1
©2015 Talend Inc
Maintenance prédictive, personnalisation des
interactions clients, optimisation de la supply chain :
qu...
2
Les entreprises orientées données…
· 23 fois plus d’acquisition de clients
· 6 fois plus de fidélisation clients
· 19 fo...
3
ABOUT TALEND
Faits et chiffres
• Créé en 2006
• 500+ employés dans 7 pays
• 1700+ clients
• 2M+ téléchargement open sour...
4
Réussir les transitions de l’expérimentation à la transformation digitale
Trajectoires d’adoption pour le Big Data
Exper...
5
Le Big Data pour mieux servir le client connecté
Exemple de Cas d’usage
Mettre en place la Customer Data Platform
Les en...
6
Personnaliser le parcours santé
L’enjeu :
Transformer le parcours santé en une expérience personnalisée et
plus efficace...
7
Pourquoi Spark et Talend ?
Quelle plate-forme pour opérer votre transformation
par les données ?
Spark
Streaming
Archite...
8
Disposer de l’information en juste à temps
Supprimer les temps de latence grâce à l’in-memory
Case d’usage : Vers une ap...
9
Avantage : Transformer les données de l’Internet des Objets en décisions
puis actions prises en temps réel grâce à une s...
10
Les apports de l’architecture Lambda
Analyser avant d’agir, au bon moment
Mobile
Sensors
Web
Mobile App
Analytic App
We...
11
Passer de l’analyse prédictive vers l’analyse prescriptive avec MLlib
• Cas d’usage typique :
personnalisation et
recom...
12
Nepartezpasduprincipequevouspourrezporterfacilementvos
applicationsexistantessurSparkdepuisunautremodèlede
programmatio...
13
Passer de MapReduce vers Spark en un clic grâce à Talend !
Performance
MapReduce
(fonctionnement sur
disque)
Un
Clic
Pe...
14
Tenez vous prêts pour le « Next Big Thing »
Un
Click
Spark
Next Big Thing
Next Big Thing
la prochaine
innovation
15
DécouvrezSparketle machinelearningaveclanouvelle
sandboxTalend
Créer un flux de
données en streaming
avec Kafka
Créer u...
16
Questions &
Réponses
http://fr.talend.com/En savoir +
Prochain SlideShare
Chargement dans…5
×

DATA FORUM MICROPOLE 2015 - Atelier Talend

305 vues

Publié le

Maintenance Prédictive, personnalisation des interactions clients, optimisation de la supply chain : quand Spark et Hadoop s'immiscent dans les activités opérationnelles de l'entreprise

0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
305
Sur SlideShare
0
Issues des intégrations
0
Intégrations
3
Actions
Partages
0
Téléchargements
18
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

