multi typologies d utilisateurs Support CPS Cardiologie Rhumatologie Diabète Dépression Etc. Service médical Service médical Service médical Service médical Service médical Protocole Evaluation Score Prédictif SYST.EXPERT Protocole Evaluation Score Prédictif SYST.EXPERT Protocole Evaluation Score Prédictif SYST.EXPERT RPPS : Droits d accès aux données selon rôle et délégation du patient Protocole Evaluation Score Prédictif SYST.EXPERT Protocole Evaluation Score Prédictif SYST.EXPERT Entrepôt de données biomédicales Dossiers médicaux Base de données Bus d interconnexion Questionnaires d autoévaluation Formulaires : consentement Auto mesure Base de données Auto mesures Données des capteurs biomédicaux Patients Concepts Données normalisées Dossier Pharmaceutique Dossier médical Personnel Observations Visites Professionnels Transformation des données, anonymisation, rapprochement et déduplication identité (INS) Données patients Progiciel des libéraux Analyse sémantique Référentiels & Ontologies Système d information hospitalier Autres SI CIM10, CCAM, SNOMED, LOINC, CDC, EAI, ETL

23 Architecture générale PORTAIL unique multi services et multi typologies d utilisateurs Support CPS DIFFUSION Cardiologie des Rhumatologie DONNES & ANALYTIQUE Diabète Dépression Etc. Service médical Service médical Service médical Service médical Service médical Protocole Evaluation Score Prédictif SYST.EXPERT RPPS : Droits d accès aux données selon rôle et délégation du patient Entrepôt de données biomédicales Bus INTEGRATION, d interconnexion ACQUISITION Questionnaires d autoévaluation Formulaires : consentement Protocole Evaluation Score Prédictif SYST.EXPERT Auto mesures Données des capteurs biomédicaux Protocole Evaluation Score Prédictif - IBM Data Explorer - IBM SPSS Modeler, IBM SPSS Server - IBM Curam for Care Management BIG DATA - IBM Dossiers PureData for Analytics Auto médicaux mesure - Base IBM de PureData données for Base Hadoop de données SYST.EXPERT Patients Concepts Données normalisées Dossier Pharmaceutique Dossier médical Personnel Observations Protocole Evaluation Score Prédictif SYST.EXPERT Visites Professionnels Transformation des données, anonymisation, rapprochement et déduplication identité (INS) Données patients Progiciel des libéraux Analyse sémantique - IBM InfoSphere Information Server, IBM InfoSphere Streams, - IBM Filenet, Datacap - IBM Message Broker, IBM Remote Patient Monitoring Protocole Evaluation Score Prédictif SYST.EXPERT TEXT M Référentiels & Ontologies CIM10, - IBM CCAM, Content SNOMED, LOINC, Analytics Système d information hospitalier Autres SI CDC, EAI, ETL

24 Les différentes approches analytiques Reporting BI et Analyses Ad-Hoc Analyses Prédictives Optimisation Que c est il passé? Quand et ou? Combien? Que se passera t il? Quel serait l impact? Etre proactif sur la pathologie Anticiper sur les risques Améliorer le parcours clinique Quel est le meilleur choix? Page 24

25 Bigdata : Chaîne de valeur au service du patient Raw Information (e.g. EMR and Claims) Content Analytics Patient Age: 65 Gender: Male Race: White Predictive Analytics Risk of metastasis 47% Similarity Analytics Recommended Add l Treatment DTIC Diagnosis Melanoma Stage: 2 10 s of thousands of patients A 65-year old white male has been diagnosed with stage 2 melanoma. He is widowed and lives alone. AJCC: T2 Social Labs Marital status: single AJCC: T2 100 s or 1000 s of patients One Patient Care Manager Goals Avoid remission 100 s or 1000 s of patients Activities Avoid UV radiation Regular screening Transportation assistance 25

26 Build new evidence based insights Project : CRISP-DM Methodology CRoss Industry Standard Process for Data mining Evaluer dès la première visite la sévérité de la maladie à partir du CR d examen Expert médical Compréhension du modèle de données (source base de données du Dossier Patient) Spécialiste + DBA Identification des champs utiles (structurés ou non) Médecin PATIENTS Identification statistique des critères déterminants Expert technique + Médecin Définition des règles de transformation des données non structurées en attributs Médecin Tableau de bord Segmentation des patient par risque 26 Valorisation des critères (pondération) Médecin Codage des règles de transformation des données non structurées en attributs Expert technique Modélisation du calcul de l indice de sévérité Spécialiste

27 Structuration des données Applying Natural Language Processing in Content Analytics Accurately identify and extract facts from text including negation 55% = LVEF (Left Ventricular ejection fraction ) Patient does not show signs = Negative Symptom Accurately interpret and assign values to ambiguous statements around 55% = LVEF Shows slightly elevated levels = if condition A = 10%, if condition B = 20% Infer meaning from non-contextual content Cut back from two packs to one per day = Smoker Cleanse, enhance and normalize raw data Myocardia infarction and heart attack = equal same thing Correct misspellings and abbreviations through NLP Enhance or augment by assigning correct RxNorm, SNOMED, ICD-10 or other codes / A 42-year old white male terminology Patient Age: Gender: Male presents for a physical. He Race: White recently had a right Preserve and structure facts and conceptshemicolectomy from contextual content: Procedure hemicolectomy invasive diagnosis: invasive adenocarcinoma grade 2 (of 4) adenocarcinoma anatomical site: ileocecal valve grade: 2 (of 4) in the ilocecal valve was found and excised. At the same time Procedure appendectomy diagnosis: normal he had an appendectomy. anatomical site: appendix The appendix showed no diagnostic abnormality.

