SlideShare une entreprise Scribd logo
1  sur  19
Télécharger pour lire hors ligne
KEDGE Business School
21 – 22 Mai 2015
Joel Rubino
Président et co fondateur Apicube	
  
Analyse de données et aide à la décision.
Où comment garder client et citoyen
au coeur de votre stratégie.
Apicube est une société de
conseil spécialisée dans le big
data et l’étude des
conversations publiques sur
internet.
Nous permettons aux
entreprises et aux collectivités
de mieux comprendre les
attentes des consommateurs
et des citoyens afin de mieux
les servir en les gardant au
cœur de leur stratégie.
2
Ils nous font confiance
3
Un univers digital en expansion
INSIGHTSACTIONS
90% des données publiques
créées depuis le début de
l’humanité et accessibles
légalement ont été créées ces
2 dernières années
(Source IBM)
Explosion exponentielle de la
quantité de données. Nous ne
sommes qu’au début d’un
phénomène d’ampleur.
Focus sur la valeur pas sur la
donnée
Depuis Adam et Eve
jusqu’en 2011
2012 - 2013
90%	
  
Espace maitrisé
Communication institutionnelle
Marque -> clients
Site Corporate
Publicité
Espace semi-maitrisé
Modération du dialogue
entre la marque et ses clients
Page Facebook
Blog Corporate
S.A.V.
Compte Twitter
Chaine Youtube
…
Espace subi
Expression totalement libre
et incontrôlée
Sites Concurrents
Presse en ligne
Forum de discussions
Instagram
Tripadvisor
Twitter
Facebook
Google+
…
Les 3 espaces de communication.
…. « A Bordeaux, j’ai acheté un sac Vuitton à mon épouse. C’est sa
marque préférée mais les coutures viennent de lâcher »….
Séman'que	
  et	
  sen'ments	
  
Opinion positive sur la marque
Identification du lieu
Identification de la marque Vuitton Homme
Marié
Opinion négative sur le produit
…. « A Bordeaux, j’ai acheté un sac Vuitton à mon épouse. C’est sa
marque préférée mais les coutures viennent de lâcher »….
Toulouse	
  Métropole:	
  	
  
+700	
  000	
  habitants,	
  37	
  communes,	
  460	
  km²	
  
•  Stratégie:	
  	
  
–  Toulouse	
  Métropole	
  a	
  la	
  convic'on	
  que	
  les	
  Médias	
  Sociaux	
  
doivent	
  être	
  le	
  fer	
  de	
  lance	
  de	
  sa	
  stratégie	
  de	
  communica'on.	
  
•  Problème:	
  	
  
–  Le	
  disposi'f	
  actuel	
  est	
  principalement	
  réac'f	
  sur	
  la	
  base	
  des	
  
besoins	
  entrants	
  et	
  d’un	
  radar	
  ar'sanal	
  
–  Difficulté	
  à	
  écouter	
  des	
  flux	
  d’informa'on	
  en	
  dehors	
  des	
  
médias	
  majeurs	
  
–  Interven'ons	
  sur	
  requête	
  et	
  donc	
  pas	
  forcément	
  
représenta'ves	
  des	
  besoins	
  du	
  plus	
  grand	
  nombre	
  
–  Priorisa'on	
  des	
  contenus	
  éditoriaux	
  à	
  créer	
  et	
  améliorer	
  
–  Difficulté	
  à	
  détecter	
  les	
  sujets	
  émergents	
  avant	
  qu’ils	
  ne	
  
deviennent	
  majeurs	
  
–  Incapacité	
  à	
  prévenir	
  d’éventuelles	
  crises	
  
Toulouse	
  Métropole:	
  	
  
+700	
  000	
  habitants,	
  37	
  communes,	
  460	
  km²	
  
•  Développement	
  à	
  'tre	
  expérimental	
  un	
  modèle	
  de	
  données	
  qui	
  analyse	
  les	
  grandes	
  
théma'ques	
  importantes	
  pour	
  la	
  ville,	
  comme	
  les	
  transports,	
  la	
  sécurité	
  ou	
  la	
  culture.	
  
•  Plus	
  d’1,6	
  millions	
  de	
  documents	
  ont	
  servi	
  de	
  base	
  à	
  la	
  1ère	
  analyse,	
  le	
  modèle	
  étant	
  
maintenant	
  défini	
  et	
  op'misé	
  il	
  pourrait	
  être	
  alimenté	
  en	
  con'nu	
  et	
  temps	
  réel,	
  au	
  fil	
  de	
  
l’appari'on	
  de	
  nouvelles	
  données	
  et	
  servir	
  à	
  de	
  nouvelles	
  analyses.	
  
•  Un	
  rapport	
  comprenant	
  des	
  synthèses	
  qualita'ves	
  et	
  quan'ta'ves	
  sur	
  chaque	
  grand	
  
thème	
  a	
  été	
  transmis	
  à	
  la	
  Direc'on	
  de	
  la	
  Communica'on	
  afin	
  d’adapter	
  leurs	
  ac'ons	
  sur	
  
la	
  base	
  de	
  ces	
  informa'ons,	
  améliorant	
  ainsi	
  l’efficacité	
  globale	
  de	
  leur	
  travail	
  et	
  du	
  
service	
  aux	
  citoyens.	
  
