Technologie, méthode et applications du Big Data.
|
|
- Marie Laviolette
- il y a 8 ans
- Total affichages :
Transcription
1 Technologie, méthode et applications du Big Data. PRÉSENTÉ AU 40 E CONGRÈS DE L ASSOCIATION DES ÉCONOMISTES QUÉBÉCOIS PAR FRANÇOYS LABONTÉ, DIRECTEUR GÉNÉRAL LE 20 MAI 2015 Principal partenaire financier
2 TABLE DES MATIÈRES Mise en contexte, définitions et concepts La gouvernance des données (Dominic Jaar, KPMG) Les technologies du Big Data (Tom Landry, CRIM) Pause Les applications du Big Data La mise en œuvre d un projet Big Data Discussions / Questions 2
3 MISE EN CONTEXTE, DÉFINITIONS ET CONCEPTS
4 POURQUOI LE BIG DATA MAINTENANT? 4
5 ÉVOLUTION DES CAPACITÉS DE CALCUL 5
6 POURQUOI LE BIG DATA MAINTENANT? 6
7 L OPPORTUNITÉ DU BIG DATA Big Data Adoption in 2013 Shows Substance Behind the Hype Gartner sept Hadoop's Momentum Is Unstoppable The Forrester Wave Q Spending on big data technologies and services will grow by 30% in 2014, surpassing $14 billion IDC Growth rate 6 times higher that the general IT market (5%) (2 100G$) in
8 L INTELLIGENCE D AFFAIRES (BI) ET LE BIG DATA Big Data vs. Business Intelligence People have recently become aware of the world-changing power of data to make and remake industries. People see the potential and they want to use the tools that unlock it, but a short look at any of the current BI tools shows just how impossible that is. BI was designed for IT and CIOs, if you want to use it you need to be trained. But as society at large moves towards a data-driven approach to, well, everything, a much larger audience for data tools is emerging: a whole new type of customer, non-technical, and a much larger market that traditional BI tools just can t reach. Applied Data Labs ( ) 8
9 DE QUOI PARLE-T-ON? ABONDANCE BIG DATA Lorsque le traitement et l utilisation des données dépassent les capacités des technologies courantes en raison de leur : Volume Variété et variabilité Vélocité Selon IDC, le Big Data est une nouvelle génération de technologies et d architectures conçues pour extraire de la valeur, de façon rentable, à partir d un volume considérable de données très variées en permettant leur capture et leur exploration à grande vitesse. S inscrit dans le contexte des grandes tendances actuelles : Mobilité, Social, Nuage, Technologies vertes. 9
10 ABONDANCE: VOLUME Megabyte Gigabyte Terabyte Petabyte Exabyte Zettabyte Yottabyte Brontobyte Geopbyte 10
11 ABONDANCE: VARIÉTÉ ET VARIABILITÉ Variabilité de formats et d interprétation dans le temps Transactions Documents d affaires Courriels Messageries Contrats Appels Réseaux sociaux Surveillance Expérimentations scientifiques Appareils mobiles Documents gouvernementaux MÉTADONNÉES Objets Senseurs GPS 11
12 ABONDANCE: VÉLOCITÉ Données créées plus rapidement. Arrivent plus rapidement aux organisations. Doivent être traitées plus vite, de plus en plus en temps réel. Décision rapide sur les données que l on désire garder. Pression pour convertir rapidement les données en décision d affaires. Les résultats livrés sont consommés plus rapidement. 12
13 QUELS AVANTAGES VEUT-ON EN TIRER? INTELLIGENCE DES DONNÉES Il y a des défis liés spécifiquement à l abondance de données, mais on peut profiter des développements sans que nos données se qualifient comme «Big Data». On désire un arsenal d approches et de technologies pour mettre à contribution les contenus disponibles. Il faut pouvoir prendre de meilleures décisions, plus rapidement. La valeur extraite des données pour en faire de l information utile et de la connaissance devient un facteur de différentiation. C est l intelligence de données qui importe; elle s appuie beaucoup sur le traitement sémantique. 13
14 LA MODE DU BIG DATA? De Gartner: 14
15 LA MODE DU BIG DATA? Volume Depuis des années la communauté scientifique traite de larges jeux de données (vidéos, imagerie satellite, corpus de texte). Variété Depuis des années la communauté scientifique traite des données multimodales (texte, images, audio, vidéo, vecteurs, 3D). Vélocité Depuis des années la communauté scientifique traite des données en continue (surveillance, voix, mouvement). Et aussi Visualisation, Valeur, Véracité 15
16 LES TECHNOLOGIES DU BIG DATA Offrent de nouvelles possibilités pour résoudre plus simplement des problématiques complexes Hadoop et autres technologies similaires: Ressources de calcul (quasi) illimitées Pas de préoccupation de mise à l échelle NoSQL et autres technologies similaires : Plus nécessaire de connaître à l avance les relations entre tous les éléments d une base de données Possibilité de combiner «à la demande» diverses sources d information hétérogènes Traitement dynamique des données (flux): On ne fait plus nécessairement du traitement en lot Possibilité de développer des systèmes adaptifs et réactifs Émergence des applications «Machine-to-Machine» / objets connectés / «Internet of Things» Centres de données et infonuagique Simplification de la gestion des données et du stockage des documents. Technologies prometteuses mais qui n offrent pas encore de solutions simples, stables et matures. 16
17 EN RÉSUMÉ 17
18 LA GOUVERNANCE DES DONNÉES DOMINIC JAAR, KPMG
19 LES TECHNOLOGIES DU BIG DATA TOM LANDRY, CRIM
20 LES APPLICATIONS DU BIG DATA
21 LES APPLICATIONS DU BIG DATA (1 / 4) Cibler et mieux comprendre les clients Engins de recommandations Modèles prédictifs pour la publicité et les offres de produits ciblés Rétention de la clientèle Influenceurs dans les réseaux sociaux Optimiser et mieux comprendre les processus d affaires Gestion de la chaîne d approvisionnement Gestion des risques Science et recherche Astrophysique Physique et chimie Sciences de la vie Science des matériaux Environnement 21
