Big Data & HR. Winter Dans quelle mesure le Big Data pourrait op2miser la prise de décision RH. Lynda ATIF 18/06/2015
|
|
- Georges Guérin
- il y a 8 ans
- Total affichages :
Transcription
1 Big Data & HR Winter 2015 Dans quelle mesure le Big Data pourrait op2miser la prise de décision RH Lynda ATIF 18/06/2015
2 AGENDA Etat de l art Big Data : Vision IT Vs Socio-Eco Problématique RH Exemple use case : Google & multiposting Contexte : Talentsoft Etude de faisabilité L existant analytics : du small au Big Data Analytics Conclusion 2
3 Introduc/on Philosophie du jour (Brooks, 2013) The next frontier (Manyika et al. 2011) A revolution (Mayer-Schonberger and Cukier, 2013) A seismic shift (Gitelman and Jackson, 2013) The new oil of the 21 st century (Helbring, 2014) etc. 3
4 Le Big Data c est Les définitions techniques data that exceeds the processing capacity of conventional database systems. (Edd Dumbill, 2012) high-volume, high-velocity and high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making. (Gartner, 2001) Peter Mell similarly constrains big data to [w]here the data volume, acquisition velocity, or data representation limits the ability to perform effective analysis using traditional relational approaches or requires the use of significant horizontal scaling for efficient processing. (Konkel,2013) sont souvent limitées 4
5 Le Big Data c est Socialement big data as referring to things one can do at a large scale that cannot be done at a smaller one, to extract new insights or create new forms of value, in ways that change markets, organizations, the relationship between citizens and governments, and more. (Mayer-Schönberger V., Cukier K, 2013) «We must remember that all data- big or small are socially constructed» (Browker GC, Starr SL. 1999) «whether it is "big" or 'smart" data, the use of large-scale data predict human behavior is gaining currency in business and government policy practice, as well as in scientific domains where the physical and social sciences converge. (Recently referred to as "social physcis de pentland) (Haas&Pentland, 2014) Raw Data is an oxymoron. We need to know where data come from, and the methods used to collect, analyse and categorize them. (Gitelman L., 2013)...L impact est plus fort
6 Big Data IT Eco-socio Problématique Ancienne (technique) Nouvelle (l impact) Terminologie Ensemble de techniques et technologies Concept regroupant : données, méthodes et outils Caractéristiques des données Volume Variété Vélocité X X Traitement avec des techniques de corrélation X X Finalité La prédiction X X Objectif La création de valeur X X Processus décisionnel Automatisation des décisions Aide à la décision L accès aux données X X La véracité X X Les limites La variabilité La question de l éthique La subjectivité X X X Epistémologie Approche positiviste Approche constructiviste Gartner, 2001 IDC, 2007 Hilbert M., Lopez P., 2011 Hopkins & Evelson, 2011 Manovich, 2011 Manyika & al., 2011 Dumbill,2012 Boyd D., Crawford K., 2012 Ouellet M. et al., 2013 Davenport & al., 2009 Bollen & al, 2010 Koutroumpis, P., & Leiponen, A Mayer-Schönberger V., Cukier K, 2013 Malle JP., 2013 Gitelman L., 2013 Pentland A., 2014 Pope C. and al., 2014
7 Probléma/que Big data est un concept qui fait référence à des oujls, processus et procédures qui permenent la collecte et le traitement en temps réel d une grande quanjté de données hétérogène dans le but d en Jrer une analyse prédic0ve Dans quel mesure ce concept trouve son ujlité au sein de la DRh? A quel processus cela s applique t- il?
8 Exemple d applica/on: processus de recrutement Google ObjecJf PermeNre aux recruteurs Google de valider ou au contraire d ajuster leurs critères de recrutement et donc prédire la performance des candidats AcJon analyse de corrélajon des données RH de leurs collaborateurs: revue de performance, données des enquêtes internes, données externes etc. Résultat Pas de corrélajon entre les résultats scolaires et la performance de ses collaborateurs, Google à donc cesser d ujliser la réussite scolaire comme un critère prépondérant dans le choix d un recrutement.