Big	
  Data	
  Analy'c	
  	
  
Ecouter	
  les	
  Toulousains	
  pour	
  mieux	
  les	
  servir	
  
Modèle analytique partiel de la ville de Toulouse
METHODOLOGIE DE L’ETUDE
OUTILSANALYSE
SMA (Social Media Analytics) traite un
large volume de données issues du web.
La technologie sémantique traite et
analyse les conversations selon un
modèle prédéterminé.
Ce modèle d’analyse a été paramétré
afin de faire ressortir toutes les
discussions autour de l’univers de la
metropole Toulousaine en réduisant au
maximum les conversations «
polluantes »
AXESD’ÉTUDE
L’étude analytique va croiser 3
dimensions:
Types: Grandes Thématiques
Concepts: Segmentation des
thématiques principales (Bus, Metro,
Tramway,…)
Hotwords: Sujets transverses et non
spécifiques à une des 4 marques (Ville,
quartier, …)
Ecouter pour mieux communiquer
Avant / Après
•  L‘affaire	
  Merah	
  a	
  maximisé	
  la	
  sensa'on	
  d’insécurité	
  
•  Après	
  dépollu'on	
  du	
  modèle	
  on	
  retrouve	
  une	
  sensa'on	
  
d‘insécurité	
  comparable	
  aux	
  autres	
  grandes	
  métropoles	
  
Française	
  et	
  en	
  deçà	
  de	
  métropoles	
  telles	
  que	
  Paris/Marseille/
Lyon.	
  
•  En	
  bâ'ssant	
  le	
  modèle	
  de	
  données,	
  nous	
  avons	
  pu	
  constater	
  
que	
  la	
  théma'que	
  sécuritaire	
  est	
  écrasante	
  pour	
  les	
  
Toulousains	
  qui	
  ressentent	
  la	
  ville	
  comme	
  peu	
  sûre.	
  (79.559	
  
Documents,74%)	
  
–  Pour	
  Toulouse	
  Métropole,	
  ce	
  sen'ment	
  est	
  un	
  réel	
  enjeux	
  car	
  le	
  besoin	
  de	
  
sécurité	
  est	
  fondamental	
  pour	
  la	
  popula'on.	
  L’insécurité	
  a	
  une	
  influence	
  
l’économie,	
  la	
  créa'on	
  d’entreprise,	
  la	
  natalité,	
  le	
  dynamisme	
  culturel,	
  la	
  
santé,	
  etc...	
  
–  En	
  analysant	
  les	
  informa'ons	
  disponibles,	
  on	
  constate	
  une	
  prédominance	
  
d’affaires	
  na'onales,	
  de	
  délinquance	
  ou	
  de	
  terrorisme,	
  qui	
  n’ont	
  pas	
  de	
  
corréla'on	
  directe	
  avec	
  Toulouse.	
  
–  Toulouse	
  acquiert	
  une	
  visibilité	
  mondiale	
  sur	
  le	
  sujet	
  et	
  un	
  matraquage	
  
média'que	
  quo'dien	
  s’abat	
  sur	
  les	
  habitants	
  pendant	
  plusieurs	
  mois.	
  	
  
Toulouse
La sensation d’insécurité au centre des débats – 1/2
•  En	
  géolocalisant	
  par	
  quar'er	
  les	
  	
  
expressions	
  des	
  Toulousains	
  
–  Le	
  sen'ment	
  d’insécurité	
  est	
  	
  
globalement	
  homogène	
  
–  Les	
  quar'ers	
  pourtant	
  généralement	
  	
  
considérés	
  comme	
  «difficiles»,	
  ne	
  sont	
  	
  
pas	
  différents	
  
•  Analyse	
  par	
  	
  «	
  Media	
  Set	
  »	
  spécifique	
  	
  (c.a.d.	
  par	
  typologies	
  de	
  sources	
  d’informa'on)	
  
–  La	
  PQR,	
  principal	
  média	
  local,	
  traite	
  énormément	
  la	
  théma'que	
  sécuritaire,	
  venant	
  indirectement	
  renforcer	
  
la	
  percep'on	
  néga've	
  de	
  la	
  popula'on.	
  
Toulouse
La sensation d’insécurité au centre des débats – 2/2
Quelques	
  exemples	
  de	
  réalisa'ons:	
  
•  Ligue	
  na'onale	
  de	
  Football	
  
•  Mairie	
  de	
  Toulouse	
  
•  La	
  Poste	
  
•  SFR	
  
•  Seb	
  
•  Toulouse	
  Métrople	
  
•  IBM	
  
•  PSG	
  
•  Dynamo	
  
•  …	
  
1)  Intérêt business du projet
Démarrez avec des questions (pas avec des données..)
Définissez vos KPI business (Revenu, Croissance, Marge, Satisfaction client, Part de marché, délais de livraison, co^t de recrutement
HR, etc,
2) Établissez une cartographie des données disponibles dans l’entreprise
Objectif: Décloisonner les « silos » qui peuvent exister au sein de chaque organisation pour obtenir une cartographie des données non pas
par département mais par typologie ou usage.
Par	
  où	
  commencer	
  ?	
  
source	
   description	
   exemples	
  
web •  contenu généré par les utilisateurs: réseaux sociaux, stockage de documents,
photos, vidéos, etc.
•  e-commerce: historique des transactions et données clients
•  Facebook, Twitter, YouTube, LinkedIn, FlickR
•  Amazon, Ebay, etc. 
machine to machine
(M2M)
et internet des objets
•  RFID, capteurs, etc. NFC, QR code…
•  log (i.e. mobile, internet, fixe) et données d’appels
•  localisation de produits
•  localisation d’individus, analyse du trafic en
temps réel, points de vente
données commerciales •  CRM: profil des clients, comportements, logs, etc. •  historique des transactions
•  programmes de fidélité: points d’intérêts
données personnelles •  informations légales (identité, statut marital,…), informations médicales, etc. •  passeport, dossiers médicaux, casier judiciaire
open data •  dossiers des administrations publiques, statistiques, etc. •  datapublica.com, data.gouv.fr
3) Identifier des premiers cas d’utilisation faciles à tester
L’objectif est de parvenir rapidement à une mise en application concrète où les données qui ont été retenues comme pertinentes vont
pouvoir être testées, transformées et analysées.
La clef de la réussite est de commencer avec des projets simples impliquant des tailles et une complexité de jeux de données faibles.
Pour apporter un retour d’expérience rapide, ce premier projet doit être effectué avec des données de valeur, faciles à collecter,, être
restreint à un secteur, une filiale ou un pays et porter sur un projet avec un ROI court terme.
4 chantiers en parallèle : Business, opérationnel, technologique et juridique
1.  Chantier business
•  Intérêt business du projet
•  Retour sur investissement
2.   Chantier opérationnel.
•  Faciliter le partage des données. Les données étant éparpillées au sein des entreprises (ou en externe) , il faut les traiter
de façon globale.
•  Création d’une business unit transverse à tous les départements en charge de la Data
•  Eventuellement lancer un programme de recrutement :
•  des spécialistes technologiques : pour la gestion et la surveillance des outils et des plateformes
•  des Data scientists : pour le traitement et l’analyse des données
•  des Business managers : pour la compréhension des enjeux data des clients.
3.  Chantier technologique: implémenter les bons outils technologiques 
•  Orienté OPEX : externalisation de la gestion, du traitement et du stockage des données via un achat en mode « as a
service » de services.
•  Orienté CAPEX : achat d’une start-up ou d’outils big data à intégrer à votre SI interne
 
