尊敬的 微信汇率:1円 ≈ 0.046089 元 支付宝汇率:1円 ≈ 0.04618元 [退出登录]
SlideShare une entreprise Scribd logo
Big Data
11/12/2014
Big Data
I L’émergence
II Les enjeux
III Les défis
IV Exemples concrets
La big data c’est quoi ?
Les 3 « V » de la big data
Un potentiel phénoménal
libéré par :
• Le Volume des données accessibles
• La capacité à exploiter la Variété des données
• La Vélocité de traitement
I L’émergence de la big data
L’explosion des données
Programmes de fidélité
Internet : search, navigation, achats
Objets connectés
Smartphones
Photos et vidéos
Blogs, Réseaux sociaux
Géolocalisation
Open Data
90% des données produites
ces 2 dernières années
40 Zo à horizon 2020
L’explosion des données
1 Zo = 1 000 000 000 000 000 000 000 octets, soit un milliard de Teraoctets
Produire 5 Mds de Go
L’humanité jusqu’en 2003
1 jour en 2011
10 minutes en 2013
Le stockage des données
Le cloud : des données accessibles de partout
La structuration des données
Structuration ouverte
des données
Bases de données
relationnelles
II Enjeux : colossaux
(et en partie insoupçonnés)
Mieux comprendre pour mieux agir
Météorologie
Santé
Sécurité
Energie
Banque & finance
Relation client
…
Améliorer
l’expérience client
Optimiser la
performance
Mieux gérer
les risques
III Défis posés par la big data
Décisionnel classique et big data
Le changement de paradigme
DECISIONNEL
• Volume limité
• Forte densité d’info
• Info structurée
• Statistiques
descriptives
BIG DATA
• Volume gigantesque
• Faible densité d’info
• Infos non structurées
et hétérogènes
• Statistique
inférentielle
Vers des organisations data-centric
Quelques révolutions en
marche
• Géolocalisation
(smartphones, RFID…)
• Objets connectés
• Open data
• (Législation)
Données internes
• Bases de données
• Emails
• Documents
• Logs
• …
Données externes
• BDD publiques
• Achat
• Web : réseaux sociaux,
search, navigation, favoris
• …
Capturer les
données
Géolocalisation
(smartphones, RFID…)
Objets connectés
Open data
(Législation)
Stocker et
mettre à
disposition
Stockage
Dimensionnement
du réseau
Sécurité
Mettre en
relation les
données
Données et stockages
hétérogènes
Données non
structurées
Identifiants
Tris à plat
Tris croisés
Segmentations
Modèles prédictifs
discontinus
???
Modèles prédictifs
continus
Exploiter les
données
Nouvx modèles et
algos massivement //
Visualisation
/exploration
Ressources humaines
IV Exemples concrets
Ex1 Géolocalisation et géomarketing
• Source : CRA
géolocalisés et
smartphones
• Volumétrie : des To de
données quotidiennes
• Applications : flux de
voyageurs, localisation
du pouvoir d’achat…
Sources de données et algo
CRA
Voix et data
Construction du
profil de la ligne
CSP/démographie…
INSEE
Stats îlots
Détection des lignes
à proximité de
chaque antenne
Référentiel
antennes
Algorithme de
détection du
domicile & travail
Carte géomarketing
dynamique
Apports de l’approche
Ex2 Recommandations personnalisées
Un nouveau modèle d’analyse
Des recommandations plus pertinentes
Variété des sources d’info
Réseaux sociaux
CRM /emailing
E-commerce Service client
Cartes de fidélité
Géolocalisation Données publiques
CSP
Revenus
Pouvoir d’achat
Démographie…
…
J’achète*
le produit 4657
* J’achète, ou je mets au panier, ou je consulte…
donc je suis
de ceux qui
aiment les bonbons
donc je vais
sans doute aimer
les bonbons préférés de
ceux qui aiment les
bonbons
le produit 4657,
8742, 3937, 4182…
L’écueil des profils-types
J’achète*
des « pastilles à la menthe
verte à la gomme très
tendre, très parfumée…»
* J’achète, ou je mets au panier, ou je consulte…
et donc je vais
sans doute aimer
les pastilles à la menthe, les
bonbons à la menthe, les
pastilles à l’eucalyptus,
des « pastilles à la menthe verte à la
gomme très tendre, très parfumée… »,
des « pastilles Frisk à la menthe forte »,
des « pastilles à la menthe de la marque
MenthePastille », et des « gommes à la
menthe verte » et peut-être même… un
spray pour l’haleine fraîche
La pertinence d’Affinity Engine
donc j’aime
Les bonbons,
les pastilles à la menthe,
les pastilles à la menthe forte,
les pastilles, la menthe forte, la
menthe verte…
Merci !
Teddy Malfait, DG
ted@affinity-engine.fr, 09 80 47 24 83

