Ce diaporama a bien été signalé.

Conférence Big data en Nouvelle-Calédonie

6

Partager

1 sur 80
1 sur 80

Conférence Big data en Nouvelle-Calédonie

6

Partager

Télécharger pour lire hors ligne

Description

Conférence pour l'Executive Club HEC OBA à Nouméa, le 16 novembre 2016, par François CAZALS, professeur affilié à HEC Paris

Transcription

  1. 1. DES BIG DATA AU BIG BUSINESS Par François Cazals 16 novembre 2016
  2. 2. LE PROFESSEUR • François CAZALS • cazals@hec.fr • Professeur affilié HEC, spécialisé en stratégies digitales • Auteur (et coauteur) de plusieurs ouvrages • Consultant en stratégie • Lieutenant-colonel de gendarmerie (RC), affecté au cabinet du DG
  3. 3. UN CHANGEMENT DE PARADIGME
  4. 4. UN MANAGEMENT EMPIRIQUE
  5. 5. UN MANAGEMENT ORIENTÉ DONNÉES
  6. 6. LA DÉMARCHE CLASSIQUE FONDÉE SUR DES MÉTHODOLOGIES
  7. 7. LES DONNÉES INTERNES Les données comptables, financières et de gestion: bilan, compte de résultat,…
  8. 8. LES DONNÉES INTERNES Les données industrielles
  9. 9. Les données logistiques LES DONNÉES INTERNES
  10. 10. Les données LES DONNÉES INTERNES
  11. 11. LA PROBLÉMATIQUE DES DONNÉES EXTERNES
  12. 12. DES MÉTHODES DE TRAITEMENT EMPIRIQUES 60’s 70’s 80’s …
  13. 13. LE DANGER DES SONDAGES
  14. 14. PROBLÈMES DE MÉTHODE Tirage aléatoire au hasard Méthode des quotas
  15. 15. LA PROBLÉMATIQUE DE LA CONFIANCE STATISTIQUE
  16. 16. SOUVENEZ-VOUS!
  17. 17. ET MÊME AUJOURD’HUI…
  18. 18. CAR LES ÉTUDES SONT DÉCLARATIVES!
  19. 19. L’APPROCHE QUALITATIVE EST ENCORE PLUS COMPLEXE!
  20. 20. EXEMPLE DE RELEVÉ DE VERBATIMS
  21. 21. L’INFORMATIQUE CHANGE TOUT A partir des années 1990
  22. 22. NOUS APPRENONS À TRAITER LES DONNÉES STRUCTURÉES
  23. 23. DATA MINING L’exploration de données, connue aussi sous l'expression de fouille de données, forage de données, prospection de données, a pour objet l’extraction d'un savoir ou d'une connaissance à partir de grandes quantités de données, par des méthodes automatiques ou semi- automatiques.
  24. 24. Trouver ce que l’on cherche! LES BÉNÉFICES
  25. 25. LA PROBLÉMATIQUE DE LA CENTRALISATION DES DONNÉES Data Warehouse Extract Transform Load Middleware
  26. 26. PROBLÉMATIQUE TYPIQUE DE LA RELATION CLIENT
  27. 27. LES BIG DATA
  28. 28. LE PHÉNOMÈNE BIG DATA
  29. 29. APRÈS LES PÉTROLIERS, LES ENTREPRISES DE DONNÉES Dix 1ères capitalisations boursières 2010 Dix 1ères capitalisations boursières 2016
  30. 30. AVANT LES BIG DATA, LES DARK DATA
  31. 31. UN PHÉNOMÈNE RÉCENT
  32. 32. A L’ORIGINE, LES 4 INTERNET 1 000 milliards de pages Web 1 carte SIM par humain sur Terre 3 milliards d’humains sur Internet 2 internautes sur 3 sur les médias sociaux 55% des visites du Web viennent d’un smartphone E-commerce dans le monde 1 500 milliards € 80 milliards d’objets connectés en 2020 44 000 milliards Go en 2020 4 milliards de recherches Google par jour 40 milliards de messages WhatsApp par jour 215 milliards d’e-mails par jour (hors Spam) Internet des objets Web mobile Web 2.0 Web
  33. 33. LES APIS Application Programming Interface Les connecteurs aux Data
  34. 34. L’OPEN DATA
  35. 35. 1 ZETTABYTE
  36. 36. LE PHÉNOMÈNE STATISTIQUE 1 DVD de données généré par jour et par humain de la planète
  37. 37. LES 4V DU BIG DATA V+V+V+V=Value
