SGBD et aide à la décision, Gestion des données, Big Data...

Dimension: px
Commencer à balayer dès la page:

Download "SGBD et aide à la décision, Gestion des données, Big Data..."

Transcription

1 SGBD et aide à la décision, Gestion des données, Big Data... Les données sont au cœur du système d'information. L'efficience de leur organisation et de leur exploitation est une préoccupation majeure pour le développement de l'entreprise. A l'heure de la Business Intelligence, du Big Data, du géomarketing, du Data Mining,... les enjeux deviennent multiples et d'importance croissante. Vision d'ensemble, expertise métier et compréhension des solutions techniques sont des clés essentielles. C'est pourquoi Orsys vous propose des séminaires et stages de synthèse, issus de l'expérience de nos consultants formateurs, pour faire le point sur les technologies et les meilleures pratiques du domaine. Séminaires Systèmes décisionnels, démarche et solutions... Best ( p3 ) Exploiter les données des réseaux sociaux avec la Business Intelligence... ( p9 ) Data Mining, synthèse... ( p12 ) Géomarketing, principes et solutions... ( p16 ) Big Data, synthèse... Best ( p19 ) Open Data, maîtriser les enjeux et les moyens... ( p21 ) Stockage de données, état de l'art et perspectives... ( p22 ) Réseaux de stockage, SAN/NAS... Best ( p23 ) Bases de données NoSQL, enjeux et solutions... Best ( p25 ) Cours de synthèse Construire un Data Warehouse... Best ( p5 ) Master Data Management, la gouvernance des données... ( p10 ) Stages pratiques Cycle certifiant Data Scientist... Nouveau ( p2 ) Modélisation en étoile, conception et mise en œuvre... Best ( p7 ) Statistiques, maîtriser les fondamentaux... ( p14 ) Big Data, méthodes et solutions pratiques pour l'analyse des données... Best ( p17 ) Bases de données, modélisation et choix techniques... Best ( p27 ) PowerAMC, concevoir une base de données... ( p29 ) Conception d'une base de données avec Oracle Data Modeler... ( p31 ) UML 2, modéliser et créer vos bases de données... ( p33 ) Bases de données et langage SQL pour non-informaticiens... Best ( p34 ) ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 1

2 Stage pratique de 12 jour(s) Réf : KDS Data Miner, Data Scientist, analyste, responsable de reporting décisionnel, statisticien, tout acteur ayant à consolider et faire valider ses connaissances pour être reconnu Data Scientist. Connaissances de base en mathématiques / logique (cumul, pourcentage, fonctions conditionnelles). Cycle certifiant Data Scientist Nouveau La "science des données" nécessite des compétences spécifiques afin de prévoir le comportement des clients ou anticiper des tendances. Ce cycle Data Scientist vous apportera les meilleures pratiques en vigueur, et vous permettra de mettre en œuvre les méthodes et outils destinés à "faire parler les données". OBJECTIFS PEDAGOGIQUES Comprendre le rôle stratégique des données dans l'entreprise et savoir maîtriser leur qualité Comprendre et mettre en pratique l'essentiel des modèles statistiques Mettre en pratique les techniques de modélisation du Data Mining Maîtriser les outils et pratiques d'analyse des données propres au Big Data 1) Présentation de la gouvernance des données 2) L'essentiel des modèles statistiques 3) Data Mining, extraction de connaissances à partir de données brutes 4) Big Data, analyse des données massives 1) Présentation de la gouvernance des données - Rôle stratégique des données pour l'entreprise. - Etat des lieux sur la qualité des données. Définition des notions "Donnée" et "Information". - Evaluer la qualité des données des entreprises. Réconciliation des données. - Contrôle de qualité et bonnes pratiques. - Cycle de vie des données : archivage de base de données. Confidentialité des données. - Présentation des offres de MDM. Arriver à un consensus sur la qualité des données. Lien qualité des données et solvabilité II. 2) L'essentiel des modèles statistiques - Fondamentaux de la statistique descriptive. - Démarche et modélisation d'une analyse statistique. - Paramètre de position et de dispersion. - Analyses prédictives : mise en place d'un modèle de régression linéaire. - Tests et intervalle de confiance. Valider la précision d'une estimation. - Panorama des outils (R, SAS...). Etude d'une population et dimensionnement d'un échantillon. Modélisation statistique d'un phénomène. Calcul de paramètres de position et de dispersion sur différents échantillonnages. 3) Data Mining, extraction de connaissances à partir de données brutes - Définition et finalité du Data Mining (DM). - Les méthodes prédictives et descriptives. Les arbres de décisions. Les réseaux de neurones. - La méthode descriptive du clustering. - Exemples d'application du DM : le scoring, le géomarketing. - Méthodologie de projet. Les outils du marché. Présentation d'applications du clustering. Mise en œuvre de la méthode de scoring. Cas pratique d'utilisation de géomarketing. 4) Big Data, analyse des données massives - Origines et définition du Big Data : la BI face à la croissance et à la diversité des données. - Les technologies du Big Data. - Gérer les données structurées et non structurées. - Les méthodes d'analyse des données pour le Big Data. - Data visualisation et cas d'usage concrets. Installation d'une plateforme Big Data. Talend For Big Data, implémentation de flux de données. Mise en place d'analyses avec le logiciel R. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 2

3 Séminaire de 3 jour(s) Réf : SID Responsables informatiques, responsables des études, architectes SI, consultants et chefs de projet décisionnel, autres chefs de projets fonctionnels et techniques. Aucune connaissance particulière. Prix 2015 : 2610 HT 8 sep. 2015, 24 nov Systèmes décisionnels, démarche et solutions Best Comment élaborer un SI Décisionnel (SID) global performant, réactif et rentable? Comment exploiter au mieux les informations du datawarehouse? Comprendre le virage du Big Data et ses impacts sur le SID. Quelle dose de BI découverte ou de décisionnel opérationnel? Quel niveau qualité? Comment intégrer les nouvelles architectures NoSQL? Comment faire du décisionnel un centre de valeur? Quelle organisation pour les équipes et les données? Basé sur un ensemble de bonnes pratiques, ce séminaire présente une démarche complète, les solutions adéquates et les enjeux à chacune de ces étapes. OBJECTIFS PEDAGOGIQUES Comprendre la valeur ajoutée, les enjeux et les principes des systèmes décisionnels Percevoir le rôle fondamental de la modélisation des informations dans la conception d'un SID Mettre en œuvre une démarche pour concevoir un référentiel des données d'entreprise Ajuster le Système d'information Décisionnel pour le rendre plus performant Suivre pas à pas les étapes pour piloter son projet SID Faire les bons choix d'outils en ayant un panorama global du marché 1) Finalité et principes des SID 2) Démarche de conception du SID 3) Construire les référentiels 4) Optimiser l'accès aux données 5) Mesurer les performances du SID 6) Mise en production et fiabilisation d'un SID 7) Etat de l'art des outils décisionnels 8) Opportunité et création de valeur pour l'entreprise 9) Organisation d'un projet SID Exemple Un exemple complet de mise en œuvre d'un système d'information décisionnel sera traité. 1) Finalité et principes des SID - Positionnement du SID par rapport au SIO (Système d'information Opérationnel). - Les grandes évolutions du décisionnel. - Les nouveaux enjeux : valorisation de l'information, corrélation rapide. Les besoins des directions générales. - L'architecture d'organisation des données. - Les choix stratégiques d'architecture : fonctionnelle et technique. - Le rôle fondamental de la modélisation des informations et sa réussite. 2) Démarche de conception du SID - La typologie des demandes sur un SID. - Déterminer le processus de conception adapté aux besoins exprimés et aux différentes restitutions à produire. - Comment passer de datamarts en silo à un système décisionnel partagé? - Cohérence des modèles en étoile : multidimensionnel et relationnel. Analyse en mémoire contre modèle en étoile. - Modèle en vecteur pour l'analyse du comportement client (ou autre). - Eviter le foisonnement d'agrégats et d'indicateurs en réutilisant les développements. Etude de cas Proposer une démarche de conception à partir de besoins d'analyse exprimés. 3) Construire les référentiels - Comment faciliter l'accès aux informations? Réconcilier MOA, MOE autour du référentiel. - Construire le référentiel d'entreprise. Les dimensions d'analyse et les indicateurs partageables. - Construire une architecture couvrant toutes les étapes, du pilotage à l'analyse des comportements. - Construire les dictionnaires pour le SID, utiliser les métadonnées pour gérer la cohérence. Etude de cas Déploiement des méthodes proposées sur des exemples. 4) Optimiser l'accès aux données - Comment répondre aux besoins et définir les réponses informatiques optimales? - Le multidimensionnel, ROLAP, MOLAP ou Hybride : les critères de choix, les évolutions futures. - Résoudre les problèmes de volumétrie. - Couvrir un besoin avec plusieurs cubes multidimensionnels. - Gérer la montée en puissance de la solution multidimensionnelle. - Appliquer une normalisation décisionnelle à vos modèles en étoile. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 3

