SlideShare une entreprise Scribd logo
A travers les âges, les industries et les technologies
Hassan Lâasri
Juin 2015
Introduction
• La matière et l’énergie ont dominé les industries du
XIXème et du XXème siècles… La Data en prend la
direction pour ce siècle
• L’objectif de cette présentation est de démystifier le
phénomène Big Data en décrivant son utilisation à travers
les âges, les industries et les technologies sous-jacentes
Agenda
• Qu’est ce que la Big Data ?
• Big Data dans l’industrie des médias et exemples (Amazon,
Capital One, Sprint et Cisco)
• Big Data dans les industries lourdes et exemples de l’énergie
• Internet Des Objets
• Technologies et logiciels sous-jacentes : Big Data Technology
Stack
• Références techniques, générales et films
Agenda
• Qu’est ce que la Big Data ?
• Big Data dans l’industrie des médias et exemples (Amazon,
Capital One, Sprint et Cisco)
• Big Data dans les industries lourdes et exemples de l’énergie
• Internet Des Objets
• Technologies et logiciels sous-jacentes : Big Data Technology
Stack
• Références techniques, générales et films
Qu’est-ce que la Big Data ?
(aujourd’hui)
“C’est vous”
• Toute intention, sélection, consommation, recommandation ou dénigrement de
votre part intéresse une marque quelque part dans le monde
• Café, lait, céréales, jus de fruit, laitage que vous consommez le matin
• Savon, shampoing, dentifrice, lait, maquillage que vous utilisez avant de partir
au travail
• Moyens de transport que vous pratiquez pour y aller
• Radio, télé, sites Web, appli mobile que vous consommez quand vous êtes
chez vous
• Marques que vous aimez et que “likez” sur Facebook ou prenez en photo sur
Instagram
• …
La “révolution” a démarré
avec deux noms : Big Data
• Mai 2011, McKinsey & Company
publie un rapport intitulé “Big data:
The new frontier for innovation,
competition, and productivity”
• Depuis, la Big Data est devenue le
Graal de la technologie, celle qui
va tout bouleverser, tout
chambouler, tout révolutionner
• Les industries et les
gouvernements y voient une sortie
de la crise qui tétanise le monde
depuis la crise systémique de 2008
Hassan Lâasri, Big Data : entre histoire,
promesses et réalités, Les Echos
Mais la révolution n’est pas
nouvelle
• Les opérateurs de télécom, d’énergie, d’eau et de
transport collectent et analysent des alarmes, des
compteurs de performances et des données clients
— ils connaissent et peuvent prévoir vos
consommations
• Les banques de détail et les chaînes de grande
distribution traitent des millions de transactions par
jour — elles connaissant et peuvent prévoir vos
achats
Elle est même très ancienne
• Au XIX siècle, elle régnait déjà mais sous un autre
nom : l’exhaustivité
• On recensait des informations sur tous les individus
d’un pays : âge, occupation, CSP…
• C’était l’âge de la collecte manuelle, du papier, du
crayon et du calcul mental
Catalyseurs de la
(re)naissance de la Big Data
• Web ouvert à +3 milliards d’individus et du mobile à +6,8 milliards, à la
fois consommateurs et citoyens qui laissent des empreintes et
expriment leurs avis
• Coût réduit tendant vers la gratuité du stockage de la donnée
• Sortie des laboratoires des algorithmes de statistiques et
d’apprentissage automatique
• La loi de Moore et IPv6 ouvrent Internet à tous les objets que
l’humanité peut créer
• Pour épuiser la totalité des adresses IPv6, il faudrait 667 millions de
milliards d’appareils connectés sur chaque millimètre carré de la
surface de la Terre
Pionniers de cette
renaissance
• Yahoo et Google à la recherche
de solutions de stockage et de
traitement parallèles de larges
volumes de données sur des
serveurs banalisés
• Mise en accès libre des
technologies Hadoop,
MapReduce, NoSQL, BigTable et
la liste continue de s’allonger
• Amazon avec son algorithme de
recommandation, disponible en
accès libre sur le Web, depuis
utilisé par d’autres comme Netflix
La Big Data aujourd’hui :
principalement dans les médias
• La publicité, le marketing et les
médias sont aujourd’hui les
plus gros producteurs et
consommateurs de la Big Data
• Personnalisation de
compagnes de publicité en
ligne, de marketing direct, de
sites Web, d’applications
mobiles et de réseaux sociaux
• Toutes les industries B2C et
depuis peu toutes les industries
B2B
Hassan Lâasri, Quand les médias
rencontrent les mégadonnées, JDN
Hassan Lâasri, La Data, levier pour
personnaliser sa présence digitale, JDN
Agenda
• Qu’est ce que la Big Data ?
• Big Data dans l’industrie des médias et exemples
(Amazon, Capital One, Sprint et Cisco)
• Big Data dans les industries lourdes et exemples de l’énergie
• Internet Des Objets
• Technologies et logiciels sous-jacentes : Big Data Technology
Stack
• Références techniques, générales et films
Etude quantitative 

318 dirigeants exécutifs sondés en 2013*
http://www.economistinsights.com/analysis/data-directive
Echantillon
Pour les directions marketing & communication
qui ont exploité la Data, celle-ci a été la clef pour
atteindre leurs trois priorités clés :
1. Connaitre mieux le client
2. Le servir efficacement
3. Anticiper ses besoins
Plus d’un 1/3 des acteurs des
industries lourdes :
• Soit exploite déjà la Data
• Soit s’y prépare
Les plus performants exploitent
plusieurs sources de Data :
• Access Point Data (site web)
• Social Data (réseaux sociaux,
blogs)
• Open Data (gouvernement)
Industries B2C à l’ère de la
personnalisation
Un smartphone nouvellement
commercialisé peut-être annoncé aux :
• Adolescents comme un appareil de
musique
• Globe-trotteurs comme un dispositif
de réservation
• Jeunes talents comme un dispositif
social
• Geek comme un ordinateur mobile
• Grands-parents comme un
téléphone
Andres Gonzalez et Hassan Lâasri, Data et
agences de publicité, levier ou frein pour la
créativité, Forum d’Avignon
La Big Data dans le B2C : écosystème
complexe
La Big Data pour la
personnalisation
Site
Social
Data ONLINE
Data OFFLINE
Raports &