  38. 38. D’ABORD DES DONNÉES NON-STRUCTURÉES
  39. 39. VOICI DES DONNÉES NON-STRUCTURÉES
  40. 40. COMMENT TRAITER LES BIG DATA? Doug Cutting
  41. 41. HADOOP
  42. 42. LE RAFFINAGE DES BIG DATA DATA SCIENCE MATHEMATIQUES BUSINESS+ + DATA-DRIVEN STRATEGY TECHNOLOGIES
  43. 43. Découvrir ce que l’on ne cherche pas! LES BÉNÉFICES
  44. 44. DONNER DU SENS AU DONNÉES
  45. 45. UNE DONNÉE • Un couple concept, mesure • Exemple: 03/05/1964
  46. 46. UNE INFORMATION • La donnée se transforme en information lorsqu’elle est communiquée à un être humain capable de l’interpréter • Le public sait que 03/05/1964 est une date: le 3 mai 1964
  47. 47. UNE CONNAISSANCE • L’information interprétée mise en relation avec d’autres informations • En allant sur la page Linkedin de la personne, on découvre qu’il s’agit d’une date de naissance
  48. 48. UNE COMPÉTENCE • Une fois la connaissance intégrée, une action peut être réalisée de manière réfléchie et intentionnelle • La date de l’anniversaire de la personne connue, je mets une alerte sur mon agenda
  49. 49. DES ALGORITHMES AUX IA
  50. 50. QU’EST-CE QU’UN ALGORITHME? Algorithme d’Euclide Un algorithme, c’est une suite d’instructions, qui une fois exécutée correctement, conduit à un résultat donné.
  51. 51. VOICI UN ALGORITHME
  52. 52. QUELQUES ALGORITHMES DES GAFA
  53. 53. L’ALGORITHME APB
  54. 54. DEEP LEARNING Apprentissage non-supervisé Apprentissage supervisé
  55. 55. LES IA SONT DÉJÀ LÀ!
  56. 56. LA RENAISSANCE DE WATSON
  57. 57. LES IA FONT PEUR! HALL 900
  58. 58. VONT-ELLES REMPLACER LES HUMAINS?
  59. 59. 50% DES EMPLOIS REMPLACÉS PAR DES MACHINES? Carl Benedickt Frey et Michael A. Osborne (Oxford, 2013)
  60. 60. 61 La technologie doit être comprise comme médiateur plutôt qu’instrument, elle doit créer de l’autonomie plutôt que de la dépendance Gilbert Simondon
  61. 61. DATA-DRIVEN STRATEGY
  62. 62. LES BARBARES ARRIVENT Après les GAFA, voici les NATU!
  63. 63. LA BIG DATA ECONOMY
  64. 64. ÊTRE OU NE PAS ÊTRE UBERISÉ
  65. 65. UNE NOUVELLE ÉCONOMIE Forte croissance, forte capitalisation, actifs intangibles, faible valeur
  66. 66. DE NOUVEAUX MODÈLES STRATÉGIQUES
  67. 67. LES ENTREPRISES SONT NATURELLEMENT IMPACTÉES
  68. 68. LES BIG DATA SUR TOUTE LA CHAÎNE DU MANAGEMENT Comprendre Prévoir DéciderAgir Contrôler
  69. 69. UN IMPACT SYSTÉMIQUE Client Finance Opérations RH
  70. 70. BIG DATA & CLIENT Client Finance Opérations RH
  71. 71. BIG DATA & FINANCE Client Finance Opérations RH
  72. 72. BIG DATA & OPÉRATIONS Client Finance Opérations RH
  73. 73. BIG DATA & RH Client Finance Opérations RH
  74. 74. POUR CONCLURE
  75. 75. LE NOUVEAU PARADIGME HIER AUJOURD’HUI RIVALITE Grand contre Petit La puissance AGILITE Rapide contre Lent Les données AVANTAGE CONCURRENTIEL
  76. 76. CONFIANCE & TRANSPARENCE Le nouveau règlement européen sur la protection des données personnelles est paru au journal officiel de l’Union européenne le 4 mai 2016 et entrera en application en 2018. https://www.cnil.fr/fr/reglement-europeen-sur-la-protection-des-donnees-ce-qui-change-pour-les- professionnels
  77. 77. LA 3ÈME RÉVOLUTION INDUSTRIELLE
  78. 78. L’ACTUALITÉ DU DIGITAL Cazals.fr @FCazals Slideshare.net/cazals Linkedin.com/in/francoiscazal s