9 Exemple d applica/on: canaux de recrutement de Mul/pos/ng Nombre d offres diffusées Small Data Big Data Attractivité de la marque employeur ObjecJf AcJon Résultat l attractivité de mes offres d emploi sur les différents canaux par rapport au marché analyse de corrélation des données correspondant au nombre de clics par annonce, nombre de type de support de diffusion, données publiques, données internes L indice d attractivité : qui mentionne l attractivité des offres d emploi d une entreprise X par rapport à son secteur dans différents Job boards
10 AGENDA Etat de l art Big Data : Vision IT Vs Socio-éco Problématique RH Exemple use case : multiposting and co Contexte : cas entreprise Talentsoft Etude de faisabilité (étapes gestion projet, étapes analytics) L existant analytics : du small data (chantier BI) au big data conclusion 10
11 Cas entreprise : TalentsoF Editeur informaeque proposant une solueon 100% Cloud pour la geseon des ressources humaines 700 Clients en tout d uelisateurs 100 pays
12 Etude de faisabilité : les étapes du projet Recensement des cas d usage à priori perjnents (quesjons méjers à forte valeur ajoutée) IdenJficaJon et qualificajon des sources de données adéquates (internes/ externes, structurées/ non structurées) DéfiniJon des modèles et techniques d analyse adaptés (data mining, algorithmie, machine learning, IA) SélecJon des technologies à menre en œuvre (capture, stockage, traitement, visualisajon) Analyse, visualisajon et interprétajon des résultats
13 Etude de faisabilité : les cas d usages Données externes IdenJfier les talents externes via le web IdenJfier les critères de recrutement les plus perjnents anjciper les besoins en formajon Données internes Données structurées Données non structurées IdenJfier en temps réel les meilleurs canaux de recrutement IdenJfier les caractérisjques des équipes performantes anjciper les besoins en recrutement Thème: recrutement Thème: talents & performance Améliorer les relajons sociales par l analyse des senjments des collaborateurs Prédire les départs des collaborateurs Prédire les évènements contribuant à la performance des collaborateurs Thème: turn over Thème: formajon Climat social
14 Etude de faisabilité Recensement des cas d usage à priori pertinents (questions métiers à forte valeur ajoutée) Les besoins - sourcing de candidats potentiels sur le web Cible potentielle Le RH dans son activité de pré- sélection et pré- analyse de candidats Les besoins prévoir les évolutions des métiers de l'entreprise et les compétences nécessaires et disponibles Cible potentielle La direction stratégique des ressources humaines / universités Données sources - Données SIRH qui font partie du pro>il et des parcours des employés - Données SIRH d'évaluation EIA des employés - Réseaux externes: Linkedin, viadeo, twitter, etc. Objectif Effectuer un recrutement plus ef>icace et plus pertinent Fréquence d'analyse Ponctuelle/ à la demande Granularité d'analyse/ de résultat Individuel Données sources - Données internes sur la GPEC des entreprises clientes à Talentsoft - OPEN DATA Objectif Anticiper le marché de l offre et la demande des emplois et compétences Fréquence d'analyse Récurrente/périodique Granularité d'analyse/ de résultat Collectif Fiche fonctionnelle «sourcing» Fiche fonctionnelle «gestion prédictive des emplois et compétences»
15 L objec/f de TalentsoF (du Small au Big data Analy/cs) HR Analytics 2016 Reporting
16 Conclusion Force - Développement d oujls analyjques performants au service des méjers - Développement de nouveaux business modèles Faiblesse - Qualité/non disponibilité des données - Conduite du changement - Pénurie de compétences pour gérer ces nouvelles technologies SWOT Opportunité - Moteur d innovajon - Comprendre la dynamique de certains domaines en temps réel et prédire des évènements futurs* Menace - Cadre réglementaire non défini - Sécurité de l informajon * David Bollier, 2010
17 Merci pour votre ANen/on
Big 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 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 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 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 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 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 -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 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 détailPhilippe Lemerle Big Data Secteur public. Copyright 2015, Oracle and/or its affiliates. All rights reserved.