Dashboards
Corrélation
Analyse 

ad-hoc
Prédiction
Attribution
Clustering
Mobile
Pub Site SocialMobile
Pub
S’informe
S’enregistre
Consulte
Commente
Partage
Evalue
Data
brute
Data
analysée
Collecte Analyse Personnalisation
Personnalisation
Comment ça marche ?
CONTEXTE ACTIONS
Prise en compte du contexte, des actions
immédiates, de l’historique, des préférences et du
réseau d’amis…
HISTORIQUE PRÉFÉRENCES RELATIONNEL
Google, Amazon, Youtube, Facebook, LinkedIn, Netflix, Shazam, NY Times…
Data exploitée :
• Celles des profils les plus proches
Recommandations :
• Produits similaires à ceux achetés par les profils les
plus proches
• Produits recommandés par les profils
• Produits dont les recommandations ont été
consultées : lui + profils
• Produits consultés par lui + les profils
• Le profil le plus proche est activé
• Plus il navigue, plus le profil est
affiné
Visiteur inconnu
Consulte
• Profil modifié
• Profils similaires modifiés
Quitte
S’identifie/reconnu
Data exploitée :
• Produits achetés
• Produits consultés
• Recommandations lues
• Temps passé par produit
• Régularité des visites
Recommandations :
• Produits similaires à ceux déjà achetés
• Produits dont il a lu les recommandations
• Produits consultés
Profil activé
• Profil modifié
• Profils similaires modifiés
Quitte
Visiteur (re)connu
Profil activé
• Profil modifié
• Profils similaires modifiés
• Achète
• Recommande
• Consulte
• Profil modifié
• Profils similaires modifiés
Quitte
Visiteur (re)connu
Recommandations :
• Produits similaires à ceux déjà achetés
• Produits dont il a lu les recommandations
• Produits consultés
S’identifie/reconnu
Data exploitée :
• Produits achetés
• Produits consultés
• Recommandations lues
• Temps passé par produit
• Régularité des visites
Capital One Serveur [x+1]
BD Nielsen
BD Digital Envoy
DMP
(1) Se connecte
(2) Cookies utilisateur
(3) Code postal ?
(4) Code postal
(3) Cookies similaires ?
(4) Cookies similaires
(6) Segment
(Age, CSP, salaire, risque dette)
(5) Cookies utilisateur + 

similaires + Code Postal
(7) Offre de crédit personnalisée
Contrairement à Amazon qui utilise
un système fermé (données
internes), Capital One utilise un
système ouvert (données internes et
externes)
Le temps que la page Capital One se charge
• Pendant le CES 2013, Sprint utilisait BrandLIVE de DigitasLBi pour
surveiller les conversations en ligne sur trois initiatives marketing :
• Technologies vertes, innovation technologique et la technologie
pour les seniors
• Réseaux sociaux pris en compte :
• Facebook, Twitter, Google+, Vine, Instagram, Pinterest, LinkedIn
et Youtube
• Chaque jour, Sprint définissait des sujets que BrandLIVE traitait
dans la journée même et diffusait à une communauté de 5,6 million
de suiveurs
• Grâce à cette capacité, Sprint pouvait combiner des contenus
planifiés, parfois 6 mois à l’avance, avec de contenus spontanés et
les publier sur les réseaux sociaux
Depuis, Sprint a généralisé l’approche pour créer une sorte de Newsroom
calquée sur le fonctionnement des médias d'information avec des :
• Rédacteurs en chef
• Creative technologists
• Data analysts
• Community managers
• Des journalistes
• Spécialistes des Social Ads
• 12 septembre 2012, Pendant que Tim Cook présentait iPhone5,
Samsung et son agence media 72andSunny suivaient les
conversations qui en résultaient sur les réseaux sociaux
• En même moment, Samsung démarrait la conception d’une publicité de
son Galaxy S3 en tenant compte de 