28 Structuration des données Case Study: What Really Caused Readmissions at Seton The Data We Thought Would Be Useful Wasn t 113 candidate predictors from structured and unstructured data sources Structured data was less reliable then unstructured data increased the reliance on unstructured data New Insights Uncovered by Combining Content and Predictive Analytics LVEF and Smoking are significant indicators of CHF but not readmissions Assisted Living and Drug and Alcohol Abuse emerged as key predictors (only found in unstructured data) Top 18 Indicators Many predictors are found in History notations and observations 18. Jugular Venous Distention Indicator 17. Paid by Medicaid Indicator 16. Immunity Disorder Disease Indicator 15. Cardiac Rehab Admit Diagnosis with CHF Indicator 14. Lack of Emotion Support Indicator 13. Self COPD Moderate Limit Health History Indicator 12. With Genitourinary System and Endocrine Disorders 11. Heart Failure History 10. High BNP Indicator 9. Low Hemoglobin Indicator 8. Low Sodium Level Indicator 7. Assisted Living (from ICA Extract) 6. High Cholesterol History 5. Presence of Blood Diseases in Diagnosis History 4. High Blood Pressure Health History 3. Self Alcohol / Drug Use Indicator (Cerner + ICA) 2. Heart Attack History 1. Heart Disease History 28 Predictor Analysis % Encounters Structured Data % Encounters Unstructured Data Ejection Fraction (LVEF) 2% 74% Smoking Indicator 35% (65% Accurate) 81% (95% Accurate) Living Arrangements <1% 73% (100% Accurate) Drug and Alcohol Abuse 16% 81% Assisted Living 0% 13%

29 Content analytics : Medical Concept Annotations Diseases Symptoms Medications Modifiers Feb Dr. Martin S. Kohn Clinical Decision Support: DeepQA

30 Content Analytics for Healthcare delivers out of the box value Problems Result of a series of interim annotations that identify diseases, symptoms, and disorders Normalize to standard terms and standard coding systems including SNOMED CT, ICD-9, HCC, CCS Capture timeframes of the problem determine if past or current problem Determine confidence Positive, Negative, Rule Out Negation example abdominal pain Procedures Identify compound procedures Normalize to standard terms and standard coding systems including SNOMED CT, CCS, CPT Capture timeframes of the procedure dictionaries, 800+ parsing rules Demographic and Social Patient Age Living Arrangement Employment status Smoking status Alcohol use Compliance & Noncompliance Patient's history of medication compliance with directions such as "take all doses, even if you feel better earlier Noncompliance - Patient's history of medication noncompliance with directions. Labs results Type of lab test performed, unit of measure, result value Ejection Fraction in support of CHF use cases Coding Systems can identify these codes CPT CCS HCC NDC ( National Drug Codes)

31 Build new evidence based insights IBM Similarity Analytics Personalizes care decisions based on data driven decision support For this patient Analyze longitudinal data to develop profile across 30,000+ possible points of comparison Determine the individual risk factors for this patient based on the desired outcome Create an outcomes based personalized profile for this patient 31

32 Patient Similarity Analytics? Query patient x 1 Q x 2 Q x N Q Similarity Analysis? Clinically similar to 32 Patient population Patient similarity assessment in clinical factor/feature space x 1 1 x 2 1 x N 1 x 2 1 x 2 2,,, x N 2 x 1 K x 2 K x N K Best Treatment=? Outcomes Analysis Prognosis=? Treatment Comparison Diagnosis=? Typically > 10,000+ dimensions Disease Progression Challenge: learning the measure of clinical similarity between patients Approach: Use machine learning and data mining technologies to learn from observational data and expert labels 32

33 How Similarity Analytics Work Based on this personalized profile Find the most similar patients (or dynamic cohort) from entire population Analyze the attributes and outcomes for this cohort (across 30,000+ dimensions) Predict the probability of the desired outcome for patient in question Historical Observation Window Prediction Window Suggest a personalized care plan based on the unique needs of this patient This Patient s Longitudinal Data Dynamic Cohort Longitudinal Data with Outcomes Predicted Outcome For This Patient Desired Outcomes 33

34 Build new evidence based insights Evaluating the severity of a pathology Structurées 10% Non structurées 90% DB Entrepôt de données biomédicales Biomedical data from 1600 patients IBM Advanced Care Insights Reporting / Score card Statistics predictive model Learning from Records Content Analytic 34

35 Portail de Partage de l information du Patient

36 360ᴼ View of the Patient Clinical and Social Summary, Segmentation, Alerts

37 Holistic Care Plan Prepopulated with Configured Activities, Factor Specific Recommendations

38

39 Les apports du bigdata dans la chaîne de valeur Cas d usage Automobile

40 L écosystème du projet : «Car Connectivity and Big Data» Slide 40

41 Proposition de valeur de la solution IBM est capable de fournir une plate-forme logiciel en mode Cloud ou en mode natif pour répondre aux besoins des gestionnaires de flotte, des courtiers, des assurances, des traders, des pétroliers et des constructeurs automobile. Cette plate-forme permet de faire l acquisition et le traitement de données en temps-réel (provenant du véhicule ou des téléphones des conducteurs) et de remonter les indicateurs permettant aux gestionnaires d optimiser leur parc automobile, réduire les couts, tout en assurant une meilleure sécurité des personnes. De manière générale, la plate-forme peut-être adaptée pour faire de l acquisition et de l analyse temps-réel de données provenant de tout dispositif industriel ou canal internet capable de restituer de la donnée, qu elle soit structurée ou non-structurée. Slide 41

