Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
DES BIG DATA
AU BIG BUSINESS
Par François Cazals
1er février 2017
LE PROFESSEUR
• François CAZALS
• cazals@hec.fr
• Professeur
• Auteur (et coauteur) de plusieurs
ouvrages
• Consultant en ...
UN CHANGEMENT DE
PARADIGME
UN MANAGEMENT EMPIRIQUE
UN MANAGEMENT
ORIENTÉ DONNÉES
LA DÉMARCHE CLASSIQUE
FONDÉE SUR DES MÉTHODOLOGIES
LES DONNÉES INTERNES
Les données
comptables,
financières et
de gestion:
bilan, compte
de résultat,…
LES DONNÉES INTERNES
Les données industrielles
Les données logistiques
LES DONNÉES INTERNES
Les données
LES DONNÉES INTERNES
LA PROBLÉMATIQUE
DES DONNÉES EXTERNES
DES MÉTHODES DE TRAITEMENT EMPIRIQUES
60’s 70’s 80’s …
LE DANGER DES SONDAGES
PROBLÈMES DE MÉTHODE
Tirage aléatoire au hasard
Méthode des quotas
LA PROBLÉMATIQUE DE LA
CONFIANCE STATISTIQUE
SOUVENEZ-VOUS!
AUJOURD’HUI AUSSI
AUJOURD’HUI AUSSI
AUJOURD’HUI AUSSI
CAR LES ÉTUDES SONT
DÉCLARATIVES!
TOUTE L’APPROCHE
BAROMÉTRIQUE EST SUSPECTE…
Notoriété/image, satisfaction, NPS, social,…
L’APPROCHE QUALITATIVE EST
ENCORE PLUS COMPLEXE!
EXEMPLE DE RELEVÉ
DE VERBATIMS
L’INFORMATIQUE CHANGE TOUT
A partir des années 1990
NOUS APPRENONS À TRAITER LES
DONNÉES STRUCTURÉES
DATA MINING
L’exploration de données, connue aussi sous l'expression de fouille de
données, forage de données, prospection...
Trouver ce que l’on cherche!
LES BÉNÉFICES
LA PROBLÉMATIQUE DE LA
CENTRALISATION DES DONNÉES
Data Warehouse
Extract Transform Load Middleware
PROBLÉMATIQUE TYPIQUE
DU CRM
21ÈME SIÈCLE :
LES BIG DATA
LE PHÉNOMÈNE BIG DATA
APRÈS LES PÉTROLIERS,
LES ENTREPRISES DE DONNÉES
Dix 1ères capitalisations boursières
2010
Dix 1ères capitalisations bours...
AVANT LES BIG DATA,
LES DARK DATA
UN PHÉNOMÈNE RÉCENT
A L’ORIGINE, LES 4 INTERNET
1 000 milliards de pages Web
1 carte SIM par humain sur Terre
3 milliards d’humains sur Intern...
LES APIS
Application Programming Interface
Les connecteurs aux Data
L’OPEN DATA
LE PHÉNOMÈNE STATISTIQUE
1 ZETTABYTE
LE PHÉNOMÈNE STATISTIQUE
1 DVD de
données
par jour et
par humain
En 2017
LES 4V DU BIG DATA
V+V+V+V=Value
D’ABORD DES DONNÉES
NON-STRUCTURÉES
VOICI DES DONNÉES
NON-STRUCTURÉES
COMMENT TRAITER
LES BIG DATA?
Doug Cutting
HADOOP
LE RAFFINAGE DES BIG DATA
DATA SCIENCE
MATHEMATIQUES BUSINESS+ +
DATA-DRIVEN