Description

Conférence pour l'Executive Club HEC OBA à Nouméa, le 16 novembre 2016, par François CAZALS, professeur affilié à HEC Paris

Transcription

  1. 1. DES BIG DATA AU BIG BUSINESS Par François Cazals 16 novembre 2016
  2. 2. LE PROFESSEUR • François CAZALS • cazals@hec.fr • Professeur affilié HEC, spécialisé en stratégies digitales • Auteur (et coauteur) de plusieurs ouvrages • Consultant en stratégie • Lieutenant-colonel de gendarmerie (RC), affecté au cabinet du DG
  3. 3. UN CHANGEMENT DE PARADIGME
  4. 4. UN MANAGEMENT EMPIRIQUE
  5. 5. UN MANAGEMENT ORIENTÉ DONNÉES
  6. 6. LA DÉMARCHE CLASSIQUE FONDÉE SUR DES MÉTHODOLOGIES
  7. 7. LES DONNÉES INTERNES Les données comptables, financières et de gestion: bilan, compte de résultat,…
  8. 8. LES DONNÉES INTERNES Les données industrielles
  9. 9. Les données logistiques LES DONNÉES INTERNES
  10. 10. Les données LES DONNÉES INTERNES
  11. 11. LA PROBLÉMATIQUE DES DONNÉES EXTERNES
  12. 12. DES MÉTHODES DE TRAITEMENT EMPIRIQUES 60’s 70’s 80’s …
  13. 13. LE DANGER DES SONDAGES
  14. 14. PROBLÈMES DE MÉTHODE Tirage aléatoire au hasard Méthode des quotas
  15. 15. LA PROBLÉMATIQUE DE LA CONFIANCE STATISTIQUE
  16. 16. SOUVENEZ-VOUS!
  17. 17. ET MÊME AUJOURD’HUI…
  18. 18. CAR LES ÉTUDES SONT DÉCLARATIVES!
  19. 19. L’APPROCHE QUALITATIVE EST ENCORE PLUS COMPLEXE!
  20. 20. EXEMPLE DE RELEVÉ DE VERBATIMS
  21. 21. L’INFORMATIQUE CHANGE TOUT A partir des années 1990
  22. 22. NOUS APPRENONS À TRAITER LES DONNÉES STRUCTURÉES
  23. 23. DATA MINING L’exploration de données, connue aussi sous l'expression de fouille de données, forage de données, prospection de données, a pour objet l’extraction d'un savoir ou d'une connaissance à partir de grandes quantités de données, par des méthodes automatiques ou semi- automatiques.
  24. 24. Trouver ce que l’on cherche! LES BÉNÉFICES
  25. 25. LA PROBLÉMATIQUE DE LA CENTRALISATION DES DONNÉES Data Warehouse Extract Transform Load Middleware
  26. 26. PROBLÉMATIQUE TYPIQUE DE LA RELATION CLIENT
  27. 27. LES BIG DATA
  28. 28. LE PHÉNOMÈNE BIG DATA
  29. 29. APRÈS LES PÉTROLIERS, LES ENTREPRISES DE DONNÉES Dix 1ères capitalisations boursières 2010 Dix 1ères capitalisations boursières 2016
  30. 30. AVANT LES BIG DATA, LES DARK DATA
  31. 31. UN PHÉNOMÈNE RÉCENT
  32. 32. A L’ORIGINE, LES 4 INTERNET 1 000 milliards de pages Web 1 carte SIM par humain sur Terre 3 milliards d’humains sur Internet 2 internautes sur 3 sur les médias sociaux 55% des visites du Web viennent d’un smartphone E-commerce dans le monde 1 500 milliards € 80 milliards d’objets connectés en 2020 44 000 milliards Go en 2020 4 milliards de recherches Google par jour 40 milliards de messages WhatsApp par jour 215 milliards d’e-mails par jour (hors Spam) Internet des objets Web mobile Web 2.0 Web
  33. 33. LES APIS Application Programming Interface Les connecteurs aux Data
  34. 34. L’OPEN DATA
  35. 35. 1 ZETTABYTE
  36. 36. LE PHÉNOMÈNE STATISTIQUE 1 DVD de données généré par jour et par humain de la planète
  37. 37. LES 4V DU BIG DATA V+V+V+V=Value
  38. 38. D’ABORD DES DONNÉES NON-STRUCTURÉES
  39. 39. VOICI DES DONNÉES NON-STRUCTURÉES
  40. 40. COMMENT TRAITER LES BIG DATA? Doug Cutting
  41. 41. HADOOP