42 Architecture fonctionnelle Application téléchargeable. Détection zone de dangers, risques climatiques, étude des déviations de conduite, détection fraude carte GR,.. Profils. Serveur de messages (acquisition en tempsréel) Suivi temps-réel des véhicules (remontée d alertes) Logique Métier (filtrage, traitement, estimation, décision) Datawarehouse (stockage production) Analytics, tableaux de bord, moteur de recherche Datamart (besoin spécifique) Slide 42

43 Architecture technique External flows (Partners,..) Smartphone (Android,..) DMZ Datapower Xi52 Intranet Real time analysis Rules Engine InfoSphere Streams ODM Rules Engine and Rules management Traffic generator WS over MQ TT WS over MQ TT Real Time monitoring - Web UI Message Sight WS over MQ TT RES T Calls SPSS Big Insights 2.1 HDFS / HBase GPFS FPO FP1 Data Explorer : Portal, Aggregation, consolidation partners or developers API Management

44 Analyse des données en temps réel par capteurs (véhicules ) Tableau de bord Internet Scale Messaging Protocol Applicance Analyse en temps-réel des données en mouvement Help Desk Marketing BigInsights Stockage données Big Data CRM Slide 44

45 Analyse de la donnée en mouvement (Streams) et stockage de la donnée (BigInsights) Social Media Flux en temps-réel : Analyse de la donnée en mouvement Stream Computing and Analytics Décisions rapides Capteurs Acquisiition des données Analyse, corrélation Action, décision Véhicules connectés Système Hadoop Tableaux de bord Stockage données structurées et nonstructurées Modèles Offline flow: Data-at-rest analysis Slide 45 Modèles Structure Rapports

46 Démonstration Slide 46

47 Slide 47

48 Mobile application Embedded in the car (1/3) Car Speed Network connectivity Settings Driving condition alert Slide 48

49 Mobile application Embedded in the car (2/3) Tire alerts Messages Rain confirmation Slide 49

50 Mobile application Embedded in the car (3/3) Messages received Slide 50

51 Questions? MERCI de votre attention

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

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

IM01P2: Le Big Data pour enrichir, complémenter et travailler en. Corinne BARAGOIN c_baragoin@fr.ibm.com

IM01P2: Le Big Data pour enrichir, complémenter et travailler en. Corinne BARAGOIN c_baragoin@fr.ibm.com #solconnect13 IM01P2: Le Big Data pour enrichir, complémenter et travailler en synergie avec vos Warehouses Corinne BARAGOIN c_baragoin@fr.ibm.com 2 Le succès du Big Data est lié au fait que la technologie

Plus en détail

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

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

Plus en détail

L offre IBM Software autour de la valeur métier

L offre IBM Software autour de la valeur métier IBM Frame Mai 2011 L offre IBM Software autour de la valeur métier Hervé Rolland - Vice Président, Software Group France Milestones that Matter: IBM Software Acquisitions Milestones that Matter: IBM Software

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

HSCS 6.4 : mieux appréhender la gestion du stockage en environnement VMware et service de fichiers HNAS Laurent Bartoletti Product Marketing Manager

HSCS 6.4 : mieux appréhender la gestion du stockage en environnement VMware et service de fichiers HNAS Laurent Bartoletti Product Marketing Manager HSCS 6.4 : mieux appréhender la gestion du stockage en environnement VMware et service de fichiers HNAS Laurent Bartoletti Product Marketing Manager Hitachi Storage Command Suite Portfolio SAN Assets &

Plus en détail

Chronic patients and communicating DM. Elinaz MAHDAVY Orange Healthcare Medetel - Luxembourg 2014

Chronic patients and communicating DM. Elinaz MAHDAVY Orange Healthcare Medetel - Luxembourg 2014 Chronic patients and communicating DM Elinaz MAHDAVY Orange Healthcare Medetel - Luxembourg 2014 Orange sees data as a founding element of healthcare Orange serving medical data suppliers collection transfer

Plus en détail

Product Platform Development: A Functional Approach Considering Customer Preferences

Product Platform Development: A Functional Approach Considering Customer Preferences Product Platform Development: A Functional Approach Considering Customer Preferences THÈSE N O 4536 (2009) PRÉSENTÉE le 4 décembre 2009 À LA FACULTé SCIENCES ET TECHNIQUES DE L'INGÉNIEUR LABORATOIRE DES

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

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION THÈSE N O 2388 (2001) PRÉSENTÉE AU DÉPARTEMENT D'INFORMATIQUE ÉCOLE POLYTECHNIQUE FÉDÉRALE

Plus en détail

Le MDM (Master Data Management) Pierre angulaire d'une bonne stratégie de management de l'information

Le 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 détail

Orientations stratégiques IBM Software. Philippe Bournhonesque Stratégie Software France

Orientations stratégiques IBM Software. Philippe Bournhonesque Stratégie Software France Orientations stratégiques IBM Software Philippe Bournhonesque Stratégie Software France Des clients désireux de changer 98% des CEOs envisagent des changements de leurs business models 3X de la difficulté

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

IBM Content Analytics Libérer l Information

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

Plus en détail

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

CONTRAT D ETUDES - LEARNING AGREEMENT

CONTRAT D ETUDES - LEARNING AGREEMENT CONTRAT D ETUDES - LEARNING AGREEMENT Règles générales La présence aux séances d enseignement des modules choisis est obligatoire. Chaque module comporte des séances de travail encadrées et non encadrées

