Big data Paris Presentation Solocal 20150310

1 015 vues

Publié le

Big Data Paris 2015 presentation about BI transformation in Solocal Group

Publié dans : Données & analyses
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
1 015
Sur SlideShare
0
Issues des intégrations
0
Intégrations
65
Actions
Partages
0
Téléchargements
0
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Big data Paris Presentation Solocal 20150310

  1. 1. FINI LA RÉCRÉ PASSONS AUX MÉGADONNÉES V1 - 10/03/15 1 « Dans le concret, projets de transformation vers le BigData … » ABED AJRAOU
  2. 2. CONNAISSEZ-VOUS PAGESJAUNES ?
  3. 3. CONNAISSEZ-VOUS PAGESJAUNES ?
  4. 4. LES MEGADONNEES RÉPONDENT À DE NOUVEAUX BESOINS Big Data Self-Service BI BI institutionnelle Données structurées d’entreprise CRM SCM Données locales Système de fichierstextes ERP Base de données Données non structurées d’entreprise et externes Image, VidéoGestion de contenu, Logs Réseaux sociaux DataWarehouse Datamart Cubes Reporting ETL Data Cleansing Couche sémantique Data Gathering Business Discovery Data Visualisation Approche Agile Mining Data Interact Massive Processing Parallel Flux des clics utilisateursen temps réel Données GPS et spatiales Sentiment Analysis Social Interaction Open Data Analyse du Web Mobile Voix en Texte Indexation Texte MiningGestion des Logs Analyse des RFID / Capteurs
  5. 5. 5 LA PREUVE PAR L’EXPÉRIMENTATION….
  6. 6. DMT DWH ODS 6 Données Structurées ou Semi-structurées d’entreprise Logs fixe Base de donnée Base de donnéesLogs mobile Base de données BI Audience BI Mobile BI Commercial BI Données Quelques limitations de la BI actuelle: 1. BI globalement en silo => ce qui ne constitue pas de la vraie BI 2. Socle de données sur Netezza avec risque de saturation avérée 3. Aucune possibilité d’incorporer des données non structurées (type blog, réseaux sociaux …) 4. BI en mode batch BI - ARCHITECTURE 2013 ET 2014
  7. 7. Parc applicatif BI en transformation en 2014 et cible 2015 : activons le Big Data ! 7Date •Titre de la présentation
  8. 8. Data Mart Fonctionnel 8 Open Data Group (Données brutes et Open Datamart) Données Structurées ou Semi-structurées d’entreprise Logs fixe Commerc iale FinanceLogs mobile Données non structurées Image, VidéoPortail / IntranetSocial NetworkRH MPG CRM Data Visualisation VISION CIBLE ARCHITECTURE DE LA BI
  9. 9. 9 RÉALISATIONS 2014 – REAL TIME BUSINESS Real Time Business
  10. 10. 10 RÉALISATIONS 2014/2015 - POWER SELECTOR Search Power Selector
  11. 11. 11 OUR CONVICTION: OPENSOURCE WOULD SOLVE MOST OF BI PAINS The Enterprise Data Hub of Cloudera would be the « Extended DataWarehouse » The NoSql « Column Database » is the simple way to give access to the end user and ensure good performance The end of the Batch, and the welcome of the Streaming and real time data Performance ETL for the data transformation on top of Hadoop New Data Visualization / Data Story Telling, which is very quick to install/deploy, and simple to use
  12. 12. LE PARTAGE DE CONNAISSANCES EST CLEF! 12 Le mangement de la donnée est essentiel dans toute pratique Big Data et tout projet. Nous avons lancé dans le cadre de l’association 3 groupes de travail: • Big Data • Data Science • Data Gouvernance D’autres ateliers suivront, des événements, de la littérature … donc abonnez-vous et n’attendez plus! http://www.dama-france.org/
  13. 13. BIENVENUE DANS LE MONDE DU NOSQL 13
  14. 14. LE NOSQL, POURQUOI? 14 1970 ~2009 Système transactionnel: Écritures concurrentes, Performance accès concurrents Standardisation … Systèmes de fichiers Base de données - RDBMS Base de données - RDBMS Big Data: Volumétrie (téra/péta octet) Performance Données non structurées
  15. 15. NOSQL – NOT ONLY SQL DIFFÉRENTS TYPES: • BASES ORIENTÉES CLÉ / VALEUR • BASES ORIENTÉES COLONNES • BASES ORIENTÉES GRAPHES • BASES ORIENTÉES DOCUMENTS 15 Data Model Performance Scalability Flexibility Complexity Functionality Key–Value Store high high high none variable (none) Column-Oriented Store high high moderate low minimal Document- Oriented Store high variable (high) high low variable (low) Graph Database variable variable high high graph theory Relational Database variable variable low moderate relational algebra Ben Scofield a évalué les différents types de NoSQL:
  16. 16. NOSQL – FOCUS SUR IMPALA ET L’ORIENTÉE COLONNE 16 RowId Matricule Nom Prénom DateEntrée Fonction Salaire 1 53427Dupont Eric 01/01/2000 Ingénieur 30000 2 89765Martin Jean 15/03/2007 Contrôleur 65000 3 109755LeMaitre Gaston 13/12/2003 Architecte 45000 4 76598Dupont Gaston 01/01/2000 Contrôleur 50000 5 9090432Prince Charles 01/01/2010 Ingénieur 55000 Nom Dupont 1;4 Martin 2 LeMaitre 3 Prince 5 Prenom Eric 1 Jean 2 Gaston 3;4 Charles 5 Sur Impala, le mode Parquet enregistre cela en binaire et de façon compressée, ce qui accélère les analyses OLAP – agrégations, filtres …
  17. 17. CONSEIL: COMMENT ACTIVER LES PROJETS ET COMMENT REMÉDIER À L’IMMOBILISME? Avec votre bâton de pèlerin: • expliquez • démystifiez • donnez du sens • fédérez! Trouvez le sponsor dans l’entreprise, qui vous • soutiendra • appuiera • mettra en lumière Lancez-vous! Nous avons toute la maturité technologique pour enfin réaliser tous nos désirs en termes de data! Épanouissez- vous! 17

×