4 5) Mesurer les performances du SID - Comment mettre le SID en adéquation avec la stratégie de l'entreprise? - Urbaniser le SID pour éviter le foisonnement des traitements et identifier les zones éligibles au Cloud Computing. - Définir les critères d'efficacité d'un SID. - Une démarche d'urbanisation d'un SID pour relier l'efficacité aux moyens mis en œuvre. - Quantifier la valeur ajoutée du décisionnel. Mesurer la performance du SID. 6) Mise en production et fiabilisation d'un SID - Avoir la vision complète de son décisionnel. - Construire un plan de production informatique pour son SID. - Check-list des recommandations. - Industrialiser des cubes multidimensionnels. - Comment garantir la fiabilité des données et des informations? - Mettre en place le processus de la gestion de la qualité. - Définir les contrôles qualité minimum. Définir le phasing des contrôles. 7) Etat de l'art des outils décisionnels - Panorama des suites décisionnelles : SAS, Microsoft suite BI, SAP Business Objects... - Intégration d'un ETL. Outils multidimensionnels. Déploiement Web. - Les outils Open Source : Pentaho, Jaspersoft... - Temps réel. Big Data. BD NoSQL. - Analyse en mémoire. BD vectorielle et leur modélisation. QlikView. - Positionnement de HADOOP dans l'analyse du comportement client. - Comment intégrer les nouvelles architectures dans le SID existant? 8) Opportunité et création de valeur pour l'entreprise - Comment évaluer la valeur ajoutée pour l'entreprise? - Gérer son portefeuille de projets. Quel projet pilote choisir? - Prioriser vos projets décisionnels. Critères de lotissement d'un projet décisionnel. - Les spécificités de la recette d'un projet décisionnel en particulier pour le multidimensionnel. - Les techniques d'analyse de besoin en décisionnel, les pièges à éviter. - Comment évaluer la complexité, la maturité des besoins? - Comment conduire le passage de l'infocentre, du décisionnel éparpillé au SID? 9) Organisation d'un projet SID - Les différents acteurs et leurs rôles respectifs. La relation MOA-MOE. - Positionner le décisionnel au sein de l'entreprise. - L'organisation pour exploiter au mieux son SID : centralisée ou décentralisée. - Préserver l'autonomie des utilisateurs. Gérer la réactivité. - Administrer les différents composants du système d'information décisionnel. - Gestion des compétences sur le projet : compétences clés, compétences externalisables. - Organiser un centre de compétences décisionnelles. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 4

5 Cours de synthèse de 3 jour(s) Réf : DAW Responsables Infocentre, responsables informatiques, responsables des études, architectes de systèmes d'information, chefs de projets fonctionnels et techniques. Bonnes connaissances en gestion de bases de données. Connaissances de base en analyse décisionnelle. Prix 2015 : 2190 HT 29 sep. 2015, 1 déc Construire un Data Warehouse qualité des données et performance du SI décisionnel Best Le Data Warehouse est au coeur de l'analyse décisionnelle. Au travers d'une démarche structurée et pragmatique, vous découvrirez les meilleures méthodes et outils pour élaborer un entrepôt de données, à partir des besoins métier, l'alimenter et le rendre fiable et évolutif. Vous découvrirez également quels sont les rôles clés dans ce type de projet, et quel est l'impact sur l'architecture SI et la qualité du référentiel de données d'entreprise. Un séminaire centré sur l'expérience pratique qui vous donnera aussi une première approche de la modélisation " en étoile ". OBJECTIFS PEDAGOGIQUES Comprendre les enjeux stratégiques d'un SI décisionnel et ses avantages Repérer les différentes couches de l'organisation d'un système décisionnel Modéliser Data Warehouse au coeur du système décisionnel Identifier les étapes essentielles dans la démarche de construction d'un Data Warehouse Maitriser les rôles et les livrables sur un projet de construction de Data Warehouse Avoir une vue complète et synthétique des solutions BI du marché 1) Le Data Warehouse, finalité et principes 2) L'architecture d'un SI décisionnel d'entreprise 3) Les principes de la modélisation Data Warehouse 4) La démarche de construction d'un Data Warehouse 5) Organisation du projet, les acteurs et les livrables 6) Les outils dans le domaine du décisionnel 7) Synthèse 1) Le Data Warehouse, finalité et principes - Les enjeux stratégiques d'un SI décisionnel - Les raisons techniques et culturelles qui conduisent au Data Warehouse. - Définition du Data Warehouse selon Bill Inmon. - Les solutions apportées par l'architecture technique et fonctionnelle du Data Warehouse. - Caractéristiques des données du SI décisionnel - L'Infocentre et le SI décisionnel. - Présentation des différentes approches Data Warehouse et Infocentre, leurs avantages et inconvénients. 2) L'architecture d'un SI décisionnel d'entreprise - Les différentes couches de l'organisation d'un Data Warehouse. - La collecte et l'intégration des données. - L'operational Data Store et la Data Staging area. - La couche de présentation, le portail décisionnel. - Les moteurs d'analyse OLAP : (MOLAP) et/ou relationnel OLAP (ROLAP). - Les techniques d'analyse "Data Mining" : méthodes prédictives, méthodes descriptives. - Croissance du volume et de la nature des données, les enjeux du Big Data. - La documentation des données du DW : notions de référentiel de données. - Comment le DW fiabilise la gestion du référentiel de données (MDM). - La gestion des flux : la capture des données sources, les règles de transformation. Exemple Présentation d'exemples de projets d'analyse décisionnelle divers. 3) Les principes de la modélisation Data Warehouse - Les modèles relationnels opérationnels et dénormalisés. - Les modèles hybrides. - Les modèles génériques. - Comprendre le modèle en étoile, sa finalité. - Comprendre les notions de faits et d'analyse. Les hiérarchies d'axe d'analyse. - Le modèle en flocon. - La problématique des dimensions à évolution. - Gestion des agrégats et de la stabilité du périmètre fonctionnel. - Quelle approche favorise les informations de détail ou les agrégats? Bonnes pratiques, questions à poser au métier. Réflexion collective Construction collective et enrichissement d'un modèle de données en étoile, suivant plusieurs études de cas données. Elaboration du questionnement a proposer pour recueillir le besoin utilisateur. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 5

6 4) La démarche de construction d'un Data Warehouse - Identifier le périmètre fonctionnel candidat. Déterminer l'objectif et les événements de gestion à suivre. - Estimer la volumétrie du périmètre. - Analyse fonctionnelle, recueil des besoins utilisateurs. - Conception de l'architecture technique détaillée. - Etablir une démarche générique de mise en oeuvre. - Les apports d'une démarche itérative, le contenu d'une itération. - Première itération ou projet pilote, bien le choisir. Rôle du sponsor, de la MOA, de la MOE, impact sur l'organisation. - L'administration et le suivi de la solution opérationnelle. Echanges Présentation de la démarche de conception d'un périmètre fonctionnel du Data Warehouse. 5) Organisation du projet, les acteurs et les livrables - Le rôle fondamental du sponsor ou promoteur. - Le comité de pilotage. - Rôle de l'équipe fonctionnelle, du groupe de projet utilisateurs : valider le design de l'environnement utilisateur. - Le transfert de compétences vers les utilisateurs finaux par l'équipe fonctionnelle : formation et documentation. - L'équipe technique, les architectes. - Les principaux livrables d'un projet décisionnel. Echanges Présentation des livrables et de leur responsable suivant les étapes de la démarche. 6) Les outils dans le domaine du décisionnel - Les dernières évolutions techniques des SGBDR dans le domaine du décisionnel. - Panorama et typologie des solutions BI du marché. Les offres en mode Saas. - Les solutions de Reporting : SSRS, IBM Cognos, SAS, BusinessObjects... La mise en œuvre des outils de requête. - Les outils d'analyse OLAP côté serveur et côté client : Utilisation, évolutivité, approche DataMart, temps de réponse. - Les solutions d'analyse Data Mining : SAS Enterprise Miner, IBM, OBI Datamining. Exigences et points forts. - Les solutions ETL : IBM, Informatica, Oracle, SAP, Talend.. - Les outils de modélisation relationnelle : possibilités et limites. Exemple Présentation des possibilités de divers outils BI. 7) Synthèse - Les tendances d'évolution des systèmes décisionnels. - Bonnes pratiques pour la modélisation. - Recommandations pour l'organisation du projet Data Warehouse. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 6