Plus en détail

SEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL

SEMINAIRE 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 détail

PLM 2.0 : Mise à niveau et introduction à l'offre version 6 de Dassault systèmes

PLM 2.0 : Mise à niveau et introduction à l'offre version 6 de Dassault systèmes IBM Software Group 2008 IBM Corporation and Dassault Systèmes PLM 2.0 : Mise à niveau et introduction à l'offre version 6 de Dassault systèmes 2009 2007 IBM Corporation 2 PLM : de l historique 2D-3D à

Plus en détail

L offre décisionnel IBM. Patrick COOLS Spécialiste Business Intelligence

L offre décisionnel IBM. Patrick COOLS Spécialiste Business Intelligence L offre décisionnel IBM Patrick COOLS Spécialiste Business Intelligence Le marché du Business Intelligence L enjeux actuel des entreprises : devenir plus «agiles» Elargir les marchés tout en maintenant

Plus en détail

ICH Q8, Q9 and Q10. Krishnan R. Tirunellai, Ph. D. Bureau of Pharmaceutical Sciences Therapeutic Products Directorate Health Canada December 4, 2008

ICH Q8, Q9 and Q10. Krishnan R. Tirunellai, Ph. D. Bureau of Pharmaceutical Sciences Therapeutic Products Directorate Health Canada December 4, 2008 ICH Q8, Q9 and Q10 An Opportunity to Build Quality into Product Krishnan R. Tirunellai, Ph. D. Bureau of Pharmaceutical Sciences Therapeutic Products Directorate Health Canada December 4, 2008 Sequence

Plus en détail

Rational Team Concert

Rational Team Concert Une gestion de projet agile avec Rational Team Concert Samira Bataouche Consultante, IBM Rational France 1 SCRUM en Bref Events Artifacts Development Team Source: Scrum Handbook 06 Décembre 2012 Agilité?

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

Application Form/ Formulaire de demande

Application Form/ Formulaire de demande Application Form/ Formulaire de demande Ecosystem Approaches to Health: Summer Workshop and Field school Approches écosystémiques de la santé: Atelier intensif et stage d été Please submit your application

Plus en détail

Capture the value of your IT

Capture the value of your IT Trader s S.A.S www.quick-software-line.com 01 53 10 27 50 Capture the value of your IT Think Data! En 2014 En 2015 Trader s puts your Data in Motion with Quick-SmartData!!! Quick-SmartData à l intérieur

Plus en détail

Des solutions IBM pour tout le cycle de vie de l information

Des solutions IBM pour tout le cycle de vie de l information Des solutions IBM pour tout le cycle de vie de BUSINESS PROCESS MANAGEMENT & BUSINESS RULES MANAGEMENT INFORMATION ACCESS & ANALYTICS OPERATIONAL APPLICATIONS ENTERPRISE ARCHIVE ENTERPRISE DATA ENTERPRISE

Plus en détail

Editing and managing Systems engineering processes at Snecma

Editing and managing Systems engineering processes at Snecma Editing and managing Systems engineering processes at Snecma Atego workshop 2014-04-03 Ce document et les informations qu il contient sont la propriété de Ils ne doivent pas être copiés ni communiqués

Plus en détail

Gestion des données des occupations et compositions des trains au sein de la SNCB Mobility.

Gestion des données des occupations et compositions des trains au sein de la SNCB Mobility. Mohammed Yousfi Gestion des données des occupations et compositions des trains au sein de la SNCB Mobility. Destination mieux NOTRE ENTREPRISE La SNCB (exploitant du trafic ferroviaire) fait partie du

Plus en détail

Politique d assurance de la qualité du point de vue de la politique régulatoire

Politique d assurance de la qualité du point de vue de la politique régulatoire Politique d assurance de la qualité du point de vue de la politique régulatoire Dr. Heinz Locher Assemblée générale Sommaire 1. Liste des tâches ( Mandat de l intervenant) 2. L angle de vue top down :

Plus en détail

Les Mashups d Entreprise au service de la SOA

Les Mashups d Entreprise au service de la SOA Les Mashups d Entreprise au service de la SOA Comment décupler l agilité de son système d information Olivier Picciotto CEO, Convertigo Convertigo Editeur de solutions pour les mashups d entreprise et

Plus en détail

Application Control technique Aymen Barhoumi, Pre-sales specialist 23/01/2015

Application Control technique Aymen Barhoumi, Pre-sales specialist 23/01/2015 Bienvenue Application Control technique Aymen Barhoumi, Pre-sales specialist 23/01/2015 Contexte 2 Agenda 1 Présentation de la Blade Application Control: catégorisation, Appwiki 2 Interfaçage avec la Blade

Plus en détail

VTP. LAN Switching and Wireless Chapitre 4

VTP. LAN Switching and Wireless Chapitre 4 VTP LAN Switching and Wireless Chapitre 4 ITE I Chapter 6 2006 Cisco Systems, Inc. All rights reserved. Cisco Public 1 Pourquoi VTP? Le défi de la gestion VLAN La complexité de gestion des VLANs et des

Plus en détail

Atelier Progress Rollbase

Atelier Progress Rollbase Atelier Progress Rollbase Laurent KIEFFER : laurent@progress.com 11 Février 2014 Demonstration Application 10 Min Atelier Progress Rollbase Introduction à Rollbase 1 Rollbase avec OpenEdge 6 2 Créer l

Plus en détail

Clinical Trials Regulation

Clinical Trials Regulation Clinical Trials Regulation National Implementation Cécile Delval Director of Evaluation Division French Medicines Agency (ANSM) France Ministry of Health ANSM Competent Authority Ethics Committee (EC)

Plus en détail

Title Text. Gestion de données de mobilité Mobility data management

Title Text. Gestion de données de mobilité Mobility data management Title Text Gestion de données de mobilité Mobility data management Contenu de la présentation Content Entrepôt de données de mobilité et exportation Automatisation de la génération d objets dynamiques

