Le document traite du big data, définissant ses caractéristiques, technologies, typologies et applications, notamment dans des domaines comme le marketing et la santé. Il met en lumière l'importance des données massives en Tunisie, avec un exemple concret d'utilisation par Orange Developer Center pour optimiser la gestion du réseau. La conclusion souligne que le big data est essentiel pour traiter efficacement les données croissantes dans divers domaines.

1. Travail realisè par :
1

2. PLAN
I. Definition
II. Les caracteristiques du big data
III. Technologies du big data
IV. Typologie
V. Usage du Big Data
VI. Le big data en tunisie
exemple de « Orange Developper
Center »
VII. Conclusion 2

3. LE BIG DATA, C’EST
QUOI ?
3
 Littéralement, ces termes
signifient méga-
données, grosses
données ou encore
données massives. Ils
désignent un ensemble
très volumineux de
données qu’aucun outil
classique de gestion de
base de données ou de
gestion de l’information
ne peut vraiment
travailler.
Big Data
Grosses
=
mega
Données
volumes massifs de données.

4. LE BIG DATA, C’EST
QUOI ?
4
 Le BIG DATA signifie
l’ensemble des
données qui ne
peuvent pas être
perçus ,acquis, gérés
et traités par des outils
informatique
traditionnels dans un
délai raisonnable .

5. LE BIG DATA, C’EST
QUOI ?
5
 Le BIG DATA est produit
pratiquement de partout :
 sites de réseaux sociaux .
 E-mails .
 images numériques et vidéos
publiées en ligne .
 enregistrements
transactionnels d'achats en
ligne .
 de signaux GPS de
téléphones mobiles
 Ceci continue à grandir à un
taux exponentiel .

6. LES CARACTERISTIQUES DU BIG DATA
6
• Cohérence
,fiabilité,
• qualité et
prédictibilité
des données .
• Format
structuré,
non
structuré,
texte,
multimèdia.
• Analyse en
temps rèel ,
décision en
temps
dynamique
• Terabytes à
exabytes de
données
disponibles
volume Vitesse
Véracité
Variété
 La règle des 4V:
 _ Volume
 _ Vitesse
 _ Variété
 _ Véracité

7. TECHNOLOGIES DU BIG DATA
 Des bases de données NoSQL (comme
MongoDB, Cassandra ou Redis) qui
implémentent des systèmes de stockage
considérés comme plus performants que le
traditionnel SQL pour l'analyse de données en
masse (orienté clé/valeur, document, colonne ou
graphe).
7

8. TECHNOLOGIES DU BIG DATA
8
 Des infrastructures de serveurs
pour distribuer les traitements sur
des dizaines, centaines, et milliers
de nœuds. C'est ce qu'on appelle le
traitement massivement parallèle.
Le framework Hadoop est sans
doute le plus connu d'entre eux. Il
combine le système de fichiers
distribué HDFS, la base NoSQL
HBase et l'algorithme MapReduce.
D'autres technologies visant à
tendre vers des traitements plus
"temps réel" ont émergé dans la
foulée (c'est le cas d'Apache
Spark).

9. TECHNOLOGIES DU BIG DATA
 Le stockage des données en
mémoire (Memtables) permet d'accélérer les
temps de traitement des requêtes.
9

10. TECHNOLOGIES DU BIG DATA
10

11. TYPOLOGIE
11
SMART DATA
OPEN DATA
Processus qui permet d’enrichir
des données brutes pour
qu’elles deviennent qualifiées
dans un contexte particulier .
Désigne l’effort et la volonté des
organisations à mettre à
disposition gratuitement des
données librement utilisables
par chacun d’entre nous .