ces conversations
• Une semaine après, la publicité 

était lancée à la télé et en 

ligne (+ 70 million de fois)
• 27 février 2013, Forbes

annonçait « Galaxy bat iPhone

dans la catégorie 

meilleur smartphone »
La Big Data ne s’arrête pas
au secteur B2C
• Elle opère déjà dans le secteur B2B
• Analyse de la concurrence grâce au
web crawling, au web scrapping et
au text mining des sites concurrents
• Génération de prospects grâce aux
mêmes technologies appliquées aux
sites clients
• Localisation d’experts internes grâce
à l’apprentissage statistique des
questions-réponses
• …
Hassan Lâasri, Data Tour : le secteur B2B
est-il le prochain arrêt ?, JDN
La Big Data aujourd’hui
• Opère derrière les sites Web, les applications mobiles, les
réseaux sociaux et en général toute la gestion de la relation client
• Dans le B2C :
• Personnalisent le contenant (taille, design et couleur) et le
contenu (texte, image, audio, vidéo) de la publicité en ligne, du
marketing direct et de la communication vers le client
• Dans le B2B :
• Analyse de la concurrence, génération de prospects et
identification d’experts internes… La liste ne fait que démarrer
Agenda
• Qu’est ce que la Big Data ?
• Big Data dans l’industrie des médias et exemples (Amazon,
Capital One, Sprint et Cisco)
• Big Data dans les industries lourdes et exemples de l’énergie
• Internet Des Objets
• Technologies et logiciels sous-jacentes : Big Data Technology
Stack
• Références techniques, générales et films
La Big Data et les industries
lourdes
• Les sites Web, les applications
mobiles, les réseaux sociaux
ne sont que la partie visible de
la Big Data
• Depuis peu, elles transforment
la gestion des infrastructures,
des équipements et des
process industriels des
industries lourdes
Hassan Lâasri, Les données massives et les
industries lourdes, Les Echos
Vers l’Internet des Objets
• 36,8% des entreprise de l’étude commune à
l’Economist Intelligence Unit et Wipro prévoient
d’exploiter les données
• 46,9% de ces données vient des équipements eux-
mêmes, de compteurs basiques ou de télémètres
intelligents (e.g., Linky d’ERDF)
• L’ère de l’Internet Des Objets est né depuis IPv6
dont le but était de donner une adresse IP à chaque
dispositif que l’humanité puisse créer
Utilisation de la Big Data
dans le secteur de l’énergie
• Les majors et les électriciens disposent de ce que Google et compères rêveraient d’avoir —
une information sectorielle stratégique non seulement pour les individus mais pour
l’économie toute entière
• L’AIE, Total, EDF, ERDF, RTE… disposent de mégadonnées pour non seulement analyser
la production et la demande mais aussi prévoir les conséquences économiques et
géopolitiques de décisions de choix de bouquets énergétiques — prix, PIB…
• Sous la pression du respect du climat, les électriciens investissent de plus en plus dans les
réseaux électriques intelligents (smart grids) —Linky n’est qu’un début
• Original : trading de l’énergie avec des modèles issus de la finance quantitative (prise en
compte des sources d’énergie transitoires, des données météo, d’aléas divers et variés…)
• Plus original : la prospection, activité non seulement technique mais de plus en plus
géopolitique, pousse certains majors à regarder de près la Big Data pour les aider à profiler
leurs interlocuteurs dans les pays producteurs —IBM Watson Analytics permet d’analyser le
profil d’un dirigeant à partir de ses discours
Exemple du transport
maritime du pétrole et du gaz
• Flottes de navires de différente taille, de
différents âges
• Les opérations journalières et régulières d’un
navire génèrent des données techniques sur la
distance parcourue, les vitesses observées et
du carburant consommé
• Avec leurs capteurs plus intelligents, les
nouveaux navires génèrent en plus des
données sur le vent, les vagues et la houle
• Ajouter à cela les données commerciales et
douanières et vous obtenez des mégadonnées
beaucoup plus volumineuses que ce que
génèrent l’industrie des médias
• Gains : amélioration dans la planification des
voyages, dans l’attribution des navires et
surtout dans la planification de la maintenance
Exemple de la maintenance
prédictive d’installations
Exemples d’autres industries
• Pour optimiser le trajet d’un livreur chargé de 120 à
175 colis par jour, UPS recoupe les données
générées par les capteurs de ses camions (vitesse,
arrêts, freinages…) avec les données GPS
• Pour l’édition 2013 de la Coupe de l’America, le
defender Oracle Team USA avait embarqué des
systèmes intelligents d’aide aux navigants en temps
réel (+300 capteurs, +200 gigabits de données
par jour de navigation)… Edition gagnée
L’industrie du 21ème siècle :
Matière, énergie et information
• Dans toutes les industries, non seulement les
techniciens, les opérateurs et les gestionnaires
génèrent de la donnée, mais aussi tous les
dispositifs, petits et grands, qu’ils utilisent pour
prendre leurs décisions et exécuter leurs opérations
• Une ère où la donnée prendra au sein de toute
activité industrielle autant d’importance que les
matières premières et les énergies qui transportent
et transforment ces derniers en des biens
d’équipements et des produits de consommation
Mais attention, trop d’information
n’est pas la solution
• Notre cerveau est limité
• Herbert Simon, prix Nobel d'économie en
1978, est venu à la conclusion que ce qui
nous manque n’est pas l'information,
mais l’attention
• Daniel Kahneman, prix Nobel d'économie
en 2002, est venu à la conclusion que
notre cerveau n’est pas seulement limité,
mais fait toujours des erreurs lorsqu’il
est confronté à un trop grand nombre
d’informations
• Il faut donc toujours commencer par savoir
ce que l’on cherche à optimiser, ensuite
identifier le type et les sources de
données, ensuite les collecter, enfin les
activer
Agenda
• Qu’est ce que la Big Data ?
• Big Data dans l’industrie des médias et exemples (Amazon,
Capital One, Sprint et Cisco)
• Big Data dans les industries lourdes et exemples de l’énergie
• Internet Des Objets
• Technologies et logiciels sous-jacentes : Big Data Technology
Stack
• Références techniques, générales et films
La Big Data
demain
• Humains, objets et
applications connectés
• A la fois producteurs et
consommateurs de la
donnée
Je génère la donnée. Je
consomme la donnée.
Gain accumulé
Internet d’applications
connectées
Vie privée, un business
demain
Agenda
• Qu’est ce que la Big Data ?
• Big Data dans l’industrie des médias et exemples (Amazon,
Capital One, Sprint et Cisco)
• Big Data dans les industries lourdes et exemples de l’énergie
• Internet Des Objets
• Technologies et logiciels sous-jacentes : Big Data
Technology Stack
• Références techniques, générales et films
Version simplifiée de la “Big Data
Technology Stack”
Logiciels
• Pour expert développeur :
communauté des logiciels
libres, en particulier Python et
R
• Pour Data Scientist : logiciel
libre R, logiciels propriétaires
SAS, SPSS
• Pour simple utilisateur :
plateformes IBM Watson
Analytics, Amazon Machine
Learning et Microsoft Azure
Machine Learning
Algorithmes souvent utilisés
• Statistiques :
• Régression multiple, analyse discriminatoire, analyse factorielle, analyse
typologique, analyse conjointe, analyse multidimensionnelle…
• Modèles :
• Processus de Markov, théorie des files d’attente…
• Optimisation :
• Calcul différentiel, programmation linéaire, programmation par contraintes,
théorie de la décision statistique, théorie des jeux, business rules…
• Apprentissage :
• Réseaux neuronaux, méthodes statistiques, chaines de Markov, programmation
dynamique…
Agenda
• Qu’est ce que la Big Data ?
• Big Data dans l’industrie des médias et exemples (Amazon,
Capital One, Sprint et Cisco)
• Big Data dans les industries lourdes et exemples de l’énergie
• Internet Des Objets
• Technologies et logiciels sous-jacentes : Big Data Technology
Stack
• Références techniques, générales et films
Références techniques
• “OpenIntro Statistics”, David M Diez,
Christopher D Barr
• “Statistics without maths for psychology”,
Christine P. Dancey, John Reidy
• “The Practice of Statistics for Business
and Economics”, Moore, McCabe, Alwan,
Craig, Duckworth
• “Probabilités, Analyse des Données et
Statistique”, Gilbert Saporta
• “Forecasting methods and applications”,
Spyros Makridakis, Steven C.
Wheelwright, Rob J. Hyndman
• “Artificial Intelligence, A Modern
Approach”, Stuart Russell, Peter Norvig
Références générales
• “Big data: The new frontier for
innovation, competition, and
productivity”, McKinsey & Company
• “Leading Digital, turning technology into
business transformation”, George
Westerman, Didier Bonnet, Andrew
McAfee
• “Big data et objets connectés. Faire de
la France un champion de la révolution
numérique”, Institut Montaigne
• “La Data”, Revue Influencia, N° 9, Avril-
Juin 2014
• Le site http://radar.oreilly.com/
Films pour se distraire
• “Moneyball” avec Brad Pitt
• “Minority Report” avec Tom
Cruise
Big Data... Big Analytics à travers les âges, les industries et les technologies
Hassan Lâasri
• Président et Consultant chez HB & MJ Partners
SAS, société de conseil et d’accompagnement
dans le Digital et la Data. J’accompagne les
entreprises à intégrer les nouvelles
technologies pour accélérer leur
transformation digitale. J’accompagne aussi
les Start-Up à marketer et vendre leurs
technologies digitales sous forme de projets
de transformation où la technologie est
intégrée dans les Data Factory ou les
Systèmes d’Information de ces entreprises.
• Docteur en Informatique avec une
spécialisation en Intelligence Artificielle, je
dispose d’une expérience de plus de 25 ans
dans le secteur des hautes technologies pour
entreprises : 9 ans dans la recherche et le
développement en intelligence artificielle, 11
ans dans le marketing et la vente de hautes
technologies logicielles et 7 ans dans le
management de projets complexes.
www.hassanlaasri.com
www.hbmjpartners.com
hlaasri@hbmjpartners.com

Contenu connexe

Tendances

Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
Lilia Sfaxi
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
Lilia Sfaxi
 
Big data
Big dataBig data
Big data
Yosra ADDALI
 
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.
arnaudm
 
Partie1BI-DW2019
Partie1BI-DW2019Partie1BI-DW2019
Partie1BI-DW2019
Aziz Darouichi
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
Lilia Sfaxi
 
Cours datamining
Cours dataminingCours datamining
Cours datamining
sarah Benmerzouk
 
Introduction à la big data v3
Introduction à la big data v3 Introduction à la big data v3
Introduction à la big data v3
Mehdi TAZI
 
Introduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence ArtificielleIntroduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence Artificielle
Medhi Corneille Famibelle*
 
La Business Intelligence
La Business Intelligence La Business Intelligence
La Business Intelligence
Khchaf Mouna
 
Cours Big Data Part I
Cours Big Data Part ICours Big Data Part I
Cours Big Data Part I
Mohamed Faïçal ESSALIFI
 
Technologies pour le Big Data
Technologies pour le Big DataTechnologies pour le Big Data
Technologies pour le Big Data
Minyar Sassi Hidri
 
Introduction au big data
Introduction au big dataIntroduction au big data
Introduction au big data
Abdelghani Azri
 
Histoire du big data
Histoire du big dataHistoire du big data
Histoire du big data
Emily Sionniere
 
Conception datawarehouse
Conception datawarehouseConception datawarehouse
Conception datawarehouse
Hassane Dkhissi
 
Conception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseConception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data Warehouse
Abderrahmane Filali
 
Data mining - Introduction générale
Data mining - Introduction généraleData mining - Introduction générale
Data mining - Introduction générale
Mohamed Heny SELMI
 
Data Mining (Partie 1).pdf
Data Mining (Partie 1).pdfData Mining (Partie 1).pdf
Data Mining (Partie 1).pdf
OuailChoukhairi
 

Tendances (20)

Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
 
Présentation bi 1.0
Présentation bi 1.0Présentation bi 1.0
Présentation bi 1.0
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
 
Big data
Big dataBig data
Big data
 
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.
 
Partie1BI-DW2019
Partie1BI-DW2019Partie1BI-DW2019
Partie1BI-DW2019
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
 
Cours datamining
Cours dataminingCours datamining
Cours datamining
 
Introduction à la big data v3
Introduction à la big data v3 Introduction à la big data v3
Introduction à la big data v3
 
Bi
BiBi
Bi
 
Introduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence ArtificielleIntroduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence Artificielle
 
La Business Intelligence
La Business Intelligence La Business Intelligence
La Business Intelligence
 
Cours Big Data Part I
Cours Big Data Part ICours Big Data Part I
Cours Big Data Part I
 
Technologies pour le Big Data
Technologies pour le Big DataTechnologies pour le Big Data
Technologies pour le Big Data
 
Introduction au big data
Introduction au big dataIntroduction au big data
Introduction au big data
 
Histoire du big data
Histoire du big dataHistoire du big data
Histoire du big data
 
Conception datawarehouse
Conception datawarehouseConception datawarehouse
Conception datawarehouse
 
Conception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data WarehouseConception et Réalisation d'un Data Warehouse
Conception et Réalisation d'un Data Warehouse
 
Data mining - Introduction générale
Data mining - Introduction généraleData mining - Introduction générale
Data mining - Introduction générale
 
Data Mining (Partie 1).pdf
Data Mining (Partie 1).pdfData Mining (Partie 1).pdf
Data Mining (Partie 1).pdf
 

En vedette

Big Data à destination du secteur commercial
Big Data à destination du secteur commercialBig Data à destination du secteur commercial
Big Data à destination du secteur commercial
David Combe
 
L’innovation par le Web, “data lake” pour le B2B
L’innovation par le Web, “data lake” pour le  B2BL’innovation par le Web, “data lake” pour le  B2B
L’innovation par le Web, “data lake” pour le B2B
Hassan Lâasri
 
2015 Gartner & 1to1 Media Customer Experience Excellence Awards Dinner Highli...
2015 Gartner & 1to1 Media Customer Experience Excellence Awards Dinner Highli...2015 Gartner & 1to1 Media Customer Experience Excellence Awards Dinner Highli...
2015 Gartner & 1to1 Media Customer Experience Excellence Awards Dinner Highli...
1to1 Media
 
Big Data and E-Commerce
Big Data and E-CommerceBig Data and E-Commerce
Big Data and E-Commerce
contentanalyticsinc
 
Meet the Winners of the 2013 Gartner & 1to1 Media CRM Excellence Awards
Meet the Winners of the 2013 Gartner & 1to1 Media CRM Excellence AwardsMeet the Winners of the 2013 Gartner & 1to1 Media CRM Excellence Awards
Meet the Winners of the 2013 Gartner & 1to1 Media CRM Excellence Awards
1to1 Media
 
Big Data Analytics and its Application in E-Commerce
Big Data Analytics and its Application in E-CommerceBig Data Analytics and its Application in E-Commerce
Big Data Analytics and its Application in E-Commerce
Uyoyo Edosio
 
Cross-Channel Customer Experience Design in Telecommunications
Cross-Channel Customer Experience Design in TelecommunicationsCross-Channel Customer Experience Design in Telecommunications
Cross-Channel Customer Experience Design in Telecommunications
Hugo de Vries
 
E-transformation du parcours client #MBAMCI
E-transformation du parcours client #MBAMCIE-transformation du parcours client #MBAMCI
E-transformation du parcours client #MBAMCI
Christelle Austruy
 
Omnichannel Customer Experience
Omnichannel Customer ExperienceOmnichannel Customer Experience
Omnichannel Customer Experience
Divante
 
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
Vincent de Stoecklin
 
Big data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuairesBig data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuaires
Kezhan SHI
 
Liquid & Linked marketing
Liquid & Linked marketingLiquid & Linked marketing
Liquid & Linked marketing
McKinsey on Marketing & Sales
 
Big Data and Advanced Analytics
Big Data and Advanced AnalyticsBig Data and Advanced Analytics
Big Data and Advanced Analytics
McKinsey on Marketing & Sales
 
Big Data in Retail - Examples in Action
Big Data in Retail - Examples in ActionBig Data in Retail - Examples in Action
Big Data in Retail - Examples in Action
David Pittman
 
Conférence Big Data HEC Paris 2015
Conférence Big Data HEC Paris 2015Conférence Big Data HEC Paris 2015
Conférence Big Data HEC Paris 2015
Francois Cazals
 
Transforming Customer Experience: From Moments to Journeys
Transforming Customer Experience: From Moments to JourneysTransforming Customer Experience: From Moments to Journeys
Transforming Customer Experience: From Moments to Journeys
McKinsey on Marketing & Sales
 
Analytics et Big Data : accélérer la génération de valeur par la convergence ...
Analytics et Big Data : accélérer la génération de valeur par la convergence ...Analytics et Big Data : accélérer la génération de valeur par la convergence ...
Analytics et Big Data : accélérer la génération de valeur par la convergence ...
AT Internet
 
Customer Journey Analytics and Big Data
Customer Journey Analytics and Big DataCustomer Journey Analytics and Big Data
Customer Journey Analytics and Big Data
McKinsey on Marketing & Sales
 

En vedette (18)

Big Data à destination du secteur commercial
Big Data à destination du secteur commercialBig Data à destination du secteur commercial
Big Data à destination du secteur commercial
 
L’innovation par le Web, “data lake” pour le B2B
L’innovation par le Web, “data lake” pour le  B2BL’innovation par le Web, “data lake” pour le  B2B
L’innovation par le Web, “data lake” pour le B2B
 
2015 Gartner & 1to1 Media Customer Experience Excellence Awards Dinner Highli...
2015 Gartner & 1to1 Media Customer Experience Excellence Awards Dinner Highli...2015 Gartner & 1to1 Media Customer Experience Excellence Awards Dinner Highli...
2015 Gartner & 1to1 Media Customer Experience Excellence Awards Dinner Highli...
 
