1. 1
UNIVERSITÉS D’ÉTÉ DFCG 2017

2. 2
CONTEXTE STRUCTUREL DU BIG DATA
L’AVENEMENT DU BIG DATA DANS LES ENTREPRISES
LES PILIERS ITERATIFS DE MISE EN OEUVRE
AGENDA

3. 3
L’ÉCONOMIE DIGITALE
La plus grande
compagnie de
taxis au monde …
N'a pas de
véhicules
Le plus grand
média …
Ne crée pas
de contenus
Le distributeur le
plus valorisé …
N'a pas
d'inventaire
La plus grande
chaîne hôtelière
au monde …
Ne possède
pas d'hôtel
Dans votre
industrie, xxx …
N'a pas de
…
?

4. 4
HEUREUSEMENT, CELA
NE CONCERNE QUE LES TAXIS …

5. 5
LA MÉDECINE

6. 6
TOUS LES SECTEURS SONT CONCERNES

7. 7
ILS INTERAGISSENT PRINCIPALEMENT AVEC LEURS CLIENTS
VIA LE WEB, UTILISENT DES ARCHITECTURES DE DONNÉES
MODERNES ET FONT DE LA DATA SCIENCE
LEUR POINT COMMUN ?
DEMANDE DES TECHNOLOGIES DISRUPTIVES

8. 8
CONTEXTE STRUCTUREL DU BIG DATA
L’AVENEMENT DU BIG DATA DANS LES ENTREPRISES
LES PILIERS ITERATIFS DE MISE EN OEUVRE
AGENDA

9. 9
Mon entreprise
QU’EST CE QUE LE BIG DATA ?
80’S/90’S – PILOTAGE DIT OPÉRATIONNEL CENTRÉ SUR MON ORGANISATION
Structurée, limitée, données internes
010101011
Mes clients
Mes Fournisseurs
Les organismes
de régulations
Etat,
métropoles,
communautés
Entreprises,
institutions,
média
Autres sources
externes
(Réseaux sociaux,
web, ….)

10. 10
Mon entreprise
QU’EST CE QUE LE BIG DATA ?
90’S/2000’S : CONTENU ET LES FLUX (DE QUALITÉ?) SONT INDUSTRIALISÉS
Structurée, Gros volume en expansion
VLB
Les organismes
de régulations
Mes Fournisseurs
Mes clients
Etat,
métropoles,
communautés
Entreprises,
institutions,
média
Autres sources
externes
(Réseaux sociaux,
web, ….)

11. 11
Mon entreprise
QU’EST CE QUE LE BIG DATA ?
2010’S : GÉNÉRALISATION DE LA DIGITALISATION : BIG DATA EST NÉ
Les organismes
de régulations
Mes Fournisseurs
Mes clients
Etat,
métropoles,
communautés
Entreprises,
institutions,
média
Autres sources
externes
(Réseaux sociaux,
web, ….)

12. 12
L’IMPACT SUR LES ARCHITECTURES / USAGES DATA
NOUVELLES DONNÉES + NOUVEAUX USAGES
Données structurées
• Tableaux de bord
• Business Intelligence
• DataVisualisation
• StoryTellingDataWarehouse

13. 13
L’IMPACT SUR LES ARCHITECTURES / USAGES DATA
NOUVELLES DONNÉES + NOUVEAUX USAGES
Vision 360°
(client, finance, RH, fournisseur, etc.)
Découverte de nouvelle valeur
Analyse
statistique et
modèles prédictifs
• Tableaux de bord
• Business Intelligence
• DataVisualisation
• API : prochaine
génération de services
• Amélioration des
processus existants
Données en mouvement
Réseaux sociaux
Données machines
et objets connectés
Données structurées
Fichiers texte,
audio, vidéo,
image, etc.
BIG ANALYTICSBIG DATA
Nouvelles
architectures
modernes

14. 14
ACCOMPAGNER L’ADOPTION DU BIG DATA
DÉFINISSEZ LE CAS D’USAGE

15. 15
CONTEXTE STRUCTUREL DU BIG DATA
L’AVENEMENT DU BIG DATA DANS LES ENTREPRISES
LES PILIERS DE MISE EN OEUVRE
AGENDA

16. 16
BIG DATA : LES PILIERS DE LA MISE EN ŒUVRE
EXPÉRIMENTER LE ROI
o Visible, fédérateur et prospectif
o Doit permettre le calcul d’un ROI !
o Avoir un sponsor métier fort
o Expérimentation / découverte.
o Utiliser les méthodes dites AGILE
o Collaborer, décloisonner les
compétences techniques et métiers
o La technologie n’est pas l’enjeu !
o Minimiser les achats
o Privilégier le mode locatif et les
outils open sources pléthoriques !
Cloud.
Cas d’usage Méthode / Gouvernance
Outils Investissement

17. 17
BIG DATA : LES PILIERS DE LA MISE EN ŒUVRE
INVESTIGUER, COMPRENDRE LES ENJEUX TECHNOLOGIQUES
o Doit permettre de valider l’ambition
métier
o Garantir la montée en compétences
sur les technologies du BIG DATA
o Valider l’ambition métier
o Valider la technologie,
o Privilégier les méthodes AGILES,
collaborer (métier & IT)
o Plateforme BigData, ON PREMISE
ou Infrastructures hybrides.
o La DSI doit pouvoir manipuler et
monter en compétences sur ces
nouvelles technologies.
Cas d’usage Méthode / Gouvernance
Outils Investissement

18. 18
BIG DATA : LES PILIERS DE LA MISE EN ŒUVRE
ORGANISER & INDUSTRIALISER
o Sélectionner les cas d’usages issus
de l’expérimentation et qui ont
validé la valeur immédiate
o Pas d’effet tunnel…
o Proposer les deux méthodes de mise en
œuvre > Agile & Cycle en V,
o Critères de choix : la maitrise du besoin,
des données, les outils nécessaires
o ON PREMISE ou Cloud dans une
version industrialisée et gouvernée
(de qualité et sécurisée)
Cas d’usage Méthode / Gouvernance
Outils Investissement

19. 19
EN RÉSUMÉ,
ACCOMPAGNER L’ADOPTION DU BIG DATA & LA CRÉATION DE VALEUR
Favoriser la découverte métier Valider l’ambition fonctionnelle
Valider les choix techniques
Industrialiser, devenir résiliant, & créer de la valeur
pour votre entreprise

20. 20
MICROPOLE GROUP HEADQUARTERS
91/95 rue Carnot, 92300 Levallois-Perret
Tél. 01 74 18 74 18 - www.micropole.com
MERCI DE VOTRE ATTENTION
Julien DUFOUR jdufour@micropole.com