22 LES APPLICATIONS DU BIG DATA (2 / 4) Monitoring des signes vitaux et améliorations de la performance physique personnelle Senseurs personnels («wearables») Soins de santé, médecine publique Génomique Médecine personnalisée Épidémiologie Diagnostic Études cliniques Performance sportive Programme d entraînement Performance individuelle et d équipe 22
23 LES APPLICATIONS DU BIG DATA (3 / 4) Maintenance et optimisation de la performance de machines Diagnostic Maintenance préventive Ajustement des conditions d opération Autonomie accrue La loi, l ordre et la sécurité publique Contre-terrorisme Activités criminelles Détection de fraude Cyber-attaques 23
24 LES APPLICATIONS DU BIG DATA (4 / 4) Ville intelligente et transport intelligent Optimisation des déplacements Domotique Réseau d alimentation en énergie intelligents («smart grid») Science des matériaux Environnement Finances Courtage à haute-fréquence Valorisation des actifs «non-traditionnels» Modèles prédictifs Analyse des «sentiments» Identification de courtiers délinquants Solutions bancaires personnalisées 24
25 LES TECHNOLOGIES PÉRIPHÉRIQUES Mobilité «Machine to Machine» (M2M) Internet of Things (IoT) L infonuagique et les data center «Machine Learning» et «Deep Learning» Robotique Réseaux de communications Capacités de calcul La génération et le stockage de données non-structurées 25
26 LES APPLICATIONS DU BIG DATA EN RÉSUMÉ Services financiers Gestion de risques Détection de fraudes Connaissances clients Santé et Sciences de la vie Alerte précoce d épidémie Médecine personnalisée Médecine à distance Vie privée Assistance personnalisée Accessibilité à tous Transport Contrôle de la circulation Information personnalisée Impact des conditions sur la logistique Transactions Gouvernements Services à la population personnalisés Détection de fraudes Documents d affaires Courriels Messageries Contrats Appels Documents gouvernementaux MÉTADONNÉE S Réseaux sociaux Appareils mobiles Objets Surveillance Expérimentations scientifiques Senseurs Utilités publiques Gestion intelligente de consommation Impact des conditions climatiques Environnement Amélioration de la conception de produits Analyse d impacts environnementaux GPS TIC Cybersécurité TIC vertes Services adaptés à la clientèle Commerce Connaissances clients Promotion en temps réel Optimisation des chaînes d approvisionnement et des opérations Défense et sécurité Détection de menaces Gestion de catastrophe 26
27 LES ÉCONOMISTES ET LE BIG DATA (1/2) «Economics in the Age of Big Data», Liran Einav & Jonathan Levin, Science, 7 Nov. 2014, vol. 346, issue 6210 (Department of Economics, Stanford University) La croissance fulgurante de la quantité de données amassées sur les activités sociales et économiques aura un impact profond sur la recherche dans le domaine de l économie La croissance de l analyse économique empirique («empirical economics») Les données Souvent disponibles en temps réel Portent sur des activités qui souvent n étaient pas mesurées auparavant Moins structurées Trouver comment organiser et réduire la dimensionnalité de grands jeux de données non-structurées devient un défi incontournable 27
28 LES ÉCONOMISTES ET LE BIG DATA (2/2) Le passage d études basées sur des enquêtes gouvernementales, relativement de petite taille ou sur des données administratives restreintes vers des études avec une couverture complète ou quasicomplète des populations étudiées Une collaboration accrue avec le secteur privé Plusieurs entreprises accumulent et traitent régulièrement une grande quantité de données sur leurs processus d affaires et leurs clients Ces mêmes données peuvent potentiellement être utilisées pour des projets de recherche en économie Les défis liés aux ententes commerciales et à la nature privée des données Les approches d analyse d économétrie «traditionnelles» vs. les approches informatiques de «machine learning»: relations cause-effet vs. similarité avec un modèle prédictif Une contribution importante des économiste pour développer des modèles simplifiés expliquant de grandes quantités de données complexes 28
29 L AVENIR DU BIG DATA EN ÉCONOMIE (1/2) «Emerging practices and perspectives on Big Data analysis in economics: Bigger and better or more of the same?», Linett Taylor, Ralph Schroeder & Eric Meyer, Big Data & Society, July- December 2014: 1-10 (University of Amsterdam, Oxford Internet Institute ) Est-ce que l accès aux données les plus pertinentes sera démocratisé ou si seulement une classe de «privilégiés» auront accès à ces données? Est-ce que les compétences statistiques et informatiques des économistes leur permettront de participer aux développement des nouvelles méthodologies et approches d analyse du Big Data? Est-ce que la façon de présenter et publier les résultats devra changer compte tenu d un accès plus limité aux données, combiné à une reproductibilité limitée ou nulle? 29
30 L AVENIR DU BIG DATA EN ÉCONOMIE (2/2) Technologie de rupture? Acceptation limitée en économie, mais émergence d une nouvelle discipline d analyse complémentaire, avec ses propres normes et méthodologies? Un sous-domaine de spécialisation? Dans tous les cas, un stimulus pour développer de nouvelles façons de réfléchir et d aborder des problèmes complexes 30
31 LA MISE EN ŒUVRE D UN PROJET BIG DATA
32 DONNÉES MASSIVES - DE LA DÉFINITION À LA VALEUR Définition (plus technologique) Volume Les V Variété Vélocité Lorsque le traitement et l utilisation des données dépassent les capacités des technologies courantes LE DÉFI D AFFAIRES Le défi consiste à extraire, de façon rentable, de la valeur de l avalanche de données très variées qui nous envahissent. Au-delà des caractéristiques propres au traitement d un volume gigantesque de données, c est l intelligence de données (Smart data) qui nous permettra de trouver les informations critiques pour l organisation et d aider à prendre de meilleures décisions, plus rapidement. 32