Contenu connexe

Tendances

Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)
Ines Ben Kahla
 
Rapport pfe isi_Big data Analytique
Rapport pfe isi_Big data AnalytiqueRapport pfe isi_Big data Analytique
Rapport pfe isi_Big data Analytique
Yosra ADDALI
 
Chapitre1 introduction
Chapitre1 introductionChapitre1 introduction
Chapitre1 introduction
Mouna Torjmen
 
La Business Intelligence
La Business Intelligence La Business Intelligence
La Business Intelligence
Khchaf Mouna
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
Lilia Sfaxi
 
Introduction à la big data V2
Introduction à la big data V2Introduction à la big data V2
Introduction à la big data V2
Mehdi TAZI
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
Lilia Sfaxi
 
Conception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseConception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseAbderrahmane Filali
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
Lilia Sfaxi
 
Cours Big Data Chap2
Cours Big Data Chap2Cours Big Data Chap2
Cours Big Data Chap2
Amal Abid
 
BigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-ReduceBigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-Reduce
Lilia Sfaxi
 
Les enjeux du Big Data pour l'Entreprise - These professionnelle -Touria Engo...
Les enjeux du Big Data pour l'Entreprise - These professionnelle -Touria Engo...Les enjeux du Big Data pour l'Entreprise - These professionnelle -Touria Engo...
Les enjeux du Big Data pour l'Entreprise - These professionnelle -Touria Engo...
Touria Engohan
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
Lilia Sfaxi
 
Projet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de donnéesProjet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de donnéesJean-Marc Dupont
 
Machine Learning
Machine LearningMachine Learning
Machine Learning
Soft Computing
 
Analyse spatiale en Big data
Analyse spatiale en Big dataAnalyse spatiale en Big data
Analyse spatiale en Big data
Soufiane ElATEF✔️
 
Chapitre i-intro
Chapitre i-introChapitre i-intro
Chapitre i-intro
WaelKhemakhem
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
Alexia Audevart
 
Technologies pour le Big Data
Technologies pour le Big DataTechnologies pour le Big Data
Technologies pour le Big Data
Minyar Sassi Hidri
 

Tendances (20)

Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)Rapport de stage: mastère ISIC (Business Intelligence)
Rapport de stage: mastère ISIC (Business Intelligence)
 
Rapport pfe isi_Big data Analytique
Rapport pfe isi_Big data AnalytiqueRapport pfe isi_Big data Analytique
Rapport pfe isi_Big data Analytique
 
Chapitre1 introduction
Chapitre1 introductionChapitre1 introduction
Chapitre1 introduction
 
La Business Intelligence
La Business Intelligence La Business Intelligence
La Business Intelligence
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
 
Introduction à la big data V2
Introduction à la big data V2Introduction à la big data V2
Introduction à la big data V2
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
 
Conception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseConception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data Warehouse
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
 
Cours Big Data Chap2
Cours Big Data Chap2Cours Big Data Chap2
Cours Big Data Chap2
 
BigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-ReduceBigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-Reduce
 
Les enjeux du Big Data pour l'Entreprise - These professionnelle -Touria Engo...
Les enjeux du Big Data pour l'Entreprise - These professionnelle -Touria Engo...Les enjeux du Big Data pour l'Entreprise - These professionnelle -Touria Engo...
Les enjeux du Big Data pour l'Entreprise - These professionnelle -Touria Engo...
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
 