STRATEGY
TECHNOLOGIES
Découvrir ce que l’on ne
cherche pas!
LES BÉNÉFICES
DONNER DU SENS AU DONNÉES
UNE DONNÉE
• Un couple concept,
mesure
• Exemple: 03/05/1964
UNE INFORMATION
• La donnée se
transforme en
information lorsqu’elle
est communiquée à
un être humain
capable de
l’interpr...
UNE CONNAISSANCE
• L’information
interprétée mise en
relation avec d’autres
informations
• En allant sur la page
Linkedin ...
UNE COMPÉTENCE
• Une fois la
connaissance
intégrée, une action
peut être réalisée de
manière réfléchie et
intentionnelle
•...
DES ALGORITHMES AUX IA
QU’EST-CE QU’UN ALGORITHME?
Algorithme d’Euclide
Un algorithme, c’est une suite
d’instructions, qui une fois exécutée
corr...
VOICI UN ALGORITHME
QUELQUES ALGORITHMES
DES GAFA
L’ALGORITHME APB
DEEP LEARNING
Apprentissage non-supervisé Apprentissage supervisé
LES IA SONT DÉJÀ LÀ!
LA RENAISSANCE DE WATSON
LES IA FONT PEUR!
HALL 900
VONT-ELLES REMPLACER
LES HUMAINS?
50% DES EMPLOIS REMPLACÉS PAR DES MACHINES?
Carl Benedickt Frey et Michael A. Osborne (Oxford,
2013)
65
La technologie doit être
comprise comme médiateur
plutôt qu’instrument, elle doit
créer de l’autonomie plutôt
que de la...
DATA-DRIVEN STRATEGY
LES BARBARES ARRIVENT
Après les GAFA, voici les NATU!
LA BIG DATA ECONOMY
ÊTRE OU NE PAS ÊTRE UBERISÉ
UNE NOUVELLE ÉCONOMIE
Forte croissance, forte capitalisation, actifs intangibles, faible valeur
DE NOUVEAUX MODÈLES
STRATÉGIQUES
LES ENTREPRISES SONT
NATURELLEMENT IMPACTÉES
LES BIG DATA SUR TOUTE
LA CHAÎNE DU MANAGEMENT
Comprendre
Prévoir
DéciderAgir
Contrôler
UN IMPACT SYSTÉMIQUE
Client Finance Opérations RH
BIG DATA & CLIENT
Client Finance Opérations RH
BIG DATA & FINANCE
Client Finance Opérations RH
BIG DATA & OPÉRATIONS
Client Finance Opérations RH
BIG DATA & RH
Client Finance Opérations RH
POUR CONCLURE
LE NOUVEAU PARADIGME
HIER AUJOURD’HUI
RIVALITE
Grand
contre
Petit
La
puissance
AGILITE
Rapide
contre
Lent
Les données
AVAN...
CONFIANCE & TRANSPARENCE
Le nouveau règlement européen sur la protection des données personnelles
est paru au journal offi...
LA 3ÈME RÉVOLUTION
INDUSTRIELLE
L’ACTUALITÉ DU DIGITAL
Cazals.fr
@FCazals
Slideshare.net/cazals
Linkedin.com/in/francoiscazal
s
Conférence Big Data à La Martinique
Conférence Big Data à La Martinique
Prochain SlideShare
Chargement dans…5
×