Philippe Lemerle Big Data Secteur public 1 Le Monde se crée une copie numérique de lui même (*) (*) The world is making a digital copy of itself Paul Sonderegger, Oracle Approche réductioniste propriétés
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 détailBIG Data et R: opportunités et perspectives
BIG Data et R: opportunités et perspectives Guati Rizlane 1 & Hicham Hajji 2 1 Ecole Nationale de Commerce et de Gestion de Casablanca, Maroc, rguati@gmail.com 2 Ecole des Sciences Géomatiques, IAV Rabat,
Plus en détailsetting the scene: 11dec 14 perspectives on global data and computing e-infrastructure challenges mark asch MENESR/DGRI/SSRI - France
setting the scene: perspectives on global data and computing e-infrastructure challenges 11dec 14 mark asch MENESR/DGRI/SSRI - France 1 questions The volume, variety and complexity of research data require
Plus en détailBienvenue au. Mardi 2 juillet 2013. www.talentsoft.com ÉVALUER IDENTIFIER DÉVELOPPER PLANIFIER
Bienvenue au Mardi 2 juillet 2013 ÉVALUER IDENTIFIER DÉVELOPPER PLANIFIER www.talentsoft.com Parmi les clients présents au Agenda mardi 2 juillet 2013 TalentSoft et dernières avancées de la solution Jean-Stéphane
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: 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 détailRessources Humaines Enjeux et Stratégie dans un contexte international
Ressources Humaines Enjeux et Stratégie dans un contexte international 1 LES ENJEUX DE LA FONCTION R.H. Environnement : La mondialisation L accélération des changements L incontournable performance Le
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 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 détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
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 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 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 détailIPSAS 32 «Service concession arrangements» (SCA) Marie-Pierre Cordier Baudouin Griton, IPSAS Board
IPSAS 32 «Service concession arrangements» (SCA) Marie-Pierre Cordier Baudouin Griton, IPSAS Board 1 L élaboration de la norme IPSAS 32 Objectif : traitement comptable des «service concession arrangements»
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 détailSCC / QUANTUM Kickoff 2015 Data Protection Best Practices
SCC / QUANTUM Kickoff 2015 Data Protection Best Practices Stéphane Estevez QUANTUM Senior Product Marketing Manager EMEA Luc Vandergooten SCC Responsable Technique Data Protection Vers de nouveaux horizons
Plus en détailLibérer le pouvoir des médias sociaux Passer du Like au Love
Libérer le pouvoir des médias sociaux Passer du Like au Love Pascal Hary Customer experience & Social Sales Development Director 1 Copyright 2013, Oracle and/or its affiliates. All rights reserved. pascal.hary@oracle.com
Plus en détailLogiciels RH. Les organisations fortes sont portées par des collaborateurs forts
Logiciels RH Les organisations fortes sont portées par des collaborateurs forts Collaborateurs du futur Le monde d aujourd hui est en évolution constante. Le marché du travail réclame manoeuvrabilité et
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 détailLes Rencontres TIC de La Mêlée Numérique. Big Data & Cloud Computing : les nouveaux enjeux
Les Rencontres TIC de La Mêlée Numérique Big Data & Cloud Computing : les nouveaux enjeux Agenda 2013 : quel contexte pour les entreprises? IDC Visit us at IDC.com and follow us on Twitter: @IDC 2 Quel
Plus en détailez Publish Cloud Edition Présentation
ez Publish Cloud Edition Présentation Pourquoi le Cloud? Le marché 13/07/12 Slide 3 Les attentes sont fortes 13/07/12 Slide 4 les defis à relever sont tout aussi importants! 13/07/12 Slide 5 L internet
Plus en détailDévelopper sa stratégie sur les médias sociaux
