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. Les incompréhensions typiques des Big data. Une définition des Big data. Monétiser des données. Les 5 sources de revenus. Organiser la monétisation des données. La gouvernance des Big data. 2
Mythes sur les Big data (I) Mythe n 1: Big data = Hadoop Les Big data sont plus qu une technologie. La technologie de Hadoop est complémentée par NoSQL et des bases de données analytiques MPP. Mythe n 2: Big data = en mémoire Les technologies des Big data profitent d une combinaison de mathématique et de technologies logicielles et hardware. Mythe n 3: Big data = analyses statiques Les Big Data comprennent l analyse des flux de données, donc analyses en temps réel. 3
Mythes sur des Big data (II) Mythe n 4: Les Big data ne sont qu un problème de stockage de données. Les Big data veulent dire «analytique». L analytique crée la monétisation et le potentiel de la transformation. Mythe n 5: Big data = analyse des médias sociaux. Big data = transactions + interactions + observations. Mythe n 6: Les Big data jouent un rôle uniquement dans le commerce. Les Big data jouent un rôle partout. 4
Big data une définition Big data is high-volume, -velocity and -variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making. (Gartner [1]) [1] confer Forbes (accès au 10 avril 2013) http://www.forbes.com/sites/gartnergroup/2013/03/27/gartners-big-data-definition-consists-of-three-parts-not-to-be-confused-with-three-vs/ Caractéristiques de la définition: les trois Vs, information comme bien ( asset ), traitement de l information d une manière rentable et innovatrice, meilleures compréhension et prise de décision. 5
Big data: structures et latence Structuré Poly-structuré Data Warehouses (MPP) (IBM Netezza, Teradata) Bases de données analytiques et NoSQL (Aster, Sybase IQ, Hyperstage) Bases de données en mémoire (Oracle x10, SAP HANA) Batch (offline) Temps réel (online) Systèmes de fichiers répartis (Hadoop) NoSQL: Graph DB, OODB (Neo4J, Versant) Traitements des flux de données (HStreaming, Streambase) Source: Forrester Classification des éditeurs de Big data par structure de données et demande de latence. 6
Big data: facteurs de succès Tweet de Stephen Shelton (@sdsdev, le 28 mars): Many businesses fail to have analytics as its cultural core. This is why Big Data confuses many. Facteurs de succès des Big data: Créer une culture analytique dans l entreprise. Etablir une nouvelle organisation agile. Constituer une gouvernance de l information dans la gestion des Big data. Résumé L exploitation des Big data est basée sur une éthique Big data. 7
Les Big data Démystifier les Big data. Les incompréhensions typiques des Big data. Une définition des Big data. Monétiser des données. Les 5 sources de revenus. Organiser la monétisation des données. La gouvernance des Big data. 8
1 Transparence et Big data Données modelées Données poly-structurées Big Data Rechercher /Identifier NoSQL, Hadoop, SGBD analytique Données filtrées/ Résultats analytiques Analyse des données Applications & services analytiques Intégration des données Archivage, filtrage et transformation des données Données structurées Données externes et internes Source: Colin White ETL/ELT Enterprise Data Warehouse Analyse des données Applications & services analytiques
2 Contrôle d efficacité des mesures Big Data Metrics Analyse Web Taux de clics (Codes QR) Détecteurs Données de localisation Vidéo etc. Méthode des Big data: Dériver et tester des hypothèses par itération. 10
3 Personnalisation et Big data Exploitation innovante des données de localisation par géocodage Optimisation de l emplacement Contrôle d efficacité Publicité par panneaux GRC Géocodage Appli Profil de client Client Localisation Point de contact local Taux de visites? Contrôle d efficacité Exemple m-commerce: Optimisation de l emplacement des panneaux de publicité et «next best local point of contact» 11
Big data 4 Optimisation et Big data Processus Détecteurs Service composé Services analytiques, collaboratifs & transactions Virtualisation des données Événements Données (transactions) Fichiers, XML, Spreadsheets Données externes Data Warehouse Intégration de l analytique en temps réel. Autres sources de Big data 12
5 Innovation et Big data Exemple: La convergence voiture de Google: du monde mobilité réel sans et virtuel: automobiliste. L Internet des objets («Internet of things») est en train de démarrer: Outils puissants: détecteurs et analytique en temps réel, Les les Big data. sont produits par l Internet des objets et les Big data produisent l Internet des objets. 13
Chiffres magiques Attention: L exploitation des Big data en GRC est plus qu une question de mathématique et de technologie! La question de la protection de la vie privée. La question de la sécurité des données. La question de la gouvernance de l information. La question de la gouvernance sociale (GRC sociale: les règles). La question des processus (Que faire si...). 14
Monétisation et Big Data Les Big data créent la transparence grâce à une information composée et plus détaillée. Les Big Data permettent de baser des décisions et des mesures sur des faits. Les Big Data offrent des interactions plus ciblées et plus personnalisées. Les Big Data développent l automatisation par des observations précises et enrichissent des processus par l analytique. Les Big Data créent l innovation par l information. Résumé L exploitation des Big data est basée sur une éthique Big data.
Les Big data Démystifier les Big data. Les incompréhensions typiques des Big data. Une définition des Big data. Monétiser des données. Les 5 sources de revenus. Organiser la monétisation des données. La gouvernance des Big data. 16
1/ La culture analytique Comment créer un nouveau modèle d organisation pour tirer le meilleur parti de l analytique? Stratégie Processus Processus Processus Objectifs Valeurs Prendre des mesures Décider Nouvelles fonctions: Chief Analytics Officer, Data Scientist etc. Mesurer 17
2/ Organisation agile Impact Centre central Centre virtuel Définir les règles Réunir des Best Practices Comité de pilotage Le centre d expertise «Big Data» Directeur du programme Centre d expertise Tâches transversales Chargés de projet Chargé de méthodologie Projet n Projet 1... Marketing & communication interne
3/ Gouvernance de l information La gouvernance de l information réunit des personnes, stratégies, processus, organisations et technologies. La gouvernance de l information est une affaire de responsable («Chefsache»). La gouvernance de l information signifie: Changements organisateurs, Programme et méthodologie, Standardisation, Constitution des structures de gouvernance («CdE»), Implémentation d une plateforme. La gouvernance de l information est une mission de concert du métier et de l informatique. Résumé: un grand défi. 19
Questions? Merci! Contact : wolfgang.martin@wolfgang-martin-team.net 20