7 Stage pratique de 3 jour(s) Réf : AMT Maîtres d'ouvrage et maîtres d'œuvre, responsables des systèmes décisionnels, responsables informatiques, responsables des études, architectes de systèmes d'information, chefs de projets. Connaissances de base de l'analyse décisionnelle et des SGBD relationnelles. Prix 2015 : 1795 HT 5 oct. 2015, 7 déc Aix 21 sep. 2015, 16 nov Bordeaux 19 oct. 2015, 14 déc Bruxelles 19 oct. 2015, 14 déc Geneve 19 oct. 2015, 14 déc Grenoble 21 sep. 2015, 16 nov Lille 21 sep. 2015, 16 nov Luxembourg 19 oct. 2015, 14 déc Lyon 21 sep. 2015, 16 nov Montpellier 21 sep. 2015, 16 nov Nantes 19 oct. 2015, 14 déc Rennes 19 oct. 2015, 14 déc Sophia-antipolis 21 sep. 2015, 16 nov Strasbourg 21 sep. 2015, 16 nov Toulouse 19 oct. 2015, 14 déc Modélisation en étoile, conception et mise en œuvre Best Ce cours, construit autour de nombreux cas pratiques, vous donnera une idée précise de la démarche de modélisation en étoile dans le cadre du projet Data Warehouse. Vous verrez pourquoi elle est l'expression même du besoin de la maîtrise d'ouvrage et comment elle permet de faire converger la vision des opérationnels, des analystes et des pilotes sur les activités de l'entreprise. OBJECTIFS PEDAGOGIQUES Conduire des interviews pour recueillir les besoins d'analyse auprès des métiers Définir les critères de qualité d'un Data Warehouse A partir d'un cahier des charges d'analyse, identifier les dimensions et les faits à placer dans le modèle Concevoir et décrire un macro-modèle en étoile Optimiser le modèle en étoile en vue de la prise en compte de la volumétrie et des problématiques de reporting Décrire une architecture de chargement des données dans le modèle en étoile décrit 1) Introduction et rappels 2) Les architectures en réponse aux besoins décisionnels 3) Principes et définitions de base sur la modélisation en étoile 4) Conception du modèle en étoile 5) Optimisation fonctionnelle du modèle en étoile 1) Introduction et rappels - Qu'est-ce qu'un système d'information décisionnel? - Evolution des exigences de décision dans le contexte actuel. - Infocentres, SIAD, EIS, Data Warehouse, définition et positionnement. - Comprendre la finalité de l'approche Data Warehouse. 2) Les architectures en réponse aux besoins décisionnels - Les composants principaux, Data Warehouse, ODS ou "staging area", datamarts. - Les architectures proposées par Kimball et Inmon. Avantages et inconvénients. - Positionnement du modèle en étoile dans le Data Warehouse selon l'architecture. - Les phases du cycle de vie d'un Data Warehouse. - Les critères de qualité d'un Data Warehouse. - La notion de métadonnée, de référentiel. Réflexion collective Définition des critères de qualité d'un Data Warehouse. 6) Replacer la modélisation dans le cadre du projet décisionnel 7) Optimisation physique du modèle 8) Alimentation du modèle en étoile 9) Restitution des informations d'un modèle en étoile 10) Conclusion 3) Principes et définitions de base sur la modélisation en étoile - Rappels sur la modélisation des bases de données opérationnelles. - Différences entre OLTP et OLAP. - Entités, attributs, cardinalités, formes normales. - Le principe de la dénormalisation pour concevoir un modèle en étoile. - Comprendre les notions de fait, dimension et axe d'analyse. - Les alternatives de modélisation : modèle en flocon, en galaxie. - Les règles et bonnes pratiques de modélisation en étoile. Proposition alternative de Kortink et Moody. Etude de cas A partir d'un cahier des charges d'analyse, identifier les dimensions et faits principaux d'un modèle. 4) Conception du modèle en étoile - Organisation et synthèse des interviews utilisateur pour le recueil du besoin. - Compréhension et identification des processus métiers à modéliser. - Choix des dimensions d'analyse. - Création de hiérarchies dans les dimensions. - Identification des mesures et croisements avec les dimensions. - Définition de la granularité de l'analyse. - Définition des règles d'agrégation. - Utilisation d'outils de modélisation. A partir d'objectifs fournis par la MOA, réaliser un macro-modèle, en reliant les dimensions. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 7

8 5) Optimisation fonctionnelle du modèle en étoile - Gestion de l'évolution des référentiels et du changement des nomenclatures. - Gestion des dimensions à évolution lente et rapide. - Les clés de substitution. - Gestion de la qualité, fiabilité des données. - Gestion du contexte non renseigné ou inconnu. - Les dimensions dégénérées. Echanges Décrire l'impact d'un changement donné à partir d'un modèle proposé. Optimisation du modèle pour son évolution. 6) Replacer la modélisation dans le cadre du projet décisionnel - Présentation de la méthode Kimball et Inmon pour l'organisation du projet. - Les acteurs et livrables du projet. - Recueil des besoins métier. Formalisation des exigences techniques et d'organisation. - Identification des priorités et du périmètre pilote. - Modélisation des informations. - Choix de l'infrastructure. Implémentation et recette. - Déploiement et maintenance du modèle. - Gestion des historiques. Jeu de rôle Conduite d'interview de recueil de besoin pour l'analyse. 7) Optimisation physique du modèle - Gestion de la performance des requêtes. - Estimation de l'espace disque requis pour le modèle. - Limitation de la taille occupée par une dimension. - Agrégation directe de certains éléments dans les tables. - Dimensions techniques pour assurer la traçabilité des faits. Estimations de volumétrie moyenne sur quelques cas d'analyse. 8) Alimentation du modèle en étoile - Contraintes des systèmes opérationnels sources. - Rôle des ODS dans l'alimentation. - L'organisation des traitements dans la DSA (Data Staging Area). - Les différents types d'alimentation (delta, stock, complète). - Les étapes, les règles et les prérequis de l'alimentation. - Gestion des rejets. - Gestion des sources différentes pour l'alimentation d'une dimension ou d'un fait. - ETL, les solutions d'alimentation disponibles sur le marché. Sur une étude de cas, proposer une architecture de chargement : ODS / Staging Area. 9) Restitution des informations d'un modèle en étoile - Les différents types d'outils au service de la restitution. - Le marché des outils de restitution. - Optimisation du modèle pour l'exploration des données. - Optimisation des index. - Utilisation du partitionnement des tables. Echanges Présentation de bonnes pratiques pour optimiser le modèle en vue du reporting. 10) Conclusion - Ce qu'il faut retenir. - Les pièges à éviter. - Pour aller plus loin. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 8

9 Séminaire de 2 jour(s) Réf : BIM Directeurs marketing, directeurs du digital, DSI, responsables organisation ou études, chefs de projet fonctionnel, responsables Business Intelligence. Aucune connaissance particulière. Prix 2015 : 1900 HT Exploiter les données des réseaux sociaux avec la Business Intelligence le Social Media Marketing La communication d'entreprise ne peut négliger les données présentes sur les réseaux sociaux ni son image. La démarche de «Social media Marketing» propose d'exploiter ces données grâce aux outils BI. Ce séminaire vous présentera les bonnes pratiques pour définir et mettre en œuvre une telle démarche. OBJECTIFS PEDAGOGIQUES Comprendre les changements et les enjeux du Social Business Savoir cadrer une stratégie BI pour le Social Business Connaître les étapes clés de mise en oeuvre de la BI pour le Social Media Savoir mesurer la performance de cette stratégie 8 oct. 2015, 10 déc ) Comprendre les enjeux du Social Business 2) Cadrer la stratégie de Business Intelligence pour le Social Business 3) Mettre en œuvre la stratégie BI pour le Social Business 4) Cas concret d'usage de KPI et tableaux de bord Social Business 1) Comprendre les enjeux du Social Business - Compréhension et définition des médias sociaux, Social CRM, Social Analytics. - Panoramas et chiffres clés du Social Business dans le monde et en France. - Analyse du contexte : de la relation à l'interaction Web via des technologies complexes. - Evolutions et impacts sur le Social Business. - Typologies d'usages du Social Business dans les entreprises. - Les enjeux du Social Business : image, trafic, conversion et fidélisation. Les enjeux de son pilotage. 2) Cadrer la stratégie de Business Intelligence pour le Social Business - Les facteurs clés du succès de la Business Intelligence pour le Social Business. - Les principaux risques à éviter sur les objectifs, l'apport de valeur, l'organisation, les impacts IT, l'implication. - Les principales étapes et la méthodologie. - Diagnostiquer la maturité dans l'entreprise et le changement. - Définir les objectifs métiers et les usages cibles. - Piloter la stratégie et mettre en place une organisation adaptée. - Construire un plan de veille technologique. - Respecter la réglementation (vie privée, CNIL). 3) Mettre en œuvre la stratégie BI pour le Social Business - Définir la tactique en mode intégré ou spécifique. - Etablir la méthode de benchmark des solutions. - Vue d'ensemble de l'approche intégrée et des solutions du marché. - Vue d'ensemble de l'approche spécifique, de ses avantages et des contraintes. - Mettre en œuvre de manière agile l'approche retenue. - Maintenir et optimiser la stratégie. 4) Cas concret d'usage de KPI et tableaux de bord Social Business - Mesurer l'e-réputation et la notoriété de sa marque. - Mesurer le ROI des influenceurs et l'efficacité des programmes Social Business. - Optimiser le ROI des campagnes marketing. - Identifier l'apport de valeur ajoutée des différents canaux digitaux. - Mesurer l'impact des médias sociaux sur le cycle et le processus de vente des produits ou services. - Mesurer l'expérience et la satisfaction client, optimiser le parcours client. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 9

10 Cours de synthèse de 2 jour(s) Réf : CYE Toute personne qui doit mettre en place ou comprendre la qualité et la pertinence des données d'une entreprise. Aucune connaissance particulière. Master Data Management, la gouvernance des données Les enjeux concurrentiels et la nécessité accrue de transparence sur les données impose de disposer d'un référentiel de données maitrisé et de qualité. C'est toute la finalité du MDM, Master Data Management. Ce séminaire vous présentera les enjeux liés à la qualité des données de l'entreprise et à leur gestion. OBJECTIFS PEDAGOGIQUES Comprendre le rôle stratégique de la gestion des données pour l'entreprise. Découvrir la notion de "qualité des données" et son évaluation Identifier toutes phases d'un processus de gestion de la qualité des données. Connaitre les bonnes pratiques en matière de contrôle de qualité des données Savoir identifier les différents acteurs du MDM et leur positionnement Prix 2015 : 1690 HT 24 sep. 2015, 10 déc Bruxelles 10 sep ) Introduction 2) Processus d'évaluation de la qualité des données 3) Processus de gestion de la qualité des données 1) Introduction - Définition de la qualité. - Rôle stratégique des données pour l'entreprise. - Les différentes sources de données de l'entreprise. - Les différentes formes d'exploitation de données. - Système d'information opérationnel. - Système d'information décisionnel. - Architectures : Relationelle, NoSQL ou BigData. - Etat des lieux sur la qualité des données. 4) Contrôle de qualité et bonnes pratiques 5) Cycle de vie des données 6) Présentation des offres de MDM Echanges Echanges sur le rôle stratégique des données pour l'entreprise. 2) Processus d'évaluation de la qualité des données - Définition des notions "Donnée" et "Information". - Définition de la notion. - Différences entre "données" et " information". - Définition de "qualité des données". - Evaluer la qualité des données des entreprises. - Niveau d'approche et de granularité. - Réconciliation des données. Echanges Arriver à un consensus sur la qualité des données. 3) Processus de gestion de la qualité des données - Processus de gestion de la qualité des données. - Collecte des données. - Stockage des données. - Exploitation des données. - Audit de la qualité. - Identification des données de faible qualité. - Traitement des données de faible qualité. - Gestion de la qualité des données. Réflexion collective Présentation des données d'une entreprise. Analyse. 4) Contrôle de qualité et bonnes pratiques - Définition de bonnes pratiques. - Une approche centralisée de la qualité des données. - Types de contrôles de qualité des données. - Processus d'évaluation de la qualité des données. - Processus d'évaluation des utilisateurs. - Audits et suivis. Echanges Lien qualité des données et solvabilité II. Importance de la qualité des données. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 10

