SlideShare une entreprise Scribd logo
1  sur  33
BIG DATA
ELABORÉES PAR:
MARWA BEN SALEM
CHAIMA ZAHAF
1
Plan
Introduction
Big Data : Généralités
La mise en œuvre du Big Data
Video Témoin Récapitulatif
2
Introduction
Pour qu’un système
d’information fonctionne
correctement, il faudra
qu’il se base sur des
informations solides et
des données fiables,
utiles et vraies .
Durant ces dernières
années , un nouveau
concept émerge en
assistance à la notion de
système d’information
efficace servant à l’aide
à la décision à tous les
niveaux : stratégiques
tactique et opérationnel.
3
Généralités Big Data
4
5
Notion Big Data
un concept s’étant popularisé dès 2012 pour traduire le fait que
les entreprises sont confrontées à des volumes de données (data)
à traiter de plus en plus considérables et présentant de forts
enjeux.
De façon très simplifiée, on peut résumer la problématique
technique du big data à devoir gérer d’énormes volumes de
données le plus souvent en temps réel.
La finalité étant de créer de la valeur .
6
7
8
Processus
Big Data
Les enjeux de Big Data
9
Simplifier la
production
des
informations
structurées et
porteuses du
sens
Créer du sens
et des
connaissances
à partir des
données non
enrichies et
non
structurées
Analyser des
tendances sur
la durée
Permettre la
création de
modèle sur
des données
ambiantes
Analyse
prédictive
10
11
Spécificités Big Data
12
13
14
Perspective big data en matière de
gouvernance publique
Une politique publique efficace nécessite la connaissance des
besoins exacts d’une population.
L’analyse du big data pourrait ainsi devenir pour les
administrations un moyen inégalable:
d’obtenir une image fidèle des réalités de la société,
d’anticiper ses évolutions et d’identifier les conséquences et les
risques inhérents à chacune des politiques publiques dont elles
auraient la charge.
De simplification des relations entre les citoyens et leurs
administrations 15
Applications pratiques de traitement big data
au secteur Public
Modélisation des
déplacements pour
adapter les
infrastructures de
transports
optimisation via les
« smart grids » l’offre et
la demande d’énergie ou
la consommation en
eau.
combiner plus
efficacement les offres
avec les qualifications
des demandeurs
d’emploi.
La généralisation des
procédures
administratives en ligne
16
Risques Big Data secteur publics
Une exploitation frauduleuse de ces informations
par des acteurs privés (une sécurisation suffisante
des systèmes d’information publics )
Une utilisation légale, mais liberticide, du big data
par la puissance publique (une législation solide à
même de protéger les données à caractère
personnel et d’encadrer l’utilisation des
informations recueillies par les administrations)
17
Big data : partie pratique
18
19
Salle des catalogues bibliothèque du Congrès,
début du 20e siècle Centre de données de Google, début 21e siècle
20
L’Analytics s’est étendu, des simples données d’entreprise au Big
Data
en provenance de caméras de surveillancede transactions commerciales par seconde
Analyse de sentiment et d’opinions Surveillance / Analyse comportementsIdentification de fraudes potentielles
Volume Vitesse Varieté
5 100’sde Tweets créés quotidiennement
12 terabytes
de flux
vidéomillions
de dossiers de prêts par jour
Prévention de l’attrition client
d’enregistrement d’appels chaque jour sont des images, des vidéos, des documents,
courriers, e-mail, …
Amélioration de la satisfaction client
180 Millions 500 millions 80%
des données créées
Découvrir les risques cachés
DIVERSITE ET VOLUME DES SOURCES DE DONNEES
21
VOLUMES : Chaque jour, 2,5 trillions d’octets de données sont générés. 90% des données créées
dans le monde l’ont été au cours des 2 dernières années. Prévision d’une croissance de 800%
des quantités de données à traiter d’ici à 5 ans.
DIVERSITE DES SOURCES : capteurs, medias sociaux, images, videos, achats en lignes, signaux
GPS …
L’ENJEU DE BIG DATA
Il faut exploiter les Big Data non pour automatiser le passé, Mais pour faire:
– Plus (productivité, pénétration…)
– Mieux (compétitivité, pertinence…)
– Autre chose (nouveaux marchés, innovations, partenariats, offres contextuelles…)
– Différemment
Les techniques du Big Data facilitent des interactions