4.  Chantier Juridique:
•  Trouver le juste milieu entre confidentialité et monétisation des données utilisateurs
•  S’entourer des conseils d’un avocat spécialisé « data »
Comment	
  Con'nuer	
  ?	
  
Q	
  &	
  A	
  
Joël Rubino
CEO & Co fondateur
Apicube
joel@apicube.com
06 70 47 10 71

Contenu connexe

En vedette

Lutte contre le paludisme - Collecte et analyse des données (in vivo)
Lutte contre le paludisme - Collecte et analyse des données (in vivo)Lutte contre le paludisme - Collecte et analyse des données (in vivo)
Lutte contre le paludisme - Collecte et analyse des données (in vivo)Institut Pasteur de Madagascar
 
B5258 g formation-ibm-cognos-report-studio-creation-de-rapports-fonctions-ess...
B5258 g formation-ibm-cognos-report-studio-creation-de-rapports-fonctions-ess...B5258 g formation-ibm-cognos-report-studio-creation-de-rapports-fonctions-ess...
B5258 g formation-ibm-cognos-report-studio-creation-de-rapports-fonctions-ess...CERTyou Formation
 
Afflelou : Nouvelle ère de l'analytique avec Cognos 10
Afflelou : Nouvelle ère de l'analytique avec Cognos 10Afflelou : Nouvelle ère de l'analytique avec Cognos 10
Afflelou : Nouvelle ère de l'analytique avec Cognos 10Lucile HYON-LE GOURRIEREC
 
Application de l’analyse des données fonctionnelles à l’identification de blé...
Application de l’analyse des données fonctionnelles à l’identification de blé...Application de l’analyse des données fonctionnelles à l’identification de blé...
Application de l’analyse des données fonctionnelles à l’identification de blé...tuxette
 
Reporting et Décisionnel - Mise en œuvre d’un système intégré
Reporting et Décisionnel - Mise en œuvre d’un système intégréReporting et Décisionnel - Mise en œuvre d’un système intégré
Reporting et Décisionnel - Mise en œuvre d’un système intégréConstantin ZAMORA
 
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015Metro'num 2015
 
Ch4 andoneco [mode de compatibilité]
Ch4 andoneco [mode de compatibilité]Ch4 andoneco [mode de compatibilité]
Ch4 andoneco [mode de compatibilité]Khalid Benammi
 
Analyse des Données - Une Approche Innovante pour le Secteur Financier
Analyse des Données - Une Approche Innovante pour le Secteur FinancierAnalyse des Données - Une Approche Innovante pour le Secteur Financier
Analyse des Données - Une Approche Innovante pour le Secteur FinancierTrick Consulting
 
Les logiciels Connus de la B.I
Les logiciels Connus de la B.ILes logiciels Connus de la B.I
Les logiciels Connus de la B.Imariam belkhiria
 
DeciLogic, la gestion d'un projet décisionnel
DeciLogic, la gestion d'un projet décisionnelDeciLogic, la gestion d'un projet décisionnel
DeciLogic, la gestion d'un projet décisionnelEric Mauvais
 
Azizi descriptif cours_analysestatistiqueappliquéesousspss
Azizi descriptif cours_analysestatistiqueappliquéesousspssAzizi descriptif cours_analysestatistiqueappliquéesousspss
Azizi descriptif cours_analysestatistiqueappliquéesousspssSouad Azizi
 
Les systèmes d'information décisionnel pour les assurances
Les systèmes d'information décisionnel pour les assurancesLes systèmes d'information décisionnel pour les assurances
Les systèmes d'information décisionnel pour les assurancesdihiaselma
 
Présentation sur le Data Mining
Présentation sur le Data MiningPrésentation sur le Data Mining
Présentation sur le Data MiningTakfarinas KENOUCHE
 
Analyse de données marketing : ACP et AFC
Analyse de données marketing : ACP et AFCAnalyse de données marketing : ACP et AFC
Analyse de données marketing : ACP et AFCYannig Roth
 
Cours acp mehdi_aman
Cours acp mehdi_amanCours acp mehdi_aman
Cours acp mehdi_amanMehdi Aman
 
Cours doumi spss 2013 2014
Cours doumi spss 2013 2014Cours doumi spss 2013 2014
Cours doumi spss 2013 2014tsuhel
 
Initiation au logiciel spss 18
Initiation au logiciel spss 18Initiation au logiciel spss 18
Initiation au logiciel spss 18melinabernier
 
La BI : Qu’est-ce que c’est ? A quoi ça sert ?
La BI : Qu’est-ce que c’est ? A quoi ça sert ?La BI : Qu’est-ce que c’est ? A quoi ça sert ?
La BI : Qu’est-ce que c’est ? A quoi ça sert ?Jean-Marc Dupont
 
BI : Analyse des Données avec Mondrian
BI : Analyse des Données avec Mondrian BI : Analyse des Données avec Mondrian
BI : Analyse des Données avec Mondrian Lilia Sfaxi
 

En vedette (20)

Lutte contre le paludisme - Collecte et analyse des données (in vivo)
Lutte contre le paludisme - Collecte et analyse des données (in vivo)Lutte contre le paludisme - Collecte et analyse des données (in vivo)
Lutte contre le paludisme - Collecte et analyse des données (in vivo)
 
B5258 g formation-ibm-cognos-report-studio-creation-de-rapports-fonctions-ess...
B5258 g formation-ibm-cognos-report-studio-creation-de-rapports-fonctions-ess...B5258 g formation-ibm-cognos-report-studio-creation-de-rapports-fonctions-ess...
B5258 g formation-ibm-cognos-report-studio-creation-de-rapports-fonctions-ess...
 