DATA FORUM MICROPOLE 2015 - Atelier Talend

  1. 1. 1 ©2015 Talend Inc Maintenance prédictive, personnalisation des interactions clients, optimisation de la supply chain : quand Spark et Hadoop s'immiscent dans les activités opérationnelles de l’entreprise Jean-Michel Franco – Directeur marketing produit - @jmichel_franco
  2. 2. 2 Les entreprises orientées données… · 23 fois plus d’acquisition de clients · 6 fois plus de fidélisation clients · 19 fois plus rentables McKinsey’s DataMatics 2013 Survey - Using customer analytics to boost corporate performance Dynamiser l’entreprise par ses Données
  3. 3. 3 ABOUT TALEND Faits et chiffres • Créé en 2006 • 500+ employés dans 7 pays • 1700+ clients • 2M+ téléchargement open source • 108% CAGR 2007 2008 2209 2010 2011 2012 2013 2014 CLOUD INTEGRATIO N DATA INTEGRATION BIG DATA INTEGRATION MASTER DATA MANAGEMENT APPLICATION INTEGRATION Talend en bref Data Fabric
  4. 4. 4 Réussir les transitions de l’expérimentation à la transformation digitale Trajectoires d’adoption pour le Big Data Experimentation Analytique Data driven Valeur Seuil de rentabilité Proof of concept Projet approuvé Généra- lisation Transfor- mation + + Data Fabric + Big data “Ne cédez pas à la mode “data scientist”. Ayez une vision plus globale & commencez dès à présent à opérationnaliser le big data”
  5. 5. 5 Le Big Data pour mieux servir le client connecté Exemple de Cas d’usage Mettre en place la Customer Data Platform Les enjeux : • Améliorer les taux de transformation tout au long du parcours client • Améliorer le service client et personnaliser chaque interaction • Mesurer avec plus de précision l’efficacité des promotions et services La démarche : • Créer la vue unique et opérationnelle du client multi-canal • Collecter et connecter les données d’interaction/transaction • Enrichir avec l’analytique • Intégrer les points de contacts client en temps réel La plate forme : • Master Data Management pour la vue client consolidée • Big Data et machine learning pour la vue 360°enrichie • Intégration temps réel aux applications digitales et point de vente
  6. 6. 6 Personnaliser le parcours santé L’enjeu : Transformer le parcours santé en une expérience personnalisée et plus efficace grâce aux données et à l’analytique Pourquoi Talend : Une offre de Master Data Management dans le cloud, prête pour le Big Data, pour comprendre le contexte de chaque patient et l’orienter vers le bon service Valeur : Temps et efforts pour intégrer chaque nouveau client diminués de 75% grâce à la standardisation et la réutilisation des sources de données We are smart, passionate people, committed to creating a better healthcare experience and better outcome
  7. 7. 7 Pourquoi Spark et Talend ? Quelle plate-forme pour opérer votre transformation par les données ? Spark Streaming Architecture Lambda In Memory Machine Learning Pas de code Migration en 1 click Analyser avant d’agir, au bon moment Transformer les données en décisions, prescriptions et actions Rester à la pointe de la technologie sans efforts Supprimer les temps de latence quels que soient les traitements à appliquer Exploiter la donnée dès qu’elle vient
  8. 8. 8 Disposer de l’information en juste à temps Supprimer les temps de latence grâce à l’in-memory Case d’usage : Vers une approche plus dynamique du pricing Pourquoi Spark et Talend : · Développer rapidement des traitements massifs de données et augmenter leur fréquence d’exécution Augmentation de la performance des traitements batch Utilisation du caching et du partitionnement Tirer partie de la mémoire pour accélérer drastiquement les temps de traitement Résultats : · Des ventes augmentées de 9%, · Des rotations de stocks améliorées de 6% · Une profitabilité améliorée de 5%. http://www.blue-yonder.com/blog-e/2014/05/07/dynamic-pricing-critical-todays-multichannel-retailer/
  9. 9. 9 Avantage : Transformer les données de l’Internet des Objets en décisions puis actions prises en temps réel grâce à une seule solution z NoSQL Messaging rapide, Ingestion à haut débit, Traitement de données Les usages de Spark Streaming pour l’Internet des Objets Exploiterla donnéedèsqu’ellevient AMQP
  10. 10. 10 Les apports de l’architecture Lambda Analyser avant d’agir, au bon moment Mobile Sensors Web Mobile App Analytic App Web App Streaming Batch Query Transform Cleanse Govern Transform Cleanse Govern Spark Streaming/Kafka Spark Spark SQL
  11. 11. 11 Passer de l’analyse prédictive vers l’analyse prescriptive avec MLlib • Cas d’usage typique : personnalisation et recommandation temps réel • Bénéfices (source Venture Beat Survey) : • Cas 1 : contenu personnalisé sur site web pour un nombre de page vues augmenté de 300 % • Cas 2 : taux de conversion augmenté de 219%. Transformer les données en Décisions, Actions & Prescriptions Don- nées Intégrer Appren dre Agir avec clairvo- yance Valeur Alimenter l’apprentissage Appliquer le modèle Talend Big Data Integration & Quality Machine learning et analyse prédictive Talend Real Time Big Data integration Puissance de traitement des données dans Spark MLlib et Spark R Spark streaming et modèle de machine learning opérationnalisé Solution
  12. 12. 12 Nepartezpasduprincipequevouspourrezporterfacilementvos applicationsexistantessurSparkdepuisunautremodèlede programmation,commeMapReduce.Evoluer vers Sparknécessiteune ré-implémentation complète,etlescoûtspeuvent outrepasserlesbénéfices. Rester à la pointe de technologie sans efforts Nick Heudecker What Apache Spark Means for Big Data Gartner Research G00271327 February 25, 2015
  13. 13. 13 Passer de MapReduce vers Spark en un clic grâce à Talend ! Performance MapReduce (fonctionnement sur disque) Un Clic Performance Spark (fonctionnement en mémoire et sur disque) 5X plus rapide
  14. 14. 14 Tenez vous prêts pour le « Next Big Thing » Un Click Spark Next Big Thing Next Big Thing la prochaine innovation
  15. 15. 15 DécouvrezSparketle machinelearningaveclanouvelle sandboxTalend Créer un flux de données en streaming avec Kafka Créer un modèle de recommendation avec Spark ML LIB Créer une application Spark pour la recommandation en temps réel
  16. 16. 16 Questions & Réponses http://fr.talend.com/En savoir +

×