– Moins chères
– Plus rapides et Plus efficaces
– Moins contraintes par le temps et les distances
– D’où de nouveaux modèles économiques
22
EXEMPLE D’APPLICATION : LE BINGO ONLINE TEXT ANALYTICS EN ACTION
23
DICTIONNAIRES : mots positifs/négatifs, mots indiquant des sentiments, émoticônes
Paquets de négations et autres cas particuliers
-« i nerver win ! » vs « I win again »
-« bloody game ! » vs « bloody awesome game »
Positionner un poids sur chaque mot
Agrégation, afin de donner un score global sur le sentiment du message.
Attribuer une note globale sur l’ambiance générale basée sur les dictionnaires
LES NOUVEAUX ACTEURS UTILISENT MASSIVEMENT LES BIG DATA
Zynga
– Créateur des jeux sociaux les plus populaires 10% de la population Internet mondiale a joue
un jeu Zynga (230M joueurs / mois) Déplace 1Pb de données chaque jour Ajoute 1000 serveurs
par semaine
Facebook
– 500M d’utilisateurs
– 3.5B morceaux de contenu / semaine
– 1.2M photos / second (lues)
Twitter
– 70M Tweet / day = 800 tweets/sec * 200b = 160kb/sec = 9Mb/min = 12Gb/jour de texte 8T de
données / day 6B api calls / day
24
L’USAGE DE BIG DATA
◦ Le Big Data, en traitant une multiplicité de données issues de sources variées et selon un
quasi-temps réel, a ouvert la voie à d’autres utilisations de la donnée et à de nouvelles
méthodes d’analyse :
En marketing
Dans le domaine du pilotage de l’entreprise
Pour la Recherche
Dans le domaine de l’Information
25
En marketing
Le Big Data permet en effet aux professionnels du secteur de connaître leur client « à 360° »,
c’est-à-dire à la fois par son parcours internet mais également par ses achats en magasin ou ses
préférences affichées sur les réseaux sociaux. Anticiper les besoins de celui-ci et cibler des offres
personnalisées est devenu le credo du marketing « data-driven », qui met en avant des
techniques inédites : le Real-Time Bidding pour l’achat d’espaces en temps réel, le Retargeting
pour le ciblage personnalisé ou encore l’analyse de sentiment pour la détection de
comportements sur les réseaux sociaux.
Le marketing se fait de plus en plus prédictif avec le Big Data, et l’on assiste à une éclosion de
nouveaux modèles statistiques davantage inductifs.
26
Dans le domaine du pilotage de l’entreprise
27
Le Big Data laisse entrevoir une optimisation complète des processus et des ressources métiers.
Il réduit le temps de réaction face à des erreurs ou des pannes et permet d’ajuster en permanence les
équilibres offre-demande et temps-ressource. C’est une promesse importante dans des secteurs
comme ceux de l’énergie ou des transports qui sont constamment portés par la logique de flux ; outre
une réduction importante des coûts, le Big Data permet ici d’identifier au plus près les moteurs de
l’activité, ce qui n’était pas possible avec les indicateurs traditionnels, soumis à des délais de latence
bien plus importants.
La Recherche
En autorisant le traitement de multitudes de données, le Big Data permet à la
science de réaliser des avancées importantes, lorsqu’il s’agit d’explorer l’infiniment petit
(ex : exploration géologique), de croiser des données complexes (ex : imagerie) ou
d’effectuer des simulations (ex : domaine spatial). C’est d’ailleurs en génétique que le
Big Data a fait ses premières armes car ce secteur réclamait une approche à la fois
quantitative et qualitative avancée.
28
Dans le domaine de l’Information
Le traitement des Big Data a profondément modifié la donnée : il est désormais
possible d’accéder à un croisement d’informations très disparates, issues de sources
jusque-là négligées. L’instantanéité des réseaux sociaux est à ce titre une innovation de
taille : l’analyse des tweets est devenue une source de renseignements courante pour
comprendre les comportements ou les goûts de populations segmentées. De plus, au-
delà de la compréhension de phénomènes,la data s’avère un outil de communication
efficace pour faire passer des messages factuels aux publics : c’est tout le rôle du data
journalisme, qui vise à mettre en lumière des événements complexes au travers de la
représentation de données multiples.
29
Les chiffres du Big Data
30
31
Vidéo Témoin Récapitulatif
32
33