33 OÙ TROUVER LA VALEUR Utilisation de techno de données massives (par ordre selon IDC-2013) - Analyse de données opérationnelles - Analyse du comportement en ligne de clients - Transaction de ventes - Innovation de services - Données de machines et d appareils - Activités autre qu analytique Motivation (par ordre selon Gartner-2013) - Amélioration de l expérience client - Efficacité des processus - Nouveaux produits et modèles d affaires - Marketing plus ciblé - Réduction des coûts - Amélioration de gestion du risque - Monétisation du contenu - Conformité à la règlementation - Amélioration de la sécurité Optimisation-Contrôle-Innovation Compréhension de l existant Feuille de route d affaires intelligente 33
34 ÉCOSYSTÈME DE DONNÉES MASSIVES Données Infrastructures Architectures Données massives Expertises Processus Organisation 34
35 DONNÉES Transactions Logs Commerce de détail Appareils senseurs Éléments à considérer Courriels documents Réseaux sociaux Documents manuels Données publiques Données géospatiales Images Vidéo Audio IdesO Manufacturier- Ress. Nat. Santé - Données noires - Sélection initiale ou tout garder - ETL ou ELT - Intégrer à l architecture globale de données Prédominance actuelle - Données internes et principalement transactionnelles Évolution - Intégration de l externe et variété de contenus 35
36 INFRASTRUCTURES ET ARCHITECTURES Collecte et préparation de données Enrichissement, métadonnées et Stockage Analytique, forage, apprentissage, inférence, fusion, statistiques, heuristique Visualisation Aide à la décision Implantation en fonction des cas d utilisation visés Prédominance actuelle - 60 % utilise écosystème Hadoop orienté en lot (batch) - Expérimentation BD en-mémoire, orientée colonne, NoSQL - Première initiative plus petite échelle Évolution - Plus de cas en temps réel évolution Hadoop 2 - Visualisation interactive et évolutive - Intégration à l architecture de l entreprise - Partie de ce que IDC appelle 3 rd Platform (Cloud, Mobility, Big Data, Social Business) - ELT pour conserver les données brutes 36
37 TECHNOLOGIES LIÉES AUX DONNÉES Source : IDC Beaucoup de développement autour d Hadoop sous la fondation Apache par des firmes comme Google, Facebook, Amazon, Yahoo, Cloudera. Grand intérêt du traitement parallèle distribué et de la migration du traitement vers les données. Aussi des développements importants liés au traitement en temps réel. Beaucoup de fournisseurs ont sorti la peinture «Big Data». 37
38 DES SOLUTIONS 38
39 ANALYTIQUE INFRASTRUCTURES ET ARCHITECTURES L approche prospective apporte plus de valeur mais est par contre plus complexe Retrospective Understanding Prospective Inspiré de Gartner 39
40 DES SOLUTIONS 40
41 EXPERTISES Équipe idéale (centre d excellence) : Science des données Analytique avancée / apprentissage-machine Visualisation et interaction Analyse d affaires Gouvernance et qualité des données Gestion de produit Gouvernance des données Architecture et développement informatique Compréhension des besoins d affaires et de l environnement opérationnel (données, processus, technologies) Partage de connaissance essentiel pour obtenir l appui de la direction, réaliser des projets interfonctionnels et utiliser les résultats pour les décisions Planifier la mise en place, l expérimentation mais prévoyez aussi l exploitation 41
42 PROCESSUS Gestion, gouvernance et administration (plus d autonomie aux utilisateurs) Processus de mesure des retombées, de la valeur Processus de gestion de données Ajuster le processus de décision Sécurité Confidentialité L an dernier, des chercheurs américains ont «piraté» une banque de données génétiques et réussi à identifier 5 % de ses participants, malgré les promesses d anonymat. La Presse, 16 mars
43 ORGANISATION Développer une stratégie de gestion de données massives (idéalement pour l ensemble de l organisation) Impliquer la direction dans la promotion de l initiative Organiser un soutien direct lié aux affaires Changer le processus de décision (de l intuition à la gestion éclairée) Briser les silos au niveau des données et des processus d affaires Favoriser les équipes interfonctionnelles Regrouper la bonne combinaison interne-externe Traditional Information Management Requirements based Top-down design Defining "truth" Integration and reuse Technology consolidation Data warehouses and content management Competence centers Better decisions Enterprisewide Information Management Big Data Style Opportunity oriented Bottom-up experimentation Establishing "trust" Immediate use Tool proliferation "World of Hadoop" Hackathons Better business Domain focus (marketing and ops, among others) Comparison of Traditional Information Management and the New Big Data Style Gartner 43
44 MISE EN PLACE Défis principaux Comment extraire de la valeur Définir une stratégie Obtenir l expertise Intégrer plus de sources variées Gérer la gouvernance et les risques (sécurité, confidentialité, qualité) Financement Compréhension et leadership dans l organisation 44
45 PIÈGES À ÉVITER A wealth of information creates a poverty of attention and a need to allocate that attention efficiently among the over abundance of information sources that might consume it. Herbert Simons: Designing organization to an information-rich World; 1 Pas assez planifié Trop planifier Faible engagement Penser que ce sera facile à implanter Minimiser les enjeux de gestion du changement 45
