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

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

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

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

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

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

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

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

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

Telemonitoring. Dr J.P. Dercq INAMI/DGSS/RDQ

Telemonitoring. Dr J.P. Dercq INAMI/DGSS/RDQ Telemonitoring Dr J.P. Dercq INAMI/DGSS/RDQ Télémédecine Teleconsultation ( with patient) Telediagnostics ( with data) Telemonitoring ( non invasive captation of physiological parameters) Telecare ( treatment

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

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

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

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

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

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

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

Le "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique

Le tout fichier Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché

Plus en détail

Comment faire du dossier médical un outil adapté à la recherche clinique?

Comment faire du dossier médical un outil adapté à la recherche clinique? Comment faire du dossier médical un outil adapté à la recherche clinique? Une introduction sur l évolution nécessaire des systèmes d information de santé Marius Fieschi Assistance Publique Hôpitaux de

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

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

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

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

SOIL MOISTURE AND RADON GAS. Bliss L. Tracy Radiation Protection Bureau Health Canada

SOIL MOISTURE AND RADON GAS. Bliss L. Tracy Radiation Protection Bureau Health Canada SOIL MOISTURE AND RADON GAS Bliss L. Tracy Radiation Protection Bureau Health Canada CGEO Workshop on Soil Moisture Saskatoon SK 19-20 June 2007 Outline What is radon? Where does it come from? Why is it

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

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

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

Medicognos. Plateforme d Intégration et Gestion des Processus de Soins Dr Silviu Braga. Medicognos. par des médecins pour des médecins

Medicognos. Plateforme d Intégration et Gestion des Processus de Soins Dr Silviu Braga. Medicognos. par des médecins pour des médecins Medicognos Plateforme d Intégration et Gestion des Processus de Soins Dr Silviu Braga Dr Silviu Braga Directeur R&D Medicognos SA par des médecins pour des médecins Pourquoi une nouvelle génération? Les

Plus en détail

Kyomed/ Déc. 2015 SMART-MINING DANS LA SANTÉ: POUR QUELLES APPLICATIONS ET POUR QUELS USAGES? UN EXEMPLE DANS LA RHINITE ALLERGIQUE SYLVIE ARNAVIELHE

Kyomed/ Déc. 2015 SMART-MINING DANS LA SANTÉ: POUR QUELLES APPLICATIONS ET POUR QUELS USAGES? UN EXEMPLE DANS LA RHINITE ALLERGIQUE SYLVIE ARNAVIELHE Kyomed/ Déc. 2015 SMART-MINING DANS LA SANTÉ: POUR QUELLES APPLICATIONS ET POUR QUELS USAGES? UN EXEMPLE DANS LA RHINITE ALLERGIQUE SYLVIE ARNAVIELHE KYOMED- 10 DÉCEMBRE 2015 2 BIG DATA Description en

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

Innovation et système d information chez IBM WEB 2.0

Innovation et système d information chez IBM WEB 2.0 Innovation et système d information chez IBM WEB 2.0 2006 IBM Corporation Didier ROCHE Directeur BT&IT France, NWA 07 Février 2008 La feuille de route de la Business Transformation chez IBM Supporter la

Plus en détail

LES ARCHITECTURES ORIENTÉES SERVICES

LES ARCHITECTURES ORIENTÉES SERVICES Pourquoi WebSphere La complexité des affaires exerce une forte pression sur l IT : Challenges Globalisation Pressions de la compétition Erosion de la fidélité des clients Complexité de la chaine logistique

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

Partie I Organisations, management et systèmes d information... 1

Partie I Organisations, management et systèmes d information... 1 Liste des cas d entreprise............................................................ Liste des figures..................................................................... Liste des tableaux...................................................................

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

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

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

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

Atelier WEB20 : IBM WebSphere CAST IRON

Atelier WEB20 : IBM WebSphere CAST IRON Atelier WEB20 : IBM WebSphere CAST IRON Plateforme d intégration complète pour connecter l Entreprise avec le cloud Magali Boulet IT Specialist magali.boulet@fr.ibm.com Le Cloud Computing? Applications

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

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

QlikView et Google Big Query : Une réponse simple, rapide et peu coûteuse aux analyses Big Data

QlikView et Google Big Query : Une réponse simple, rapide et peu coûteuse aux analyses Big Data QlikView et Google Big Query : Une réponse simple, rapide et peu coûteuse aux analyses Big Data Qui sommes-nous? Société de stratégie et de consulting IT spécialisée en ebusiness, Cloud Computing, Business