Contenu connexe

Tendances

PFE BI - INPT
PFE BI - INPTPFE BI - INPT
PFE BI - INPT
riyadadva
 

Tendances (20)

Cours Big Data Chap1
Cours Big Data Chap1Cours Big Data Chap1
Cours Big Data Chap1
 
La Big Data et ses applications
La Big Data et ses applicationsLa Big Data et ses applications
La Big Data et ses applications
 
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
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
 
Chapitre1 introduction
Chapitre1 introductionChapitre1 introduction
Chapitre1 introduction
 
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
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
 
PFE BI - INPT
PFE BI - INPTPFE BI - INPT
PFE BI - INPT
 
Chapitre 2 hadoop
Chapitre 2 hadoopChapitre 2 hadoop
Chapitre 2 hadoop
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
 
exercices business intelligence
exercices business intelligence exercices business intelligence
exercices business intelligence
 
Business Intelligence au coeur de la décision
Business Intelligence au coeur de la décisionBusiness Intelligence au coeur de la décision
Business Intelligence au coeur de la décision
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
 
Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.Business Intelligence : Transformer les données en information.
Business Intelligence : Transformer les données en information.
 
BigData_Chp3: Data Processing
BigData_Chp3: Data ProcessingBigData_Chp3: Data Processing
BigData_Chp3: Data Processing
 
Introduction au big data
Introduction au big dataIntroduction au big data
Introduction au big data
 
Présentation Big Data DFCG
Présentation Big Data DFCGPrésentation Big Data DFCG
Présentation Big Data DFCG
 
Conception datawarehouse
Conception datawarehouseConception datawarehouse
Conception datawarehouse
 
BigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-ReduceBigData_TP1: Initiation à Hadoop et Map-Reduce
BigData_TP1: Initiation à Hadoop et Map-Reduce
 

En vedette

Processus et techniques d'inventaire
Processus et techniques d'inventaire Processus et techniques d'inventaire
Processus et techniques d'inventaire
Marwoua Ben Salem
 
METROLOGIE ET CONTROLE QUALITE
METROLOGIE ET CONTROLE QUALITEMETROLOGIE ET CONTROLE QUALITE
METROLOGIE ET CONTROLE QUALITE
Mounir Frija
 

En vedette (20)

Cop 22
Cop 22Cop 22
Cop 22
 
E commerce
E commerceE commerce
E commerce
 
Procédures douanières
Procédures douanièresProcédures douanières
Procédures douanières
 
Transformation de l'action publique (PECO)
Transformation de l'action publique (PECO)Transformation de l'action publique (PECO)
Transformation de l'action publique (PECO)
 
Fracture numérique version originale
Fracture numérique version originaleFracture numérique version originale
Fracture numérique version originale
 
Orientation for Introduction to E-Commerce Course
Orientation for Introduction to E-Commerce CourseOrientation for Introduction to E-Commerce Course
Orientation for Introduction to E-Commerce Course
 
