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 accessibl...
I L’émergence de la big data
L’explosion des données
Programmes de fidélité
Internet : search, navigation, achats
Objets connectés
Smartphones
Photos e...
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...
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’expéri...
III Défis posés par la big data
Décisionnel classique et big data
Le changement de paradigme
DECISIONNEL
• Volume limité
• Forte densité d’info
• Info str...
Quelques révolutions en
marche
• Géolocalisation
(smartphones, RFID…)
• Objets connectés
• Open data
• (Législation)
Donné...
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
donnée...
IV Exemples concrets
Ex1 Géolocalisation et géomarketing
• Source : CRA
géolocalisés et
smartphones
• Volumétrie : des To de
données quotidienn...
Sources de données et algo
CRA
Voix et data
Construction du
profil de la ligne
CSP/démographie…
INSEE
Stats îlots
Détectio...
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 Donn...
J’achète*
le produit 4657
* J’achète, ou je mets au panier, ou je consulte…
donc je suis
de ceux qui
aiment les bonbons
do...
J’achète*
des « pastilles à la menthe
verte à la gomme très
tendre, très parfumée…»
* J’achète, ou je mets au panier, ou j...
Merci !
Teddy Malfait, DG
ted@affinity-engine.fr, 09 80 47 24 83
Prochain SlideShare
Chargement dans…5
×

La Big Data et ses applications

1 086 vues

Publié le

Teddy Malfait, directeur général d'Affinity Engine, est intervenu à l'occasion des Jeudis du Numérique, sur le thème de la Big Data et de ses applications dans la vie des entreprises et des consommateurs.

Aujourd'hui, la Big Data est utilisée dans de nombreux domaines : la santé, la météorologie, l'énergie ou bien la relation client. Découvrez les possibilités et la puissance de la Big Data à travers cette présentation.

http://www.affinity-engine.fr/

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
1 086
Sur SlideShare
0
Issues des intégrations
0
Intégrations
19
Actions
Partages
0
Téléchargements
50
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

La Big Data et ses applications

  1. 1. Big Data 11/12/2014
  2. 2. Big Data I L’émergence II Les enjeux III Les défis IV Exemples concrets
  3. 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. 4. I L’émergence de la big data
  5. 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. 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. 7. Le stockage des données Le cloud : des données accessibles de partout
  8. 8. La structuration des données Structuration ouverte des données Bases de données relationnelles
  9. 9. II Enjeux : colossaux (et en partie insoupçonnés)
  10. 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. 11. III Défis posés par la big data
  12. 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. 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)
  14. 14. Stocker et mettre à disposition Stockage Dimensionnement du réseau Sécurité
  15. 15. Mettre en relation les données Données et stockages hétérogènes Données non structurées Identifiants
  16. 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
  17. 17. IV Exemples concrets
  18. 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. 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
  20. 20. Apports de l’approche
  21. 21. Ex2 Recommandations personnalisées
  22. 22. Un nouveau modèle d’analyse Des recommandations plus pertinentes
  23. 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. 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. 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. 26. Merci ! Teddy Malfait, DG ted@affinity-engine.fr, 09 80 47 24 83

×