Plus en détail

Présentation des états financiers 2014 Presentation of the 2014 Financial Statements

Présentation des états financiers 2014 Presentation of the 2014 Financial Statements Présentation des états financiers 2014 Presentation of the 2014 Financial Statements Les faits saillants Highlights L état financier du MAMROT est très complexe et fournit de nombreuses informations. Cette

Plus en détail

02.10.2015 Olivier Rafal, PAC CXP Group

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

Plus en détail

Big Data & Analytics Leviers de transformation Métier. Retours d expérience. Laurence CHRETIEN Valérie PERHIRIN Mars 2015

Big Data & Analytics Leviers de transformation Métier. Retours d expérience. Laurence CHRETIEN Valérie PERHIRIN Mars 2015 Leviers de transformation Métier Retours d expérience Laurence CHRETIEN Valérie PERHIRIN Mars 2015 BIG DATA & ANALYTICS, UN VRAI LEVIER DE TRANSFORMATION BUSINESS? RETOURS D EXPERIENCE CAPGEMINI Valérie

Plus en détail

SCC / QUANTUM Kickoff 2015 Data Protection Best Practices

SCC / QUANTUM Kickoff 2015 Data Protection Best Practices SCC / QUANTUM Kickoff 2015 Data Protection Best Practices Stéphane Estevez QUANTUM Senior Product Marketing Manager EMEA Luc Vandergooten SCC Responsable Technique Data Protection Vers de nouveaux horizons

Plus en détail

BUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise

BUSINESS 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 détail

MPLS, GMPLS et NGN. Sécurité MPLS. Jacques BAUDRON ixtel octobre 2009 jacques.baudron@ixtel.fr. Ingénierie Conseils Services Télécommunications

MPLS, GMPLS et NGN. Sécurité MPLS. Jacques BAUDRON ixtel octobre 2009 jacques.baudron@ixtel.fr. Ingénierie Conseils Services Télécommunications MPLS, GMPLS et NGN Sécurité MPLS Jacques BAUDRON ixtel octobre 2009 jacques.baudron@ixtel.fr 1 Contents Treats Requirements VPN Attacks & defence 3 8 14 19 2 3 Threats Threats Denial of service Resources

Plus en détail

Les marchés Security La méthode The markets The approach

Les marchés Security La méthode The markets The approach Security Le Pôle italien de la sécurité Elsag Datamat, une société du Groupe Finmeccanica, représente le centre d excellence national pour la sécurité physique, logique et des réseaux de télécommunication.

Plus en détail

Rendez-vous la liberté avec Rational Quality Manager

Rendez-vous la liberté avec Rational Quality Manager IBM Software Group RAT02 Rendez-vous la liberté avec Rational Quality Manager Bernard Dupré IBM Rational IT Specialist 2008 IBM Corporation Envisager une plateforme qui change la production de logiciels

Plus en détail

Medication management capacity in highly functioning community living older adults: detection of early deficits.

Medication management capacity in highly functioning community living older adults: detection of early deficits. Drug Regimen Unassisted Grading Scale (DRUGS) Edelberg HK, Shallenberger E, Wei JY (1999) Medication management capacity in highly functioning community living older adults: detection of early deficits.

Plus en détail

IRPP Session 6- Case Studies and Lessons from Abroad

IRPP Session 6- Case Studies and Lessons from Abroad IRPP Session 6- Case Studies and Lessons from Abroad Integration of services for frail elderly- SIPA and PRISMA projects and after Céline Bureau, M.Sc.Inf. (cbureau.csss-iugs@msss.gouv.qc.ca) CSSS-IUG

Plus en détail

SEcurité et Internet Des Objets : le laboratoire SEIDO

SEcurité et Internet Des Objets : le laboratoire SEIDO SEcurité et Internet Des Objets : le laboratoire SEIDO Gérard Memmi, Chef du Département Informatique et Réseaux Télécom ParisTech Philippe Forestier, Chef de projet EDF R&D AGENDA 1. INTERNET OF THINGS

Plus en détail

Smile Mobile Dashboard

Smile Mobile Dashboard Smile Mobile Dashboard 1. Magento Extension The iphone and Android applications require access to data from your Magento store. This data is provided through an extension, available on Magento Connect

Plus en détail

Institut français des sciences et technologies des transports, de l aménagement

Institut français des sciences et technologies des transports, de l aménagement Institut français des sciences et technologies des transports, de l aménagement et des réseaux Session 3 Big Data and IT in Transport: Applications, Implications, Limitations Jacques Ehrlich/IFSTTAR h/ifsttar

Plus en détail

DevOps / SmartCloud Orchestrator. Dominique Lacassagne Cloud Architect

DevOps / SmartCloud Orchestrator. Dominique Lacassagne Cloud Architect DevOps / SmartCloud Orchestrator Dominique Lacassagne Cloud Architect DevOps / SmartCloud Orchestrator ( SCO ) Introduction: where does SCO fit in the DevOps story? A quick review of SCO main features

Plus en détail

Forthcoming Database

Forthcoming Database DISS.ETH NO. 15802 Forthcoming Database A Framework Approach for Data Visualization Applications A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of

Plus en détail

Possible Food Assistance Indicators (at the level of Results)

Possible Food Assistance Indicators (at the level of Results) Possible Food Assistance Indicators (at the level of Results) Comments for IT : 1. Text of predefined indicators cannot be changed by partners. Thus no variables in the predefined text. The only variables