46 CONSTATS Les données massives offrent un grand potentiel encore sous-exploité Comme plusieurs changements de fond, il faut s attendre à un long voyage Il faut établir une vision ambitieuse et réaliser un premier pas modeste mais démontrant une valeur mesurable Il n y a pas d approche unique ( one size fits all ); elle doit être adaptée aux cas ciblés La question n est pas To Big or not too Big, ce qui compte c est la dimension d intelligence de données ( Smart Data ) pour apporter de la valeur mesurable à l organisation Au-delà de la technologie, ce sont encore les défis humains qui vont prédominer et déterminer le succès ou l échec des initiatives 46
47 LE CRIM ET LE BIG DATA Continuer le développement de l expertise en analytique avancée en s appuyant sur les technologies Big Data Conserver l accent sur les données non-structurées (audio, vidéo, images, texte, etc.) Miser sur les interactions humain-machine, les architectures avancées et les tests logiciels Développer des connaissances empiriques pour accompagner les organisations Aborder de façon différente pour les problèmes complexes Pour le CRIM, il est préférable de parler de SMART DATA Rarement des cas réellement larges (>8-10 TB) Résoudre plusieurs problèmes de taille moyenne, mise à l échelle par/pour les clients Nous visons le 5 ème V, la valeur Pas simple! Approche multidisciplinaire (scientifique, affaires, gouvernance, produits, logiciel, etc.) Attention au hype et idées préconçues Vision ambitieuse nécessaire, réaliser des premiers pas modestes et concrets 47
48 DES CAS D'UTILISATION CONCRETS Objectifs du projet Développer une expertise en méga-données (analytique, interaction, visualisation) Consolider nos composantes d analytique avancée Démontrer via des cas d utilisation concrets et une vitrine technologique interactive Établir de nouvelles collaborations, alignées avec la stratégie du CRIM Cas d utilisation Détection de mots-clés dans des vidéos de maintenance sous-marine (~300 hres à traiter, vocabulaire spécialisé en biologie et navigation) Fusion avec données géo-spatiales dans les zones d'exploration (positions mots-clés et du rover, imagerie satellite, sonars, etc.) Enrichissement du corpus et production d ontologies via des banques de ressources Web (requêtes via Traitement Automatique des Langues Naturelles) Exploration des données via interactions naturelles et interfaces de visualisation avancées (sortir de la page web: WebGL, Oculus, NUI) Finance Surveillance Internet des Objets 48
49 PLATEFORME DE DÉMONSTRATION (EN DÉVELOPPEMENT) 49
50 QUESTIONS DISCUSSIONS
51 Françoys Labonté Directeur général CRIM Centre de recherche informatique de Montréal Suivez-nous Dialoguez avec nous Suivez-nous #CRIM_ca wwwcrimca Le CRIM est un centre de recherche appliquée en TI qui développe, en mode collaboratif avec ses clients et partenaires, des technologies innovatrices et du savoir-faire de pointe, et les transfère aux entreprises et aux organismes québécois afin de les rendre plus productifs et plus compétitifs localement et mondialement. Le CRIM dispose de quatre équipes de recherche en TI de calibre mondial qui œuvrent principalement dans les domaines des interactions et interfaces personne-système, de l analytique avancée et de la science et technologie du logiciel. Détenteur d une certification ISO 9001:2008, son action s inscrit dans les politiques et stratégies pilotées par le ministère de l'économie, de l'innovation et des Exportations (MEIE), son principal partenaire financier. Principal partenaire financier Tous droits réservés 2015 CRIM. 405, avenue Ogilvy, bureau 101, Montréal (Québec) H3N 1M3/ /
Les technologies du Big Data
Les technologies du Big Data PRÉSENTÉ AU 40 E CONGRÈS DE L ASSOCIATION DES ÉCONOMISTES QUÉBÉCOIS PAR TOM LANDRY, CONSEILLER SENIOR LE 20 MAI 2015 WWW.CRIM.CA TECHNOLOGIES: DES DONNÉES JUSQU'À L UTILISATEUR
Plus en détailLondres 1854 Des problèmes (re)connus Faire plus avec moins Tendances et défis «BYOD» WIN INTUNE «Nouveaux paradigmes» «Big Data» «Cloud» Windows Server Gestion Sys. Center Identité & Virt CLOUD OS Microsoft
Plus en détailLondres 1854 Des problèmes (re)connus Faire plus avec moins Tendances et défis «BYOD» WIN INTUNE «Nouveaux paradigmes» «Big Data» «Cloud» Windows Server Gestion Sys. Center Identité & Virt CLOUD OS Microsoft
Plus en détailBig data et données géospatiales : Enjeux et défis pour la géomatique. Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique
Big data et données géospatiales : Enjeux et défis pour la géomatique Thierry Badard, PhD, ing. jr Centre de Recherche en Géomatique Événement 25e anniversaire du CRG Université Laval, Qc, Canada 08 mai
Plus en détailGroupe de Discussion Big Data Aperçu des technologies et applications. Stéphane MOUTON stephane.mouton@cetic.be
Groupe de Discussion Big Data Aperçu des technologies et applications Stéphane MOUTON stephane.mouton@cetic.be Recherche appliquée et transfert technologique q Agréé «Centre Collectif de Recherche» par
Plus en détailLes défis statistiques du Big Data
Les défis statistiques du Big Data Anne-Sophie Charest Professeure adjointe au département de mathématiques et statistique, Université Laval 29 avril 2014 Colloque ITIS - Big Data et Open Data au cœur
Plus en détail20 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 détailSurmonter 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 détailCatherine 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 détailBig 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 détailGestion de la relation Client (CRM)
Gestion de la relation Client (CRM) Les meilleures pratiques pour gérer vos équipes de vente et marketing Claude Rose, président de Gestisoft Ordre du jour de la présentation Objectif d une solution CRM?