Your network is more powerful than you think Développer sa stratégie sur les médias sociaux Nicholas Vieuxloup Mai 2010 VOUS LES Panorama CONNAISSEZ des médias sociaux TOUS? Les Médias Sociaux en chiffres
Plus en détailLes entreprises de 2020 seront dirigées par les Data Scientists
Laura Roguet, Meryem Ben Mouaz ESCP Europe 24 ans Les entreprises de 2020 seront dirigées par les Data Scientists I «Sexiest job of the century», «Les nouvelles rock stars de l'it», l engouement récent
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailGT Big Data. Saison 2014-2015. Bruno Prévost (Safran), Marc Demerlé (GDF SUEZ) CRiP Thématique Mise en œuvre du Big Data 16/12/14
GT Big Data Saison 2014-2015 Bruno Prévost (Safran), Marc Demerlé (GDF SUEZ) Sommaire GT Big Data : roadmap 2014-15 Revue de presse Business Education / Promotion Emploi Sécurité / Compliance Cuisine:
Plus en détail«Les enjeux du SIRH pour les trois années à venir» Le mercredi 14 mars 2012 19h Musée de la poste
«Les enjeux du SIRH pour les trois années à venir» Le mercredi 14 mars 2012 19h Musée de la poste Programme Conférence animée par Carole Blancot - Directrice Conseil - SpotPink 19h15 19h30 : Présentation
Plus en détailSAN07 IBM Social Media Analytics:
SAN07 IBM Social Media Analytics: Vos clients partagent leurs connaissances Déployez une stratégie gagnante! Eric Martin Social Media Analytics Leader Europe IBM SWG, Business Analytics @Eric_SMA 1 Le
Plus en détailPlan. Quelles sont les conditions à remplir pour une approche ebusiness? Définition. Les domaines pouvant être touchés par l ebusiness
Plan Quelles sont les conditions à remplir pour une approche ebusiness? SPI+ 1 Définition Objectifs de Quelques prévisions : 1. L orientation stratégique 2. L orientation client 3. Renforcer l efficacité
Plus en détailHow to Login to Career Page
How to Login to Career Page BASF Canada July 2013 To view this instruction manual in French, please scroll down to page 16 1 Job Postings How to Login/Create your Profile/Sign Up for Job Posting Notifications
Plus en détailDEMARRER UN PROJET BIGDATA EN QUELQUES MINUTES GRACE AU CLOUD
DEMARRER UN PROJET BIGDATA EN QUELQUES MINUTES GRACE AU CLOUD BIGDATA PARIS LE 1/4/2014 VINCENT HEUSCHLING @VHE74! 1 NOUS 100% Bigdata Infrastructure IT + Data Trouver vos opportunités Implémenter les
Plus en détailSEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL
SEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL AGENDA 14:15-14:30 Bienvenue & Introduction Jérôme Berthier et Manuel Fucinos 14:30-14:45 Le concept de la Data Viz et
Plus en détailTHE SUBJUNCTIVE MOOD. Twenty-nineth lesson Vingt-neuvième leçon
THE SUBJUNCTIVE MOOD Twenty-nineth lesson Vingt-neuvième leçon SOMMAIRE 1) Definition 2) Uses 2.1) Common expressions of doubt 2.2) Common expressions of necessity 2.3) Common expressions of desirability
Plus en détailL e-recrutement Réseaux Sociaux et Jobboards. Thierry DUFOUR Conférence ANDRH Présentation du 17 Novembre 2011
L e-recrutement Réseaux Sociaux et Jobboards Thierry DUFOUR Conférence ANDRH Présentation du 17 Novembre 2011 Déroulement de la présentation Etat des lieux du marché des Job boards et Médias Sociaux Les
Plus en détailGLOBAL SAAS HR SOLUTION INTÉGRÉE DE GESTION DES TALENTS
GLOBAL SAAS HR SOLUTION INTÉGRÉE DE GESTION DES TALENTS GLOBALISATION ET TRANSFORMATION RH UNE RÉPONSE FACE À L EXIGENCE DE PERFORMANCE ET DE COMPÉTITIVITÉ La globalisation des entreprises, accélérée par
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 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 détailINSTITUT MARITIME DE PREVENTION. For improvement in health and security at work. Created in 1992 Under the aegis of State and the ENIM
INSTITUT MARITIME DE PREVENTION For improvement in health and security at work Created in 1992 Under the aegis of State and the ENIM Maritime fishing Shellfish-farming Sea transport 2005 Le pilier social
Plus en détailWe Generate. You Lead.