Etude De Cas Msp
Etude De Cas   MspEtude De Cas   Msp
Etude De Cas Msp
 
Le Commerce éLectronique
Le Commerce éLectroniqueLe Commerce éLectronique
Le Commerce éLectronique
 
Mémoire - E-commerce
Mémoire - E-commerceMémoire - E-commerce
Mémoire - E-commerce
 
exposé de E- commerce
exposé de E- commerceexposé de E- commerce
exposé de E- commerce
 
ETUDE #SHOPPINGLIST
ETUDE #SHOPPINGLISTETUDE #SHOPPINGLIST
ETUDE #SHOPPINGLIST
 
Fiche e-commerce Frenchweb | mai 2016
Fiche e-commerce Frenchweb | mai 2016Fiche e-commerce Frenchweb | mai 2016
Fiche e-commerce Frenchweb | mai 2016
 
Processus et techniques d'inventaire
Processus et techniques d'inventaire Processus et techniques d'inventaire
Processus et techniques d'inventaire
 
Procédure de contrôle qualité
Procédure de contrôle qualité Procédure de contrôle qualité
Procédure de contrôle qualité
 
Formation e-commerce
Formation e-commerceFormation e-commerce
Formation e-commerce
 
Cours e-marketing
Cours e-marketingCours e-marketing
Cours e-marketing
 
Rapport de stage Ingelec
Rapport de stage IngelecRapport de stage Ingelec
Rapport de stage Ingelec
 
E-commerce 2.0
E-commerce 2.0E-commerce 2.0
E-commerce 2.0
 
Les fondamentaux du e-marketing
Les fondamentaux du e-marketingLes fondamentaux du e-marketing
Les fondamentaux du e-marketing
 
METROLOGIE ET CONTROLE QUALITE
METROLOGIE ET CONTROLE QUALITEMETROLOGIE ET CONTROLE QUALITE
METROLOGIE ET CONTROLE QUALITE
 

Similaire à Big data

Livre Blanc Big Data : fin ou renouveau du Marketing ?
Livre Blanc Big Data : fin ou renouveau du Marketing ?Livre Blanc Big Data : fin ou renouveau du Marketing ?
Livre Blanc Big Data : fin ou renouveau du Marketing ?
Aproged
 
Etude AKOYA Big Data
Etude AKOYA Big DataEtude AKOYA Big Data
Etude AKOYA Big Data
Jocelyn Muret
 

Similaire à Big data (20)

Big data et marketing digital
Big data et marketing digital Big data et marketing digital
Big data et marketing digital
 
#Défi7 - Inspiration
#Défi7 - Inspiration#Défi7 - Inspiration
#Défi7 - Inspiration
 
[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 ...
 
Big data : Défi, enjeux et impacts métiers
Big data : Défi, enjeux et impacts métiersBig data : Défi, enjeux et impacts métiers
Big data : Défi, enjeux et impacts métiers
 
Introduction
IntroductionIntroduction
Introduction
 
Livre blanc "Big Data" de l'EBG
Livre blanc "Big Data" de l'EBGLivre blanc "Big Data" de l'EBG
Livre blanc "Big Data" de l'EBG
 
Livre blanc big data et data lake le duo gagnant extrait_itelligence
Livre blanc big data et data lake le duo gagnant extrait_itelligenceLivre blanc big data et data lake le duo gagnant extrait_itelligence
Livre blanc big data et data lake le duo gagnant extrait_itelligence
 
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
 
Matinée Découverte Big Data & Data Science - 24012017
Matinée Découverte Big Data & Data Science - 24012017Matinée Découverte Big Data & Data Science - 24012017
Matinée Découverte Big Data & Data Science - 24012017
 
Big data et le marketing
Big data et le marketingBig data et le marketing
Big data et le marketing
 
3 minutes pour comprendre ... le Big Data
3 minutes pour comprendre ... le Big Data3 minutes pour comprendre ... le Big Data
3 minutes pour comprendre ... le Big Data
 
Introduction au Big data
Introduction au Big data Introduction au Big data
Introduction au Big data
 
BIG DATA
BIG DATABIG DATA
BIG DATA
 
Livre Blanc Big Data : fin ou renouveau du Marketing ?
Livre Blanc Big Data : fin ou renouveau du Marketing ?Livre Blanc Big Data : fin ou renouveau du Marketing ?
Livre Blanc Big Data : fin ou renouveau du Marketing ?
 