Afflelou : Nouvelle ère de l'analytique avec Cognos 10
Afflelou : Nouvelle ère de l'analytique avec Cognos 10Afflelou : Nouvelle ère de l'analytique avec Cognos 10
Afflelou : Nouvelle ère de l'analytique avec Cognos 10
 
Application de l’analyse des données fonctionnelles à l’identification de blé...
Application de l’analyse des données fonctionnelles à l’identification de blé...Application de l’analyse des données fonctionnelles à l’identification de blé...
Application de l’analyse des données fonctionnelles à l’identification de blé...
 
Reporting et Décisionnel - Mise en œuvre d’un système intégré
Reporting et Décisionnel - Mise en œuvre d’un système intégréReporting et Décisionnel - Mise en œuvre d’un système intégré
Reporting et Décisionnel - Mise en œuvre d’un système intégré
 
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
 
Ch4 andoneco [mode de compatibilité]
Ch4 andoneco [mode de compatibilité]Ch4 andoneco [mode de compatibilité]
Ch4 andoneco [mode de compatibilité]
 
Analyse des Données - Une Approche Innovante pour le Secteur Financier
Analyse des Données - Une Approche Innovante pour le Secteur FinancierAnalyse des Données - Une Approche Innovante pour le Secteur Financier
Analyse des Données - Une Approche Innovante pour le Secteur Financier
 
Les logiciels Connus de la B.I
Les logiciels Connus de la B.ILes logiciels Connus de la B.I
Les logiciels Connus de la B.I
 
DeciLogic, la gestion d'un projet décisionnel
DeciLogic, la gestion d'un projet décisionnelDeciLogic, la gestion d'un projet décisionnel
DeciLogic, la gestion d'un projet décisionnel
 
Azizi descriptif cours_analysestatistiqueappliquéesousspss
Azizi descriptif cours_analysestatistiqueappliquéesousspssAzizi descriptif cours_analysestatistiqueappliquéesousspss
Azizi descriptif cours_analysestatistiqueappliquéesousspss
 
Les systèmes d'information décisionnel pour les assurances
Les systèmes d'information décisionnel pour les assurancesLes systèmes d'information décisionnel pour les assurances
Les systèmes d'information décisionnel pour les assurances
 
Présentation sur le Data Mining
Présentation sur le Data MiningPrésentation sur le Data Mining
Présentation sur le Data Mining
 
Analyse de données marketing : ACP et AFC
Analyse de données marketing : ACP et AFCAnalyse de données marketing : ACP et AFC
Analyse de données marketing : ACP et AFC
 
Cours acp mehdi_aman
Cours acp mehdi_amanCours acp mehdi_aman
Cours acp mehdi_aman
 
Cours doumi spss 2013 2014
Cours doumi spss 2013 2014Cours doumi spss 2013 2014
Cours doumi spss 2013 2014
 
Initiation au logiciel spss 18
Initiation au logiciel spss 18Initiation au logiciel spss 18
Initiation au logiciel spss 18
 
La BI : Qu’est-ce que c’est ? A quoi ça sert ?
La BI : Qu’est-ce que c’est ? A quoi ça sert ?La BI : Qu’est-ce que c’est ? A quoi ça sert ?
La BI : Qu’est-ce que c’est ? A quoi ça sert ?
 
BI : Analyse des Données avec Mondrian
BI : Analyse des Données avec Mondrian BI : Analyse des Données avec Mondrian
BI : Analyse des Données avec Mondrian
 
Analyse de données avec spss,
Analyse de données avec spss,Analyse de données avec spss,
Analyse de données avec spss,
 

Similaire à Analyse-données-aide-à-la-décision-apicube-metro'num2015

Big data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessBig data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessVincent de Stoecklin
 
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
 
L'émergence d'une nouvelle filière de formation : data science
L'émergence d'une nouvelle filière de formation : data scienceL'émergence d'une nouvelle filière de formation : data science
L'émergence d'une nouvelle filière de formation : data scienceKezhan SHI
 
Big data et marketing digital
Big data et marketing digital Big data et marketing digital
Big data et marketing digital Hamza Sossey
 
Nos systèmes : dossier de partenariat
Nos systèmes : dossier de partenariatNos systèmes : dossier de partenariat
Nos systèmes : dossier de partenariatFing
 
Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18Laetitia Lycke
 
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 technologiesHassan Lâasri
 
Les défis des services publics
Les défis des services publicsLes défis des services publics
Les défis des services publicsOFO - IFA
 
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 territoirenoucher
 
[livre blanc] "Les Big Data pour les services publics : enjeux, technologies ...
[livre blanc] "Les Big Data pour les services publics : enjeux, technologies ...[livre blanc] "Les Big Data pour les services publics : enjeux, technologies ...
[livre blanc] "Les Big Data pour les services publics : enjeux, technologies ...yann le gigan
 
Quelle gouvernance pour le numérique?
Quelle gouvernance pour le numérique?Quelle gouvernance pour le numérique?
Quelle gouvernance pour le numérique?Antoine Vigneron
 
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 businessMouhsine LAKHDISSI
 
Droit des marques & Big Data
Droit des marques & Big DataDroit des marques & Big Data
Droit des marques & Big DataCedric Manara
 
La Banque de demain : Chapitre 4
La Banque de demain : Chapitre 4 La Banque de demain : Chapitre 4
La Banque de demain : Chapitre 4 OCTO Technology
 
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 organisationsFing
 
Etude Apec - Les métiers de la data
Etude Apec - Les métiers de la dataEtude Apec - Les métiers de la data
Etude Apec - Les métiers de la dataApec
 

Similaire à Analyse-données-aide-à-la-décision-apicube-metro'num2015 (20)

Big data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessBig data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-business
 
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 ?
 