11 5) Cycle de vie des données - Volume de données. - Archivage de base de données. - Gestion des données de test. - Confidentialité des données. - Retrait d'applications. Réflexion collective Echanges sur la gestion des données et leur cycle de vie. 6) Présentation des offres de MDM - Informatica Data Quality / MDM. - L'offre IBM MDM. - SAP Business Object Data Quality. - MDM Microsoft. - Talend MDM. Echanges Echanges sur les différentes offres présentés. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 11

12 Séminaire de 2 jour(s) Réf : DMI Responsables Infocentre, responsables marketing, statisticiens, responsables informatiques, chefs de projets et experts décisionnels. Utilisateurs et gestionnaires métiers de bases de données. Connaissances de base en analyse décisionnelle. Connaissances de base en statistiques. Prix 2015 : 1900 HT 8 oct. 2015, 10 déc Data Mining, synthèse Le Data Mining apporte des solutions pour l'extraction de connaissances à partir de données brutes. Ce séminaire, alliant principes théoriques et expériences pratiques, vous propose une synthèse sur le Data Mining, ses applications, ses apports pour l'entreprise, ainsi que sur les méthodes et outils les plus utilisés. OBJECTIFS PEDAGOGIQUES Comprendre les principes et la finalité du Data Mining (DM) Identifier les principales techniques du DM et leur cas d'utilisation Mettre en oeuvre sur un cas simple les méthodes de scoring et de geomarketing Découvrir les méthodes prédictives et les méthodes descriptives du DM Connaitre les principales étapes d'un projet Data Mining 1) Le Système d'information Décisionnel (SID) 2) Comprendre le Data Mining (DM) 3) Les techniques du Data Mining 4) La méthode descriptive du Clustering 1) Le Système d'information Décisionnel (SID) 5) Exemples d'application du DM 6) Les données de l'entreprise 7) Méthodologie de projet Data Mining 8) Panorama des outils - Les enjeux du SID : besoins, domaines d'application. - Architecture type d'un SID, état de l'art. - Elaboration des informations décisionnelles. - Conception d'un SID : étapes, optimisation, organisation des données, dictionnaires. 2) Comprendre le Data Mining (DM) - Définition et finalité du Data Mining (DM). - Quel lien entre le DM et les statistiques, quelle dépendance entre le DM et l'informatique? - Différence entre DM et OLAP? - Les attentes des entreprises, les réponses du DM. 3) Les techniques du Data Mining - Les différentes familles du DM. - Les méthodes prédictives et les méthodes descriptives. - Analyse factorielle, typologique. La classification... - Les arbres de décisions, les réseaux de neurones... - Classification des techniques de DM. 4) La méthode descriptive du Clustering - Définition et méthodologie. - Les critères pour structurer les données à classer. - Evaluation et validation des classes obtenues. - Les différentes sous-familles du Clustering. Exemple Présentation d'applications du Clustering. 5) Exemples d'application du DM - Le scoring : définition, finalité, méthodologie. - Le géomarketing : définition, finalité, méthodologie. Exemple Mise en œuvre de la méthode de scoring. Cas pratique d'utilisation de géomarketing. 6) Les données de l'entreprise - Rappel de la problématique des données du SI. - Qualité des données et administration des données. - Processus de collecte et d'exploration. - Création d'agrégats et de nouvelles données. - Transformation des données. 7) Méthodologie de projet Data Mining - Définition du problème métier à résoudre et des objectifs à atteindre. - Inventorier, décrire et classer les données. - Concevoir et alimenter la base Data Mining. - Explorer, segmenter des entités analysées. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 12

13 - Etablir et appliquer les modèles d'analyse. - Itérer, déployer auprès des utilisateurs. - Maintenir le modèle et le logiciel associé. 8) Panorama des outils - Principaux outils du marché : SAS, R, IBM SPSS... - Zoom sur l'outil SAS et sur l'etl Powercenter. - Quels critères de choix pour ce type d'outils? ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 13

14 Stage pratique de 2 jour(s) Réf : STA Responsables Infocentre, responsables marketing, responsables Qualité, utilisateurs et gestionnaires métiers de bases de données. Connaissances de base en mathématiques / logique (cumul, pourcentage, fonctions conditionnelles) Statistiques, maîtriser les fondamentaux Ce stage présente l'essentiel des modèles statistiques. Il vous permettra de comprendre leur rôle dans le monde de l'analyse décisionnelle, du Big Data et du Data Mining, ainsi que les mécanismes qui permettent de transformer et d'affiner des données pour en tirer des informations métiers utiles. OBJECTIFS PEDAGOGIQUES Comprendre le principe de la statistique descriptive et les méthodes d'échantillonnage Dimensionner un échantillon de population Calculer des paramètres de position et dispersion (médiane, étendue, quantile, écart-type) Exploiter les paramètres statistiques pour modéliser un phénomène sur une population Mettre en place un modèle de régression linéaire pour estimer une valeur et faire de l'analyse prédictive Valider la précision d'une estimation, à l'aide des intervalles de confiance Prix 2015 : 1380 HT 24 sep. 2015, 26 nov ) Rappels des fondamentaux de la statistique descriptive 2) Démarche et modélisation d'une analyse statistique 3) Paramètre de position et de dispersion 4) Analyses prédictives 5) Tests et intervalle de confiance 6) Panorama des outils 1) Rappels des fondamentaux de la statistique descriptive - Définition de la statistique descriptive. - Analyse d'une population. - Méthodes d'échantillonnage. - Variables qualitatives et quantitatives. - Effectifs et calcul des fréquences. - Effectifs cumulés croissants et décroissants. - Séries statistiques. - Représentation graphique des variables qualitatives et quantitatives. Etude de cas Etude d'une population et dimensionnement d'un échantillon. 2) Démarche et modélisation d'une analyse statistique - Statistique descriptive. - Phase d'apprentissage. - Statistique prédictive pour estimer et anticiper. - Modélisation statistique d'un phénomène. 3) Paramètre de position et de dispersion - Mode, valeur modale, valeur la plus probable. - Moyenne d'une population (ou d'un échantillon). - Médiane, partager une série numérique. - Etendue, différence entre valeurs extrêmes. - Utiliser les quantiles. - Comprendre l'utilisation de la variance et co-variance. - Ecart-Type, calculer la dispersion d'un ensemble de données. Etude de cas Calcul de paramètres de position et de dispersion sur différents échantillonnages et comparaisons des résultats. 4) Analyses prédictives - Régression linéaire simple. - Régression linéaire multiple. - Régression logistique. - Analyse de la variance et de la co-variance et recherche de corrélation. Mise en place d'un modèle de régression linéaire multiple pour estimer une valeur. 5) Tests et intervalle de confiance - Tests. - Intervalle de confiance. - Lois statistiques et intervalle de confiance. - Valider la précision d'une estimation. Amplitude de l'intervalle. Etude de cas ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 14

15 Détection de produits finis défectueux sur une chaîne de production. 6) Panorama des outils - Zoom sur le logiciel Open Source "R". - Initiation au logiciel Open Source "R". - Les principaux outils : SAS, SPSS. Ecriture de scripts pour calculer des métriques, moyennes, variances. Régression linéaire simple. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 15

16 Séminaire de 3 jour(s) Réf : GEM Tout cadre et collaborateur désirant s'initier au géomarketing et comprendre comment mieux valoriser les données géolocalisées. Aucune connaissance particulière. Géomarketing, principes et solutions Les données géolocalisées sont devenues des éléments incontournables dans les processus de prise de décision. Ce séminaire vous apprendra à mieux valoriser la composante spatiale de vos données et vous donnera les clés nécessaires pour mettre en œuvre un projet de géomarketing au sein de votre entreprise. OBJECTIFS PEDAGOGIQUES Comprendre les principes et les applications des logiciels de SIG Identifier comment mieux valoriser la composante spatiale de ses données Découvrir les possibilités de la cartographie et de la data-visualisation pour l'aide à la décision Appréhender les étapes essentielles de mise en œuvre d'un projet de géomarketing Prix 2015 : 2610 HT 19 oct. 2015, 14 déc ) Les données géolocalisées au service de l'aide à la décision 2) Les données géolocalisées et les Systèmes d'information Géographiques (SIG) 3) Quels usages de la composante spatiale? Mieux valoriser ses données Méthodes pédagogiques 4) Cartographie et data-visualisation pour l'aide à la décision 5) Mise en œuvre d'un projet de géomarketing Cours théorique s'appuyant sur de nombreux exemples concrets et des études de cas. 1) Les données géolocalisées au service de l'aide à la décision - La géolocalisation composante stratégique du marketing direct. - Le géomarketing : de la cartographie à l'analyse spatiale. - Les enjeux actuels du géomarketing, localiser pour contextualiser, Big Data géographique. Exemple Exemples concrets d'applications et retours d'expériences. Echanges avec les participants. 2) Les données géolocalisées et les Systèmes d'information Géographiques (SIG) - Définitions et concepts. - Géolocaliser l'information, systèmes de référence et projections. - Les référentiels géographiques : sources et producteurs de données. Démonstration Démonstration d'un logiciel de SIG et de son fonctionnement. 3) Quels usages de la composante spatiale? Mieux valoriser ses données - Géocodage, modèles de localisation, maillages et grilles. - Business to Business : secteurs de clientèle, réseaux de distribution. - Business to Consumer : potentiels de marché, zones de chalandises. - Croiser des données hétérogènes : contextualisation de contrats, activités et fichiers. - Analyse de clientèle. Etude de cas Chaque participant identifie comment mieux valoriser la composante spatiale de ses propres données au travers des études de cas proposées. 4) Cartographie et data-visualisation pour l'aide à la décision - Bases et principes de la sémiologie graphique. - Traitement des données pour la cartographie : fondamentaux. - Des données géolocalisées dans les tableaux de bord : prospective en data-visualisation. Réflexion collective Approche critique des cartes pour la décision : échanges avec les participants autour d'une sélection de cartes. 5) Mise en œuvre d'un projet de géomarketing - Les différentes étapes d'un projet SIG. - Cahier des charges fonctionnel. - Coûts et moyens humains. - Panorama des solutions techniques (logiciels de SIG orienté géomarketing, portails Web). - Les outils de la Géo Business Intelligence. Démonstration Démonstration d'outils et de solutions techniques pour le géomarketing. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 16