Plus en détail

état et perspectives

état et perspectives La Normalisation de l informatique en Nuage «Cloud Computing» état et perspectives Séminaire Aristote: L'interopérabilit rabilité dans le Cloud Ecole Polytechnique 23/03/2011 Jamil CHAWKI Orange Labs Networks

Plus en détail

Objectif : Programme: Projet coordonné par l Office International de l Eau. Evènement labellisé World Water Forum 6

Objectif : Programme: Projet coordonné par l Office International de l Eau. Evènement labellisé World Water Forum 6 Atelier WaterDiss2.0: Valoriser les résultats de la recherche sur l'eau comme catalyseur de l'innovation. Paris, Pollutec, 1 er Décembre 2011 De 14h à 17h Salle 617 Objectif : L'objectif du projet WaterDiss2.0

Plus en détail

Design and creativity in French national and regional policies

Design and creativity in French national and regional policies Design and creativity in French national and regional policies p.01 15-06-09 French Innovation policy Distinction between technological innovation and non-technological innovation (including design) French

Plus en détail

AXIAD Conseil pour décider en toute intelligence

AXIAD 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 détail

National Health Survey. Le Luxembourg dans le contexte international

National Health Survey. Le Luxembourg dans le contexte international National Health Survey Le Luxembourg dans le contexte international Ministère de la Santé conférence de presse du 25 février 9 Présentation de l étude 2 Fiche technique Un échantillon de 484 personnes

Plus en détail

Contrôle Interne et Gouvernance IT avec Lotus Business Control and Reporting. Olivier Elluin

Contrôle Interne et Gouvernance IT avec Lotus Business Control and Reporting. Olivier Elluin Contrôle Interne et Gouvernance IT avec Lotus Business Control and Reporting Olivier Elluin Agenda Contrôle Interne et Gouvernance IT Lotus Business Control and Reporting Besoins Fonctions Générales Présentation

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

WEB15 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. 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 détail

Accélérer la transformation de vos nouveaux modèles assurances

Accélérer la transformation de vos nouveaux modèles assurances Accélérer la transformation de vos nouveaux modèles assurances Enjeux critiques des systèmes de distribution Assurance Etude Accenture Assurances 2020 4 axes d amélioration : Articuler le SI Assurance

Plus en détail

La démarche décisionnelle à l hôpital

La démarche décisionnelle à l hôpital Vincent David La démarche décisionnelle à l hôpital nouvelle gouvernance et pilotage des activités Smarter Healthcare Plan Hôpital 2012 : 5 domaines stratégiques à moderniser (Communiqué du Ministre de

Plus en détail

Générateur de pages WEB et serveur pour supervision accessible à partir d un navigateur WEB

Générateur de pages WEB et serveur pour supervision accessible à partir d un navigateur WEB AUTOMGEN 8.009 Générateur de pages WEB et serveur pour supervision accessible à partir d un navigateur WEB version 2 : support de sources vidéo, support 3D, support de l ensemble des objets IRIS 2D WEB

Plus en détail

Date: 09/11/15 www.crmconsult.com Version: 2.0

Date: 09/11/15 www.crmconsult.com Version: 2.0 Date: 9/11/2015 contact@crmconsult.fr Page 1 / 10 Table des matières 1 SUGARPSHOP : SCHEMA... 3 2 PRESENTATION... 4 3 SHOPFORCE WITH SCREENSHOTS... 5 3.1 CLIENTS... 5 3.2 ORDERS... 6 4 INSTALLATION...

Plus en détail

Objectif : Passer de l analyse métier et fonctionnelle à la définition des applications qui

Objectif : Passer de l analyse métier et fonctionnelle à la définition des applications qui Formation PARTIE 1 : ARCHITECTURE APPLICATIVE DUREE : 5 h Objectif : Passer de l analyse métier et fonctionnelle à la définition des applications qui automatisent les fonctions Définir une architecture

Plus en détail

Le domaine QRPH Qualité, Recherche Clinique et Santé Publique. 8 Decembre, 2008 Réunion IHE-FRANCE Ana ESTELRICH, GIP-DMP, FRANCE

Le domaine QRPH Qualité, Recherche Clinique et Santé Publique. 8 Decembre, 2008 Réunion IHE-FRANCE Ana ESTELRICH, GIP-DMP, FRANCE Le domaine QRPH Qualité, Recherche Clinique et Santé Publique 8 Decembre, 2008 Réunion IHE-FRANCE Ana ESTELRICH, GIP-DMP, FRANCE Le domaine QRPH Domaine le plus recent d IHE Sponsors: American Heart Association

Plus en détail

deux tâches dans le tableau et à cliquer sur l icône représentant une chaîne dans la barre d outils. 14- Délier les tâches : double cliquer sur la

deux tâches dans le tableau et à cliquer sur l icône représentant une chaîne dans la barre d outils. 14- Délier les tâches : double cliquer sur la MS Project 1- Créer un nouveau projet définir la date du déclenchement (début) ou de la fin : File New 2- Définir les détails du projet : File Properties (permet aussi de voir les détails : coûts, suivi,

Plus en détail

News about the French ASTER system

News about the French ASTER system News about the French ASTER system F. GERMAIN CESPA Marseille - France FORCE HEALTH PROTECTION NATO CONFERENCE 23-26 JUNE 2014 BUDAPEST HUNGARY 1 CONTENT WHAT IS ASTER? NEWS ABOUT ASTER. 2 International

Plus en détail

Les licences Creative Commons expliquées aux élèves

Les licences Creative Commons expliquées aux élèves Les licences Creative Commons expliquées aux élèves Source du document : http://framablog.org/index.php/post/2008/03/11/education-b2i-creative-commons Diapo 1 Creative Commons presents : Sharing Creative