www.contact-2-lead.com We Generate. You Lead. PROMOTE CONTACT 2 LEAD 1, Place de la Libération, 73000 Chambéry, France. 17/F i3 Building Asiatown, IT Park, Apas, Cebu City 6000, Philippines. HOW WE CAN
Plus en détailQuick Start Guide This guide is intended to get you started with Rational ClearCase or Rational ClearCase MultiSite.
Rational ClearCase or ClearCase MultiSite Version 7.0.1 Quick Start Guide This guide is intended to get you started with Rational ClearCase or Rational ClearCase MultiSite. Product Overview IBM Rational
Plus en détailPréconisations pour une gouvernance efficace de la Manche. Pathways for effective governance of the English Channel
Préconisations pour une gouvernance efficace de la Manche Pathways for effective governance of the English Channel Prochaines étapes vers une gouvernance efficace de la Manche Next steps for effective
Plus en 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 détailLADIES IN MOBILITY. LIVE TWEET Innovative City
LIVE TWEET Innovative City 1. LadiesinMobility @LadiesMobility19 Juin In Smart Cities, we should create a collaborative model #smartcity #icc2013 2. LadiesinMobility @LadiesMobility19 Juin Cities like
Plus en détailD Expert en Finance et Investissements
MODULES FINAL D Expert en Finance et Investissements Copyright 2014, AZEK AZEK, Feldstrasse 80, 8180 Bülach, T +41 44 872 35 35, F +41 44 872 35 32, info@azek.ch, www.azek.ch Table des matières 1. Modules
Plus en détailHervé Couturier EVP, SAP Technology Development
Hervé Couturier EVP, SAP Technology Development Hervé Biausser Directeur de l Ecole Centrale Paris Bernard Liautaud Fondateur de Business Objects Questions à: Hervé Couturier Hervé Biausser Bernard Liautaud
Plus en détailBig Data & Analytics Leviers de transformation Métier. Retours d expérience. Laurence CHRETIEN Valérie PERHIRIN Mars 2015
Leviers de transformation Métier Retours d expérience Laurence CHRETIEN Valérie PERHIRIN Mars 2015 BIG DATA & ANALYTICS, UN VRAI LEVIER DE TRANSFORMATION BUSINESS? RETOURS D EXPERIENCE CAPGEMINI Valérie
Plus en détailForthcoming Database
DISS.ETH NO. 15802 Forthcoming Database A Framework Approach for Data Visualization Applications A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of
Plus en détailComprendre l impact de l utilisation des réseaux sociaux en entreprise SYNTHESE DES RESULTATS : EUROPE ET FRANCE
Comprendre l impact de l utilisation des réseaux sociaux en entreprise SYNTHESE DES RESULTATS : EUROPE ET FRANCE 1 Objectifs de l étude Comprendre l impact des réseaux sociaux externes ( Facebook, LinkedIn,
Plus en détailBig Data in Social Sciences. Tyler Vigen - 2014
Tyler Vigen - 2014 Boris Beaude - Chôros, École Polytechnique Fédérale de Lausanne EDAR - Une introduction à la recherche - EPFL - 17 mars 2014 Boris Beaude - Chôros, École Polytechnique Fédérale de Lausanne
Plus en détailContexte et Objectifs
Contexte et Objectifs Véritable phénomène de société, les réseaux sociaux prennent une place de plus en plus importante dans la vie personnelle des français. Face à l engouement suscité par ce type de
Plus en détailLe MDM (Master Data Management) Pierre angulaire d'une bonne stratégie de management de l'information
Darren Cooper Information Management Consultant, IBM Software Group 1st December, 2011 Le MDM (Master Data Management) Pierre angulaire d'une bonne stratégie de management de l'information Information
Plus en 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 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 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 détailLe BigData, aussi par et pour les PMEs
Parole d expert Le BigData, aussi par et pour les PMEs Stéphane MOUTON, CETIC Département Software and Services Technologies Avec le soutien de : LIEGE CREATIVE Le Big Data, aussi par et pour les PMEs
Plus en détailCopyright 2014, Oracle and/or its affiliates. All rights reserved.