Big Data and E-Commerce
Big Data and E-CommerceBig Data and E-Commerce
Big Data and E-Commerce
 
Meet the Winners of the 2013 Gartner & 1to1 Media CRM Excellence Awards
Meet the Winners of the 2013 Gartner & 1to1 Media CRM Excellence AwardsMeet the Winners of the 2013 Gartner & 1to1 Media CRM Excellence Awards
Meet the Winners of the 2013 Gartner & 1to1 Media CRM Excellence Awards
 
Big Data Analytics and its Application in E-Commerce
Big Data Analytics and its Application in E-CommerceBig Data Analytics and its Application in E-Commerce
Big Data Analytics and its Application in E-Commerce
 
Cross-Channel Customer Experience Design in Telecommunications
Cross-Channel Customer Experience Design in TelecommunicationsCross-Channel Customer Experience Design in Telecommunications
Cross-Channel Customer Experience Design in Telecommunications
 
E-transformation du parcours client #MBAMCI
E-transformation du parcours client #MBAMCIE-transformation du parcours client #MBAMCI
E-transformation du parcours client #MBAMCI
 
Omnichannel Customer Experience
Omnichannel Customer ExperienceOmnichannel Customer Experience
Omnichannel Customer Experience
 
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
 
Big data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuairesBig data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuaires
 
Liquid & Linked marketing
Liquid & Linked marketingLiquid & Linked marketing
Liquid & Linked marketing
 
Big Data and Advanced Analytics
Big Data and Advanced AnalyticsBig Data and Advanced Analytics
Big Data and Advanced Analytics
 
Big Data in Retail - Examples in Action
Big Data in Retail - Examples in ActionBig Data in Retail - Examples in Action
Big Data in Retail - Examples in Action
 
Conférence Big Data HEC Paris 2015
Conférence Big Data HEC Paris 2015Conférence Big Data HEC Paris 2015
Conférence Big Data HEC Paris 2015
 
Transforming Customer Experience: From Moments to Journeys
Transforming Customer Experience: From Moments to JourneysTransforming Customer Experience: From Moments to Journeys
Transforming Customer Experience: From Moments to Journeys
 
Analytics et Big Data : accélérer la génération de valeur par la convergence ...
Analytics et Big Data : accélérer la génération de valeur par la convergence ...Analytics et Big Data : accélérer la génération de valeur par la convergence ...
Analytics et Big Data : accélérer la génération de valeur par la convergence ...
 
Customer Journey Analytics and Big Data
Customer Journey Analytics and Big DataCustomer Journey Analytics and Big Data
Customer Journey Analytics and Big Data
 

Similaire à Big Data... Big Analytics à travers les âges, les industries et les technologies

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
Mouhsine LAKHDISSI
 
Quelques tendances technologiques de 2013
Quelques tendances technologiques de 2013Quelques tendances technologiques de 2013
Quelques tendances technologiques de 2013
Sebastien Provencher
 
L’entreprise en ligne
L’entreprise en ligneL’entreprise en ligne
L’entreprise en ligne
Agence du Numérique (AdN)
 
Big data et marketing digital
Big data et marketing digital Big data et marketing digital
Big data et marketing digital
Hamza Sossey
 
Parcours Big Data @ Cetic (6 mai 2014)
Parcours Big Data @ Cetic (6 mai 2014)Parcours Big Data @ Cetic (6 mai 2014)
Parcours Big Data @ Cetic (6 mai 2014)
Agence du Numérique (AdN)
 
Communication digitale et médias sociaux
Communication digitale et médias sociauxCommunication digitale et médias sociaux
Communication digitale et médias sociaux
Jacques Hellart
 
Big Data ete learning Analytics
Big Data ete learning AnalyticsBig Data ete learning Analytics
Big Data ete learning Analytics
Mokhtar Ben Henda
 
La veille de red guy du 02.07.14 - Le statactivisme
La veille de red guy du 02.07.14 - Le statactivismeLa veille de red guy du 02.07.14 - Le statactivisme
La veille de red guy du 02.07.14 - Le statactivisme
Red Guy
 
Big Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entrepriseBig Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entreprise
Genève Lab
 
Empowerment numérique. We can be HEROes
Empowerment numérique. We can be HEROesEmpowerment numérique. We can be HEROes
Empowerment numérique. We can be HEROes
Agence du Numérique (AdN)
 
Empowerment numérique
Empowerment numériqueEmpowerment numérique
Empowerment numérique
Agence du Numérique (AdN)
 
Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18
Laetitia Lycke
 
Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013
ADBS
 
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
Bruno Patin
 
Google case study
Google case studyGoogle case study
Google case study
pellat
 
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
Metro'num 2015
 
Analyse-données-aide-à-la-décision-apicube-metro'num2015
Analyse-données-aide-à-la-décision-apicube-metro'num2015Analyse-données-aide-à-la-décision-apicube-metro'num2015
Analyse-données-aide-à-la-décision-apicube-metro'num2015
Metro'num 2015
 
De l'importance de développer une culture des données dans les organisations
De l'importance de développer une culture des données dans les organisationsDe l'importance de développer une culture des données dans les organisations
De l'importance de développer une culture des données dans les organisations
Fing
 
Les défis des services publics
Les défis des services publicsLes défis des services publics
Les défis des services publics
OFO - IFA
 
Le Big Data
Le Big DataLe Big Data
Le Big Data
BigDataJDA
 

Similaire à Big Data... Big Analytics à travers les âges, les industries et les technologies (20)

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
 
Quelques tendances technologiques de 2013
Quelques tendances technologiques de 2013Quelques tendances technologiques de 2013
Quelques tendances technologiques de 2013
 
L’entreprise en ligne
L’entreprise en ligneL’entreprise en ligne
L’entreprise en ligne
 
Big data et marketing digital
Big data et marketing digital Big data et marketing digital
Big data et marketing digital
 
Parcours Big Data @ Cetic (6 mai 2014)
Parcours Big Data @ Cetic (6 mai 2014)Parcours Big Data @ Cetic (6 mai 2014)
Parcours Big Data @ Cetic (6 mai 2014)
 
Communication digitale et médias sociaux
Communication digitale et médias sociauxCommunication digitale et médias sociaux
Communication digitale et médias sociaux
 
Big Data ete learning Analytics
Big Data ete learning AnalyticsBig Data ete learning Analytics
Big Data ete learning Analytics
 
La veille de red guy du 02.07.14 - Le statactivisme
La veille de red guy du 02.07.14 - Le statactivismeLa veille de red guy du 02.07.14 - Le statactivisme
La veille de red guy du 02.07.14 - Le statactivisme
 