Plus en détailIBM Software Big Data. Plateforme IBM Big Data
IBM Software Big Data 2 Points clés Aide les utilisateurs à explorer de grands volumes de données complexes Permet de rationaliser le processus de développement d'applications impliquant de grands volumes
Plus en détailTransformation IT de l entreprise DU CONCRET POUR TRANSFORMER LES BIG DATA EN VALEUR
Transformation IT de l entreprise DU CONCRET POUR TRANSFORMER LES BIG DATA EN VALEUR S elon IDC, la quantité d informations stockées et traitées continue d augmenter chaque année de plus 50%. Comment extraire
Plus en détailLes datas = le fuel du 21ième sicècle
Les datas = le fuel du 21ième sicècle D énormes gisements de création de valeurs http://www.your networkmarketin g.com/facebooktwitter-youtubestats-in-realtime-simulation/ Xavier Dalloz Le Plan Définition
Plus en détailVotre laisser-passer pour les. Big Data Guide visuel
Votre laisser-passer pour les Big Data Guide visuel Les Big Data ont une immense valeur Apprenez à en libérer tout le potentiel Nul doute aujourd hui que les Big Data entraînent une profonde mutation du
Plus en détailVos données sont-elles adaptées à l informatique en nuage?
ÉTUDE TECHNIQUE Vos données sont-elles adaptées à l informatique en nuage? De toutes les questions à se poser avant de migrer vers le nuage, la suivante est la plus pertinente : mes données sont-elles
Plus en détailLa 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 détailAccès aux données Sentinelles
Accès aux données Sentinelles Hervé Jeanjean - CNES Ministère de l'écologie, du Développement durable, et de l Énergie www.developpement-durable.gouv.fr Contexte Un changement de paradigme majeur Big data
Plus en détailTOP. année promet d être BIG (Business Intelligence Growth) PRINCIPALES TENDANCES EN MATIÈRE DE SOLUTIONS DÉCISIONNELLES POUR 2013
0 Cette TOP 10 PRINCIPALES TENDANCES EN MATIÈRE DE SOLUTIONS DÉCISIONNELLES POUR 2013 année promet d être BIG (Business Intelligence Growth) Quel est le bilan de l année 2012 en matière de solutions décisionnelles?
Plus en détailQuatre axes au service de la performance et des mutations Four lines serve the performance and changes
Le Centre d Innovation des Technologies sans Contact-EuraRFID (CITC EuraRFID) est un acteur clé en matière de l Internet des Objets et de l Intelligence Ambiante. C est un centre de ressources, d expérimentations
Plus en détailBig Data et Statistique Publique
Big Data et Statistique Publique Miracle ou mirage? Matthieu Cornec Mission Innovation Sommaire 1. Constat : Explosion des données 1. Constat 2. Exemples 2. Big Data : nouvelle révolution économique? 1.
Plus en détailConserver les Big Data, source de valeur pour demain
Le potentiel et les défis du Big Data UIMM Mardi 2 et mercredi 3 juillet 2013 56 avenue de Wagram 75017 PARIS Conserver les Big Data, source de valeur pour demain Définir les Big Data Les Big Data à travers
Plus en détailtransformer en avantage compétitif en temps réel vos données Your business technologists. Powering progress
transformer en temps réel vos données en avantage compétitif Your business technologists. Powering progress Transformer les données en savoir Les données sont au cœur de toute activité, mais seules elles
Plus en détailLes enjeux du Big Data Innovation et opportunités de l'internet industriel. Datasio 2013
Les enjeux du Big Data Innovation et opportunités de l'internet industriel François Royer froyer@datasio.com Accompagnement des entreprises dans leurs stratégies quantitatives Valorisation de patrimoine
Plus en détailMégadonnées (Big data) et Complexité Session introductive
Mégadonnées (Big data) et Complexité Session introductive Emergence Club amical dédié aux Systèmes complexes Forum 80 membres / 140 séances de travail Panorama : I. Big data et Systèmes complexes II. Big
Plus en détailaccompagner 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 détailPourquoi intégrer le Big Data à son organisa3on?
Pourquoi intégrer le Big Data à son organisa3on? Yvan Robert, VP Affaires Stratégiques Emmanuel Faug, Resp. pra>que BI Colloque 2014 Big Data Agenda Qui sommes nous? L importance de l information Méthodes
Plus en détailBig 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 détailLe nouveau visage de la Dataviz dans MicroStrategy 10
Le nouveau visage de la Dataviz dans MicroStrategy 10 Pour la première fois, MicroStrategy 10 offre une plateforme analytique qui combine une expérience utilisateur facile et agréable, et des capacités
Plus en détailTRAVAUX DE RECHERCHE DANS LE
TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT
Plus en détailStratégie 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 détailBig Data et la santé
Big Data, c'est quoi? Big Data et la santé Collecte, stockage et exploitation de masses de données Capter de façon automatique et anonyme une très grande quantité d'informations, les traiter avec des algorithmes
Plus en détailTom Pertsekos. Sécurité applicative Web : gare aux fraudes et aux pirates!