Plus en détail

Comment concevoir et réaliser des applications mobiles combinant l'iot et le cognitif? Erwan Maréchal

Comment concevoir et réaliser des applications mobiles combinant l'iot et le cognitif? Erwan Maréchal IBM 2015 App Days Amphithéatre Blaise Pascal Comment concevoir et réaliser des applications mobiles combinant l'iot et le cognitif? Erwan Maréchal Appli Single Page : le concept du «Single Page App» Qu

Plus en détail

SC 27/WG 5 Normes Privacy

SC 27/WG 5 Normes Privacy SC 27/WG 5 Normes Privacy Club 27001 Toulousain 12/12/2014 Lionel VODZISLAWSKY Chief Information Officer l.vodzislawsky@celtipharm.com PRE-CTPM 141212-Club27001 Toulouse normes WG5_LV L organisation de

Plus en détail

TITRE DE LA THESE. Développement durable et lutte contre la pauvreté, Cas de la Tunisie. Par. Riadh Béchir. Unité de recherche ; Laboratoire ;

TITRE DE LA THESE. Développement durable et lutte contre la pauvreté, Cas de la Tunisie. Par. Riadh Béchir. Unité de recherche ; Laboratoire ; TITRE DE LA THESE Développement durable et lutte contre la pauvreté, Cas de la Tunisie Par Riadh Béchir Unité de recherche ; Laboratoire ; Entreprise - Economie - Environnement Economie et sociétés rurales

Plus en détail

GREDOR Gestion des Réseaux Electriques de Distribution Ouverts aux Renouvelables. Presentation and snapshot of achieved work

GREDOR Gestion des Réseaux Electriques de Distribution Ouverts aux Renouvelables. Presentation and snapshot of achieved work GREDOR Gestion des Réseaux Electriques de Distribution Ouverts aux Renouvelables Presentation and snapshot of achieved work FLEXIPAC meeting Bertrand Cornélusse, University of Liège December 2014 1 P L

Plus en détail

Un ACTIF InConToURnABLE PoUR DEs PARTEnARIATs significatifs. social. An ASSeT To meaningful PARTneRSHIPS

Un ACTIF InConToURnABLE PoUR DEs PARTEnARIATs significatifs. social. An ASSeT To meaningful PARTneRSHIPS Le capital Un ACTIF InConToURnABLE PoUR DEs PARTEnARIATs significatifs social capital An ASSeT To meaningful PARTneRSHIPS Présentation des participants participants presentation Fondation Dufresne et Gauthier

Plus en détail

L année du Cloud : De plus en plus d entreprises choisissent le Cloud

L année du Cloud : De plus en plus d entreprises choisissent le Cloud Information aux medias Saint-Denis, France, 17 janvier 2013 L année du Cloud : De plus en plus d entreprises choisissent le Cloud Des revenus liés au Cloud estimés à près d un milliard d euros d ici 2015

Plus en détail

IEEE Learning Technology Standards Committee Comité des Normes en Technologies d Apprentissage de l IEEE

IEEE Learning Technology Standards Committee Comité des Normes en Technologies d Apprentissage de l IEEE IEEE Learning Technology Standards Committee Comité des Normes en Technologies d Apprentissage de l IEEE Robby Robson Chair, LTSC Président, LTSC rrobson@eduworks.com 19 March, 2003 What is the LTSC? Le

Plus en détail

Raising the efficiency gains of industry by ICT means

Raising the efficiency gains of industry by ICT means Raising the efficiency gains of industry by ICT means 1/44 E-Government Consortium Thales IS ATG 2/44 ICT gains are similar for governments Industry Gains Government Gains Revenue Growth Expand government

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

Cedric Dumoulin (C) The Java EE 7 Tutorial http://docs.oracle.com/javaee/7/tutorial/doc/

Cedric Dumoulin (C) The Java EE 7 Tutorial http://docs.oracle.com/javaee/7/tutorial/doc/ Cedric Dumoulin (C) The Java EE 7 Tutorial http://docs.oracle.com/javaee/7/tutorial/doc/ Webographie The Java EE 7 Tutorial http://docs.oracle.com/javaee/7/tutorial/doc/ Les slides de cette présentation

Plus en détail

Préconisations pour une gouvernance efficace de la Manche. Pathways for effective governance of the English Channel

Préconisations pour une gouvernance efficace de la Manche. Pathways for effective governance of the English Channel Préconisations pour une gouvernance efficace de la Manche Pathways for effective governance of the English Channel Prochaines étapes vers une gouvernance efficace de la Manche Next steps for effective

Plus en détail

British Council LearnEnglish Online

British Council LearnEnglish Online British Council LearnEnglish Online Kiros Langston, English Programmes Manager, British Council Tunisia Nick Cherkas, English Programmes Manager, British Council Morocco British Council LearnEnglish Online

Plus en détail

Le Groupe Software AG. Pierre Brunet, Vice Président France Fabrice Hugues, Directeur Avant-Ventes de Software AG France

Le Groupe Software AG. Pierre Brunet, Vice Président France Fabrice Hugues, Directeur Avant-Ventes de Software AG France Le Groupe Software AG Pierre Brunet, Vice Président France Fabrice Hugues, Directeur Avant-Ventes de Software AG France Paris, 02 Novembre 2012 Un aperçu rapide de Software AG 02 November 2012 2 Leader

Plus en détail

Jean-Pascal Ancelin Directeur Commercial Information Builders. Conférence IDC Jeudi 11 juin 2009

