Qu'est ce que le big data - Présentation AIMM 30 octobre
Signaler
Partager
•1 j'aime•269 vues
Qu'est ce que le big data - Présentation AIMM 30 octobre
•1 j'aime•269 vues
Signaler
Partager
Télécharger pour lire hors ligne
- Mais qu’est-ce vraiment que le Big Data? – Simon Boucher, Fujitsu Canada - Le Big Data et les réseaux Sociaux – Claude G. Théorêt, Nexalogy Environnics - L’analyse des réseaux Sociaux – Exemples – Josée Plamondon, consultante
Recommandé
Contenu connexe
Tendances
Tendances(20)
En vedette
En vedette(10)
Similaire à Qu'est ce que le big data - Présentation AIMM 30 octobre
Similaire à Qu'est ce que le big data - Présentation AIMM 30 octobre(20)
Qu'est ce que le big data - Présentation AIMM 30 octobre
- 1. Le Big Data et les réseaux sociaux Présentation à AIIM Fujitsu Canada Simon Boucher 30 octobre 2013
- 2. 1 Agenda Mais qu’est-ce vraiment que le Big Data? – Simon Boucher, Fujitsu Canada Le Big Data et les réseaux Sociaux – Claude G. Théorêt, Nexalogy Environnics L’analyse des réseaux Sociaux – Exemples – Josée Plamondon, consultante
- 3. 2 Mais qu’est-ce vraiment que le Big Data? En 2010, le terme «Big Data», était pratiquement inconnu, mais à la mi- 2011, il est apparu comme la dernière tendance, avec toutes les l'exagérations habituelles, comme ce fut le cas pour le « Cloud Computing» avant lui. Le terme a aujourd'hui été adopté par tous les vendeurs de produits, les fournisseurs de servivcs d’externalisation et d’infonuagique désireux de promouvoir leurs offres. McNaught Cameron Vice-président et directeur des solutions stratégiques international Business Fujitsu
- 4. 3 Mais qu’est-ce vraiment que le Big Data? En bref, le Big Data ajoute une valeur commerciale à toute une gamme de de nouvelles sources de données comprenant entre autres, les données des médias sociaux, les données de localisation générées par les GPS, les smartphones et autres appareils mobiles, ainsi que l'information publique disponible en ligne (open data), les données provenant des capteurs installés dans les voitures, les bâtiments, dans des objets et, beaucoup plus encore. Traduit deL: Fujitsu White Book of Big Data
- 5. 4 Mais qu’est-ce vraiment que le Big Data? http://thumbnails.visually.netdna-cdn.com/big-data-infographic_504f4d2f5bd2f.jpg
- 6. 5 Mais qu’est-ce vraiment que le Big Data? http://thumbnails.visually.netdna-cdn.com/big-data-infographic_504f4d2f5bd2f.jpg
- 7. 6 Définitions du Big Data: le modèle 3V De nombreux analystes utilisent le modèle de 3V pour définir ce qu’est le Big Data. Les trois V signifient le volume, la vélocité (vitesse) et la variété. http://thefinancialbrand.com/wp-content/uploads/2012/11/3_vs_of_big_data.jpg
- 8. 7 Définitions du Big Data: le modèle 4V http://cdn.dashburst.com/wp-content/uploads/2013/07/the-four-v-s-of-big-data.jpg Rapidement est apparu un quatrième V
- 9. 8 Définitions du Big Data: le modèle 4V Volume réfère au fait que le Big Data consiste à analyser comparativement d'énormes quantités d'informations, généralement à partir de dizaines de téraoctets. http://cdn.dashburst.com/wp-content/uploads/2013/07/the-four-v-s-of-big-data.jpg
- 10. 9 Définitions du Big Data: le modèle 4V Vélocité - Reflète la vitesse pure à laquelle ces données sont générées et changes rapidement. Par exemple, les données associées à un hashtag particulier sur Twitter changent souvent et à une grande vitesse. http://cdn.dashburst.com/wp-content/uploads/2013/07/the-four-v-s-of-big-data.jpg
- 11. 10 Définitions du Big Data: le modèle 4V Variété - Le Big Data peut provenir de plusieurs sources différentes, dans différents formats et structures. Par exemple, les sites de médias sociaux génèrent un flux de données en constante évolution, sous forme de texte, d’informations géographiques, d’images, de vidéos et de musique. http://cdn.dashburst.com/wp-content/uploads/2013/07/the-four-v-s-of-big-data.jpg
- 12. 11 Définitions du Big Data: le modèle 4V http://cdn.dashburst.com/wp-content/uploads/2013/07/the-four-v-s-of-big-data.jpg Véracité – La dimension qui pause la question de la crédibilité de l’information
- 13. 12 Définitions du Big Data: le 5ième V Valeur: le cinquième V Bien que les modèles 3V et 4V sont des moyens utiles de définir le Big Data, nous devons en ajouter un cinquième V vital – la Valeur. Il n'y a pas de raisons pour les organisations de mettre en œuvre une solution de Big Data, à moins qu'ils puissent identifier comment le Big Data va leur donner une valeur ajoutée. Cette volonté de maximiser la valeur du Big Data est un impératif clé. Traduit deL: Fujitsu White Book of Big Data En résumé, le Big Data donne aux organisations la possibilité d'exploiter les données afin d'en extraire une valeur ajoutée à travers: Une prise de décision plus éclairée Voir les données comme des actifs qui peuvent être échangés et vendus. ❶ ❷ ➌ ➍ Véracité ➎ Valeur
