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

1. DES BIG DATA
AU BIG BUSINESS
Par François Cazals
16 novembre 2016

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. UN CHANGEMENT DE
PARADIGME

4. UN MANAGEMENT EMPIRIQUE

5. UN MANAGEMENT
ORIENTÉ DONNÉES

6. LA DÉMARCHE CLASSIQUE
FONDÉE SUR DES MÉTHODOLOGIES

7. LES DONNÉES INTERNES
Les données
comptables,
financières et
de gestion:
bilan, compte
de résultat,…

8. LES DONNÉES INTERNES
Les données industrielles

9. Les données logistiques
LES DONNÉES INTERNES

10. Les données
LES DONNÉES INTERNES

11. LA PROBLÉMATIQUE
DES DONNÉES EXTERNES

12. DES MÉTHODES DE TRAITEMENT EMPIRIQUES
60’s 70’s 80’s …

13. LE DANGER DES SONDAGES

14. PROBLÈMES DE MÉTHODE
Tirage aléatoire au hasard
Méthode des quotas

15. LA PROBLÉMATIQUE DE LA
CONFIANCE STATISTIQUE

16. SOUVENEZ-VOUS!

17. ET MÊME AUJOURD’HUI…

18. CAR LES ÉTUDES SONT
DÉCLARATIVES!

19. L’APPROCHE QUALITATIVE EST
ENCORE PLUS COMPLEXE!

20. EXEMPLE DE RELEVÉ
DE VERBATIMS

21. L’INFORMATIQUE CHANGE TOUT
A partir des années 1990

22. NOUS APPRENONS À TRAITER LES
DONNÉES STRUCTURÉES

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. Trouver ce que l’on cherche!
LES BÉNÉFICES

25. LA PROBLÉMATIQUE DE LA
CENTRALISATION DES DONNÉES
Data Warehouse
Extract Transform Load Middleware

26. PROBLÉMATIQUE TYPIQUE
DE LA RELATION CLIENT

27. LES BIG DATA

28. LE PHÉNOMÈNE BIG DATA

29. APRÈS LES PÉTROLIERS,
LES ENTREPRISES DE DONNÉES
Dix 1ères capitalisations boursières
2010
Dix 1ères capitalisations boursières
2016

30. AVANT LES BIG DATA,
LES DARK DATA

31. UN PHÉNOMÈNE RÉCENT

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. LES APIS
Application Programming Interface
Les connecteurs aux Data

34. L’OPEN DATA

35. 1 ZETTABYTE

36. LE PHÉNOMÈNE STATISTIQUE
1 DVD de données généré par jour
et par humain de la planète

37. LES 4V DU BIG DATA
V+V+V+V=Value

38. D’ABORD DES DONNÉES
NON-STRUCTURÉES

39. VOICI DES DONNÉES
NON-STRUCTURÉES

40. COMMENT TRAITER
LES BIG DATA?
Doug Cutting

41. HADOOP

42. LE RAFFINAGE DES BIG DATA
DATA SCIENCE
MATHEMATIQUES BUSINESS+ +
DATA-DRIVEN
STRATEGY
TECHNOLOGIES

43. Découvrir ce que l’on ne
cherche pas!
LES BÉNÉFICES

44. DONNER DU SENS AU DONNÉES

45. UNE DONNÉE
• Un couple concept,
mesure
• Exemple: 03/05/1964

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. 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. 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. DES ALGORITHMES AUX IA

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. VOICI UN ALGORITHME

52. QUELQUES ALGORITHMES
DES GAFA

53. L’ALGORITHME APB

54. DEEP LEARNING
Apprentissage non-supervisé Apprentissage supervisé

55. LES IA SONT DÉJÀ LÀ!

56. LA RENAISSANCE DE WATSON

57. LES IA FONT PEUR!
HALL 900

58. VONT-ELLES REMPLACER
LES HUMAINS?

59. 50% DES EMPLOIS REMPLACÉS PAR DES MACHINES?
Carl Benedickt Frey et Michael A. Osborne (Oxford,
2013)

61. 61
La technologie doit être
comprise comme médiateur
plutôt qu’instrument, elle doit
créer de l’autonomie plutôt
que de la dépendance
Gilbert Simondon

62. DATA-DRIVEN STRATEGY

63. LES BARBARES ARRIVENT
Après les GAFA, voici les NATU!

64. LA BIG DATA ECONOMY

65. ÊTRE OU NE PAS ÊTRE UBERISÉ

66. UNE NOUVELLE ÉCONOMIE
Forte croissance, forte capitalisation, actifs intangibles, faible valeur

67. DE NOUVEAUX MODÈLES
STRATÉGIQUES

68. LES ENTREPRISES SONT
NATURELLEMENT IMPACTÉES

69. LES BIG DATA SUR TOUTE
LA CHAÎNE DU MANAGEMENT
Comprendre
Prévoir
DéciderAgir
Contrôler

70. UN IMPACT SYSTÉMIQUE
Client Finance Opérations RH

71. BIG DATA & CLIENT
Client Finance Opérations RH

72. BIG DATA & FINANCE
Client Finance Opérations RH

73. BIG DATA & OPÉRATIONS
Client Finance Opérations RH

74. BIG DATA & RH
Client Finance Opérations RH

75. POUR CONCLURE

76. LE NOUVEAU PARADIGME
HIER AUJOURD’HUI
RIVALITE
Grand
contre
Petit
La
puissance
AGILITE
Rapide
contre
Lent
Les données
AVANTAGE CONCURRENTIEL

77. 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

78. LA 3ÈME RÉVOLUTION
INDUSTRIELLE

79. L’ACTUALITÉ DU DIGITAL
Cazals.fr
@FCazals
Slideshare.net/cazals
Linkedin.com/in/francoiscazal
s