Tom Pertsekos Sécurité applicative Web : gare aux fraudes et aux pirates! Sécurité Le mythe : «Notre site est sûr» Nous avons des Nous auditons nos Firewalls en place applications périodiquement par des
Plus en détailJournée Futur et Ruptures 2015
Journée Futur et Ruptures 2015 Vers des réseaux d énergie toujours plus intelligents 5 mars 2015 Contexte énergétique 2 Contexte énergétique France 34% de l énergie produite consommée par l industrie,
Plus en détailLES APPROCHES CONCRÈTES POUR LE DÉPLOIEMENT D INFRASTRUCTURES CLOUD AVEC HDS & VMWARE
LES APPROCHES CONCRÈTES POUR LE DÉPLOIEMENT D INFRASTRUCTURES CLOUD AVEC HDS & VMWARE Sylvain SIOU VMware Laurent DELAISSE Hitachi Data Systems 1 Hitachi Data Systems Corporation 2012. All Rights Reserved
Plus en détailEstimated SMB instances 1-499 PC (Physical and Virtual) 125,000 Total instances: SMB 1-24 PC. 392,000 Total instances: SMB 25-499 PC
35 zettabytes Geography: France 832,000 Estimated Windows Server 2003 instances (Physical and Virtual) 10% 3% 40% 47% 342,000 Physical instances 490,000 Virtual instances 1 sur 6 SQL Server 2005 refonte
Plus en détailNos 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 détailMonétisation 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 détailData 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients
Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients Frédérick Vautrain, Dir. Data Science - Viseo Laurent Lefranc, Resp. Data Science Analytics - Altares
Plus en détailFORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis
FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis Joseph Salmon Télécom ParisTech Jeudi 6 Février Joseph Salmon (Télécom ParisTech) Big Data Jeudi 6 Février 1 / 18 Agenda Contexte et opportunités
Plus en détailBig 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 détailDÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM
DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM Étude de cas technique QlikView : Big Data Juin 2012 qlikview.com Introduction La présente étude de cas technique QlikView se consacre au
Plus en détailBénéfices pour votre organisation : une solution pouvant supporter vos besoins d affaires
Pivotal CRM 6.0 Quelle que soit la tendance d évolution des marchés, faites de vos clients le moteur de votre réussite avec une meilleure maîtrise et une meilleure flexibilité et un coût de possession
Plus en détailPentaho Business Analytics Intégrer > Explorer > Prévoir
Pentaho Business Analytics Intégrer > Explorer > Prévoir Pentaho lie étroitement intégration de données et analytique. En effet, les services informatiques et les utilisateurs métiers peuvent accéder aux
Plus en détailEntreprise 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 détailBig Data On Line Analytics
Fdil Fadila Bentayeb Lb Laboratoire ERIC Lyon 2 Big Data On Line Analytics ASD 2014 Hammamet Tunisie 1 Sommaire Sommaire Informatique décisionnelle (BI Business Intelligence) Big Data Big Data analytics
Plus en détailEMC Forum 2014. EMC ViPR et ECS : présentation des services software-defined
EMC Forum 2014 EMC ViPR et ECS : présentation des services software-defined 1 2 3 4 5 Software is Eating the World Marc Andreessen co-fondateur de Netscape Les entreprises qui utilisent efficacement le
Plus en détailBigdata et Web sémantique. les données + l intelligence= la solution
Bigdata et Web sémantique les données + l intelligence= la solution 131214 1 big data et Web sémantique deux notions bien différentes et pourtant... (sable et silicium). «bigdata» ce n est pas que des
Plus en détailProduction et orchestration de services digitaux, un nouvel enjeu pour les DSI
Production et orchestration de services digitaux, un nouvel enjeu pour les DSI Jean-François Teissier jfteissier@prosodie.com 06.32.34.56.02 Espace Grande Arche Paris La Défense Agenda de notre atelier
Plus en détailFINI 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 détailBig Data, gros trafic et consommation
Big Data, gros trafic et consommation l optimisation à la rescousse des réseaux infonuagiques Brunilde Sansò Professeur titulaire et Federico Larumbe étudiant de Ph.D. Laboratoire de Réseaux à Large Bande
Plus en détailMe#re le Big Data sur la carte : défis et avenues rela6fs à l exploita6on de la localisa6on
Me#re le Big Data sur la carte : défis et avenues rela6fs à l exploita6on de la localisa6on Thierry Badard, PhD, ing. jr Centre de Recherche en Géoma6que Conférence ITIS - Big Data et Open Data au coeur
Plus en détailJean-François Boulicaut & Mohand-Saïd Hacid
e siècle! Jean-François Boulicaut & Mohand-Saïd Hacid http://liris.cnrs.fr/~jboulica http://liris.cnrs.fr/mohand-said.hacid Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205
Plus en détailOpen Data. Enjeux et perspectives dans les télécommunications
Open Data Enjeux et perspectives dans les télécommunications Orange Labs 28/09/2012 Patrick launay, Recherche & Développement, Orange Labs - Recherche & Développement Printemps de la Recherche EDF Open
Plus en détailRETOUR D EXPÉRIENCE SUR L INTERNET DES OBJETS
*Réussir la transformation. Ensemble. RETOUR D EXPÉRIENCE SUR L INTERNET DES OBJETS Mardi 7 juillet 2015 Delivering Transformation. Together. QUEL EST LE CONTEXTE IOT POUR LES GRANDS GROUPES? L Internet
Plus en détail1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3.
1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3. Vente et marketing... 7 3.3.1. Gestion de la relation Client
Plus en détailLes RH à l ère du Big Data: faites parler vos données! Mesurez et optimisez la performance de vos programmes RH 18 septembre 2013
Les RH à l ère du Big Data: faites parler vos données! Mesurez et optimisez la performance de vos programmes RH 18 septembre 2013 Qui nous sommes Firme québécoise (bureaux à Québec et Montréal) Spécialisée
Plus en détailBig Data: développement, rôle des ARS?? Laurent Tréluyer, ARS Ile de France Alain Livartowski Institut Curie Paris 01/12/2014
Big Data: développement, rôle des ARS?? Laurent Tréluyer, ARS Ile de France Alain Livartowski Institut Curie Paris 01/12/2014 1 Classiquement, le Big Data se définit autour des 3 V : Volume, Variété et
Plus en détailLe décisionnel plus que jamais au sommet de l agenda des DSI
Le décisionnel plus que jamais au sommet de l agenda des DSI 9 juin 2011 www.idc.com Cyril Meunier IDC France Research & Consulting Manager Copyright 2008 IDC. Reproduction is forbidden unless authorized.