- 14. 13 Big Data: Landscape http://www.zdnet.com/blog/hinchcliffe/the-enterprise-opportunity-of-big-data-closing-the-clue-gap/1648 Big Data: Much More Than A Big Pile of Information Given that the term itself is simplistic, it should be understood that there at least three significant aspects of Big Data that make it unique, beyond "an order of magnitude more data beyond what you have now", which was one early definition. Instead, Big Data refers to the integrated employment of the following capabilities:
- 16. 15 Big Data: Landscape 2.0 http://www.ongridventures.com/wp-content/uploads/2012/10/Big-Data-Landscape.jpg
- 17. 16 Éléments d’une solution de Big Data La boîte rouge représente la solution elle-même. À l'extérieur sur le côté gauche, sont les diverses sources de données qui alimentent le système par exemple: les données ouvertes (par exemple, données publiques ou fournis par le gouvernement, les sites commerciaux de données), les médias sociaux (par exemple, données de Twitter) ou interne (par exemple, les transactions en ligne ou les systèmes d'analyse).
- 18. 17 Big Data et réseaux sociaux http://www.ongridventures.com/wp-content/uploads/2012/10/Big-Data-Landscape.jpg Le Big Data et l’analyse des médias (réseaux) sociaux (par exemple, Twitter, Facebook, Google Blogs, Yammer, etc.
- 19. 18 Big Data et réseaux sociaux Si nous pouvions visualiser le Big Data Analogy taken from - New York City's greenhouse gas emissions Un jour!
- 20. 19 Big Data et réseaux sociaux Si nous pouvions visualiser le Big Data Analogy taken from - New York City's greenhouse gas emissions Une année!
- 21. 20 De l’écoute à l’intelligence des réseaux sociaux
- 22. 21 Agenda Mais qu’est-ce vraiment que le Big Data? – Simon Boucher, Fujitsu Canada Le Big Data et les réseaux Sociaux – Claude G. Théorêt, Nexalogy Environnics L’analyse des réseaux Sociaux – Exemples – Josée Plamondon, consultante
Notes de l'éditeur
- 0
- Fast Data. Recognizing that traditional methods for moving, processing, and querying data were not sufficient, the Big Data industry has created an entirely new set of techniques -- and adapting some of those that existed -- so that organizations can actually process the full universe of information that they possess in enough time to actually get inside the windows of key business processes and critical decision trees. Thus, Fast Data techniques provides the ability to 'see' all (or enough, anyway) of what you know in a short enough time to actually do something with what you've learned. Fast Data techniques, at least so far, have grown exponentially faster at approximately the rate of Moore' Law, just barely keeping up with Big Data growth volume in my research. Big Analytics. This is where the qualitative differences between traditional business databases and Big Data become more apparent. Where Fast Data is about new techniques to process and transform raw information considerably faster than ever before, Big Analytics is about turning information into knowledge using a combination of existing and new approaches. As you can see from the moving parts visual above, some of the classic players in analytics are in use here including MATLAB, SAS, and R. But some of the most interesting aspects of Big Data can be found in relatively new entrants such as Apache Hive and Mahout, the latter which brings to bear automated machine learning to finding hidden trends and otherwise unthought of or unconsidered ideas. In fact, an entire industry is growing up in smart information management systems that will "not rely on users dreaming up smart questions to ask computers; rather, they will automatically determine if new observations reveal something of sufficient interest to warrant some reaction, e.g., sending an automatic notification to a user or a system about an opportunity or risk." Deep Insight. The powerful yet unfocused tools of Big Analytics are not sufficient to reap the rewards of Big Data. That requires taking the sum of the information at hand, applying analytic processes to it, and finally generating new knowledge and insights using a a specific, situated method. Insight must be in the domain of the business to be useful, and this part of Big Data is where the technology is connected to ground truth in a feedback loop. That is, the tools of Big Analytics are just tools by themselves. It's not until they are directed at deriving a particular type of result that they are actually useful in a business context. Insights must also be connected to specific objectives (examples depicted in the moving parts visual above) in order to have high levels of impact