Big Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entrepriseBig Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entreprise
 
Empowerment numérique. We can be HEROes
Empowerment numérique. We can be HEROesEmpowerment numérique. We can be HEROes
Empowerment numérique. We can be HEROes
 
Empowerment numérique
Empowerment numériqueEmpowerment numérique
Empowerment numérique
 
Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18Enjeux de la donnee 21 novembre18
Enjeux de la donnee 21 novembre18
 
Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013
 
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
 
Google case study
Google case studyGoogle case study
Google case study
 
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
Présentation-Analyse-données-aide-décision-Apicube-Metro'num2015
 
Analyse-données-aide-à-la-décision-apicube-metro'num2015
Analyse-données-aide-à-la-décision-apicube-metro'num2015Analyse-données-aide-à-la-décision-apicube-metro'num2015
Analyse-données-aide-à-la-décision-apicube-metro'num2015
 
De l'importance de développer une culture des données dans les organisations
De l'importance de développer une culture des données dans les organisationsDe l'importance de développer une culture des données dans les organisations
De l'importance de développer une culture des données dans les organisations
 
Les défis des services publics
Les défis des services publicsLes défis des services publics
Les défis des services publics
 
Le Big Data
Le Big DataLe Big Data
Le Big Data
 

Big Data... Big Analytics à travers les âges, les industries et les technologies

  • 1. A travers les âges, les industries et les technologies Hassan Lâasri Juin 2015
  • 2. Introduction • La matière et l’énergie ont dominé les industries du XIXème et du XXème siècles… La Data en prend la direction pour ce siècle • L’objectif de cette présentation est de démystifier le phénomène Big Data en décrivant son utilisation à travers les âges, les industries et les technologies sous-jacentes
  • 3. Agenda • Qu’est ce que la Big Data ? • Big Data dans l’industrie des médias et exemples (Amazon, Capital One, Sprint et Cisco) • Big Data dans les industries lourdes et exemples de l’énergie • Internet Des Objets • Technologies et logiciels sous-jacentes : Big Data Technology Stack • Références techniques, générales et films
  • 4. Agenda • Qu’est ce que la Big Data ? • Big Data dans l’industrie des médias et exemples (Amazon, Capital One, Sprint et Cisco) • Big Data dans les industries lourdes et exemples de l’énergie • Internet Des Objets • Technologies et logiciels sous-jacentes : Big Data Technology Stack • Références techniques, générales et films
  • 5. Qu’est-ce que la Big Data ? (aujourd’hui)
  • 6. “C’est vous” • Toute intention, sélection, consommation, recommandation ou dénigrement de votre part intéresse une marque quelque part dans le monde • Café, lait, céréales, jus de fruit, laitage que vous consommez le matin • Savon, shampoing, dentifrice, lait, maquillage que vous utilisez avant de partir au travail • Moyens de transport que vous pratiquez pour y aller • Radio, télé, sites Web, appli mobile que vous consommez quand vous êtes chez vous • Marques que vous aimez et que “likez” sur Facebook ou prenez en photo sur Instagram • …
  • 7. La “révolution” a démarré avec deux noms : Big Data • Mai 2011, McKinsey & Company publie un rapport intitulé “Big data: The new frontier for innovation, competition, and productivity” • Depuis, la Big Data est devenue le Graal de la technologie, celle qui va tout bouleverser, tout chambouler, tout révolutionner • Les industries et les gouvernements y voient une sortie de la crise qui tétanise le monde depuis la crise systémique de 2008 Hassan Lâasri, Big Data : entre histoire, promesses et réalités, Les Echos
  • 8. Mais la révolution n’est pas nouvelle • Les opérateurs de télécom, d’énergie, d’eau et de transport collectent et analysent des alarmes, des compteurs de performances et des données clients — ils connaissent et peuvent prévoir vos consommations • Les banques de détail et les chaînes de grande distribution traitent des millions de transactions par jour — elles connaissant et peuvent prévoir vos achats
  • 9. Elle est même très ancienne • Au XIX siècle, elle régnait déjà mais sous un autre nom : l’exhaustivité • On recensait des informations sur tous les individus d’un pays : âge, occupation, CSP… • C’était l’âge de la collecte manuelle, du papier, du crayon et du calcul mental
  • 10. Catalyseurs de la (re)naissance de la Big Data • Web ouvert à +3 milliards d’individus et du mobile à +6,8 milliards, à la fois consommateurs et citoyens qui laissent des empreintes et expriment leurs avis • Coût réduit tendant vers la gratuité du stockage de la donnée • Sortie des laboratoires des algorithmes de statistiques et d’apprentissage automatique • La loi de Moore et IPv6 ouvrent Internet à tous les objets que l’humanité peut créer • Pour épuiser la totalité des adresses IPv6, il faudrait 667 millions de milliards d’appareils connectés sur chaque millimètre carré de la surface de la Terre
  • 11. Pionniers de cette renaissance • Yahoo et Google à la recherche de solutions de stockage et de traitement parallèles de larges volumes de données sur des serveurs banalisés • Mise en accès libre des technologies Hadoop, MapReduce, NoSQL, BigTable et la liste continue de s’allonger • Amazon avec son algorithme de recommandation, disponible en accès libre sur le Web, depuis utilisé par d’autres comme Netflix
  • 12. La Big Data aujourd’hui : principalement dans les médias • La publicité, le marketing et les médias sont aujourd’hui les plus gros producteurs et consommateurs de la Big Data • Personnalisation de compagnes de publicité en ligne, de marketing direct, de sites Web, d’applications mobiles et de réseaux sociaux • Toutes les industries B2C et depuis peu toutes les industries B2B Hassan Lâasri, Quand les médias rencontrent les mégadonnées, JDN Hassan Lâasri, La Data, levier pour personnaliser sa présence digitale, JDN
  • 13. Agenda • Qu’est ce que la Big Data ? • Big Data dans l’industrie des médias et exemples (Amazon, Capital One, Sprint et Cisco) • Big Data dans les industries lourdes et exemples de l’énergie • Internet Des Objets • Technologies et logiciels sous-jacentes : Big Data Technology Stack • Références techniques, générales et films
  • 14. Etude quantitative 
 318 dirigeants exécutifs sondés en 2013* http://www.economistinsights.com/analysis/data-directive
  • 16. Pour les directions marketing & communication qui ont exploité la Data, celle-ci a été la clef pour atteindre leurs trois priorités clés : 1. Connaitre mieux le client 2. Le servir efficacement 3. Anticiper ses besoins
  • 17. Plus d’un 1/3 des acteurs des industries lourdes : • Soit exploite déjà la Data • Soit s’y prépare
  • 18. Les plus performants exploitent plusieurs sources de Data : • Access Point Data (site web) • Social Data (réseaux sociaux, blogs) • Open Data (gouvernement)