Projet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de donnéesProjet BI - 2 - Conception base de données
Projet BI - 2 - Conception base de données
 
Machine Learning
Machine LearningMachine Learning
Machine Learning
 
Pfe
PfePfe
Pfe
 
Analyse spatiale en Big data
Analyse spatiale en Big dataAnalyse spatiale en Big data
Analyse spatiale en Big data
 
Chapitre i-intro
Chapitre i-introChapitre i-intro
Chapitre i-intro
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
 
Technologies pour le Big Data
Technologies pour le Big DataTechnologies pour le Big Data
Technologies pour le Big Data
 

En vedette

Le Big Data : Une Révolution Numérique
Le Big Data : Une Révolution NumériqueLe Big Data : Une Révolution Numérique
Le Big Data : Une Révolution Numérique
Roland Coma
 
A 15-u- sitra chargés de promo
A 15-u- sitra chargés de promoA 15-u- sitra chargés de promo
A 15-u- sitra chargés de promo
Apidae (ex-Sitra)
 
Livre blanc : modeles, data et algorithmes, les nouvelles frontieres du numér...
Livre blanc : modeles, data et algorithmes, les nouvelles frontieres du numér...Livre blanc : modeles, data et algorithmes, les nouvelles frontieres du numér...
Livre blanc : modeles, data et algorithmes, les nouvelles frontieres du numér...
Bpifrance
 
Sarbanes-Oxley Act (SOX)
Sarbanes-Oxley Act (SOX)Sarbanes-Oxley Act (SOX)
Sarbanes-Oxley Act (SOX)
vinaya.hs
 
Teleporter
TeleporterTeleporter
Teleporter
Lina Maria
 
20ideas contra la discriminacion primera parte
20ideas contra la discriminacion primera parte20ideas contra la discriminacion primera parte
20ideas contra la discriminacion primera parte
Mediadores Interculturales
 
Material educativo para tecnologías en la educacion
Material educativo para tecnologías en la educacionMaterial educativo para tecnologías en la educacion
Material educativo para tecnologías en la educacion
ELVIA
 
Projet de reconversion du couvent sainte marie-des-anges en résidentiel
Projet de reconversion du couvent sainte marie-des-anges en résidentielProjet de reconversion du couvent sainte marie-des-anges en résidentiel
Projet de reconversion du couvent sainte marie-des-anges en résidentiel
Yves Doyon
 
Patients dialysu00 e9s et etp afdet 2015 v2
Patients dialysu00 e9s et etp afdet 2015 v2 Patients dialysu00 e9s et etp afdet 2015 v2
Patients dialysu00 e9s et etp afdet 2015 v2
Frederique Quinio
 
Ares José Luis - Juicio abreviado: lo que hay que saber - 2010
Ares José Luis -  Juicio abreviado: lo que hay que saber - 2010Ares José Luis -  Juicio abreviado: lo que hay que saber - 2010
Ares José Luis - Juicio abreviado: lo que hay que saber - 2010
Departamento de Derecho UNS
 
Comunidad y soc internac
Comunidad y soc internacComunidad y soc internac
Comunidad y soc internac
Elena Tapias
 
Tecnologia educativa para la gestion
Tecnologia educativa para la gestionTecnologia educativa para la gestion
Tecnologia educativa para la gestion
Nancy Bastidas
 
De l'amour dans le management ?
De l'amour dans le management ?De l'amour dans le management ?
De l'amour dans le management ?
Benoit de SAULCE LATOUR
 
Café vie-privée jdll2015-atelier_gpg
Café vie-privée jdll2015-atelier_gpgCafé vie-privée jdll2015-atelier_gpg
Café vie-privée jdll2015-atelier_gpg
Wagabow
 
Taller cedi
Taller   cediTaller   cedi
Taller cedi
francy
 
Genesis de cabeza y cuello
Genesis de cabeza y cuelloGenesis de cabeza y cuello
Genesis de cabeza y cuello
Juan Tipismana
 