1 Safe Harbor Statement The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment
Plus en détailInnovation@Atos. Jeudi 20 Novembre. Apports de la transformation digitale par des innovations technologiques
Innovation@Atos Jeudi 20 Novembre Apports de la transformation digitale par des innovations technologiques 1 Atos@Sophia Antipolis Daniel SELAM Responsable de site ~300 Business Technologist 30% sur site
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 détailLe Product Backlog, qu est ce c est?
Le Product Backlog, qu est ce c est? Ludovic Larché Agile Tour 2012 à Rennes le 4 octobre 2012 Sommaire > Rappels théoriques : qu est ce qu un Product Backlog? > Le Product Backlog n est pas seul! > Techniques
Plus en détailExtension fonctionnelle d un CRM. CRM étendu >> Conférence-débat 15 April 2015. Club Management des Systèmes d Information de l'iae de Paris Alumni
Extension fonctionnelle d un CRM Conférence-débat 15 April 2015 Club Management des Systèmes d Information de l'iae de Paris Alumni CRM étendu >> Programme // CRM étendu Vision 360 et Plateforme Cloud
Plus en détailL ESPACE À TRAVERS LE REGARD DES FEMMES. European Economic and Social Committee Comité économique et social européen
L ESPACE À TRAVERS LE REGARD DES FEMMES 13 European Economic and Social Committee Comité économique et social européen 13 This publication is part of a series of catalogues published in the context of
Plus en détailAnticiper et prédire les sinistres avec une approche Big Data
Anticiper et prédire les sinistres avec une approche Big Data Julien Cabot Directeur Big Data Analytics OCTO jcabot@octo.com @julien_cabot OCTO 2013 50, avenue des Champs-Elysées 75008 Paris - FRANCE Tél
Plus en détailIntroduction à MapReduce/Hadoop et Spark
1 / 36 Introduction à MapReduce/Hadoop et Spark Certificat Big Data Ludovic Denoyer et Sylvain Lamprier UPMC Plan 2 / 36 Contexte 3 / 36 Contexte 4 / 36 Data driven science: le 4e paradigme (Jim Gray -
Plus en détaile need L un des premiers intégrateurs opérateurs Cloud Computing indépendants en France
e need L un des premiers intégrateurs opérateurs Cloud Computing indépendants en France Sommaire Cloud Computing Retours sur quelques notions Quelques chiffres Offre e need e need Services e need Store
Plus en détailRISK-BASED TRANSPORTATION PLANNING PRACTICE: OVERALL METIIODOLOGY AND A CASE EXAMPLE"' RESUME
RISK-BASED TRANSPORTATION PLANNING PRACTICE: OVERALL METIIODOLOGY AND A CASE EXAMPLE"' ERTUGRULALP BOVAR-CONCORD Etwiromnental, 2 Tippet Rd. Downsviel+) ON M3H 2V2 ABSTRACT We are faced with various types
Plus en détailLa gestion des mots de passe pour les comptes à privilèges élevés
La gestion des mots de passe pour les comptes à privilèges élevés Bernard Levasseur, ing. CISSP Spécialiste en solutions de sécurité Séminaire Bell sur les solutions de sécurité Le 12 novembre 2009 Page
Plus en détailScénarios économiques en assurance
Motivation et plan du cours Galea & Associés ISFA - Université Lyon 1 ptherond@galea-associes.eu pierre@therond.fr 18 octobre 2013 Motivation Les nouveaux référentiels prudentiel et d'information nancière
Plus en détailCopyright 2013, Oracle and/or its affiliates. All rights reserved.