  • 19. Industries B2C à l’ère de la personnalisation Un smartphone nouvellement commercialisé peut-être annoncé aux : • Adolescents comme un appareil de musique • Globe-trotteurs comme un dispositif de réservation • Jeunes talents comme un dispositif social • Geek comme un ordinateur mobile • Grands-parents comme un téléphone Andres Gonzalez et Hassan Lâasri, Data et agences de publicité, levier ou frein pour la créativité, Forum d’Avignon
  • 20. La Big Data dans le B2C : écosystème complexe
  • 21. La Big Data pour la personnalisation Site Social Data ONLINE Data OFFLINE Raports &
 Dashboards Corrélation Analyse 
 ad-hoc Prédiction Attribution Clustering Mobile Pub Site SocialMobile Pub S’informe S’enregistre Consulte Commente Partage Evalue Data brute Data analysée Collecte Analyse Personnalisation Personnalisation
  • 22. Comment ça marche ? CONTEXTE ACTIONS Prise en compte du contexte, des actions immédiates, de l’historique, des préférences et du réseau d’amis… HISTORIQUE PRÉFÉRENCES RELATIONNEL Google, Amazon, Youtube, Facebook, LinkedIn, Netflix, Shazam, NY Times…
  • 23. Data exploitée : • Celles des profils les plus proches Recommandations : • Produits similaires à ceux achetés par les profils les plus proches • Produits recommandés par les profils • Produits dont les recommandations ont été consultées : lui + profils • Produits consultés par lui + les profils • Le profil le plus proche est activé • Plus il navigue, plus le profil est affiné Visiteur inconnu Consulte • Profil modifié • Profils similaires modifiés Quitte
  • 24. S’identifie/reconnu Data exploitée : • Produits achetés • Produits consultés • Recommandations lues • Temps passé par produit • Régularité des visites Recommandations : • Produits similaires à ceux déjà achetés • Produits dont il a lu les recommandations • Produits consultés Profil activé • Profil modifié • Profils similaires modifiés Quitte Visiteur (re)connu
  • 25. Profil activé • Profil modifié • Profils similaires modifiés • Achète • Recommande • Consulte • Profil modifié • Profils similaires modifiés Quitte Visiteur (re)connu Recommandations : • Produits similaires à ceux déjà achetés • Produits dont il a lu les recommandations • Produits consultés S’identifie/reconnu Data exploitée : • Produits achetés • Produits consultés • Recommandations lues • Temps passé par produit • Régularité des visites
  • 26. Capital One Serveur [x+1] BD Nielsen BD Digital Envoy DMP (1) Se connecte (2) Cookies utilisateur (3) Code postal ? (4) Code postal (3) Cookies similaires ? (4) Cookies similaires (6) Segment (Age, CSP, salaire, risque dette) (5) Cookies utilisateur + 
 similaires + Code Postal (7) Offre de crédit personnalisée Contrairement à Amazon qui utilise un système fermé (données internes), Capital One utilise un système ouvert (données internes et externes) Le temps que la page Capital One se charge
  • 27. • Pendant le CES 2013, Sprint utilisait BrandLIVE de DigitasLBi pour surveiller les conversations en ligne sur trois initiatives marketing : • Technologies vertes, innovation technologique et la technologie pour les seniors • Réseaux sociaux pris en compte : • Facebook, Twitter, Google+, Vine, Instagram, Pinterest, LinkedIn et Youtube • Chaque jour, Sprint définissait des sujets que BrandLIVE traitait dans la journée même et diffusait à une communauté de 5,6 million de suiveurs • Grâce à cette capacité, Sprint pouvait combiner des contenus planifiés, parfois 6 mois à l’avance, avec de contenus spontanés et les publier sur les réseaux sociaux
  • 28. Depuis, Sprint a généralisé l’approche pour créer une sorte de Newsroom calquée sur le fonctionnement des médias d'information avec des : • Rédacteurs en chef • Creative technologists • Data analysts • Community managers • Des journalistes • Spécialistes des Social Ads
  • 29. • 12 septembre 2012, Pendant que Tim Cook présentait iPhone5, Samsung et son agence media 72andSunny suivaient les conversations qui en résultaient sur les réseaux sociaux • En même moment, Samsung démarrait la conception d’une publicité de son Galaxy S3 en tenant compte de 
 ces conversations • Une semaine après, la publicité 
 était lancée à la télé et en 
 ligne (+ 70 million de fois) • 27 février 2013, Forbes
 annonçait « Galaxy bat iPhone
 dans la catégorie 
 meilleur smartphone »
  • 30. La Big Data ne s’arrête pas au secteur B2C • Elle opère déjà dans le secteur B2B • Analyse de la concurrence grâce au web crawling, au web scrapping et au text mining des sites concurrents • Génération de prospects grâce aux mêmes technologies appliquées aux sites clients • Localisation d’experts internes grâce à l’apprentissage statistique des questions-réponses • … Hassan Lâasri, Data Tour : le secteur B2B est-il le prochain arrêt ?, JDN
  • 31. La Big Data aujourd’hui • Opère derrière les sites Web, les applications mobiles, les réseaux sociaux et en général toute la gestion de la relation client • Dans le B2C : • Personnalisent le contenant (taille, design et couleur) et le contenu (texte, image, audio, vidéo) de la publicité en ligne, du marketing direct et de la communication vers le client • Dans le B2B : • Analyse de la concurrence, génération de prospects et identification d’experts internes… La liste ne fait que démarrer
  • 32. Agenda • Qu’est ce que la Big Data ? • Big Data dans l’industrie des médias et exemples (Amazon, Capital One, Sprint et Cisco) • Big Data dans les industries lourdes et exemples de l’énergie • Internet Des Objets • Technologies et logiciels sous-jacentes : Big Data Technology Stack • Références techniques, générales et films
  • 33. La Big Data et les industries lourdes • Les sites Web, les applications mobiles, les réseaux sociaux ne sont que la partie visible de la Big Data • Depuis peu, elles transforment la gestion des infrastructures, des équipements et des process industriels des industries lourdes Hassan Lâasri, Les données massives et les industries lourdes, Les Echos
  • 34. Vers l’Internet des Objets • 36,8% des entreprise de l’étude commune à l’Economist Intelligence Unit et Wipro prévoient d’exploiter les données • 46,9% de ces données vient des équipements eux- mêmes, de compteurs basiques ou de télémètres intelligents (e.g., Linky d’ERDF) • L’ère de l’Internet Des Objets est né depuis IPv6 dont le but était de donner une adresse IP à chaque dispositif que l’humanité puisse créer
  • 35. Utilisation de la Big Data dans le secteur de l’énergie • Les majors et les électriciens disposent de ce que Google et compères rêveraient d’avoir — une information sectorielle stratégique non seulement pour les individus mais pour l’économie toute entière • L’AIE, Total, EDF, ERDF, RTE… disposent de mégadonnées pour non seulement analyser la production et la demande mais aussi prévoir les conséquences économiques et géopolitiques de décisions de choix de bouquets énergétiques — prix, PIB… • Sous la pression du respect du climat, les électriciens investissent de plus en plus dans les réseaux électriques intelligents (smart grids) —Linky n’est qu’un début • Original : trading de l’énergie avec des modèles issus de la finance quantitative (prise en compte des sources d’énergie transitoires, des données météo, d’aléas divers et variés…) • Plus original : la prospection, activité non seulement technique mais de plus en plus géopolitique, pousse certains majors à regarder de près la Big Data pour les aider à profiler leurs interlocuteurs dans les pays producteurs —IBM Watson Analytics permet d’analyser le profil d’un dirigeant à partir de ses discours