L'émergence d'une nouvelle filière de formation : data science
L'émergence d'une nouvelle filière de formation : data scienceL'émergence d'une nouvelle filière de formation : data science
L'émergence d'une nouvelle filière de formation : data science
 
Big data et marketing digital
Big data et marketing digital Big data et marketing digital
Big data et marketing digital
 
Nos systèmes : dossier de partenariat
Nos systèmes : dossier de partenariatNos systèmes : dossier de partenariat
Nos systèmes : dossier de partenariat
 
Parcours Big Data @ Cetic (6 mai 2014)
Parcours Big Data @ Cetic (6 mai 2014)Parcours Big Data @ Cetic (6 mai 2014)
Parcours Big Data @ Cetic (6 mai 2014)
 
Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18
 
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
 
Les défis des services publics
Les défis des services publicsLes défis des services publics
Les défis des services publics
 
Empowerment numérique. We can be HEROes
Empowerment numérique. We can be HEROesEmpowerment numérique. We can be HEROes
Empowerment numérique. We can be HEROes
 
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
 
Empowerment numérique
Empowerment numériqueEmpowerment numérique
Empowerment numérique
 
[livre blanc] "Les Big Data pour les services publics : enjeux, technologies ...
[livre blanc] "Les Big Data pour les services publics : enjeux, technologies ...[livre blanc] "Les Big Data pour les services publics : enjeux, technologies ...
[livre blanc] "Les Big Data pour les services publics : enjeux, technologies ...
 
Quelle gouvernance pour le numérique?
Quelle gouvernance pour le numérique?Quelle gouvernance pour le numérique?
Quelle gouvernance pour le numérique?
 
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
 
Droit des marques & Big Data
Droit des marques & Big DataDroit des marques & Big Data
Droit des marques & Big Data
 
La Banque de demain : Chapitre 4
La Banque de demain : Chapitre 4 La Banque de demain : Chapitre 4
La Banque de demain : Chapitre 4
 
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
 
Introduction au Big data
Introduction au Big data Introduction au Big data
Introduction au Big data
 
Etude Apec - Les métiers de la data
Etude Apec - Les métiers de la dataEtude Apec - Les métiers de la data
Etude Apec - Les métiers de la data
 

Plus de Metro'num 2015

presentation-authentication-industries-metronum2015
presentation-authentication-industries-metronum2015presentation-authentication-industries-metronum2015
presentation-authentication-industries-metronum2015Metro'num 2015
 
Géographie-du-travail-ville-innovation-Metro'num2015
Géographie-du-travail-ville-innovation-Metro'num2015Géographie-du-travail-ville-innovation-Metro'num2015
Géographie-du-travail-ville-innovation-Metro'num2015Metro'num 2015
 
Mobilité-données-flux-territoires-Université-de-louvain-Metro'num2015
Mobilité-données-flux-territoires-Université-de-louvain-Metro'num2015Mobilité-données-flux-territoires-Université-de-louvain-Metro'num2015
Mobilité-données-flux-territoires-Université-de-louvain-Metro'num2015Metro'num 2015
 
Déchets-économie-circulaire-numérique-Metro'num2015
Déchets-économie-circulaire-numérique-Metro'num2015Déchets-économie-circulaire-numérique-Metro'num2015
Déchets-économie-circulaire-numérique-Metro'num2015Metro'num 2015
 
Ville-de-demain-SilexID-Metro'num2015
Ville-de-demain-SilexID-Metro'num2015Ville-de-demain-SilexID-Metro'num2015
Ville-de-demain-SilexID-Metro'num2015Metro'num 2015
 
Energie-Ressources-numérique-Schneider-metro'num2015
Energie-Ressources-numérique-Schneider-metro'num2015Energie-Ressources-numérique-Schneider-metro'num2015
Energie-Ressources-numérique-Schneider-metro'num2015Metro'num 2015
 
Flux-Vision-Tourisme-RN2D-metro'num2015
Flux-Vision-Tourisme-RN2D-metro'num2015Flux-Vision-Tourisme-RN2D-metro'num2015
Flux-Vision-Tourisme-RN2D-metro'num2015Metro'num 2015
 
Fablab-Rennes-Métropole-metro'num2015
Fablab-Rennes-Métropole-metro'num2015Fablab-Rennes-Métropole-metro'num2015
Fablab-Rennes-Métropole-metro'num2015Metro'num 2015
 
Commerce-local-connecté-PICOM-metro'num2015
Commerce-local-connecté-PICOM-metro'num2015Commerce-local-connecté-PICOM-metro'num2015
Commerce-local-connecté-PICOM-metro'num2015Metro'num 2015
 
Numérique-Open-Data-Pesa-metro'num2015
Numérique-Open-Data-Pesa-metro'num2015Numérique-Open-Data-Pesa-metro'num2015
Numérique-Open-Data-Pesa-metro'num2015Metro'num 2015
 
Nouveaux-usages-stationnement-parking-facile-metro'num2015
Nouveaux-usages-stationnement-parking-facile-metro'num2015Nouveaux-usages-stationnement-parking-facile-metro'num2015
Nouveaux-usages-stationnement-parking-facile-metro'num2015Metro'num 2015
 
Silver-économique-habitat-connecté-my-olympe-metro'num2015
Silver-économique-habitat-connecté-my-olympe-metro'num2015Silver-économique-habitat-connecté-my-olympe-metro'num2015
Silver-économique-habitat-connecté-my-olympe-metro'num2015Metro'num 2015
 