Plus en 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

Présentation de l offre Logiciel IBM au portefeuille de l UGAP 6 juin 2013

Présentation de l offre Logiciel IBM au portefeuille de l UGAP 6 juin 2013 Présentation de l offre Logiciel IBM au portefeuille de l UGAP 6 juin 2013 Agenda proposé Présentation de l offre IBM proposée au catalogue Stratégie d IBM dans le Logiciel L offre d IBM Software en 7

Plus en détail

Plateforme SAS. Data & Information System

Plateforme SAS. Data & Information System Data & Information System SOMMAIRE Rédacteur : Ref: F.Barthelemy AXIO_1111_V1 PLATEFORME SAS PREREQUIS SAS GUIDE SAS WRS SAS PORTAL SAS MINER Une plateforme unique et modulable capable d exploiter l architecture

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

Restitution. Antoine Lapostolle Ingénieur Avant-Vente Microsoft France

Restitution. Antoine Lapostolle Ingénieur Avant-Vente Microsoft France Restitution Antoine Lapostolle Ingénieur Avant-Vente Microsoft France Fgi was here Restitution: les problématiques Stocker ne suffit, il faut permettre de comprendre et d analyser ces données. Avec des

Plus en détail

Acquisition des données - Big Data. Dario VEGA Senior Sales Consultant

Acquisition des données - Big Data. Dario VEGA Senior Sales Consultant Acquisition des données - Big Data Dario VEGA Senior Sales Consultant The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated

Plus en détail

Orange Nouvelle Expérience (ONE) Zoom sur les solutions SI

Orange Nouvelle Expérience (ONE) Zoom sur les solutions SI «Le service Orange, satisfait quand vous l'êtes» Orange Nouvelle Expérience (ONE) Zoom sur les solutions SI Stéphane Guérin Orange DSI Orange France Directeur Centre de Compétences Relation Client Août

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

Besoins cliniques et tendances en informatisation des services de santé. Fabien de Lorenzi Directeur principal, Orientation produits

Besoins cliniques et tendances en informatisation des services de santé. Fabien de Lorenzi Directeur principal, Orientation produits Besoins cliniques et tendances en informatisation des services de santé Fabien de Lorenzi Directeur principal, Orientation produits 1 Agenda Les dossiers patients partageables territoriaux (DSÉ) CSSS/RLS

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

L analytique en temps réel en un clic. Jean-Michel Franco Directeur Marketing Produit @jmichel_franco

L analytique en temps réel en un clic. Jean-Michel Franco Directeur Marketing Produit @jmichel_franco L analytique en temps réel en un clic Jean-Michel Franco Directeur Marketing Produit @jmichel_franco 2015 Talend Inc. 1 1 Dynamiser l entreprise par ses données Les entreprises orientées données 23X plus

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

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

DU RÉSEAU AU BIG DATA UNE OFFRE GLOBALE DE GESTION DE LA DONNÉE. Bruno Fleisch - Responsable Produits Tarik Hakkou Responsable du pôle «Data»

DU RÉSEAU AU BIG DATA UNE OFFRE GLOBALE DE GESTION DE LA DONNÉE. Bruno Fleisch - Responsable Produits Tarik Hakkou Responsable du pôle «Data» DU RÉSEAU AU BIG DATA UNE OFFRE GLOBALE DE GESTION DE LA DONNÉE Bruno Fleisch - Responsable Produits Tarik Hakkou Responsable du pôle «Data» BT, UN LEADER MONDIAL BT est l une des premières entreprises

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

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

Master Data Management

Master Data Management Master Data Management TA11: Libérez et fluidifiez vos données fondamentales au travers du SOA avec le Master Data Management Jean MINA Information Management IBM Software Group 1 Les Challenges de l Information

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

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

Créer un référentiel client grâce à Talend MDM

Créer un référentiel client grâce à Talend MDM Créer un référentiel client grâce à Talend MDM Christophe Toum Product Manager Talend Connect 9 octobre 2014 Talend 2014 1 Sommaire Connaissez-vous vos clients? MDM et réconciliation des données Le processus

Plus en détail

Piloter vos activités métier avec le BAM. Jean-Marc Langé

Piloter vos activités métier avec le BAM. Jean-Marc Langé Piloter vos activités métier avec le BAM Jean-Marc Langé Qu est-ce que le BAM? Le BAM (Business Activity Monitoring) consiste à agréger, analyser et présenter en temps réel des informations sur les activités,

Plus en détail

Expérience de la mise en place s une solution de gestion de capacité pour supporter la migration des Datacenter

Expérience de la mise en place s une solution de gestion de capacité pour supporter la migration des Datacenter Expérience de la mise en place s une solution de gestion de capacité pour supporter la migration des Datacenter Gilles HANUSSE Responsable services Monitor & Operate Sanofi Global Infrastructure Services