1 Moderniser votre back office Finance Oracle Finance Cloud Guy Aguera, Deloitte Partner Valérie Vinges, Oracle Sales Consultant 2 Safe Harbor Statement The following is intended to outline our general
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 détailEléments de statistique
Eléments de statistique L. Wehenkel Cours du 9/12/2014 Méthodes multivariées; applications & recherche Quelques méthodes d analyse multivariée NB: illustration sur base de la BD résultats de probas en
Plus en détailSUPPLY CHAIN MANAGER. Intervenant : Christophe FERRIGNO. Directeur / Fondateur du Portail www.supply-chain.fr
SUPPLY CHAIN MANAGER Intervenant : Christophe FERRIGNO Directeur / Fondateur du Portail www.supply-chain.fr Comment sont ils recrutés? Que recherchent les entreprises? Compétence / Personnalité -Comportemental
Plus en détailGestion des autorisations / habilitations dans le SI:
Autorisations RBAC (Role Based Access Control) Séparation des pouvoirs (SoD) Annuaire central de sécurité Gestion des autorisations / habilitations dans le SI: S'appuyer sur la modélisation fonctionnelle
Plus en détailWe make your. Data Smart. Data Smart
We make your We make your Data Smart Data Smart Une société Une société du du groupe Le groupe NP6 SPECIALISTE LEADER SECTEURS EFFECTIFS SaaS Marketing : 50% Data intelligence : 50% 15 sociétés du CAC
Plus en détailLa révolution des Métiers Nouveaux métiers, nouvelles compétences: quels enjeux pour l entreprise. Février 2015
La révolution des Métiers Nouveaux métiers, nouvelles compétences: quels enjeux pour l entreprise Février 2015 Agenda No Section 1 Introduction 2 L entreprise face aux mutations du travail 3 Les métiers
Plus en détailServices à la recherche: Data Management et HPC *
Services à la recherche: Data Management et HPC * Pierre-Yves Burgi et Jean-François Rossignol Division informatique (DINF) * HPC = High-Performance Computing Réunion CIF Sciences du 6.12.11 1/19 Contenu
Plus en détailLes Ressources Humaines à l heure du Big Data : progrès, perspectives et limites CORNERSTONE WHITEPAPER
Les Ressources Humaines à l heure du Big Data : progrès, perspectives et limites CORNERSTONE WHITEPAPER INTRODUCTION L avènement du Big Data et du Cloud Computing laisse entrevoir un monde de plus en plus
Plus en détailLe Recrutement 2.0-31 Octobre 2012 -
COMPTE RENDU 3ème Petit-déjeuner thématique d Abaka Conseil Le Recrutement 2.0-31 Octobre 2012 - INTERVENANTS Marie-Laure COLLET Abaka Conseil Laurent BROUAT Link Humans INTRODUCTION Les réseaux inventent
Plus en détailRESSOURCES HUMAINES. Yourcegid Ressources Humaines, des solutions pour les entreprises qui s investissent dans leur capital humain.