17 Stage pratique de 5 jour(s) Réf : BID Dataminers, chargés d'études statistiques, développeurs, chefs de projet, consultants en informatique décisionnelle. Connaissances de base des modèles relationnels, des statistiques et des langages de programmation. Connaissances de base des concepts de la Business Intelligence. Prix 2015 : 2840 HT 7 sep. 2015, 5 oct nov. 2015, 7 déc Sophia-antipolis 19 oct Big Data, méthodes et solutions pratiques pour l'analyse des données Best Ce stage vous permettra de comprendre les enjeux et les apports du Big Data ainsi que les technologies pour le mettre en œuvre. Vous apprendrez à intégrer des volumétries massives de données structurées et non structurées via un ETL, puis à les analyser grâce à des modèles statistiques et des dashboards dynamiques. OBJECTIFS PEDAGOGIQUES Comprendre les concepts et l'apport du Big Data par rapport aux enjeux métiers Comprendre l'écosystème technologique nécessaire pour réaliser un projet Big Data Acquérir les compétences techniques pour gérer des flux de données complexes, non structurés et massifs Implémenter des modèles d'analyses statistiques pour répondre aux besoins métiers Appréhender un outil de data visualisation pour restituer des analyses dynamiques 1) Comprendre les concepts et les enjeux du Big Data 2) Les technologies du Big Data 3) Gérer les données structurées et non structurées 4) Les méthodes d'analyse des données pour le Big Data 5) Data visualisation et cas d'usage concrets 6) Conclusion Mettre en place une plateforme Hadoop et ses composants de base, utiliser un ETL pour gérer les données, créer des modèles d'analyse et dashboards. 1) Comprendre les concepts et les enjeux du Big Data - Origines et définition du Big Data : la BI face à la croissance et à la diversité des données. - Les chiffres clés du marché dans le monde et en France. - Les enjeux du Big Data : ROI, organisation, confidentialité des données. - Un exemple d'architecture Big Data. 2) Les technologies du Big Data - Description de l'architecture et des composants de la plateforme Hadoop. - Les modes de stockage (NoSQL, HDFS). - Principes de fonctionnement de MapReduce. - Présentation des distributions principales du marché et des outils complémentaires (Hortonworks, Cloudera, MapR, Aster). - Installer une plateforme Hadoop. - Présentation des technologies spécifiques pour le Big Data (Talend, Tableau, Qlikview...). Installation d'une plateforme Big Data complète via Cloudera et ses composants. 3) Gérer les données structurées et non structurées - Principes de fonctionnement de Hadoop Distributed File System (HDFS). - Importer des données externes vers HDFS. - Réaliser des requêtes SQL avec HIVE. - Utiliser PIG pour traiter la donnée. - Utiliser un ETL pour industrialiser la création de flux de données massives. - Présentation de Talend For Big Data. Installation de Talend For Big Data, implémentation de flux de données massives. 4) Les méthodes d'analyse des données pour le Big Data - Les méthodes d'exploration. - Segmentation et classification. - Estimation et prédiction. - L'implémentation des modèles. Mise en place d'analyses avec le logiciel R. 5) Data visualisation et cas d'usage concrets - Les outils de restitution du marché. - Méthodologie de mise en forme des rapports. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 17

18 - Apport du Big Data pour le "Social Business". - Mesurer l'e-réputation et la notoriété d'une marque. - Mesurer l'expérience et la satisfaction clients, optimiser le parcours client. Installation et utilisation d'un outil de Data Visualisation pour constituer des analyses dynamiques, récupération de données issues de réseaux sociaux et création d'analyse d'e-réputation. 6) Conclusion - Ce qu'il faut retenir. - Synthèse des bonnes pratiques. - Bibliographie. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 18

19 Séminaire de 2 jour(s) Réf : BGA DSI, directeurs techniques, chefs de projet, architectes, responsables SI. Connaissances de base des architectures techniques. Prix 2015 : 1900 HT Big Data, synthèse Best OBJECTIFS L'accroissement continuel des données numériques dans les entreprises et les organismes publics a conduit à l'émergence du «Big Data». Ce concept recouvre les questions de stockage et de conservation de vastes quantités de données, mais aussi celles liées au gisement potentiel de valeur que représentent ces masses de données. Ce séminaire présente les problèmes spécifiques du Big Data et les solutions techniques potentielles, de la gestion des données aux différents types de traitement, qui témoignent d'une rupture par rapport aux moyens usuels d'analyse du fait des quantités traitées. 24 sep. 2015, 26 nov ) Introduction 2) Big Data : traitements, depuis l'acquisition jusqu'au résultat 3) Relations entre Cloud et Big Data 4) Classification, sécurité et confidentialité des données 5) Introduction à l'open Data 6) Matériel pour les architectures de stockage 7) Architecture logicielle 8) Protection des données 9) Méthodes de traitement et champs d'application 10) Cas d'usage à travers des exemples et conclusion 1) Introduction - Les origines du Big Data : un monde de données numériques, l'e-santé, chronologie. - Une définition par les quatre V : la provenance des données. - Une rupture : changements de quantité, de qualité, d'habitudes. - La valeur de la donnée : un changement d'importance. - La donnée en tant que matière première. - Le quatrième paradigme de la découverte scientifique. 2) Big Data : traitements, depuis l'acquisition jusqu'au résultat - L'enchaînement des opérations. L'acquisition. - Le recueil des données : crawling, scraping. - La gestion de flux événementiel (Complex Event Processing, CEP). - L'indexation du flux entrant. - L'intégration avec les anciennes données. - La qualité des données : un cinquième V? - Les différents types de traitement : recherche, apprentissage (machine learning, transactionnel, data mining). - D'autres modèles d'enchaînement : Amazon, e-santé. - Un ou plusieurs gisements de données? De Hadoop à l'in-memory. - De l'analyse de tonalité à la découverte de connaissances. 3) Relations entre Cloud et Big Data - Le modèle d'architecture des Clouds publics et privés. - Les services XaaS. - Les objectifs et avantages des architectures Cloud. - Les infrastructures. - Les égalités et les différences entre Cloud et Big Data. - Les Clouds de stockage. 4) Classification, sécurité et confidentialité des données - La structure comme critère de classification : non structurée, structurée, semi-structurée. - Classification selon le cycle de vie : données temporaires ou permanentes, archives actives. - Difficultés en matière de sécurité : augmentation des volumétries, la distribution. - Les solutions potentielles. 5) Introduction à l'open Data - La philosophie des données ouvertes et les objectifs. - La libération des données publiques. - Les difficultés de la mise en œuvre. - Les caractéristiques essentielles des données ouvertes. - Les domaines d'application. Les bénéfices escomptés. 6) Matériel pour les architectures de stockage - Les serveurs, disques, réseau et l'usage des disques SSD, l'importance de l'infrastructure réseau. - Les architectures Cloud et les architectures plus traditionnelles. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 19

20 - Les avantages et les difficultés. - Le TCO. La consommation électrique : serveurs (IPNM), disques (MAID). - Le stockage objet : principe et avantages. - Le stockage objet par rapport aux stockages traditionnels NAS et SAN. 7) Architecture logicielle - Niveaux d'implantation de la gestion du stockage. - Le "Software Defined Storage". - Architecture centralisée (Hadoop File System). - L'architecture Peer-to-Peer et l'architecture mixte. - Les interfaces et connecteurs : S3, CDMI, FUSE etc. - Avenir des autres stockages (NAS, SAN) par rapport au stockage objet. 8) Protection des données - La conservation dans le temps face aux accroissements de volumétrie. - La sauvegarde, en ligne ou locale? - L'archive traditionnelle et l'archive active. - Les liens avec la gestion de hiérarchie de stockage : avenir des bandes magnétiques. - La réplication multisites. - La dégradation des supports de stockage. 9) Méthodes de traitement et champs d'application - Classification des méthodes d'analyse selon le volume des données et la puissance des traitements. - Hadoop : le modèle de traitement Map Reduce. - L'écosystème Hadoop : Hive, Pig. Les difficultés d'hadoop. - Openstack et le gestionnaire de données Ceph. - Le Complex Event Processing : un exemple? Storm. - Du BI au Big Data. - Le décisionnel et le transactionnel renouvelés : les bases de données NoSQL.Typologie et exemples. - L'ingestion de données et l'indexation. Deux exemples : splunk et Logstash. - Les crawlers open source. - Recherche et analyse : elasticsearch. - L'apprentissage : Mahout. In-memory. - Visualisation : temps réel ou non, sur le Cloud (Bime), comparaison Qlikview, Tibco Spotfire, Tableau. - Une architecture générale du data mining via le Big Data. 10) Cas d'usage à travers des exemples et conclusion - L'anticipation : besoins des utilisateurs dans les entreprises, maintenance des équipements. - La sécurité : des personnes, détection de fraude (postale, taxes), le réseau. - La recommandation. Analyses marketing et analyses d'impact. - Analyses de parcours. Distribution de contenu vidéo. - Big Data pour l'industrie automobile? Pour l'industrie pétrolière? - Faut-il se lancer dans un projet Big Data? - Quel avenir pour les données? - Gouvernance du stockage des données : rôle et recommandations, le data scientist, les compétences d'un projet Big Data. ORSYS, La Grande Arche, Paroi Nord, La Défense cedex. Tél : +33 (0) Fax : +33(0) page 20