  42. 42. LE RAFFINAGE DES BIG DATA DATA SCIENCE MATHEMATIQUES BUSINESS+ + DATA-DRIVEN STRATEGY TECHNOLOGIES
  43. 43. Découvrir ce que l’on ne cherche pas! LES BÉNÉFICES
  44. 44. DONNER DU SENS AU DONNÉES
  45. 45. UNE DONNÉE • Un couple concept, mesure • Exemple: 03/05/1964
  46. 46. UNE INFORMATION • La donnée se transforme en information lorsqu’elle est communiquée à un être humain capable de l’interpréter • Le public sait que 03/05/1964 est une date: le 3 mai 1964
  47. 47. UNE CONNAISSANCE • L’information interprétée mise en relation avec d’autres informations • En allant sur la page Linkedin de la personne, on découvre qu’il s’agit d’une date de naissance
  48. 48. UNE COMPÉTENCE • Une fois la connaissance intégrée, une action peut être réalisée de manière réfléchie et intentionnelle • La date de l’anniversaire de la personne connue, je mets une alerte sur mon agenda
  49. 49. DES ALGORITHMES AUX IA
  50. 50. QU’EST-CE QU’UN ALGORITHME? Algorithme d’Euclide Un algorithme, c’est une suite d’instructions, qui une fois exécutée correctement, conduit à un résultat donné.
  51. 51. VOICI UN ALGORITHME
  52. 52. QUELQUES ALGORITHMES DES GAFA
  53. 53. L’ALGORITHME APB
  54. 54. DEEP LEARNING Apprentissage non-supervisé Apprentissage supervisé
  55. 55. LES IA SONT DÉJÀ LÀ!
  56. 56. LA RENAISSANCE DE WATSON
  57. 57. LES IA FONT PEUR! HALL 900
  58. 58. VONT-ELLES REMPLACER LES HUMAINS?
  59. 59. 50% DES EMPLOIS REMPLACÉS PAR DES MACHINES? Carl Benedickt Frey et Michael A. Osborne (Oxford, 2013)
  60. 60. 61 La technologie doit être comprise comme médiateur plutôt qu’instrument, elle doit créer de l’autonomie plutôt que de la dépendance Gilbert Simondon
  61. 61. DATA-DRIVEN STRATEGY
  62. 62. LES BARBARES ARRIVENT Après les GAFA, voici les NATU!
  63. 63. LA BIG DATA ECONOMY
  64. 64. ÊTRE OU NE PAS ÊTRE UBERISÉ
  65. 65. UNE NOUVELLE ÉCONOMIE Forte croissance, forte capitalisation, actifs intangibles, faible valeur
  66. 66. DE NOUVEAUX MODÈLES STRATÉGIQUES
  67. 67. LES ENTREPRISES SONT NATURELLEMENT IMPACTÉES
  68. 68. LES BIG DATA SUR TOUTE LA CHAÎNE DU MANAGEMENT Comprendre Prévoir DéciderAgir Contrôler
  69. 69. UN IMPACT SYSTÉMIQUE Client Finance Opérations RH
  70. 70. BIG DATA & CLIENT Client Finance Opérations RH
  71. 71. BIG DATA & FINANCE Client Finance Opérations RH
  72. 72. BIG DATA & OPÉRATIONS Client Finance Opérations RH
  73. 73. BIG DATA & RH Client Finance Opérations RH
  74. 74. POUR CONCLURE
  75. 75. LE NOUVEAU PARADIGME HIER AUJOURD’HUI RIVALITE Grand contre Petit La puissance AGILITE Rapide contre Lent Les données AVANTAGE CONCURRENTIEL
  76. 76. CONFIANCE & TRANSPARENCE Le nouveau règlement européen sur la protection des données personnelles est paru au journal officiel de l’Union européenne le 4 mai 2016 et entrera en application en 2018. https://www.cnil.fr/fr/reglement-europeen-sur-la-protection-des-donnees-ce-qui-change-pour-les- professionnels
  77. 77. LA 3ÈME RÉVOLUTION INDUSTRIELLE
  78. 78. L’ACTUALITÉ DU DIGITAL Cazals.fr @FCazals Slideshare.net/cazals Linkedin.com/in/francoiscazal s

Plus De Contenu Connexe

Livres associés

Gratuit avec un essai de 30 jours de Scribd

Tout voir

Livres audio associés

Gratuit avec un essai de 30 jours de Scribd

Tout voir

×