Le Big Data
Le Big DataLe Big Data
Le Big Data
 
2014-12-16-G9plus-LB-Big-Data
2014-12-16-G9plus-LB-Big-Data2014-12-16-G9plus-LB-Big-Data
2014-12-16-G9plus-LB-Big-Data
 
Big data, l'accélération d'innovation
Big data, l'accélération d'innovationBig data, l'accélération d'innovation
Big data, l'accélération d'innovation
 
Etude AKOYA Big Data
Etude AKOYA Big DataEtude AKOYA Big Data
Etude AKOYA Big Data
 
Big data : avis d'Experts
Big data : avis d'ExpertsBig data : avis d'Experts
Big data : avis d'Experts
 
Maîtriser concrètement le Big Data
Maîtriser concrètement le Big DataMaîtriser concrètement le Big Data
Maîtriser concrètement le Big Data
 

Plus de Marwoua Ben Salem (7)

Vers la consolidation de la valeur du travail
Vers la consolidation de la valeur du travailVers la consolidation de la valeur du travail
Vers la consolidation de la valeur du travail
 
Vers la consolidation de la valeur du travail
Vers la consolidation de la valeur du travailVers la consolidation de la valeur du travail
Vers la consolidation de la valeur du travail
 
Sélection et classement fournisseurs
Sélection et classement fournisseursSélection et classement fournisseurs
Sélection et classement fournisseurs
 
Modes d’achat et objectifs d’achats
Modes d’achat et objectifs d’achatsModes d’achat et objectifs d’achats
Modes d’achat et objectifs d’achats
 
Modes d'achat et profil d'acheteur
Modes d'achat et profil d'acheteurModes d'achat et profil d'acheteur
Modes d'achat et profil d'acheteur
 
Cas pratique de gouvernance
Cas pratique de gouvernanceCas pratique de gouvernance
Cas pratique de gouvernance
 
SCM et rôle d'acheteur
SCM et rôle d'acheteur SCM et rôle d'acheteur
SCM et rôle d'acheteur
 