Economie-collaborative-Maif-metro'num2015
Economie-collaborative-Maif-metro'num2015Economie-collaborative-Maif-metro'num2015
Economie-collaborative-Maif-metro'num2015Metro'num 2015
 
Logistique-urbaine-la-poste-metro'num2015
Logistique-urbaine-la-poste-metro'num2015Logistique-urbaine-la-poste-metro'num2015
Logistique-urbaine-la-poste-metro'num2015Metro'num 2015
 
Valeur-économie-collaborative-dans-ville-koolicar-metro'num2015
Valeur-économie-collaborative-dans-ville-koolicar-metro'num2015Valeur-économie-collaborative-dans-ville-koolicar-metro'num2015
Valeur-économie-collaborative-dans-ville-koolicar-metro'num2015Metro'num 2015
 
Energie-gestion-des-ressources-numériques-IQSpot-metro'num2015
Energie-gestion-des-ressources-numériques-IQSpot-metro'num2015Energie-gestion-des-ressources-numériques-IQSpot-metro'num2015
Energie-gestion-des-ressources-numériques-IQSpot-metro'num2015Metro'num 2015
 
Smart-destination-tourisme-connecté-territoires-IGN-metro'num2015
Smart-destination-tourisme-connecté-territoires-IGN-metro'num2015Smart-destination-tourisme-connecté-territoires-IGN-metro'num2015
Smart-destination-tourisme-connecté-territoires-IGN-metro'num2015Metro'num 2015
 
Disponibilité-Immédiate-Développer--ventes-local-Cdiscount-metro'num2015
Disponibilité-Immédiate-Développer--ventes-local-Cdiscount-metro'num2015Disponibilité-Immédiate-Développer--ventes-local-Cdiscount-metro'num2015
Disponibilité-Immédiate-Développer--ventes-local-Cdiscount-metro'num2015Metro'num 2015
 
Présentation-singapour-15chrono achotard-aec-metro'num2015
Présentation-singapour-15chrono achotard-aec-metro'num2015Présentation-singapour-15chrono achotard-aec-metro'num2015
Présentation-singapour-15chrono achotard-aec-metro'num2015Metro'num 2015
 

Plus de Metro'num 2015 (19)

presentation-authentication-industries-metronum2015
presentation-authentication-industries-metronum2015presentation-authentication-industries-metronum2015
presentation-authentication-industries-metronum2015
 
Géographie-du-travail-ville-innovation-Metro'num2015
Géographie-du-travail-ville-innovation-Metro'num2015Géographie-du-travail-ville-innovation-Metro'num2015
Géographie-du-travail-ville-innovation-Metro'num2015
 
Mobilité-données-flux-territoires-Université-de-louvain-Metro'num2015
Mobilité-données-flux-territoires-Université-de-louvain-Metro'num2015Mobilité-données-flux-territoires-Université-de-louvain-Metro'num2015
Mobilité-données-flux-territoires-Université-de-louvain-Metro'num2015
 
Déchets-économie-circulaire-numérique-Metro'num2015
Déchets-économie-circulaire-numérique-Metro'num2015Déchets-économie-circulaire-numérique-Metro'num2015
Déchets-économie-circulaire-numérique-Metro'num2015
 
Ville-de-demain-SilexID-Metro'num2015
Ville-de-demain-SilexID-Metro'num2015Ville-de-demain-SilexID-Metro'num2015
Ville-de-demain-SilexID-Metro'num2015
 
Energie-Ressources-numérique-Schneider-metro'num2015
Energie-Ressources-numérique-Schneider-metro'num2015Energie-Ressources-numérique-Schneider-metro'num2015
Energie-Ressources-numérique-Schneider-metro'num2015
 
Flux-Vision-Tourisme-RN2D-metro'num2015
Flux-Vision-Tourisme-RN2D-metro'num2015Flux-Vision-Tourisme-RN2D-metro'num2015
Flux-Vision-Tourisme-RN2D-metro'num2015
 
Fablab-Rennes-Métropole-metro'num2015
Fablab-Rennes-Métropole-metro'num2015Fablab-Rennes-Métropole-metro'num2015
Fablab-Rennes-Métropole-metro'num2015
 
Commerce-local-connecté-PICOM-metro'num2015
Commerce-local-connecté-PICOM-metro'num2015Commerce-local-connecté-PICOM-metro'num2015
Commerce-local-connecté-PICOM-metro'num2015
 
Numérique-Open-Data-Pesa-metro'num2015
Numérique-Open-Data-Pesa-metro'num2015Numérique-Open-Data-Pesa-metro'num2015
Numérique-Open-Data-Pesa-metro'num2015
 
Nouveaux-usages-stationnement-parking-facile-metro'num2015
Nouveaux-usages-stationnement-parking-facile-metro'num2015Nouveaux-usages-stationnement-parking-facile-metro'num2015
Nouveaux-usages-stationnement-parking-facile-metro'num2015
 
Silver-économique-habitat-connecté-my-olympe-metro'num2015
Silver-économique-habitat-connecté-my-olympe-metro'num2015Silver-économique-habitat-connecté-my-olympe-metro'num2015
Silver-économique-habitat-connecté-my-olympe-metro'num2015
 
Economie-collaborative-Maif-metro'num2015
Economie-collaborative-Maif-metro'num2015Economie-collaborative-Maif-metro'num2015
Economie-collaborative-Maif-metro'num2015
 
Logistique-urbaine-la-poste-metro'num2015
Logistique-urbaine-la-poste-metro'num2015Logistique-urbaine-la-poste-metro'num2015
Logistique-urbaine-la-poste-metro'num2015
 
Valeur-économie-collaborative-dans-ville-koolicar-metro'num2015
Valeur-économie-collaborative-dans-ville-koolicar-metro'num2015Valeur-économie-collaborative-dans-ville-koolicar-metro'num2015
Valeur-économie-collaborative-dans-ville-koolicar-metro'num2015
 