  • 36. Exemple du transport maritime du pétrole et du gaz • Flottes de navires de différente taille, de différents âges • Les opérations journalières et régulières d’un navire génèrent des données techniques sur la distance parcourue, les vitesses observées et du carburant consommé • Avec leurs capteurs plus intelligents, les nouveaux navires génèrent en plus des données sur le vent, les vagues et la houle • Ajouter à cela les données commerciales et douanières et vous obtenez des mégadonnées beaucoup plus volumineuses que ce que génèrent l’industrie des médias • Gains : amélioration dans la planification des voyages, dans l’attribution des navires et surtout dans la planification de la maintenance
  • 37. Exemple de la maintenance prédictive d’installations
  • 38. Exemples d’autres industries • Pour optimiser le trajet d’un livreur chargé de 120 à 175 colis par jour, UPS recoupe les données générées par les capteurs de ses camions (vitesse, arrêts, freinages…) avec les données GPS • Pour l’édition 2013 de la Coupe de l’America, le defender Oracle Team USA avait embarqué des systèmes intelligents d’aide aux navigants en temps réel (+300 capteurs, +200 gigabits de données par jour de navigation)… Edition gagnée
  • 39. L’industrie du 21ème siècle : Matière, énergie et information • Dans toutes les industries, non seulement les techniciens, les opérateurs et les gestionnaires génèrent de la donnée, mais aussi tous les dispositifs, petits et grands, qu’ils utilisent pour prendre leurs décisions et exécuter leurs opérations • Une ère où la donnée prendra au sein de toute activité industrielle autant d’importance que les matières premières et les énergies qui transportent et transforment ces derniers en des biens d’équipements et des produits de consommation
  • 40. Mais attention, trop d’information n’est pas la solution • Notre cerveau est limité • Herbert Simon, prix Nobel d'économie en 1978, est venu à la conclusion que ce qui nous manque n’est pas l'information, mais l’attention • Daniel Kahneman, prix Nobel d'économie en 2002, est venu à la conclusion que notre cerveau n’est pas seulement limité, mais fait toujours des erreurs lorsqu’il est confronté à un trop grand nombre d’informations • Il faut donc toujours commencer par savoir ce que l’on cherche à optimiser, ensuite identifier le type et les sources de données, ensuite les collecter, enfin les activer
  • 41. Agenda • Qu’est ce que la Big Data ? • Big Data dans l’industrie des médias et exemples (Amazon, Capital One, Sprint et Cisco) • Big Data dans les industries lourdes et exemples de l’énergie • Internet Des Objets • Technologies et logiciels sous-jacentes : Big Data Technology Stack • Références techniques, générales et films
  • 42. La Big Data demain • Humains, objets et applications connectés • A la fois producteurs et consommateurs de la donnée
  • 43. Je génère la donnée. Je consomme la donnée.
  • 46. Vie privée, un business demain
  • 47. Agenda • Qu’est ce que la Big Data ? • Big Data dans l’industrie des médias et exemples (Amazon, Capital One, Sprint et Cisco) • Big Data dans les industries lourdes et exemples de l’énergie • Internet Des Objets • Technologies et logiciels sous-jacentes : Big Data Technology Stack • Références techniques, générales et films
  • 48. Version simplifiée de la “Big Data Technology Stack”
  • 49. Logiciels • Pour expert développeur : communauté des logiciels libres, en particulier Python et R • Pour Data Scientist : logiciel libre R, logiciels propriétaires SAS, SPSS • Pour simple utilisateur : plateformes IBM Watson Analytics, Amazon Machine Learning et Microsoft Azure Machine Learning
  • 50. Algorithmes souvent utilisés • Statistiques : • Régression multiple, analyse discriminatoire, analyse factorielle, analyse typologique, analyse conjointe, analyse multidimensionnelle… • Modèles : • Processus de Markov, théorie des files d’attente… • Optimisation : • Calcul différentiel, programmation linéaire, programmation par contraintes, théorie de la décision statistique, théorie des jeux, business rules… • Apprentissage : • Réseaux neuronaux, méthodes statistiques, chaines de Markov, programmation dynamique…
  • 51. Agenda • Qu’est ce que la Big Data ? • Big Data dans l’industrie des médias et exemples (Amazon, Capital One, Sprint et Cisco) • Big Data dans les industries lourdes et exemples de l’énergie • Internet Des Objets • Technologies et logiciels sous-jacentes : Big Data Technology Stack • Références techniques, générales et films
  • 52. Références techniques • “OpenIntro Statistics”, David M Diez, Christopher D Barr • “Statistics without maths for psychology”, Christine P. Dancey, John Reidy • “The Practice of Statistics for Business and Economics”, Moore, McCabe, Alwan, Craig, Duckworth • “Probabilités, Analyse des Données et Statistique”, Gilbert Saporta • “Forecasting methods and applications”, Spyros Makridakis, Steven C. Wheelwright, Rob J. Hyndman • “Artificial Intelligence, A Modern Approach”, Stuart Russell, Peter Norvig
  • 53. Références générales • “Big data: The new frontier for innovation, competition, and productivity”, McKinsey & Company • “Leading Digital, turning technology into business transformation”, George Westerman, Didier Bonnet, Andrew McAfee • “Big data et objets connectés. Faire de la France un champion de la révolution numérique”, Institut Montaigne • “La Data”, Revue Influencia, N° 9, Avril- Juin 2014 • Le site http://radar.oreilly.com/
  • 54. Films pour se distraire • “Moneyball” avec Brad Pitt • “Minority Report” avec Tom Cruise
  • 56. Hassan Lâasri • Président et Consultant chez HB & MJ Partners SAS, société de conseil et d’accompagnement dans le Digital et la Data. J’accompagne les entreprises à intégrer les nouvelles technologies pour accélérer leur transformation digitale. J’accompagne aussi les Start-Up à marketer et vendre leurs technologies digitales sous forme de projets de transformation où la technologie est intégrée dans les Data Factory ou les Systèmes d’Information de ces entreprises. • Docteur en Informatique avec une spécialisation en Intelligence Artificielle, je dispose d’une expérience de plus de 25 ans dans le secteur des hautes technologies pour entreprises : 9 ans dans la recherche et le développement en intelligence artificielle, 11 ans dans le marketing et la vente de hautes technologies logicielles et 7 ans dans le management de projets complexes. www.hassanlaasri.com www.hbmjpartners.com hlaasri@hbmjpartners.com