Big data

  • 1. BIG DATA ELABORÉES PAR: MARWA BEN SALEM CHAIMA ZAHAF 1
  • 2. Plan Introduction Big Data : Généralités La mise en œuvre du Big Data Video Témoin Récapitulatif 2
  • 3. Introduction Pour qu’un système d’information fonctionne correctement, il faudra qu’il se base sur des informations solides et des données fiables, utiles et vraies . Durant ces dernières années , un nouveau concept émerge en assistance à la notion de système d’information efficace servant à l’aide à la décision à tous les niveaux : stratégiques tactique et opérationnel. 3
  • 5. 5
  • 6. Notion Big Data un concept s’étant popularisé dès 2012 pour traduire le fait que les entreprises sont confrontées à des volumes de données (data) à traiter de plus en plus considérables et présentant de forts enjeux. De façon très simplifiée, on peut résumer la problématique technique du big data à devoir gérer d’énormes volumes de données le plus souvent en temps réel. La finalité étant de créer de la valeur . 6
  • 7. 7
  • 9. Les enjeux de Big Data 9
  • 10. Simplifier la production des informations structurées et porteuses du sens Créer du sens et des connaissances à partir des données non enrichies et non structurées Analyser des tendances sur la durée Permettre la création de modèle sur des données ambiantes Analyse prédictive 10
  • 11. 11
  • 13. 13
  • 14. 14
  • 15. Perspective big data en matière de gouvernance publique Une politique publique efficace nécessite la connaissance des besoins exacts d’une population. L’analyse du big data pourrait ainsi devenir pour les administrations un moyen inégalable: d’obtenir une image fidèle des réalités de la société, d’anticiper ses évolutions et d’identifier les conséquences et les risques inhérents à chacune des politiques publiques dont elles auraient la charge. De simplification des relations entre les citoyens et leurs administrations 15
  • 16. Applications pratiques de traitement big data au secteur Public Modélisation des déplacements pour adapter les infrastructures de transports optimisation via les « smart grids » l’offre et la demande d’énergie ou la consommation en eau. combiner plus efficacement les offres avec les qualifications des demandeurs d’emploi. La généralisation des procédures administratives en ligne 16
  • 17. Risques Big Data secteur publics Une exploitation frauduleuse de ces informations par des acteurs privés (une sécurisation suffisante des systèmes d’information publics ) Une utilisation légale, mais liberticide, du big data par la puissance publique (une législation solide à même de protéger les données à caractère personnel et d’encadrer l’utilisation des informations recueillies par les administrations) 17
  • 18. Big data : partie pratique 18
  • 19. 19 Salle des catalogues bibliothèque du Congrès, début du 20e siècle Centre de données de Google, début 21e siècle
  • 20. 20 L’Analytics s’est étendu, des simples données d’entreprise au Big Data en provenance de caméras de surveillancede transactions commerciales par seconde Analyse de sentiment et d’opinions Surveillance / Analyse comportementsIdentification de fraudes potentielles Volume Vitesse Varieté 5 100’sde Tweets créés quotidiennement 12 terabytes de flux vidéomillions de dossiers de prêts par jour Prévention de l’attrition client d’enregistrement d’appels chaque jour sont des images, des vidéos, des documents, courriers, e-mail, … Amélioration de la satisfaction client 180 Millions 500 millions 80% des données créées Découvrir les risques cachés
  • 21. DIVERSITE ET VOLUME DES SOURCES DE DONNEES 21 VOLUMES : Chaque jour, 2,5 trillions d’octets de données sont générés. 90% des données créées dans le monde l’ont été au cours des 2 dernières années. Prévision d’une croissance de 800% des quantités de données à traiter d’ici à 5 ans. DIVERSITE DES SOURCES : capteurs, medias sociaux, images, videos, achats en lignes, signaux GPS …
  • 22. L’ENJEU DE BIG DATA Il faut exploiter les Big Data non pour automatiser le passé, Mais pour faire: – Plus (productivité, pénétration…) – Mieux (compétitivité, pertinence…) – Autre chose (nouveaux marchés, innovations, partenariats, offres contextuelles…) – Différemment Les techniques du Big Data facilitent des interactions – Moins chères – Plus rapides et Plus efficaces – Moins contraintes par le temps et les distances – D’où de nouveaux modèles économiques 22