Plus en détail

BI Haute performance. Jean-François Vannier Responsable Infrastructures Décisionnelles, Bull

BI Haute performance. Jean-François Vannier Responsable Infrastructures Décisionnelles, Bull BI Haute performance Jean-François Vannier Responsable Infrastructures Décisionnelles, Bull Bull aujourd'hui - La seule expertise 100% européenne des infrastructures et des applications critiques - Une

Plus en détail

LES NOUVEAUX FACTEURS DE COMPÉTITIVITÉ BASÉS SUR LA 3 ÈME PLATEFORME INFORMATIQUE. Sébastien LAMOUR IDC Research & Consulting Manager

LES NOUVEAUX FACTEURS DE COMPÉTITIVITÉ BASÉS SUR LA 3 ÈME PLATEFORME INFORMATIQUE. Sébastien LAMOUR IDC Research & Consulting Manager LES NOUVEAUX FACTEURS DE COMPÉTITIVITÉ BASÉS SUR LA 3 ÈME PLATEFORME INFORMATIQUE Sébastien LAMOUR IDC Research & Consulting Manager LA 3 ÈME PLATEFORME INFORMATIQUE Santé publique Smart grids Smart buildings

Plus en détail

Hardis Group Jeudi 28 mai 2015

Hardis Group Jeudi 28 mai 2015 Hardis Group Jeudi 28 mai 2015 L univers d HARDIS GROUP ACTEUR DE L IT, DEPUIS 30 ANS AU SERVICE DE LA TRANSFORMATION ET DE LA PERFORMANCE DES ENTREPRISES_ CHIFFRES CLEFS 670 collaborateurs 5 agences en

Plus en détail

Développement logiciel pour l Architecture Orientée Services avec IBM Rational Software Development Platform

Développement logiciel pour l Architecture Orientée Services avec IBM Rational Software Development Platform IBM Software Group Développement logiciel pour l Architecture Orientée Services avec IBM Rational Software Development Platform Thierry Bourrier, Techical Consultant thierry.bourrier@fr.ibm.com L Architecture

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

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

Qui sommes-nous? Expertises. Chiffres clé. Premier intégrateur mondial des technologies Microsoft. Références. 2015 Avanade Inc. All Rights Reserved.

Qui sommes-nous? Expertises. Chiffres clé. Premier intégrateur mondial des technologies Microsoft. Références. 2015 Avanade Inc. All Rights Reserved. Qui sommes-nous? Chiffres clé Expertises Premier intégrateur mondial des technologies Microsoft Références 2015 Avanade Inc. All Rights Reserved. 1 Avanade en quelques chiffres Plus de 25 000 collaborateurs

Plus en 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

Business Process Management

Business Process Management Alain Darmon Responsable Avant-Vente BPM, IBM 1 er mars 2011 Business Process Management Améliorez l agilité de l entreprise avec la gestion des processus métier Les processus sont partout! Ouverture de

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

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

Piloter vos processus métier avec le Business Activity Monitoring ( * ) (BAM)

Piloter vos processus métier avec le Business Activity Monitoring ( * ) (BAM) Piloter vos processus métier avec le Business Activity Monitoring ( * ) (BAM) Jean-Marc Langé WebSphere Integration Solution Architect IBM Software France jmlange@fr.ibm.com ( * ) Supervision des activités

Plus en détail

COMPUTING. Jeudi 23 juin 2011 1 CLOUD COMPUTING I PRESENTATION

COMPUTING. Jeudi 23 juin 2011 1 CLOUD COMPUTING I PRESENTATION C L O U D COMPUTING Jeudi 23 juin 2011 1 2 Une nouvelle révolution de l IT 2010+ Cloud Computing 2000s Service Oriented Archi. 1990s Network Computing 1980s Personal Computing 1970s Mainframe Computing

Plus en détail

Symposium International sur les Technologies de l Information.

Symposium International sur les Technologies de l Information. Symposium International sur les Technologies de l Information. Sheraton, Alger, 9-11 décembre 2002 I ntégration des technologies de l information dans l entreprise algérienne. Conséquences sur l organisation

Plus en détail

La gestion des processus humain et documentaires / Session Number Pascale Vincent Manager Tech Sales IBM ECM

La gestion des processus humain et documentaires / Session Number Pascale Vincent Manager Tech Sales IBM ECM La gestion des processus humain et documentaires / Session Number Pascale Vincent Manager Tech Sales IBM ECM 2 Le constat Les processus d entreprise ne sont rien d autre qu un enchaînement de prises de