SGBD et aide à la décision, Aide à la décision

SGBD et aide à la décision, Aide à la décision SGBD et aide à la décision, Aide à la décision Les systèmes décisionnels occupent aujourd'hui une place à part entière dans l'informatique d'entreprise. Ils s'appliquent à la performance dans tous les

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

SGBD / Aide à la décision, Aide à la décision

SGBD / Aide à la décision, Aide à la décision SGBD / Aide à la décision, Aide à la décision Pour être utiles à la prise de décision, les informations doivent être représentées par une modélisation adaptée aux métiers et traitées à l'aide de systèmes

Plus en détail

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

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

Plus en détail

Chapitre 9 : Informatique décisionnelle

Chapitre 9 : Informatique décisionnelle Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle

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

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012 CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2012 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des

Plus en détail

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise.

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service

Plus en détail

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...)

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

Entrepôt de données 1. Introduction

Entrepôt de données 1. Introduction Entrepôt de données 1 (data warehouse) Introduction 1 Présentation Le concept d entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon. Il s agissait de constituer une base de

Plus en détail

Introduction à la B.I. Avec SQL Server 2008

Introduction à la B.I. Avec SQL Server 2008 Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide

Plus en détail

Introduction Big Data

Introduction Big Data Introduction Big Data SOMMAIRE Rédacteurs : Réf.: SH. Lazare / F. Barthélemy AXIO_BD_V1 QU'EST-CE QUE LE BIG DATA? ENJEUX TECHNOLOGIQUES ENJEUX STRATÉGIQUES BIG DATA ET RH ANNEXE Ce document constitue

Plus en détail

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

et les Systèmes Multidimensionnels

et les Systèmes Multidimensionnels Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées

Plus en détail

Titre : La BI vue par l intégrateur Orange

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

Plus en détail

Business Intelligence : Informatique Décisionnelle

Business Intelligence : Informatique Décisionnelle Business Intelligence : Informatique Décisionnelle On appelle «aide à la décision», «décisionnel», ou encore «business intelligence», un ensemble de solutions informatiques permettant l analyse des données

Plus en détail

Business Intelligence avec SQL Server 2012

Business Intelligence avec SQL Server 2012 Editions ENI Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Collection Solutions Informatiques Table des matières Les éléments à télécharger sont disponibles

Plus en détail

CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2. Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP...

CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2. Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP... Table des matières CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2 Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP...6 OPÉRATIONS SUR LES CUBES...7 Exemple

Plus en détail

Urbanisme du Système d Information et EAI

Urbanisme du Système d Information et EAI Urbanisme du Système d Information et EAI 1 Sommaire Les besoins des entreprises Élément de solution : l urbanisme EAI : des outils au service de l urbanisme 2 Les besoins des entreprises 3 Le constat

Plus en détail

Méthodologie de conceptualisation BI

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

Plus en détail

Inscriptions : 0800 901 069 - Renseignements : 33 (0)1 44 45 24 35 - education.france@sap.com

Inscriptions : 0800 901 069 - Renseignements : 33 (0)1 44 45 24 35 - education.france@sap.com FORMATION SAP BUSINESSOBJECTS BUSINESS INTELLIGENCE PLATFORM 4.x Du lundi 3 au vendredi 7 juin 2013 http://www.sap.com/france/services/education/newsevents/index.epx 1 Vous êtes clients SAP BusinessObjects

Plus en détail

Les Entrepôts de Données. (Data Warehouses)

Les Entrepôts de Données. (Data Warehouses) Les Entrepôts de Données (Data Warehouses) Pr. Omar Boussaid Département d'informatique et de Sta5s5que Université Lyon2 - France Les Entrepôts de Données 1. Généralités, sur le décisionnel 2. L'entreposage

Plus en détail

Les Entrepôts de Données

Les Entrepôts de Données Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations

Plus en détail

Théories de la Business Intelligence

Théories de la Business Intelligence 25 Chapitre 2 Théories de la Business Intelligence 1. Architectures des systèmes décisionnels Théories de la Business Intelligence Depuis les premières requêtes sur les sources de données OLTP consolidées

Plus en détail

BI Open Source Octobre 2012. Alioune Dia, Consultant BI alioune.dia@openbridge.fr

BI Open Source Octobre 2012. Alioune Dia, Consultant BI alioune.dia@openbridge.fr BI Open Source Octobre 2012 Alioune Dia, Consultant BI alioune.dia@openbridge.fr 1 Le groupe, en bref 2004 Date de création +7M * Chiffre d affaires 2012 +80 Collaborateurs au 06/2011 35% Croissance chiffre

Plus en détail

Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données :

Un datawarehouse est un entrepôt de données (une base de données) qui se caractérise par des données : Page 1 of 6 Entrepôt de données Un article de Wikipédia, l'encyclopédie libre. L'entrepôt de données, ou datawarehouse, est un concept spécifique de l'informatique décisionnelle, issu du constat suivant

Plus en détail

Licence Professionnelle en Statistique et Informatique Décisionnelle (S.I.D.)

Licence Professionnelle en Statistique et Informatique Décisionnelle (S.I.D.) Université de Lille 2 - Droit et Santé Ecole Supérieure des Affaires & Institut Universitaire de Technologie (IUT-C) Département Statistique et Traitement Informatique des Données Licence Professionnelle

Plus en détail

Didier MOUNIEN Samantha MOINEAUX

Didier MOUNIEN Samantha MOINEAUX Didier MOUNIEN Samantha MOINEAUX 08/01/2008 1 Généralisation des ERP ERP génère une importante masse de données Comment mesurer l impact réel d une décision? Comment choisir entre plusieurs décisions?

Plus en détail

Panorama des solutions analytiques existantes

Panorama des solutions analytiques existantes Arnaud LAROCHE Julien DAMON Panorama des solutions analytiques existantes SFdS Méthodes et Logiciels - 16 janvier 2014 - Données Massives Ne sont ici considérés que les solutions autour de l environnement

Plus en détail

Business Intelligence avec SQL Server 2012

Business Intelligence avec SQL Server 2012 Editions ENI Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Collection Solutions Informatiques Extrait Alimenter l'entrepôt de données avec SSIS Business

Plus en détail

Catalogue Formation «Vanilla»

Catalogue Formation «Vanilla» Catalogue Formation «Vanilla» Date : octobre 2009 Table des matières Liste des Formations...2 Contenu des formations...3 Vanilla FastTrack...3 Vanilla Architecture...5 Enterprise Services...6 BIPortail...7

Plus en détail

La problématique. La philosophie ' ) * )

La problématique. La philosophie ' ) * ) La problématique!" La philosophie #$ % La philosophie &'( ' ) * ) 1 La philosophie +, -) *. Mise en oeuvre Data warehouse ou Datamart /01-2, / 3 13 4,$ / 5 23, 2 * $3 3 63 3 #, 7 Datawarehouse Data warehouse

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 3 - Data

BI = Business Intelligence Master Data-ScienceCours 3 - Data BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage

Plus en détail

Introduction au domaine du décisionnel et aux data warehouses

Introduction au domaine du décisionnel et aux data warehouses Data warehouse Introduction au domaine du décisionnel et aux data warehouses http://dwh.crzt.fr STÉPHANE CROZAT Paternité - Partage des Conditions Initiales à l'identique : http://creativecommons.org/licenses/by-sa/2.0/fr/

Plus en détail

SQL SERVER 2008, BUSINESS INTELLIGENCE

SQL SERVER 2008, BUSINESS INTELLIGENCE SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business

Plus en détail

NICOLAS ROUSSALY Consultant senior en Business Intelligence

NICOLAS ROUSSALY Consultant senior en Business Intelligence NICOLAS ROUSSALY Consultant senior en Business Intelligence SOCIETE BIROC La société BIROC propose à ses clients: D'auditer les parties décisionnel/gestion de Flux de données du SI et de proposer des scénarios

Plus en détail

Intelligence Economique - Business Intelligence

Intelligence Economique - Business Intelligence Intelligence Economique - Business Intelligence Notion de Business Intelligence Dès qu'il y a une entreprise, il y a implicitement intelligence économique (tout comme il y a du marketing) : quelle produit

Plus en détail

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours Information du cours Informatique décisionnelle et data mining www.lia.univ-avignon.fr/chercheurs/torres/cours/dm Juan-Manuel Torres juan-manuel.torres@univ-avignon.fr LIA/Université d Avignon Cours/TP

Plus en détail

Business Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel

Business Intelligence avec SQL Server 2014 Maîtrisez les concepts et réalisez un système décisionnel Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 11 Introduction 1. Présentation du décisionnel 13 1.1 La notion de décideur 14 1.2 Les facteurs d'amélioration

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

Formation continue. Ensae-Ensai Formation Continue (Cepe)

Formation continue. Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist Formation continue Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist La demande de data scientists est croissante mais peu de formations existent. Ce certificat

Plus en détail

CQP ADMINISTRATEUR DE BASES DE DONNÉES (ABD) ----------------------------------------------------------------------------------------------------