Jean-Pascal Ancelin Directeur Commercial Information Builders. Conférence IDC Jeudi 11 juin 2009 Simplifier l accès et la mise à disposition de l information en temps réel dans l entreprise: Les exemples de Ford, NYC Dept. of Health, Police de la ville de Richmond Jean-Pascal Ancelin Directeur Commercial

Plus en détail

Publication IEC 61000-4-3 (Edition 3.0 2008) I-SH 01

Publication IEC 61000-4-3 (Edition 3.0 2008) I-SH 01 Publication IEC 61000-4-3 (Edition 3.0 2008) I-SH 01 Electromagnetic compatibility (EMC) Part 4-3: Testing and measurement techniques Radiated, radio-frequency, electromagnetic field immunity test INTERPRETATION

Plus en détail

Niveau débutant/beginner Level

Niveau débutant/beginner Level LE COFFRE À OUTILS/THE ASSESSMENT TOOLKIT: Niveau débutant/beginner Level Sampler/Echantillon Instruments d évaluation formative en français langue seconde Formative Assessment Instruments for French as

Plus en détail

BI SWISS FORUM (ecom / SITB)

BI 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 détail

Instructions Mozilla Thunderbird Page 1

Instructions Mozilla Thunderbird Page 1 Instructions Mozilla Thunderbird Page 1 Instructions Mozilla Thunderbird Ce manuel est écrit pour les utilisateurs qui font déjà configurer un compte de courrier électronique dans Mozilla Thunderbird et

Plus en détail

How to be a global leader in innovation?

How to be a global leader in innovation? How to be a global leader in innovation? 2014-03-17 / Rybinsk Marc Sorel Safran Country delegate /01/ Innovation : a leverage to create value 1 / 2014-01-30/ Moscou / Kondratieff A REAL NEED FOR INNOVATION

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

Québec WHO Collaborating Centre (CC) for Safety Promotion and Injury Prevention

Québec WHO Collaborating Centre (CC) for Safety Promotion and Injury Prevention Québec WHO Collaborating Centre (CC) for Safety Promotion and Injury Prevention mission The Collaborating Centre seeks to contribute at the international level to research, development and the dissemination

Plus en détail

Predisposing factors of burn out among Parisian General Practitioners Trainees. A longitudinal study

Predisposing factors of burn out among Parisian General Practitioners Trainees. A longitudinal study Predisposing factors of burn out among Parisian General Practitioners Trainees. A longitudinal study Pr Eric GALAM ; Dr Camille VAULOUP-SOUPAULT EAPH Barcelona April 21th, 2015 egalam@hotmail.com 1 Burn

Plus en détail

Transformez vos données produits et clients en chiffre d affaires

Transformez vos données produits et clients en chiffre d affaires Transformez vos données produits et clients en chiffre d affaires Avec le MDM, le Big Data et la Data Quality Jean-Michel Franco Talend Connect 9 octobre 2014 Talend 2014 1 Transformer l entreprise grâce

Plus en détail

GCSE Bitesize Controlled Assessment

GCSE Bitesize Controlled Assessment GCSE Bitesize Controlled Assessment Model 2 (for A/A* grade) Question 3 Subject: Topic: French Writing In this document you will find practical help on how to improve your grade. Before you start working

Plus en détail

How To connect to TonVPN Max / Comment se connecter à TonVPN Max

How To connect to TonVPN Max / Comment se connecter à TonVPN Max How To connect to TonVPN Max / Comment se connecter à TonVPN Max Note : you need to run all those steps as an administrator or somebody having admin rights on the system. (most of the time root, or using

Plus en détail

Comment la ville de Westmount a automatisé la préparation de ses réunions du conseil :

Comment la ville de Westmount a automatisé la préparation de ses réunions du conseil : Préparation des réunions du Conseil Comment la ville de Westmount a automatisé la préparation de ses réunions du conseil : André Larose, Techtra John Corrigan, Microsoft Jerry H Dolar, Dir TI, Ville de

Plus en détail

ADQ IR Implementation

ADQ IR Implementation ADQ IR Implementation DSNA experience Direction Générale de l Aviation Civile CONTENTS DSNA considerations ADQ objectives The context : a coordinated approach DSNA approach to ADQ implementation The pillars

Plus en détail

De l hôpital connecté au management de santé des populations

De l hôpital connecté au management de santé des populations De l hôpital connecté au management de santé des populations Jérôme FAGGION Directeur Business Development Septembre 2015 Maincare Solutions Une société Symphony Technology Group - Société d investissement

Plus en détail

VMware : De la Virtualisation. au Cloud Computing

VMware : De la Virtualisation. au Cloud Computing VMware : De la Virtualisation. au Cloud Computing Tunis, le 12 Décembre 2012 Jamal Belhachemi BDM South EMEA 2010 VMware, Inc. Tous droits réservés. 2010 #1 dans les priorités des Directeurs Informatiques

Plus en détail

Academic Project. B3 - Architecture. Resit Project. Version 1.0 Last update: 24/05/2013 Use: Students Author: Samuel CUELLA

Academic Project. B3 - Architecture. Resit Project. Version 1.0 Last update: 24/05/2013 Use: Students Author: Samuel CUELLA SUPINFO Academic Dept. Resit Project Academic Project 2012-2013 Version 1.0 Last update: 24/05/2013 Use: Students Author: Samuel CUELLA Conditions d utilisations : SUPINFO International University vous

Plus en détail

IBM Software «CAMS² & Business Partners»

IBM Software «CAMS² & Business Partners» IBM Software «CAMS² & Business Partners» «La Vente est un Sport de haut niveau!» Valeur Temps Les Missions du «Sales Software» Valeur «Contrat Entreprise Logiciel» 3. Développer le Business Client Study

Plus en détail

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

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

Plus en détail