Plus en détail

5 raisons de placer Le CRM au cœur de votre performance

5 raisons de placer Le CRM au cœur de votre performance L'expertise du Data Management 5 raisons de placer Le CRM au cœur de votre performance Thierry ALINGRIN William BEREAULT L'information client au cœur des décisions et de l'action CRM & Performance d Entreprise

Plus en détail

nugg.ad, les experts européens de l audience

nugg.ad, les experts européens de l audience nugg.ad, les experts européens de l audience SMART AUDIENCE PLATFORM TM nugg.ad, les experts européens de l audience Smart Audience Platform TM est une solution innovante permettant le ciblage d audience

Plus en détail

Interopérabilité d'un système de capteurs en télémédecine

Interopérabilité d'un système de capteurs en télémédecine Interopérabilité d'un système de capteurs en télémédecine Par P. Finet 1, 2,3, B. Gibaud 2,3, O. Dameron 4 and R. Le Bouquin Jeannès 2,3 1 Centre Hospitalier Intercommunal Alençon-Mamers, Alençon, F-61000

Plus en détail

Etienne Galerneau. etienne_galerneau@fr.ibm.com. Manager of Integration Acquisition Software Group IMT France & NWA

Etienne Galerneau. etienne_galerneau@fr.ibm.com. Manager of Integration Acquisition Software Group IMT France & NWA Etienne Galerneau etienne_galerneau@fr.ibm.com Manager of Integration Acquisition Software Group IMT France & NWA 13 Les acquisitions au cœur de la stratégie d IBM Software Group Annual meeting of stockholders

Plus en détail

APX et VCE, Modèle d industrialisation de l intégration et du déploiement. Olivier BERNARD, VCE

APX et VCE, Modèle d industrialisation de l intégration et du déploiement. Olivier BERNARD, VCE APX et VCE, Modèle d industrialisation de l intégration et du déploiement Olivier BERNARD, VCE Généralisation des réseaux, suprématie d IP Consumérisation des terminaux informatiques Evolution vers une

Plus en détail

Equipe Business Intelligence!

Equipe Business Intelligence! Equipe Business Intelligence! Laboratoire MAS ü MAS : un laboratoire de recherche où les mathématiques et l informatique sont appliquées aux systèmes http://www.mas.ecp.fr ü Analyse, modélisation, simulation

Plus en détail

Malgré la crise, Le décisionnel en croissance en France

Malgré la crise, Le décisionnel en croissance en France Malgré la crise, Le décisionnel en croissance en France 11 juin 2009 www.idc.com Cyril Meunier IDC France Consulting Manager Copyright 2009 IDC. Reproduction is forbidden unless authorized. All rights

Plus en 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

ez 5 series Révolutionnez votre approche Marketing

ez 5 series Révolutionnez votre approche Marketing ez 5 series Révolutionnez votre approche Marketing ez 5 - En 5 mots Scalability avec une infrastructure hybride prête pour Big Data Backwards Compatible avec une approche dual core Plateforme, notre message

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

20 ans. Votre partenaire pour le changement. Your Partner for Change. Your Partner for Change

20 ans. Votre partenaire pour le changement. Your Partner for Change. Your Partner for Change 100 C 70 M 10 K 55 M 100 Y Offset Your Partner for Change 20 ans Votre partenaire pour le changement Your Partner for Change Basel Bern Buchs Genève Luzern Lugano Schindellegi Zürich 20 ans au service

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

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

DocForum 18 Juin 2015. Réussites d un projet Big Data Les incontournables

DocForum 18 Juin 2015. Réussites d un projet Big Data Les incontournables DocForum 18 Juin 2015 Réussites d un projet Big Data Les incontournables Vos interlocuteurs Mick LEVY Directeur Innovation Business mick.levy@businessdecision.com 06.50.87.13.26 @mick_levy 2 Business &

Plus en détail

Pour une entreprise plus performante

Pour une entreprise plus performante Pour une entreprise plus performante Smart Technology Services Raison Sociale - Smart Technology Services llc Pôle d activités - Service et conseil dans la technologie de l information Pôle d activités

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

2006 IBM Corporation

2006 IBM Corporation 2006 IBM Corporation IBM SOA Executive Summit Paris 31 Mai 2007 Session Gestion de s «Facteur clé de compétitivité et d innovation pour les compagnies d assurance» Emmanuel Auriol Solutions Assurances

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

Pierre-Adrien Forestier Partner Technical Advisor pafore@microsoft.com

Pierre-Adrien Forestier Partner Technical Advisor pafore@microsoft.com Pierre-Adrien Forestier Partner Technical Advisor pafore@microsoft.com Agenda Vision de la BI par Microsoft SQL Server 2008 R2 Démo PowerPivot Démo Reporting Services Questions / Réponses Une plateforme

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