Plus en détailQlikView sur Mobile : Au-delà du reporting
QlikView sur Mobile : Au-delà du reporting Un Livre Blanc QlikView Octobre 2011 qlikview.com Table des matières QlikView sur Mobile, la solution de Business Discovery 3 La Business Discovery mobile 3 La
Plus en détailL'infonuagique, les opportunités et les risques v.1
L'infonuagique, les opportunités et les risques v.1 Avril 2014 Présenté au PMI 2014 Tactika inc. www.tactika.com @tactika http://ca.linkedin.com/in/tactika 1 Contenu de la conférence 1. Les concepts 2.
Plus en détailOn site CRM ou SaaS : quel est le bon choix pour votre entreprise?
LIVRE BLANC On site CRM ou SaaS : quel est le bon choix pour votre entreprise? Une comparaison détaillée pour vous guiderau travers le processus de sélection d uneplateforme CRM. INTRODUCTION Un survol
Plus en détailInnovative 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 détailANGULAR JS AVEC GDE GOOGLE
ANGULAR JS AVEC GDE GOOGLE JUIN 2015 BRINGING THE HUMAN TOUCH TO TECHNOLOGY 2015 SERIAL QUI SUIS-JE? ESTELLE USER EXPERIENCE DESIGNER BUSINESS ANALYST BRINGING THE HUMAN TOUCH TO TECHNOLOGY SERIAL.CH 2
Plus en détailPour un citoyen mieux informé en transports
Pour un citoyen mieux informé en transports Congrès géospatial international 2012 Serge Kéna-Cohen: Vice Président, Géomatique et isociété, Fujitsu Françoys Labonté: CRIM 16 mai 2012 Petite histoire du
Plus en détail1 Actuate Corporation 2012. + de données. + d analyses. + d utilisateurs.
1 Actuate Corporation 2012 + de données. + d analyses. + d utilisateurs. Actuate et BIRT Actuate est l Editeur spécialiste de la Business Intelligence et le Reporting qui a créé le projet Open Source BIRT
Plus en détailX2BIRT : Mettez de l interactivité dans vos archives
Présentation Produit Présentation Produit X2BIRT : Mettez de l interactivité dans vos archives L accès à l information est capital pour les affaires. X2BIRT, la dernière innovation d Actuate, prend le
Plus en détailComment valoriser votre patrimoine de données?
BIG DATA POUR QUELS USAGES? Comment valoriser votre patrimoine de données? HIGH PERFORMANCE HIGH ANALYTICS PERFORMANCE ANALYTICS MOULOUD DEY SAS FRANCE 15/11/2012 L ENTREPRISE SAS EN QUELQUES CHIFFRES
Plus en détailTELUS Solutions d affaires
TELUS Solutions d affaires Tendances et innovations technologiques 2015 a Louis Bouchard Membre de l équipe TELUS 22 janvier 2015 1 Tendances et innovations Contexte 2 Tendances et innovations Table des
Plus en détailVision prospective et obstacles à surmonter pour les assureurs
smart solutions for smart leaders Le «Big Data» assurément Rédigé par Pascal STERN Architecte d Entreprise Vision prospective et obstacles à surmonter pour les assureurs Un avis rendu par la cour de justice
Plus en détailBIG 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 détailIT for Innovative Services (ITIS)
DÉpartement RDI IT for Innovative Services (ITIS) Le département «IT for Innovative Services» (ITIS) du LIST conçoit des services IT innovants dans une démarche d innovation ouverte intégrant l ensemble
Plus en détailStratégies gagnantes pour la fabrication industrielle : le cloud computing vu par les dirigeants Dossier à l attention des dirigeants
Stratégies gagnantes pour la fabrication industrielle : Dossier à l attention des dirigeants Centres d évaluation de la technologie inc. Stratégies gagnantes pour l industrie : Synthèse Jusqu ici, les
Plus en détailSéminaire Partenaires Esri France 7-8 juin 2011 - Paris Cloud Computing Stratégie Esri
Séminaire Partenaires Esri France 7-8 juin 2011 - Paris Cloud Computing Stratégie Esri Gaëtan LAVENU Plan de la présentation Evolution des architectures SIG Qu'est ce que le Cloud Computing? ArcGIS et
Plus en détailSÉRIE NOUVELLES ARCHITECTURES
SÉRIE NOUVELLES ARCHITECTURES Alerte au tsunami des données : les entreprises doivent prendre la vague maintenant! Quels sont les faits qui sous-tendent cette réalité? Quelles entreprises sont aujourd
Plus en détailWHITE PAPER Une revue de solution par Talend & Infosense
WHITE PAPER Une revue de solution par Talend & Infosense Master Data Management pour les données de référence dans le domaine de la santé Table des matières CAS D ETUDE : COLLABORATION SOCIALE ET ADMINISTRATION
Plus en détailTransformez vos données en opportunités. avec Microsoft Big Data
Transformez vos données en opportunités avec Microsoft Big Data 1 VOLUME Augmentation du volume de données tous les cinq ans Vélocité x10 4,3 Nombre d appareils connectés par adulte VARIÉTÉ 85% Part des
Plus en détailLa Business Intelligence pour les Institutions Financières. Jean-Michel JURBERT Resp Marketing Produit
La Business Intelligence pour les Institutions Financières Jean-Michel JURBERT Resp Marketing Produit Agenda Enjeux des Projets Financiers Valeur de Business Objects Références Clients Slide 2 Des Projets
Plus en détailBIGDATA AN 3 : UNE NOUVELLE ERE DE B.I.
