Les données sont au cœur de notre économie. Les applications, les logiciels, les objets, génèrent des données qui sont collectées, stockées, et disponibles pour être analysées. Et ces données ont beaucoup de valeur. L'objectif de cette formation est d'expliquer comment des entreprises, de toutes industries, de toutes tailles, dans tous les pays du monde, bâtissent de nouveaux modèles d'affaires en valorisant les données dont elles disposent déjà où qu'elles vont collecter. Et de prendre en main de manière pratique, les outils spécifiques au Big Data : ETL, Hadoop, Visualisation graphique...Nous aborderons des exemples concrets d'entreprises, les modèles d'affaires qu'elles ont créés, les méthodes qu'elles ont utilisées, et les outils qu'elles ont déployé. A l'issue de ce séminaire technique, vous saurez concevoir, pour votre entreprise, un modèle d'affaires basé sur les données. Vous connaîtrez de nombreux cas d'usage, les principaux outils disponibles sur le marché et leurs meilleurs usages. Vous saurez tracer le chemin pour transformer votre compagnie en une entreprise "orientée données" (Data Driven).
La définition du Big Data
- Phénomène Big Data
- Définition opérationnelle et commune selon les grands acteurs du marché et les instituts d'étude internationaux
- Différence entre le Big Data et les systèmes existants de Business Intelligent (BI)
Les origines du Big Data et les facteurs d'évolution du Big Data
- Étapes de l'évolution du Big Data
- Collecte et traitement des données
- Grandes entreprises utilisatrices du Big Data : Google, Facebook, Twitter
- La prolifération des données en provenance des réseaux sociaux, de l'Internet des objets, de l'Open Data...
- La diminution des coûts de stockage, la virtualisation
- L'augmentation des capacités de traitement des solutions éprouvées exploitées par des géants de l'Internet
- L'avènement du Cloud Big Data (Data as a Service), l'Internet des Objets et de l'Open Data
Le marché Big Data et les principaux cas d'usages d'analytiques
- Marché data au niveau mondial
- Évolutions et les acteurs de la chaine de l'offre Big Data
- Enjeux stratégiques (création de la valeur et d'activités nouvelles dans les entreprises)
- Description des 4 types d'analytiques fondamentales du Big Data
- 5 usages populaires du Big Data en entreprise
- Exemples : profiling des consommateurs (360° du Client), sécurité informatique (préventions contre les attaques potentielles), maintenance préventive des équipements industriels, fraudes financières, d'aides sociales...
Les freins et les challenges de sécurité, juridiques et techniques
- État des lieux des projets : échecs et réussites (causes, facteurs clés de succès FCS)
- Freins financiers et techniques face aux exigences des solutions de Big Data
- Qualification complexe des données et de nombreux échecs de projets
- Cadre juridique (CNIL/RGPD et PLA (Privacy Level Agreement))
- Sécurité des données et enjeux juridiques (juridiction, corrélation interdite ...)
Les impacts du Big Data sur l'entreprise
- Performance opérationnelle des activités de l'entreprise
- Avantages concurrentiels
- Modèle économique
- Chaîne des valeurs
Les impacts organisationnels
- Différence entre la DSI et la Direction Numérique
- Nouvelle organisation des équipes dans le cadre d'une coopération informatique/domaines d'affaires
- Impacts sur les équipes en place (compétences en Big Data ...)
- Apparition des nouveaux rôles/métiers (data scientists et CDO)
- Compétences nouvelles à acquérir
Le projet Big Data et les technologies fondamentales des solutions
- Méthodologie/démarche d'intégration de la gestion des données du Big Data dans la gestion des activités de l'entreprise
- Calcul difficile du retour sur investissement d'un projet Big Data
- Démarches recommandées pour lancer un projet Big Data : les étapes essentielles et les précautions à prendre
- Critères d'évaluation d'une plate-forme de Big Data
- Questions à poser aux prestataires et fournisseurs des plates-formes
Bilan et perspectives
- L'état de l'offre : solutions privées installées dans les entreprises et solutions proposées dans le Cloud (AWS, IBM, Google, Microsoft Azure...)
- Choix stratégique d'usage des services du Cloud Big Data
- Les perspectives comme l'implication de la virtualisation, l'usage intensif de l'Intelligence Artificielle et de la Machine Learning
- CNIL et Intelligence Artificielle : cadrage
Conclusion