CQP ADMINISTRATEUR DE BASES DE DONNÉES (ABD) ---------------------------------------------------------------------------------------------------- ORGANISME REFERENCE STAGE : 26587 20 rue de l Arcade 75 008 PARIS CONTACT Couverture : M. Frédéric DIOLEZ Paris, Lyon, Bordeaux, Rouen, Toulouse, Marseille, Tél. : 09 88 66 17 40 Strasbourg, Nantes, Lille,

Plus en détail

Les nouvelles architectures des SI : Etat de l Art

Les nouvelles architectures des SI : Etat de l Art Les nouvelles architectures des SI : Etat de l Art Objectif Mesurer concrètement les apports des nouvelles applications SI. Être capable d'évaluer l'accroissement de la complexité des applications. Prendre

Plus en détail

En synthèse. HVR pour garantir les échanges sensibles de l'entreprise

En synthèse. HVR pour garantir les échanges sensibles de l'entreprise En synthèse HVR pour garantir les échanges sensibles de l'entreprise Le logiciel HVR fournit des solutions pour résoudre les problèmes clés de l'entreprise dans les domaines suivants : Haute Disponibilité

Plus en détail

Agenda de la présentation

Agenda de la présentation Le Data Mining Techniques pour exploiter l information Dan Noël 1 Agenda de la présentation Concept de Data Mining ou qu est-ce que le Data Mining Déroulement d un projet de Data Mining Place du Data Mining

Plus en détail

Plan. Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation

Plan. Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation Data WareHouse Plan Introduction Eléments de la théorie des systèmes d'informations Les entrepôts de données (Datawarehouse) Les datamart Architecture Modélisation 2 Présentation Besoin: prise de décisions

Plus en détail

Architecture d'entreprise : Guide Pratique de l'architecture Logique

Architecture d'entreprise : Guide Pratique de l'architecture Logique Guides Pratiques Objecteering Architecture d'entreprise : Guide Pratique de l'architecture Logique Auteur : Version : 1.0 Copyright : Softeam Equipe Conseil Softeam Supervisée par Philippe Desfray Softeam

Plus en détail

La Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1

La Geo-Business Intelligence selon GALIGEO avec 26/10/2005 1 La Geo-Business Intelligence selon GALIGEO avec ESRI 2005 session «Décisionnel» 26/10/2005 1 La Business Intelligence : Une Définition La Business intelligence permet l utilisation des données opérationnelles

Plus en détail

Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel

Business Intelligence avec SQL Server 2012 Maîtrisez les concepts et réalisez un système décisionnel Avant-propos 1. À qui s'adresse ce livre? 9 2. Les pré-requis 10 3. Les objectifs du livre 10 Introduction 1. Présentation du décisionnel 15 1.1 La notion de décideur 15 1.2 Les facteurs d'amélioration

Plus en détail

HADOOP ET SON ÉCOSYSTÈME

HADOOP ET SON ÉCOSYSTÈME HADOOP ET SON ÉCOSYSTÈME Mars 2013 2012 Affini-Tech - Diffusion restreinte 1 AFFINI-TECH Méthodes projets Outils de reporting & Data-visualisation Business & Analyses BigData Modélisation Hadoop Technos

Plus en détail

Surmonter les 5 défis opérationnels du Big Data

Surmonter les 5 défis opérationnels du Big Data Surmonter les 5 défis opérationnels du Big Data Jean-Michel Franco Talend Connect 9 octobre 2014 Talend 2014 1 Agenda Agenda Le Big Data depuis la découverte jusqu au temps réel en passant par les applications

Plus en détail

L INTÉGRATION ENTRE BUSINESS INTELLIGENCE ET WEB ANALYTICS

L INTÉGRATION ENTRE BUSINESS INTELLIGENCE ET WEB ANALYTICS L INTÉGRATION ENTRE BUSINESS INTELLIGENCE ET WEB ANALYTICS Julien Coquet Consultant Sénior Hub Sales Philippe Nieuwbourg Analyste Decideo.fr Notre partenaire : Naissance du terme «Business Intelligence»

Plus en détail

Leader de l Actuariat Conseil et de la Gestion des Risques

Leader de l Actuariat Conseil et de la Gestion des Risques Leader de l Actuariat Conseil et de la Gestion des Risques Optimind Winter respecte les meilleurs standards européens sur l ensemble des expertises associées à la chaîne des risques des organismes assureurs,

Plus en détail

CULTIVATEUR DE DONNÉES 4.0 FAITES FRUCTIFIER VOS DONNÉES, RÉCOLTEZ DU ROI. DU BIG DATA AU SMART DATA

CULTIVATEUR DE DONNÉES 4.0 FAITES FRUCTIFIER VOS DONNÉES, RÉCOLTEZ DU ROI. DU BIG DATA AU SMART DATA CULTIVATEUR DE DONNÉES 4.0 FAITES FRUCTIFIER VOS DONNÉES, RÉCOLTEZ DU ROI. DU BIG DATA AU SMART DATA CULTIVER SON CAPITAL CLIENTS, RECRUTER, FIDÉLISER ET RÉCOLTER DU ROI! La société Base Plus cultive depuis

Plus en détail

ÉCONOMIE ET GESTION LYCÉES TECHNOLOGIQUE ET PROFESSIONNEL

ÉCONOMIE ET GESTION LYCÉES TECHNOLOGIQUE ET PROFESSIONNEL ÉCONOMIE ET GESTION LYCÉES TECHNOLOGIQUE ET PROFESSIONNEL Au niveau du second degré, l'économie et gestion recouvre un ensemble de champs disciplinaires relevant de l'économie, du droit, des sciences de

Plus en détail

L information et la technologie de l informationl

L information et la technologie de l informationl L information et la technologie de l informationl CRM & informatique décisionnelled CRM CRM & informatique décisionnelle. d 1 2 3 Les Les fondements managériaux managériaux du du CRM. CRM. Les Les fondements

Plus en détail

Tour d horizon du marché du décisionnel : se repérer dans

Tour d horizon du marché du décisionnel : se repérer dans Tour d horizon du marché du décisionnel : se repérer dans la jungle des outils et intégrateurs Sylvie Delplanque - Directrice adjointe, chargée des SI et de la téléphonie, CH de Calais Mardi 12 mai 2009

Plus en détail

Catalogue des Formations

Catalogue des Formations Catalogue des Formations When skills meet your need Pilotage et management SI Base de donnée et Aide à la décision Développement www.intellectus.ma www.fb.com/intellectusconsulting contact@intellectus.ma

Plus en détail

Business Intelligence, Etat de l art et perspectives. ICAM JP Gouigoux 10/2012

Business Intelligence, Etat de l art et perspectives. ICAM JP Gouigoux 10/2012 Business Intelligence, Etat de l art et perspectives ICAM JP Gouigoux 10/2012 CONTEXTE DE LA BI Un peu d histoire Premières bases de données utilisées comme simple système de persistance du contenu des

Plus en détail

LES ENTREPOTS DE DONNEES

LES ENTREPOTS DE DONNEES Module B4 : Projet des Systèmes d information Lille, le 25 mars 2002 LES ENTREPOTS DE DONNEES Problématique : Pour capitaliser ses informations, une entreprise doit-elle commencer par mettre en œuvre des

Plus en détail

BI2B est un cabinet de conseil expert en Corporate Performance Management QUI SOMMES-NOUS?

BI2B est un cabinet de conseil expert en Corporate Performance Management QUI SOMMES-NOUS? SOMMAIRE Qui sommes nous? page 3 Notre offre : Le CPM, Corporate Performance Management page 4 Business Planning & Forecasting page 5 Business Intelligence page 6 Business Process Management page 7 Nos

Plus en détail

PROGICIELS DE GESTION INTÉGRÉS SOLUTIONS DE REPORTING

PROGICIELS DE GESTION INTÉGRÉS SOLUTIONS DE REPORTING PROGICIELS DE GESTION INTÉGRÉS SOLUTIONS DE REPORTING 8 rue de Prague 75012 Paris contact@predixia.com DES SOLUTIONS SIMPLES ET INNOVANTES POUR LA GESTION ET LE PILOTAGE DE VOTRE ACTIVITÉ CONCEVOIR TRÉSORERIE

Plus en détail

Conseil et Ingénierie des Systèmes d Information d Entreprise

Conseil et Ingénierie des Systèmes d Information d Entreprise Conseil et Ingénierie des Systèmes d Information d Entreprise Le Groupe Khiplus SAS KHIPLUS Management Société holding animatrice du groupe SAS KHIPLUS Advance Conseil et ingénierie de Systèmes d Information

Plus en détail

1 er Avril 2015 Data Science & Big Data Etat de l art Donner plus d intelligence aux données

1 er Avril 2015 Data Science & Big Data Etat de l art Donner plus d intelligence aux données 1 er Avril 2015 Data Science & Big Data Etat de l art Donner plus d intelligence aux données Votre interlocuteur Didier Gaultier Directeur Data Science Business & Decision Professeur de Statistique à l

Plus en détail

Alphonse Carlier, Intelligence Économique et Knowledge Management, AFNOR Éditions, 2012.