12. USAGE DU BIG DATA
12
 Nos vies seront concernées dans tous leurs aspects par
les usages des big data. Elles le sont déjà dans plusieurs
domaines.:
 _ le marketing, Les entreprises veulent comprendre les
comportements et les attentes de leurs clients afin de
mieux cibler leurs propositions. Elles créent des modèles
prédictifs pour anticiper le départ d’un client ou les
ventes d’un produit.
Business-Analytics-info.fr

13. USAGE DU BIG DATA
La compréhension et l’optimisation des
processus s’appliquent à plusieurs
domaines :
 _ la gestion des stocks, les ressources
humaines, l’optimisation des itinéraires de
livraison…
 _ Les applications big data servent aussi
l’individu. Les sites de rencontres en ligne
aident à trouver l’âme sœur, les vêtements
connectés surveillent notre santé et notre
hygiène de vie. 13
Business-Analytics-info.fr

14. USAGE DU BIG DATA
 _Qu’il s’agisse de décoder des fragments d’ADN
ou de protéger des bébés prématurés, les big data
trouvent aussi de nombreuses applications dans la
santé, la recherche médicale ou pharmaceutique.
Elles contribuent à améliorer les performances des
chercheurs, des scientifiques ou des sportifs.
 _Sécurité, détection de fraude, optimisation du
trafic dans les villes, accélération des échanges
financiers .
14
Business-Analytics-info.fr

15. LE BIG DATA EN TUNISIE
EXEMPLE DE « ORANGE DEVELOPPER CENTER »
15
Dans un workshop dédié au BigData et qui a été organisé par
l’ODC (Orange Developper Center) aux Berges du Lac le
vendredi 21 avril dernier) Chef département Business
Intelligence et Big data chez Orange Tunisie, a justement mis
en exergue ce point en particulier concernant les opérateurs
télécom. Vu sa position de principale autoroute par laquelle
transite cette Data, un opérateur télécom doit être le premier à
analyser la donnée générée par ses clients.

16. LE BIG DATA EN TUNISIE
EXEMPLE DE « ORANGE DEVELOPPER CENTER »
 Ça lui permet, ainsi, de mieux gérer son réseau
(les heures de pointe, les services prioritaires
comme le streaming selon les heures de
journée, etc.). On l’aura bien compris, la rapidité
de traitement et d’analyse est une condition
pour qu’il y ait un impact positif sur le client et
donc sur les recettes de l’entreprise.
16

17. LE BIG DATA EN TUNISIE
EXEMPLE DE « ORANGE DEVELOPPER CENTER »
 Il a donné l’exemple de détection des heavy
users. Ces clients dont la consommation est
anormalement grande. Avec l’analyse des
données, l’opérateur pourra les détecter
rapidement pour se protéger d’une éventuelle
fraude (faille dans le système de facturation par
exemple, etc.)
17

18. LE BIG DATA EN TUNISIE
EXEMPLE DE « ORANGE DEVELOPPER CENTER »
 Cela permet également à l’opérateur d’alerter un
client postpayé en roaming en voyage à
l’étranger sur une augmentation du montant de
sa facture afin qu’il prenne les mesures
nécessaires avant de tomber en contentieux (et
donc des éventuels impayés qui feront perdre
de l’argent à l’opérateur).
18

19. CONCLUSION
 Le Big Data est né d’une réponse à un problème de
temps de traitement des données massives.
 Les données collectées dans le cadre d’une étude
Big Data peuvent avoir des origines et des formes
très différentes
 Il est caractérisé par ses 4V : Volume ,Vitesse ,
Variété , Véracité
 Aujourd’hui, les applications du Big Data
(technologie) se sont largement développées pour
faire face à l’augmentation croissante du nombre de
données.
 Il est utilisée dans de nombreux domaines :
programmes scientifiques,outils d'entreprises
,parfois spécialisées ou startups, open sources .
19

20. BIBLIOGRAPHIE
 https://www.lebigdata.fr/definition-big-data
 http://business-analytics-info.fr/5447/dix-exemples-
de-domaines-qui-profitent-deja-des-big-data/
 https://www.piloter.org/business-
intelligence/technologie-big-data.htm
 https://thd.tn/c-est-quoi-le-big-data-et-en-quoi-est-
ce-benefique/
20

21. MERCI POUR
VOTRE
ATTENTION !
21

22. 22