Yourcegid Ressources Humaines, des solutions pour les entreprises qui s investissent dans leur capital humain. Solutions de gestion RESSOURCES HUMAINES Parce que votre entreprise est unique, parce que
Plus en détail@Moovijob #tonfuturjob. Gilles Risser, CEO et Fondateur de Moovijob Sarah Nowacki, Campus Manager de Moovijob
Gilles Risser, CEO et Fondateur de Moovijob Sarah Nowacki, Campus Manager de Moovijob Moovijob 2 jobboards multisecteurs de CAP à Doctorat Organisateur d événements de recrutement Moovijob Tour Salons
Plus en détailStratégie IT : au cœur des enjeux de l entreprise
Stratégie IT : au cœur des enjeux de l entreprise Business Continuity Convention Tunis 27 Novembre 2012 Sommaire Sections 1 Ernst & Young : Qui sommes-nous? 2 Stratégie IT : au cœur des enjeux de l entreprise
Plus en détailHSCS 6.4 : mieux appréhender la gestion du stockage en environnement VMware et service de fichiers HNAS Laurent Bartoletti Product Marketing Manager
HSCS 6.4 : mieux appréhender la gestion du stockage en environnement VMware et service de fichiers HNAS Laurent Bartoletti Product Marketing Manager Hitachi Storage Command Suite Portfolio SAN Assets &
Plus en détailLes «Clés du cloud computing»
Les «Clés du cloud computing» Quels sont les enjeux pour les professionnels de l informatique? Toulouse 23 Novembre 2011 Laurent HERCE - 01 71 16 19 60 Page 2 INTERVENANT Laurent HERCE lherce@marketor.fr
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailLe passé composé. C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past!
> Le passé composé le passé composé C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past! «Je suis vieux maintenant, et ma femme est vieille aussi. Nous n'avons pas eu d'enfants.
Plus en détailDigital Lëtzebuerg Conférence de presse du 20 octobre 2014
Digital Lëtzebuerg Conférence de presse du 20 octobre 2014 Initiative «Digital Lëtzebuerg» Pour la définition, l élaboration et la mise en œuvre d une stratégie numérique globale pour le Luxembourg 1.
Plus en détailCOMPUTING. Jeudi 23 juin 2011 1 CLOUD COMPUTING I PRESENTATION
C L O U D COMPUTING Jeudi 23 juin 2011 1 2 Une nouvelle révolution de l IT 2010+ Cloud Computing 2000s Service Oriented Archi. 1990s Network Computing 1980s Personal Computing 1970s Mainframe Computing
Plus en détailL Art d être Numérique. Thierry Pierre Directeur Business Development SAP France
L Art d être Numérique Thierry Pierre Directeur Business Development SAP France La Transformation Numérique «Plus largement, l impact potentiel des technologies numériques disruptives (cloud, impression
Plus en détailSécurité de bout en bout Une solution complète pour protéger les données et prévenir les risques
Sécurité de bout en bout Une solution complète pour protéger les données et prévenir les risques Michel Mariet, Oracle The following is intended to outline our general product direction. It is intended
Plus en détailTROIS ASPECTS DE LA COMPARAISON ALLEMAGNE-FRANCE SUR L ELECTRICITE
TROIS ASPECTS DE LA COMPARAISON ALLEMAGNE-FRANCE SUR L ELECTRICITE B. Laponche 2 juin 2014 Voir en annexe la présentation de la politique énergétique allemande * 1. Sur la consommation d électricité des
Plus en détailLe Recrutement. Nicolas Spindelböck
Le Recrutement Nicolas Spindelböck Bon Jour! Agenda 1.Processus de recrutement Standard 1.0 2.0 2.Questions / réponses Processus de recrutement «standard» Décision et proposition contractuelle Engagement
Plus en détailCloud Computing: de la technologie à l usage final. Patrick CRASSON Oracle Thomas RULMONT WDC/CloudSphere Thibault van der Auwermeulen Expopolis
Cloud Computing: de la technologie à l usage final Patrick CRASSON Oracle Thomas RULMONT WDC/CloudSphere Thibault van der Auwermeulen Expopolis ADOPTION DU CLOUD COMPUTING Craintes, moteurs, attentes et
Plus en détail