Plan dptal 2011 2012
Plan dptal 2011 2012Plan dptal 2011 2012
Construire une terrasse ou une allée carrossable
Construire une terrasse ou une allée carrossableConstruire une terrasse ou une allée carrossable
Construire une terrasse ou une allée carrossable
GENICIMO
 
Premolar con erupcion ectopica parte II
Premolar con erupcion ectopica parte IIPremolar con erupcion ectopica parte II
Premolar con erupcion ectopica parte II
Juan Tipismana
 
Journée mondiale de l’alimentation juin 2014
Journée mondiale de l’alimentation juin 2014Journée mondiale de l’alimentation juin 2014
Journée mondiale de l’alimentation juin 2014
beajor
 

En vedette (20)

Le Big Data : Une Révolution Numérique
Le Big Data : Une Révolution NumériqueLe Big Data : Une Révolution Numérique
Le Big Data : Une Révolution Numérique
 
A 15-u- sitra chargés de promo
A 15-u- sitra chargés de promoA 15-u- sitra chargés de promo
A 15-u- sitra chargés de promo
 
Livre blanc : modeles, data et algorithmes, les nouvelles frontieres du numér...
Livre blanc : modeles, data et algorithmes, les nouvelles frontieres du numér...Livre blanc : modeles, data et algorithmes, les nouvelles frontieres du numér...
Livre blanc : modeles, data et algorithmes, les nouvelles frontieres du numér...
 
Sarbanes-Oxley Act (SOX)
Sarbanes-Oxley Act (SOX)Sarbanes-Oxley Act (SOX)
Sarbanes-Oxley Act (SOX)
 
Teleporter
TeleporterTeleporter
Teleporter
 
20ideas contra la discriminacion primera parte
20ideas contra la discriminacion primera parte20ideas contra la discriminacion primera parte
20ideas contra la discriminacion primera parte
 
Material educativo para tecnologías en la educacion
Material educativo para tecnologías en la educacionMaterial educativo para tecnologías en la educacion
Material educativo para tecnologías en la educacion
 
Projet de reconversion du couvent sainte marie-des-anges en résidentiel
Projet de reconversion du couvent sainte marie-des-anges en résidentielProjet de reconversion du couvent sainte marie-des-anges en résidentiel
Projet de reconversion du couvent sainte marie-des-anges en résidentiel
 
Patients dialysu00 e9s et etp afdet 2015 v2
Patients dialysu00 e9s et etp afdet 2015 v2 Patients dialysu00 e9s et etp afdet 2015 v2
Patients dialysu00 e9s et etp afdet 2015 v2
 
Ares José Luis - Juicio abreviado: lo que hay que saber - 2010
Ares José Luis -  Juicio abreviado: lo que hay que saber - 2010Ares José Luis -  Juicio abreviado: lo que hay que saber - 2010
Ares José Luis - Juicio abreviado: lo que hay que saber - 2010
 
Comunidad y soc internac
Comunidad y soc internacComunidad y soc internac
Comunidad y soc internac
 
Tecnologia educativa para la gestion
Tecnologia educativa para la gestionTecnologia educativa para la gestion
Tecnologia educativa para la gestion
 
De l'amour dans le management ?
De l'amour dans le management ?De l'amour dans le management ?
De l'amour dans le management ?
 
Café vie-privée jdll2015-atelier_gpg
Café vie-privée jdll2015-atelier_gpgCafé vie-privée jdll2015-atelier_gpg
Café vie-privée jdll2015-atelier_gpg
 
Taller cedi
Taller   cediTaller   cedi
Taller cedi
 
Genesis de cabeza y cuello
Genesis de cabeza y cuelloGenesis de cabeza y cuello
Genesis de cabeza y cuello
 
Plan dptal 2011 2012
Plan dptal 2011 2012Plan dptal 2011 2012
Plan dptal 2011 2012
 
Construire une terrasse ou une allée carrossable
Construire une terrasse ou une allée carrossableConstruire une terrasse ou une allée carrossable
Construire une terrasse ou une allée carrossable
 