Conférence Big Data à La Martinique

431 vues

Publié le

Conférence Big Data de François CAZALS, professeur HEC Paris, à La Martinique, le 1er février 2017.

Publié dans : Formation

Conférence Big Data à La Martinique

  1. 1. DES BIG DATA AU BIG BUSINESS Par François Cazals 1er février 2017
  2. 2. LE PROFESSEUR • François CAZALS • cazals@hec.fr • Professeur • Auteur (et coauteur) de plusieurs ouvrages • Consultant en stratégie • Lieutenant-colonel de gendarmerie (réserve), 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. AUJOURD’HUI AUSSI
  18. 18. AUJOURD’HUI AUSSI
  19. 19. AUJOURD’HUI AUSSI
  20. 20. CAR LES ÉTUDES SONT DÉCLARATIVES!
  21. 21. TOUTE L’APPROCHE BAROMÉTRIQUE EST SUSPECTE… Notoriété/image, satisfaction, NPS, social,…
  22. 22. L’APPROCHE QUALITATIVE EST ENCORE PLUS COMPLEXE!
  23. 23. EXEMPLE DE RELEVÉ DE VERBATIMS
  24. 24. L’INFORMATIQUE CHANGE TOUT A partir des années 1990
  25. 25. NOUS APPRENONS À TRAITER LES DONNÉES STRUCTURÉES
  26. 26. 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.
  27. 27. Trouver ce que l’on cherche! LES BÉNÉFICES
  28. 28. LA PROBLÉMATIQUE DE LA CENTRALISATION DES DONNÉES Data Warehouse Extract Transform Load Middleware
  29. 29. PROBLÉMATIQUE TYPIQUE DU CRM
  30. 30. 21ÈME SIÈCLE : LES BIG DATA
  31. 31. LE PHÉNOMÈNE BIG DATA
  32. 32. APRÈS LES PÉTROLIERS, LES ENTREPRISES DE DONNÉES Dix 1ères capitalisations boursières 2010 Dix 1ères capitalisations boursières 2016
  33. 33. AVANT LES BIG DATA, LES DARK DATA
  34. 34. UN PHÉNOMÈNE RÉCENT
  35. 35. 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
  36. 36. LES APIS Application Programming Interface Les connecteurs aux Data
  37. 37. L’OPEN DATA
  38. 38. LE PHÉNOMÈNE STATISTIQUE
  39. 39. 1 ZETTABYTE
  40. 40. LE PHÉNOMÈNE STATISTIQUE 1 DVD de données par jour et par humain En 2017
  41. 41. LES 4V DU BIG DATA V+V+V+V=Value
  42. 42. D’ABORD DES DONNÉES NON-STRUCTURÉES
  43. 43. VOICI DES DONNÉES NON-STRUCTURÉES
  44. 44. COMMENT TRAITER LES BIG DATA? Doug Cutting
  45. 45. HADOOP
  46. 46. LE RAFFINAGE DES BIG DATA DATA SCIENCE MATHEMATIQUES BUSINESS+ + DATA-DRIVEN STRATEGY TECHNOLOGIES
  47. 47. Découvrir ce que l’on ne cherche pas! LES BÉNÉFICES
  48. 48. DONNER DU SENS AU DONNÉES
  49. 49. UNE DONNÉE • Un couple concept, mesure • Exemple: 03/05/1964
  50. 50. 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
  51. 51. 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
  52. 52. 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
  53. 53. DES ALGORITHMES AUX IA
  54. 54. 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.
  55. 55. VOICI UN ALGORITHME
  56. 56. QUELQUES ALGORITHMES DES GAFA
  57. 57. L’ALGORITHME APB
  58. 58. DEEP LEARNING Apprentissage non-supervisé Apprentissage supervisé
  59. 59. LES IA SONT DÉJÀ LÀ!
  60. 60. LA RENAISSANCE DE WATSON
  61. 61. LES IA FONT PEUR! HALL 900
  62. 62. VONT-ELLES REMPLACER LES HUMAINS?
  63. 63. 50% DES EMPLOIS REMPLACÉS PAR DES MACHINES? Carl Benedickt Frey et Michael A. Osborne (Oxford, 2013)
  64. 64. 65 La technologie doit être comprise comme médiateur plutôt qu’instrument, elle doit créer de l’autonomie plutôt que de la dépendance Gilbert Simondon
  65. 65. DATA-DRIVEN STRATEGY
  66. 66. LES BARBARES ARRIVENT Après les GAFA, voici les NATU!
  67. 67. LA BIG DATA ECONOMY
  68. 68. ÊTRE OU NE PAS ÊTRE UBERISÉ
  69. 69. UNE NOUVELLE ÉCONOMIE Forte croissance, forte capitalisation, actifs intangibles, faible valeur
  70. 70. DE NOUVEAUX MODÈLES STRATÉGIQUES
  71. 71. LES ENTREPRISES SONT NATURELLEMENT IMPACTÉES
  72. 72. LES BIG DATA SUR TOUTE LA CHAÎNE DU MANAGEMENT Comprendre Prévoir DéciderAgir Contrôler
  73. 73. UN IMPACT SYSTÉMIQUE Client Finance Opérations RH
  74. 74. BIG DATA & CLIENT Client Finance Opérations RH
  75. 75. BIG DATA & FINANCE Client Finance Opérations RH
  76. 76. BIG DATA & OPÉRATIONS Client Finance Opérations RH
  77. 77. BIG DATA & RH Client Finance Opérations RH
  78. 78. POUR CONCLURE
  79. 79. LE NOUVEAU PARADIGME HIER AUJOURD’HUI RIVALITE Grand contre Petit La puissance AGILITE Rapide contre Lent Les données AVANTAGE CONCURRENTIEL
  80. 80. 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
  81. 81. LA 3ÈME RÉVOLUTION INDUSTRIELLE
  82. 82. L’ACTUALITÉ DU DIGITAL Cazals.fr @FCazals Slideshare.net/cazals Linkedin.com/in/francoiscazal s

×