« Comment mener un projet
Big Data
en tenant compte de la
Data Quality ? »
-
Retour d’Expériences
Data Excellence Paris 20...
Sommaire
- Les projets Big Data, ça existe…
- Axes d’analyse des projets
- Enjeux et Politiques
- Organisations, Métiers e...
Introduction
3DEP 2015
Enfin de vrais projets Big Data !
Source : IDC France 2015
Mais qui en parle ouvertement ?…
Axes Enjeux et Politiques
 Enjeux pour l’entreprise
 Unanimement partagés et traduisant des ambitions fortes
 Data Qual...
Axes Organisations, Métiers et Processus
 Organisations dédiées au Big Data
 Côté Métiers et DSI
 Vs l’un ou l’autre…
...
Axes Stratégies, Architectures et Réalisations
DEP 2015 6
 Stratégies de construction du SI
 Développement de la réflexi...
Axe Analyse de la Valeur
 Valeurs retirées par l’entreprise de ses initiatives dédiées au Big Data
 Réponses à des probl...
Dans Big Data, il y a Data…
DEP 2015 8
Les conclusions de notre échantillonnage
de projets Big Data sont en phase !
4 Quadrants pour positionner les organisations
DEP 2015 9
3 4
1 2
Innovation
+
+
S’appuyer
sur les données pour
assurer la...
Merci de votre attention !
DEP 2015 10
Hervé Husson
Transformation & Innovation
+331 41 46 08 00
herve.husson@conix.fr
www...
Prochain SlideShare
Chargement dans…5
×

Dep 2015 projets big data & dq 20151126 v1.3

2 373 vues

Publié le

Présentation H. Husson à DEP 2015 le 26/11/2015

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
2 373
Sur SlideShare
0
Issues des intégrations
0
Intégrations
1 838
Actions
Partages
0
Téléchargements
5
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Dep 2015 projets big data & dq 20151126 v1.3

  1. 1. « Comment mener un projet Big Data en tenant compte de la Data Quality ? » - Retour d’Expériences Data Excellence Paris 2015 - 26 novembre 2015 Groupe de Travail Big Data Projets Big Data & Data Quality : REX
  2. 2. Sommaire - Les projets Big Data, ça existe… - Axes d’analyse des projets - Enjeux et Politiques - Organisations, Métiers et Processus - Stratégies de construction, Architectures et Réalisations - Analyse de la Valeur - Dans Big Data, il y a Data… 2DEP 2015
  3. 3. Introduction 3DEP 2015 Enfin de vrais projets Big Data ! Source : IDC France 2015 Mais qui en parle ouvertement ?…
  4. 4. Axes Enjeux et Politiques  Enjeux pour l’entreprise  Unanimement partagés et traduisant des ambitions fortes  Data Quality = véritable enjeu business  Pilotage  Connaissance des clients et prospects (ex. : vision 360° du client)  Sécurité et prévention des fraudes  Dans une moindre mesure  Développement de nouvelles offres : à terme…  Politiques des données autour du Big Data  DQ incontournable  Au fur et à mesure des cas d’usage…  Conformité juridique et réglementaire  Comme d’habitude ! DEP 2015 4
  5. 5. Axes Organisations, Métiers et Processus  Organisations dédiées au Big Data  Côté Métiers et DSI  Vs l’un ou l’autre…  Structure Métiers : marketing, commercial, sécurité, actuaires  Structure d’expertise DSI : orientée technologies  Métiers autour de la donnée  Data Steward : sur les référentiels avec MDM  Data Scientist : recrutés et/ou apport externe  Chief Data Officer : pas toujours, mais plutôt au marketing  Processus actifs en terme de gouvernance  Qualification des données sensibles ou critiques  Administration des données de référence  Identification et responsabilisation des propriétaires / gérants de la donnée  Démarche de passage de l’expérimentation à l’industrialisation DEP 2015 5
  6. 6. Axes Stratégies, Architectures et Réalisations DEP 2015 6  Stratégies de construction du SI  Développement de la réflexion autour des cas d’usage  Refonte des architectures BI classiques  Plus rare : SI « Data Centric » et traitements autour  Architectures Big Data  Moyens d’analyse avancée : type machine learning, analyse prédictive  Moyens de traitement des données non structurées : type NLP  Environnements Cloud : Public (PoC & Proto.) puis Privé (Production)  Réalisations  Data Quality : pas un pré requis !  Data Lake avec données de production  Data Lab : pas toujours  DaaS : pas encore…
  7. 7. Axe Analyse de la Valeur  Valeurs retirées par l’entreprise de ses initiatives dédiées au Big Data  Réponses à des problématiques métiers jusqu’à présent non résolues  Prises de décisions  mieux éclairées et mieux étayées  plus rapides à prendre et plus collaboratives  Agilité accrue par le renforcement de la culture de l’expérimentation  A valider, à terme :  Amélioration de la DQ, mesurée par le Big Data…  Capacité à réaliser des analyses d’impact  Maîtrise des données exposées et visualisation « communicante »  Création de nouveaux services ou de nouvelles offres métiers ‼ « Les entreprises qui intègrent le Big Data sont 6% plus rentables que les autres » (source : McKinsey 2013) DEP 2015 7
  8. 8. Dans Big Data, il y a Data… DEP 2015 8 Les conclusions de notre échantillonnage de projets Big Data sont en phase !
  9. 9. 4 Quadrants pour positionner les organisations DEP 2015 9 3 4 1 2 Innovation + + S’appuyer sur les données pour assurer la transformation numérique Générer de nouvelles valeurs, de nouveaux services, par l’exploration des données Faire parler les données, prendre conscience de leur potentiel Assurer la cohérence et la gouvernance des données, garantir leur qualité - Gouvernance Levier : Gouvernance autour de Data Labs Levier : Démarches structurées autour des Data Labs Levier : Gouvernance Transverse autour de la Donnée Levier : Décloisonnement Métiers - DSI Levier : Architecture Data Centrique Levier : Valorisation et animation de la pluralité des talents Levier : Industrialisation de la Chaîne de Données
  10. 10. Merci de votre attention ! DEP 2015 10 Hervé Husson Transformation & Innovation +331 41 46 08 00 herve.husson@conix.fr www.conix.fr

×