  • 23. EXEMPLE D’APPLICATION : LE BINGO ONLINE TEXT ANALYTICS EN ACTION 23 DICTIONNAIRES : mots positifs/négatifs, mots indiquant des sentiments, émoticônes Paquets de négations et autres cas particuliers -« i nerver win ! » vs « I win again » -« bloody game ! » vs « bloody awesome game » Positionner un poids sur chaque mot Agrégation, afin de donner un score global sur le sentiment du message. Attribuer une note globale sur l’ambiance générale basée sur les dictionnaires
  • 24. LES NOUVEAUX ACTEURS UTILISENT MASSIVEMENT LES BIG DATA Zynga – Créateur des jeux sociaux les plus populaires 10% de la population Internet mondiale a joue un jeu Zynga (230M joueurs / mois) Déplace 1Pb de données chaque jour Ajoute 1000 serveurs par semaine Facebook – 500M d’utilisateurs – 3.5B morceaux de contenu / semaine – 1.2M photos / second (lues) Twitter – 70M Tweet / day = 800 tweets/sec * 200b = 160kb/sec = 9Mb/min = 12Gb/jour de texte 8T de données / day 6B api calls / day 24
  • 25. L’USAGE DE BIG DATA ◦ Le Big Data, en traitant une multiplicité de données issues de sources variées et selon un quasi-temps réel, a ouvert la voie à d’autres utilisations de la donnée et à de nouvelles méthodes d’analyse : En marketing Dans le domaine du pilotage de l’entreprise Pour la Recherche Dans le domaine de l’Information 25
  • 26. En marketing Le Big Data permet en effet aux professionnels du secteur de connaître leur client « à 360° », c’est-à-dire à la fois par son parcours internet mais également par ses achats en magasin ou ses préférences affichées sur les réseaux sociaux. Anticiper les besoins de celui-ci et cibler des offres personnalisées est devenu le credo du marketing « data-driven », qui met en avant des techniques inédites : le Real-Time Bidding pour l’achat d’espaces en temps réel, le Retargeting pour le ciblage personnalisé ou encore l’analyse de sentiment pour la détection de comportements sur les réseaux sociaux. Le marketing se fait de plus en plus prédictif avec le Big Data, et l’on assiste à une éclosion de nouveaux modèles statistiques davantage inductifs. 26
  • 27. Dans le domaine du pilotage de l’entreprise 27 Le Big Data laisse entrevoir une optimisation complète des processus et des ressources métiers. Il réduit le temps de réaction face à des erreurs ou des pannes et permet d’ajuster en permanence les équilibres offre-demande et temps-ressource. C’est une promesse importante dans des secteurs comme ceux de l’énergie ou des transports qui sont constamment portés par la logique de flux ; outre une réduction importante des coûts, le Big Data permet ici d’identifier au plus près les moteurs de l’activité, ce qui n’était pas possible avec les indicateurs traditionnels, soumis à des délais de latence bien plus importants.
  • 28. La Recherche En autorisant le traitement de multitudes de données, le Big Data permet à la science de réaliser des avancées importantes, lorsqu’il s’agit d’explorer l’infiniment petit (ex : exploration géologique), de croiser des données complexes (ex : imagerie) ou d’effectuer des simulations (ex : domaine spatial). C’est d’ailleurs en génétique que le Big Data a fait ses premières armes car ce secteur réclamait une approche à la fois quantitative et qualitative avancée. 28
  • 29. Dans le domaine de l’Information Le traitement des Big Data a profondément modifié la donnée : il est désormais possible d’accéder à un croisement d’informations très disparates, issues de sources jusque-là négligées. L’instantanéité des réseaux sociaux est à ce titre une innovation de taille : l’analyse des tweets est devenue une source de renseignements courante pour comprendre les comportements ou les goûts de populations segmentées. De plus, au- delà de la compréhension de phénomènes,la data s’avère un outil de communication efficace pour faire passer des messages factuels aux publics : c’est tout le rôle du data journalisme, qui vise à mettre en lumière des événements complexes au travers de la représentation de données multiples. 29
  • 30. Les chiffres du Big Data 30
  • 31. 31
  • 33. 33

Notes de l'éditeur

  1. + Vélocité : analyse en temps réel
  2. On résume parfois la problématique du Big Data aux 3 V pour Volume, Vitesse et Variété ou 5V (en ajoutant Véracité et Valeur). – volume car les masses de données à traiter sont sans cesse croissantes. – vitesse car la collecte, l’analyse et l’exploitation des données doit de plus en plus souvent se faire en temps réel. – variété car les données sont de formes très variées et pas toujours structurées (données relatives aux réseaux sociaux par exemple). Pour plus de détails, voir les 5V big data.
  3. Utilisation d’une manière efficace et judicieuse
  4. en mettant en commun pour l’ensemble des institutions publiques les informations dont elles disposent sur leurs administrés,