Energie-gestion-des-ressources-numériques-IQSpot-metro'num2015
Energie-gestion-des-ressources-numériques-IQSpot-metro'num2015Energie-gestion-des-ressources-numériques-IQSpot-metro'num2015
Energie-gestion-des-ressources-numériques-IQSpot-metro'num2015
 
Smart-destination-tourisme-connecté-territoires-IGN-metro'num2015
Smart-destination-tourisme-connecté-territoires-IGN-metro'num2015Smart-destination-tourisme-connecté-territoires-IGN-metro'num2015
Smart-destination-tourisme-connecté-territoires-IGN-metro'num2015
 
Disponibilité-Immédiate-Développer--ventes-local-Cdiscount-metro'num2015
Disponibilité-Immédiate-Développer--ventes-local-Cdiscount-metro'num2015Disponibilité-Immédiate-Développer--ventes-local-Cdiscount-metro'num2015
Disponibilité-Immédiate-Développer--ventes-local-Cdiscount-metro'num2015
 
Présentation-singapour-15chrono achotard-aec-metro'num2015
Présentation-singapour-15chrono achotard-aec-metro'num2015Présentation-singapour-15chrono achotard-aec-metro'num2015
Présentation-singapour-15chrono achotard-aec-metro'num2015
 

Analyse-données-aide-à-la-décision-apicube-metro'num2015

  • 1. KEDGE Business School 21 – 22 Mai 2015 Joel Rubino Président et co fondateur Apicube   Analyse de données et aide à la décision. Où comment garder client et citoyen au coeur de votre stratégie.
  • 2. Apicube est une société de conseil spécialisée dans le big data et l’étude des conversations publiques sur internet. Nous permettons aux entreprises et aux collectivités de mieux comprendre les attentes des consommateurs et des citoyens afin de mieux les servir en les gardant au cœur de leur stratégie. 2
  • 3. Ils nous font confiance 3
  • 4. Un univers digital en expansion INSIGHTSACTIONS 90% des données publiques créées depuis le début de l’humanité et accessibles légalement ont été créées ces 2 dernières années (Source IBM) Explosion exponentielle de la quantité de données. Nous ne sommes qu’au début d’un phénomène d’ampleur. Focus sur la valeur pas sur la donnée Depuis Adam et Eve jusqu’en 2011 2012 - 2013 90%  
  • 5. Espace maitrisé Communication institutionnelle Marque -> clients Site Corporate Publicité Espace semi-maitrisé Modération du dialogue entre la marque et ses clients Page Facebook Blog Corporate S.A.V. Compte Twitter Chaine Youtube … Espace subi Expression totalement libre et incontrôlée Sites Concurrents Presse en ligne Forum de discussions Instagram Tripadvisor Twitter Facebook Google+ … Les 3 espaces de communication.
  • 6. …. « A Bordeaux, j’ai acheté un sac Vuitton à mon épouse. C’est sa marque préférée mais les coutures viennent de lâcher »…. Séman'que  et  sen'ments   Opinion positive sur la marque Identification du lieu Identification de la marque Vuitton Homme Marié Opinion négative sur le produit …. « A Bordeaux, j’ai acheté un sac Vuitton à mon épouse. C’est sa marque préférée mais les coutures viennent de lâcher »….
  • 7. Toulouse  Métropole:     +700  000  habitants,  37  communes,  460  km²  
  • 8. •  Stratégie:     –  Toulouse  Métropole  a  la  convic'on  que  les  Médias  Sociaux   doivent  être  le  fer  de  lance  de  sa  stratégie  de  communica'on.   •  Problème:     –  Le  disposi'f  actuel  est  principalement  réac'f  sur  la  base  des   besoins  entrants  et  d’un  radar  ar'sanal   –  Difficulté  à  écouter  des  flux  d’informa'on  en  dehors  des   médias  majeurs   –  Interven'ons  sur  requête  et  donc  pas  forcément   représenta'ves  des  besoins  du  plus  grand  nombre   –  Priorisa'on  des  contenus  éditoriaux  à  créer  et  améliorer   –  Difficulté  à  détecter  les  sujets  émergents  avant  qu’ils  ne   deviennent  majeurs   –  Incapacité  à  prévenir  d’éventuelles  crises   Toulouse  Métropole:     +700  000  habitants,  37  communes,  460  km²  
  • 9. •  Développement  à  'tre  expérimental  un  modèle  de  données  qui  analyse  les  grandes   théma'ques  importantes  pour  la  ville,  comme  les  transports,  la  sécurité  ou  la  culture.   •  Plus  d’1,6  millions  de  documents  ont  servi  de  base  à  la  1ère  analyse,  le  modèle  étant   maintenant  défini  et  op'misé  il  pourrait  être  alimenté  en  con'nu  et  temps  réel,  au  fil  de   l’appari'on  de  nouvelles  données  et  servir  à  de  nouvelles  analyses.   •  Un  rapport  comprenant  des  synthèses  qualita'ves  et  quan'ta'ves  sur  chaque  grand   thème  a  été  transmis  à  la  Direc'on  de  la  Communica'on  afin  d’adapter  leurs  ac'ons  sur   la  base  de  ces  informa'ons,  améliorant  ainsi  l’efficacité  globale  de  leur  travail  et  du   service  aux  citoyens.   Big  Data  Analy'c     Ecouter  les  Toulousains  pour  mieux  les  servir  
  • 10. Modèle analytique partiel de la ville de Toulouse
  • 11. METHODOLOGIE DE L’ETUDE OUTILSANALYSE SMA (Social Media Analytics) traite un large volume de données issues du web. La technologie sémantique traite et analyse les conversations selon un modèle prédéterminé. Ce modèle d’analyse a été paramétré afin de faire ressortir toutes les discussions autour de l’univers de la metropole Toulousaine en réduisant au maximum les conversations « polluantes » AXESD’ÉTUDE L’étude analytique va croiser 3 dimensions: Types: Grandes Thématiques Concepts: Segmentation des thématiques principales (Bus, Metro, Tramway,…) Hotwords: Sujets transverses et non spécifiques à une des 4 marques (Ville, quartier, …)
  • 12. Ecouter pour mieux communiquer