BIGDATA AN 3 : UNE NOUVELLE ERE DE B.I. QUELLES PERSPECTIVES POUR LES 20 PROCHAINES ANNEES? 22 MARS 2013 CHARLES PARAT, DIR. INNOVATION adoption L ADOPTION DES EVOLUTIONS B.I. EST LENTE BIGDATA BUZZ MAINFRAME
Plus en détailL entreprise prête pour l informatique en nuage Élaborer un plan et relever les principaux défis
ÉTUDE TECHNIQUE L entreprise prête pour l informatique en nuage Élaborer un plan et relever les principaux défis Pour une entreprise, l informatique en nuage constitue une occasion majeure d améliorer
Plus en détailQlikView 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 détailMettre le nuage au service de votre organisation. Guide de l acheteur de solutions en nuage.
Mettre le nuage au service de votre organisation. Guide de l acheteur de solutions en nuage. Comment ce guide peut vous être utile? Si vous songez à intégrer le nuage à votre entreprise sans savoir par
Plus en détailLes données massives de Copernicus : vers un nouveau paradigme. Hervé Jeanjean Cnes
Les données massives de Copernicus : vers un nouveau paradigme Hervé Jeanjean Cnes 1 Règlement Copernicus du 03/04/2014 : cadre politique, organisationnel et financier Règlement délégué du 12/07/2013 sur
Plus en détailFormation 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 détailBusiness Analytics pour le Big Data
IBM Software Business Analytics Big Data Business Analytics pour le Big Data Libérer la valeur pour générer la performance 2 Business Analytics pour le Big Data Sommaire 2 Introduction 3 Extraction d éclairages
Plus en détailDirections Marketing : réussir vos challenges stratégiques et opérationnels d aujourd hui
Directions Marketing : réussir vos challenges stratégiques et opérationnels d aujourd hui Transformation et maturité digitale de l entreprise : quelles avancées? Quels leviers pour gagner en performance?
Plus en détailIntroduction 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 détailComment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain?
DOSSIER SOLUTION Solution CA Virtual Placement and Balancing Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain? agility made possible La solution automatisée
Plus en détailQUI SOMMES NOUS? Notre équipe se tient à votre disposition pour vous apporter de plus amples informations et vous conseiller.
QUI SOMMES NOUS? La CCI Tarbes et Hautes-Pyrénées propose une offre variée de formations s adressant à la fois aux jeunes à la recherche d un métier et aux salariés / Chefs d entreprise en recherche de
Plus en détailIntroduction Que s est-il passé en 2014? Qu attendre de 2015?
Les grandes tendances Data & Analytics 2015 L épreuve de la réalité janvier 2015 Introduction Que s est-il passé en 2014? Qu attendre de 2015? 2014 a confirmé l intérêt croissant pour la donnée au sein
Plus en détailFOURNIR DES SERVICES NUMÉRIQUES DANS LE SECTEUR PUBLIC
FOURNIR DES SERVICES NUMÉRIQUES DANS LE SECTEUR PUBLIC SYNTHÈSE La mise à disposition de «l e-administration» prend de l ampleur. Dans le même temps, il existe une volonté parmi les organismes du secteur
Plus en détailL infonuagique démystifiée LE CLOUD REVIENT SUR TERRE. Par Félix Martineau, M. Sc.
L infonuagique démystifiée LE CLOUD REVIENT SUR TERRE Par Félix Martineau, M. Sc. Bonjour! Félix Martineau Directeur, Pratique Atlassian, R3D Conseil Objectif Définir clairement ce qu est l infonuagique
Plus en détailGrandes tendances et leurs impacts sur l acquisition de produits et services TI.
Grandes tendances et leurs impacts sur l acquisition de produits et services TI. François Banville Partenaire exécutif chez Gartner Gartner is a registered trademark of Gartner, Inc. or its affiliates.
Plus en détailHADOOP 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 détailBI dans les nuages. Olivier Bendavid, UM2 Prof. A. April, ÉTS
BI dans les nuages Olivier Bendavid, UM2 Prof. A. April, ÉTS Table des matières Introduction Description du problème Les solutions Le projet Conclusions Questions? Introduction Quelles sont les défis actuels
Plus en détailRegard sur hybridation et infogérance de production
Regard sur hybridation et infogérance de production Février 2014 édito «comment transformer l hybridation des infrastructures en levier de performances?» Les solutions d infrastructure connaissent depuis
Plus en détailPRÉSENTATION PRODUIT. Plus qu un logiciel, la méthode plus efficace de réconcilier.
PRÉSENTATION PRODUIT Plus qu un logiciel, la méthode plus efficace de réconcilier. Automatiser les réconciliations permet d optimiser l utilisation des ressources et de générer plus de rentabilité dans
Plus en détailL Information : Un des facteurs sinon le facteur clé de différenciation des entreprises et des organisations
L Information : Un des facteurs sinon le facteur clé de différenciation des entreprises et des organisations Marc Yvon 1 Agenda Le Challenge de l Information dans une Smarter Planet Les challenges métier
Plus en détailLa démarche d innovation streching vs la démarche d innovation de rupture
La démarche d innovation streching vs la démarche d innovation de rupture Présentation des key learnings CONSEIL EN INNOVATION Etude qualitative de benchmarking sur les démarches d innovation de 15 grandes
Plus en détail