Alphonse Carlier, Intelligence Économique et Knowledge Management, AFNOR Éditions, 2012. 1 Du même auteur chez le même éditeur Alphonse Carlier, Intelligence Économique et Knowledge Management, AFNOR Éditions, 2012. AFNOR 2013 Couverture : création AFNOR Éditions Crédit photo 2011 Fotolia

Plus en détail

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE GUIDE COMPARATIF BUSINESS INTELLIGENCE www.viseo.com Table des matières Business Intelligence :... 2 Contexte et objectifs... 2 Une architecture spécifique... 2 Les outils de Business intelligence... 3

Plus en détail

EXECUTIVE SUMMARY ENQUETE SUR LES SYSTEMES D'INFORMATION DECISIONNELS DANS L'ASSURANCE

EXECUTIVE SUMMARY ENQUETE SUR LES SYSTEMES D'INFORMATION DECISIONNELS DANS L'ASSURANCE EXECUTIVE SUMMARY ENQUETE SUR LES SYSTEMES D'INFORMATION DECISIONNELS DANS L'ASSURANCE 21 novembre 2003 Sommaire Objectifs de l'enquête et méthodologie Tendances des SID (Systèmes d'information Décisionnels)

Plus en détail

Livret de Stages 2014 / 2015

Livret de Stages 2014 / 2015 Livret de Stages 2014 / 2015 Paris & Niort www.bsc-france.com B.S.C. - Business Software Tour Montparnasse 33 Avenue du Maine 75015 Tel : +33(0)1 53 94 52 20 - Fax : +33(0)1 45 38 49 45 3 rue Archimède

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

BI = Business Intelligence Master Data-Science

BI = Business Intelligence Master Data-Science BI = Business Intelligence Master Data-Science UPMC 25 janvier 2015 Organisation Horaire Cours : Lundi de 13h30 à 15h30 TP : Vendredi de 13h30 à 17h45 Intervenants : Divers industriels (en cours de construction)

Plus en 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

Le terme «ERP» provient du nom de la méthode MRP (Manufacturing Ressource Planning) utilisée dans les années 70 pour la gestion et la planification

Le terme «ERP» provient du nom de la méthode MRP (Manufacturing Ressource Planning) utilisée dans les années 70 pour la gestion et la planification Séminaire national Alger 12 Mars 2008 «L Entreprise algérienne face au défi du numérique : État et perspectives» CRM et ERP Impact(s) sur l entreprise en tant qu outils de gestion Historique des ERP Le

Plus en détail

Labs Hadoop Février 2013

Labs Hadoop Février 2013 SOA - BRMS - ESB - BPM CEP BAM - High Performance Compute & Data Grid - Cloud Computing - Big Data NoSQL - Analytics Labs Hadoop Février 2013 Mathias Kluba Managing Consultant Responsable offres NoSQL

Plus en détail

20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013. 20 ans du SIAD -"Big Data par l'exemple" -Julien DULOUT

20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013. 20 ans du SIAD -Big Data par l'exemple -Julien DULOUT 20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013 20 ans du SIAD -"BigData par l'exemple" -Julien DULOUT Qui a déjà entendu parler du phénomène BigData? Qui a déjà

Plus en détail

Systèmes d information

Systèmes d information 11 Systèmes Cette famille rassemble des métiers dont la finalité est de concevoir, développer, exploiter et entretenir des solutions (logicielles et matérielles) répondant aux besoins collectifs et individuels

Plus en détail

GENIE STATISTIQUE GESTION DES RISQUES ET INGENIERIE FINANCIERE MARKETING QUANTITATIF ET REVENUE MANAGEMENT

GENIE STATISTIQUE GESTION DES RISQUES ET INGENIERIE FINANCIERE MARKETING QUANTITATIF ET REVENUE MANAGEMENT Remarque : Tous les cours sont en français, sauf contre-indication. Pour des traductions anglaises des titres, des descriptifs, et plus de renseignements, consultez l intégralité du Programme des enseignements

Plus en détail

Prestations d audit et de conseil 2015

Prestations d audit et de conseil 2015 M. Denis VIROLE Directeur des Services +33 (0) 6 11 37 47 56 denis.virole@ageris-group.com Mme Sandrine BEURTHE Responsable Administrative +33 (0) 3 87 62 06 00 sandrine.beurthe@ageris-group.com Prestations

Plus en détail

Objectif. Participant. Prérequis. Oracle BI Suite EE 10g R3 - Développer des référentiels. 5 Jours [35 Heures]

Objectif. Participant. Prérequis. Oracle BI Suite EE 10g R3 - Développer des référentiels. 5 Jours [35 Heures] Objectif Utiliser les techniques de gestion de la mise en cache pour contrôler et améliorer les performances des requêtes Définir des mesures simples et des mesures calculées pour une table de faits Créer

Plus en détail

Document d accompagnement pour le référentiel national du C2i niveau 2 Métiers de l environnement et de l aménagement durables

Document d accompagnement pour le référentiel national du C2i niveau 2 Métiers de l environnement et de l aménagement durables Document d accompagnement pour le référentiel national du C2i niveau 2 Métiers de l environnement et de l aménagement durables A - Compétences générales et transversales liées à l exercice des métiers

Plus en détail

Le 09 et 10 Décembre 09

Le 09 et 10 Décembre 09 Séminaire de 2 jours Le 09 et 10 Décembre 09 Mettez les évolutions technologiques au service de vos objectifs métier 2 OXIA a pour mission de concevoir et mettre en œuvre les meilleures solutions technologiques

Plus en détail

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION Mentions

Plus en détail

Repenser le SI à l'ère du numérique : apports des solutions de big data, cloud computing et confiance numérique

Repenser le SI à l'ère du numérique : apports des solutions de big data, cloud computing et confiance numérique Repenser le SI à l'ère du numérique : apports des solutions de big data, cloud computing et confiance numérique Extraits d analyses publiées par MARKESS International Emmanuelle Olivié-Paul epaul@markess.com

Plus en détail

Evry - M2 MIAGE Entrepôt de données

Evry - M2 MIAGE Entrepôt de données Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration

Plus en détail

Urbanisation des SI-NFE107

Urbanisation des SI-NFE107 OLAP Urbanisation des SI-NFE107 Fiche de lecture Karim SEKRI 20/01/2009 OLAP 1 Introduction PLAN OLAP Les différentes technologies OLAP Plate formes et Outils 20/01/2009 OLAP 2 Informatique décisionnelle

Plus en détail

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2014

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2014 CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2014 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des

Plus en détail

INTRODUCTION A LA B.I AVEC PENTAHO BUSINESS ANALYTICS Formation animée par

INTRODUCTION A LA B.I AVEC PENTAHO BUSINESS ANALYTICS Formation animée par Séminaire de formation INTRODUCTION A LA B.I AVEC PENTAHO BUSINESS ANALYTICS Formation animée par M. Dia Alioune Expert consultant BI OPEN SOURCE Directeur BADIA OA GROUP : OpenAfriki France Du 09 au 11

Plus en détail

International Master of Science en Business Intelligence

International Master of Science en Business Intelligence International Master of Science en Business Intelligence Programme Rentrée 31 mars 2009 www.supinfo.com Copyright SUPINFO. All rights reserved Table des Matières PRESENTATION DU MASTER... 3 LES ENJEUX

Plus en détail

Conduite de projets informatiques Développement, analyse et pilotage (2ième édition)

Conduite de projets informatiques Développement, analyse et pilotage (2ième édition) Avant-propos 1. Objectifs du livre 13 2. Structure du livre 14 Un projet informatique 1. Les enjeux 17 1.1 Les buts d'un projet 17 1.2 Les protagonistes d'un projet 18 1.3 Exemples de projets 19 2. Les

Plus en détail

Annuaires LDAP et méta-annuaires

Annuaires LDAP et méta-annuaires Annuaires LDAP et méta-annuaires Laurent Mynard Yphise 6 rue Beaubourg - 75004 PARIS yphise@yphise.com - http://yphise.fr T 01 44 59 93 00 F 01 44 59 93 09 LDAP020314-1 Agenda A propos d Yphise Les annuaires

Plus en détail

Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données

Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques

Plus en détail

Notre Catalogue des Formations IT / 2015

Notre Catalogue des Formations IT / 2015 Notre Catalogue des Formations IT / 2015 Id Intitulé Durée Gestion de projets et méthodes I1101 I1102 I1103 I1104 I1105 I1106 I1107 I1108 I1109 I1110 I1111 I1112 I1113 I1114 I1115 I1116 I1117 I1118 I1119

Plus en détail

Fournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement

Fournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données

Plus en détail

La place de la Géomatique Décisionnelle dans le processus de décision

La place de la Géomatique Décisionnelle dans le processus de décision Géomatique décisionnelle La place de la Géomatique Décisionnelle dans le processus de décision - Arnaud Van De Casteele Mines ParisTech - CRC Arnaud {dot} van_de_casteele {at} mines-paristech.fr Les rencontres

Plus en détail

Business & High Technology

Business & High Technology UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 8 : ID : Informatique Décisionnelle BI : Business Intelligence Sommaire Introduction...

Plus en détail

Petit Déjeuner Pépinière du Logiciel Libre. 25 juin 2008

Petit Déjeuner Pépinière du Logiciel Libre. 25 juin 2008 Petit Déjeuner Pépinière du Logiciel Libre 25 juin 2008 1 / 37 Agenda Définition & Principes Les différents outils & composants Les Solutions intégrés Open-Source Vos Questions 2 / 37 Agenda Définition

Plus en détail

CQP Développeur Nouvelles Technologies (DNT)

CQP Développeur Nouvelles Technologies (DNT) ORGANISME REFERENCE STAGE : 26572 20 rue de l Arcade 75 008 PARIS CONTACT Couverture géographique : M. Frédéric DIOLEZ Bordeaux, Rouen, Lyon, Toulouse, Marseille Tél. : 09 88 66 17 40 Nantes, Lille, Strasbourg,

Plus en détail

Les tableaux de bord de pilotage de nouvelle génération. Copyright 2002-2008 PRELYTIS

Les tableaux de bord de pilotage de nouvelle génération. Copyright 2002-2008 PRELYTIS Les tableaux de bord de pilotage de nouvelle génération Sommaire PRELYTIS en quelques mots LiveDashBoard : principes directeurs et positionnement La couverture fonctionnelle Démonstration Les packages

Plus en détail