  • 14. •  L‘affaire  Merah  a  maximisé  la  sensa'on  d’insécurité   •  Après  dépollu'on  du  modèle  on  retrouve  une  sensa'on   d‘insécurité  comparable  aux  autres  grandes  métropoles   Française  et  en  deçà  de  métropoles  telles  que  Paris/Marseille/ Lyon.   •  En  bâ'ssant  le  modèle  de  données,  nous  avons  pu  constater   que  la  théma'que  sécuritaire  est  écrasante  pour  les   Toulousains  qui  ressentent  la  ville  comme  peu  sûre.  (79.559   Documents,74%)   –  Pour  Toulouse  Métropole,  ce  sen'ment  est  un  réel  enjeux  car  le  besoin  de   sécurité  est  fondamental  pour  la  popula'on.  L’insécurité  a  une  influence   l’économie,  la  créa'on  d’entreprise,  la  natalité,  le  dynamisme  culturel,  la   santé,  etc...   –  En  analysant  les  informa'ons  disponibles,  on  constate  une  prédominance   d’affaires  na'onales,  de  délinquance  ou  de  terrorisme,  qui  n’ont  pas  de   corréla'on  directe  avec  Toulouse.   –  Toulouse  acquiert  une  visibilité  mondiale  sur  le  sujet  et  un  matraquage   média'que  quo'dien  s’abat  sur  les  habitants  pendant  plusieurs  mois.     Toulouse La sensation d’insécurité au centre des débats – 1/2
  • 15. •  En  géolocalisant  par  quar'er  les     expressions  des  Toulousains   –  Le  sen'ment  d’insécurité  est     globalement  homogène   –  Les  quar'ers  pourtant  généralement     considérés  comme  «difficiles»,  ne  sont     pas  différents   •  Analyse  par    «  Media  Set  »  spécifique    (c.a.d.  par  typologies  de  sources  d’informa'on)   –  La  PQR,  principal  média  local,  traite  énormément  la  théma'que  sécuritaire,  venant  indirectement  renforcer   la  percep'on  néga've  de  la  popula'on.   Toulouse La sensation d’insécurité au centre des débats – 2/2
  • 16. Quelques  exemples  de  réalisa'ons:   •  Ligue  na'onale  de  Football   •  Mairie  de  Toulouse   •  La  Poste   •  SFR   •  Seb   •  Toulouse  Métrople   •  IBM   •  PSG   •  Dynamo   •  …  
  • 17. 1)  Intérêt business du projet Démarrez avec des questions (pas avec des données..) Définissez vos KPI business (Revenu, Croissance, Marge, Satisfaction client, Part de marché, délais de livraison, co^t de recrutement HR, etc, 2) Établissez une cartographie des données disponibles dans l’entreprise Objectif: Décloisonner les « silos » qui peuvent exister au sein de chaque organisation pour obtenir une cartographie des données non pas par département mais par typologie ou usage. Par  où  commencer  ?   source   description   exemples   web •  contenu généré par les utilisateurs: réseaux sociaux, stockage de documents, photos, vidéos, etc. •  e-commerce: historique des transactions et données clients •  Facebook, Twitter, YouTube, LinkedIn, FlickR •  Amazon, Ebay, etc.  machine to machine (M2M) et internet des objets •  RFID, capteurs, etc. NFC, QR code… •  log (i.e. mobile, internet, fixe) et données d’appels •  localisation de produits •  localisation d’individus, analyse du trafic en temps réel, points de vente données commerciales •  CRM: profil des clients, comportements, logs, etc. •  historique des transactions •  programmes de fidélité: points d’intérêts données personnelles •  informations légales (identité, statut marital,…), informations médicales, etc. •  passeport, dossiers médicaux, casier judiciaire open data •  dossiers des administrations publiques, statistiques, etc. •  datapublica.com, data.gouv.fr 3) Identifier des premiers cas d’utilisation faciles à tester L’objectif est de parvenir rapidement à une mise en application concrète où les données qui ont été retenues comme pertinentes vont pouvoir être testées, transformées et analysées. La clef de la réussite est de commencer avec des projets simples impliquant des tailles et une complexité de jeux de données faibles. Pour apporter un retour d’expérience rapide, ce premier projet doit être effectué avec des données de valeur, faciles à collecter,, être restreint à un secteur, une filiale ou un pays et porter sur un projet avec un ROI court terme.
  • 18. 4 chantiers en parallèle : Business, opérationnel, technologique et juridique 1.  Chantier business •  Intérêt business du projet •  Retour sur investissement 2.   Chantier opérationnel. •  Faciliter le partage des données. Les données étant éparpillées au sein des entreprises (ou en externe) , il faut les traiter de façon globale. •  Création d’une business unit transverse à tous les départements en charge de la Data •  Eventuellement lancer un programme de recrutement : •  des spécialistes technologiques : pour la gestion et la surveillance des outils et des plateformes •  des Data scientists : pour le traitement et l’analyse des données •  des Business managers : pour la compréhension des enjeux data des clients. 3.  Chantier technologique: implémenter les bons outils technologiques  •  Orienté OPEX : externalisation de la gestion, du traitement et du stockage des données via un achat en mode « as a service » de services. •  Orienté CAPEX : achat d’une start-up ou d’outils big data à intégrer à votre SI interne   4.  Chantier Juridique: •  Trouver le juste milieu entre confidentialité et monétisation des données utilisateurs •  S’entourer des conseils d’un avocat spécialisé « data » Comment  Con'nuer  ?  
  • 19. Q  &  A   Joël Rubino CEO & Co fondateur Apicube joel@apicube.com 06 70 47 10 71