Premolar con erupcion ectopica parte II
Premolar con erupcion ectopica parte IIPremolar con erupcion ectopica parte II
Premolar con erupcion ectopica parte II
 
Journée mondiale de l’alimentation juin 2014
Journée mondiale de l’alimentation juin 2014Journée mondiale de l’alimentation juin 2014
Journée mondiale de l’alimentation juin 2014
 

Similaire à La Big Data et ses applications

Big Data Des méandres des outils au potentiel business
Big Data   Des méandres des outils au potentiel businessBig Data   Des méandres des outils au potentiel business
Big Data Des méandres des outils au potentiel business
Mouhsine LAKHDISSI
 
AGMQ 2011 : Les données libres et le territoire
AGMQ 2011 : Les données libres et le territoireAGMQ 2011 : Les données libres et le territoire
AGMQ 2011 : Les données libres et le territoire
noucher
 
Big Data... Big Analytics à travers les âges, les industries et les technologies
Big Data... Big Analytics à travers les âges, les industries et les technologiesBig Data... Big Analytics à travers les âges, les industries et les technologies
Big Data... Big Analytics à travers les âges, les industries et les technologies
Hassan Lâasri
 
CapCom13: CN4: Comment aborder l'ère du Big Data ?
CapCom13: CN4: Comment aborder l'ère du Big Data ?CapCom13: CN4: Comment aborder l'ère du Big Data ?
CapCom13: CN4: Comment aborder l'ère du Big Data ?
Cap'Com
 
Bigdata, small decision and smart organisation
Bigdata, small decision and smart organisationBigdata, small decision and smart organisation
Bigdata, small decision and smart organisation
Christophe Benavent
 
Boissaye-Marine-M2MAG-mémoire
Boissaye-Marine-M2MAG-mémoireBoissaye-Marine-M2MAG-mémoire
Boissaye-Marine-M2MAG-mémoireMarine Boissaye
 
Les Big Data
Les Big DataLes Big Data
Les Big Data
Florence consultant
 
19 fév 2014 Tendances Big Data - v1.0
19 fév 2014 Tendances Big Data - v1.019 fév 2014 Tendances Big Data - v1.0
19 fév 2014 Tendances Big Data - v1.0
Marc-Eric LaRocque
 
Open Data - Rencontre Bi-départementale des EPN 26-07
Open Data - Rencontre Bi-départementale des EPN 26-07Open Data - Rencontre Bi-départementale des EPN 26-07
Open Data - Rencontre Bi-départementale des EPN 26-07
Garlann Nizon
 
Les nouveaux habits de la veille
Les nouveaux habits de la veilleLes nouveaux habits de la veille
Les nouveaux habits de la veille
Boostzone Institute
 
4. Algorithmes
4. Algorithmes4. Algorithmes
4. Algorithmes
Benoit Lacherez
 
Gestion des donnees personnelles.
Gestion des donnees personnelles.Gestion des donnees personnelles.
Gestion des donnees personnelles.
olivier
 
Big Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entrepriseBig Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entreprise
Genève Lab
 
14Mar14 Tendances big data HEC - v1.2
14Mar14 Tendances big data HEC - v1.214Mar14 Tendances big data HEC - v1.2
14Mar14 Tendances big data HEC - v1.2Marc-Eric LaRocque
 
Conférence big data
Conférence big dataConférence big data
Conférence big data
Stéphane Traumat
 
La veille dans un environnement numérique mouvant
La veille dans un environnement numérique mouvantLa veille dans un environnement numérique mouvant
La veille dans un environnement numérique mouvant
Christophe Deschamps
 
Cyber methodologie - Equation Humaine 2012
Cyber methodologie - Equation Humaine 2012Cyber methodologie - Equation Humaine 2012
Cyber methodologie - Equation Humaine 2012
Alice & Smith
 
De l'importance de développer une culture des données dans les organisations
De l'importance de développer une culture des données dans les organisationsDe l'importance de développer une culture des données dans les organisations
De l'importance de développer une culture des données dans les organisations
Fing
 
Marketing direct
Marketing directMarketing direct
Marketing direct
Goulven Aubree
 
Les Enjeux du Marketing
Les Enjeux du MarketingLes Enjeux du Marketing
Les Enjeux du Marketing
Goulven Aubree
 

Similaire à La Big Data et ses applications (20)

Big Data Des méandres des outils au potentiel business
Big Data   Des méandres des outils au potentiel businessBig Data   Des méandres des outils au potentiel business
Big Data Des méandres des outils au potentiel business
 
AGMQ 2011 : Les données libres et le territoire
AGMQ 2011 : Les données libres et le territoireAGMQ 2011 : Les données libres et le territoire
AGMQ 2011 : Les données libres et le territoire
 
Big Data... Big Analytics à travers les âges, les industries et les technologies
Big Data... Big Analytics à travers les âges, les industries et les technologiesBig Data... Big Analytics à travers les âges, les industries et les technologies
Big Data... Big Analytics à travers les âges, les industries et les technologies
 
CapCom13: CN4: Comment aborder l'ère du Big Data ?
CapCom13: CN4: Comment aborder l'ère du Big Data ?CapCom13: CN4: Comment aborder l'ère du Big Data ?
CapCom13: CN4: Comment aborder l'ère du Big Data ?
 
Bigdata, small decision and smart organisation
Bigdata, small decision and smart organisationBigdata, small decision and smart organisation
Bigdata, small decision and smart organisation
 
Boissaye-Marine-M2MAG-mémoire
Boissaye-Marine-M2MAG-mémoireBoissaye-Marine-M2MAG-mémoire
Boissaye-Marine-M2MAG-mémoire
 
Les Big Data
Les Big DataLes Big Data
Les Big Data
 
19 fév 2014 Tendances Big Data - v1.0
19 fév 2014 Tendances Big Data - v1.019 fév 2014 Tendances Big Data - v1.0
19 fév 2014 Tendances Big Data - v1.0
 
Open Data - Rencontre Bi-départementale des EPN 26-07
Open Data - Rencontre Bi-départementale des EPN 26-07Open Data - Rencontre Bi-départementale des EPN 26-07
Open Data - Rencontre Bi-départementale des EPN 26-07
 
Les nouveaux habits de la veille
Les nouveaux habits de la veilleLes nouveaux habits de la veille
Les nouveaux habits de la veille
 
4. Algorithmes
4. Algorithmes4. Algorithmes
4. Algorithmes
 
Gestion des donnees personnelles.
Gestion des donnees personnelles.Gestion des donnees personnelles.
Gestion des donnees personnelles.
 
Big Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entrepriseBig Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entreprise
 
14Mar14 Tendances big data HEC - v1.2
14Mar14 Tendances big data HEC - v1.214Mar14 Tendances big data HEC - v1.2
14Mar14 Tendances big data HEC - v1.2
 
Conférence big data
Conférence big dataConférence big data
Conférence big data
 
La veille dans un environnement numérique mouvant
La veille dans un environnement numérique mouvantLa veille dans un environnement numérique mouvant
La veille dans un environnement numérique mouvant
 
Cyber methodologie - Equation Humaine 2012
Cyber methodologie - Equation Humaine 2012Cyber methodologie - Equation Humaine 2012
Cyber methodologie - Equation Humaine 2012
 
De l'importance de développer une culture des données dans les organisations
De l'importance de développer une culture des données dans les organisationsDe l'importance de développer une culture des données dans les organisations
De l'importance de développer une culture des données dans les organisations
 
Marketing direct
Marketing directMarketing direct
Marketing direct
 
Les Enjeux du Marketing
Les Enjeux du MarketingLes Enjeux du Marketing
Les Enjeux du Marketing
 

La Big Data et ses applications

  • 2. Big Data I L’émergence II Les enjeux III Les défis IV Exemples concrets
  • 3. La big data c’est quoi ? Les 3 « V » de la big data Un potentiel phénoménal libéré par : • Le Volume des données accessibles • La capacité à exploiter la Variété des données • La Vélocité de traitement
  • 4. I L’émergence de la big data
  • 5. L’explosion des données Programmes de fidélité Internet : search, navigation, achats Objets connectés Smartphones Photos et vidéos Blogs, Réseaux sociaux Géolocalisation Open Data
  • 6. 90% des données produites ces 2 dernières années 40 Zo à horizon 2020 L’explosion des données 1 Zo = 1 000 000 000 000 000 000 000 octets, soit un milliard de Teraoctets Produire 5 Mds de Go L’humanité jusqu’en 2003 1 jour en 2011 10 minutes en 2013
  • 7. Le stockage des données Le cloud : des données accessibles de partout
  • 8. La structuration des données Structuration ouverte des données Bases de données relationnelles
  • 9. II Enjeux : colossaux (et en partie insoupçonnés)
  • 10. Mieux comprendre pour mieux agir Météorologie Santé Sécurité Energie Banque & finance Relation client … Améliorer l’expérience client Optimiser la performance Mieux gérer les risques
  • 11. III Défis posés par la big data
  • 12. Décisionnel classique et big data Le changement de paradigme DECISIONNEL • Volume limité • Forte densité d’info • Info structurée • Statistiques descriptives BIG DATA • Volume gigantesque • Faible densité d’info • Infos non structurées et hétérogènes • Statistique inférentielle Vers des organisations data-centric
  • 13. Quelques révolutions en marche • Géolocalisation (smartphones, RFID…) • Objets connectés • Open data • (Législation) Données internes • Bases de données • Emails • Documents • Logs • … Données externes • BDD publiques • Achat • Web : réseaux sociaux, search, navigation, favoris • … Capturer les données Géolocalisation (smartphones, RFID…) Objets connectés Open data (Législation)
  • 15. Mettre en relation les données Données et stockages hétérogènes Données non structurées Identifiants
  • 16. Tris à plat Tris croisés Segmentations Modèles prédictifs discontinus ??? Modèles prédictifs continus Exploiter les données Nouvx modèles et algos massivement // Visualisation /exploration Ressources humaines
  • 18. Ex1 Géolocalisation et géomarketing • Source : CRA géolocalisés et smartphones • Volumétrie : des To de données quotidiennes • Applications : flux de voyageurs, localisation du pouvoir d’achat…
  • 19. Sources de données et algo CRA Voix et data Construction du profil de la ligne CSP/démographie… INSEE Stats îlots Détection des lignes à proximité de chaque antenne Référentiel antennes Algorithme de détection du domicile & travail Carte géomarketing dynamique
  • 22. Un nouveau modèle d’analyse Des recommandations plus pertinentes
  • 23. Variété des sources d’info Réseaux sociaux CRM /emailing E-commerce Service client Cartes de fidélité Géolocalisation Données publiques CSP Revenus Pouvoir d’achat Démographie… …
  • 24. J’achète* le produit 4657 * J’achète, ou je mets au panier, ou je consulte… donc je suis de ceux qui aiment les bonbons donc je vais sans doute aimer les bonbons préférés de ceux qui aiment les bonbons le produit 4657, 8742, 3937, 4182… L’écueil des profils-types
  • 25. J’achète* des « pastilles à la menthe verte à la gomme très tendre, très parfumée…» * J’achète, ou je mets au panier, ou je consulte… et donc je vais sans doute aimer les pastilles à la menthe, les bonbons à la menthe, les pastilles à l’eucalyptus, des « pastilles à la menthe verte à la gomme très tendre, très parfumée… », des « pastilles Frisk à la menthe forte », des « pastilles à la menthe de la marque MenthePastille », et des « gommes à la menthe verte » et peut-être même… un spray pour l’haleine fraîche La pertinence d’Affinity Engine donc j’aime Les bonbons, les pastilles à la menthe, les pastilles à la menthe forte, les pastilles, la menthe forte, la menthe verte…
  • 26. Merci ! Teddy Malfait, DG ted@affinity-engine.fr, 09 80 47 24 83
  翻译: