Présentation Micropole 3eme Forum MDM - 19 novembre 2014Micropole Group
Présentation en séance plénière de Pascal Anthoine, Directeur practice Information Management chez Micropole lors du 3eme Forum MDM Micropole le 19 novembre 2014 à Paris.
Pascal Anthoine présente les nouveaux enjeux de la Gouvernance des données dans les entreprises.
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?Zeenea
La gouvernance des données au 21 siècle est un concept, sans doute un peu ambigu, qui évolue très rapidement et est est défini de manière different selon le context, les personnes et les organisations.
Pour Zeenea, la gouvernance des données est l’élaboration des politiques et la supervision des informations de l’entreprise. La gouvernance des données aligne la qualité des données sur les mesures et l'acceptation commerciales, positionne les problèmes de données métiers comme étant interfonctionnels et garantit que les données soient gérées séparément de ses applications.
- Les différentes approches de la gouvernance des données -
En effet une gouvernance des données se pense donc sous deux approches : defensive et offensive.
>> Une approche defensive va mettre l’accent sur le contrôle des données.
>> Une approche offensive sur la flexibilité la facilitation et la creation de valeur par les données.
- Vers une gouvernance des données agile -
Dans le passé, la gouvernance des données signifiait sécurité des données et contrôle, alors qu'aujourd'hui l'accent est mis sur la valeur.
"La gouvernance doit viser à garantir que les données apportent une valeur ajoutée à l'entreprise, tout en lui permettant de tirer de la valeur à partir des données".
- Comment réussir une gouvernance des données agile -
Metadata Management : Pour réussir dans la gouvernance des données, vous devez réussir dans la gestion des métadonnées. Sans contexte, ces données mèneront à des mauvaises analyses et donc à de mauvaises décisions.
Automatisation - permet à vos responsables des données d'éviter le syndrome de la feuille blanche et, les affranchira de tâches fastidieuses et répétitives, augmentant ainsi l’adhésion du plus grand nombre à votre initiative de mise en place d’une gouvernance des données au sein de votre entreprise.
Une approche bottom up - Ceci signifie d'avoir une approche démocratique plutôt que hiérarchique et une autonomie des collaborateurs dans le choix des outils et la manière de s’organiser.
Itérative -Une gouvernance des données doit se construire étape par étape afin de correspondre au plus près au fonctionnement de l’entreprise.
Non-intrusive - Il s’agit de laisser la liberté à vos collaborateurs d’utiliser les outils les plus adaptés pour leurs usages, que ce soit pour générer ou accéder à des jeux de données.
Collaborative - Créer une démocratie de la donnée, où tous les employés peuvent accéder aux données de l’entreprise à grande échelle, signifie que les employés n'ont pas à attendre pour exécuter des projets qui peuvent ajouter de la valeur.
Téléchargez gratuitement notre livre blanc 👉http://bit.ly/2K4R2Ar
Découvrez le programme, les objectifs et les dates de notre formation 👉http://bit.ly/2wcWOI3
Pour en savoir plus sur Zeenea 👉 https://www.zeenea.com/
Exploitez le Big Data dans le cadre de votre stratégie MDMJean-Michel Franco
Une avalanche de données déferle sur l'entreprise, également confrontée à ses applications existantes, qui doit mettre en place une stratégie adaptée en s'appuyant sur les principes du Big Data et du MDM.
cette présentation traite des points suivants :
Associer MDM et Big Data,
Elaborer et mettre en œuvre une stratégie MDM, créer des golden records ou enregistrements de référence pour l’ensemble de vos données,
Tirer profit de l'immense potentiel offert par le Big Data dans le cadre d’une démarche MDM.
Présentation Micropole 3eme Forum MDM - 19 novembre 2014Micropole Group
Présentation en séance plénière de Pascal Anthoine, Directeur practice Information Management chez Micropole lors du 3eme Forum MDM Micropole le 19 novembre 2014 à Paris.
Pascal Anthoine présente les nouveaux enjeux de la Gouvernance des données dans les entreprises.
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?Zeenea
La gouvernance des données au 21 siècle est un concept, sans doute un peu ambigu, qui évolue très rapidement et est est défini de manière different selon le context, les personnes et les organisations.
Pour Zeenea, la gouvernance des données est l’élaboration des politiques et la supervision des informations de l’entreprise. La gouvernance des données aligne la qualité des données sur les mesures et l'acceptation commerciales, positionne les problèmes de données métiers comme étant interfonctionnels et garantit que les données soient gérées séparément de ses applications.
- Les différentes approches de la gouvernance des données -
En effet une gouvernance des données se pense donc sous deux approches : defensive et offensive.
>> Une approche defensive va mettre l’accent sur le contrôle des données.
>> Une approche offensive sur la flexibilité la facilitation et la creation de valeur par les données.
- Vers une gouvernance des données agile -
Dans le passé, la gouvernance des données signifiait sécurité des données et contrôle, alors qu'aujourd'hui l'accent est mis sur la valeur.
"La gouvernance doit viser à garantir que les données apportent une valeur ajoutée à l'entreprise, tout en lui permettant de tirer de la valeur à partir des données".
- Comment réussir une gouvernance des données agile -
Metadata Management : Pour réussir dans la gouvernance des données, vous devez réussir dans la gestion des métadonnées. Sans contexte, ces données mèneront à des mauvaises analyses et donc à de mauvaises décisions.
Automatisation - permet à vos responsables des données d'éviter le syndrome de la feuille blanche et, les affranchira de tâches fastidieuses et répétitives, augmentant ainsi l’adhésion du plus grand nombre à votre initiative de mise en place d’une gouvernance des données au sein de votre entreprise.
Une approche bottom up - Ceci signifie d'avoir une approche démocratique plutôt que hiérarchique et une autonomie des collaborateurs dans le choix des outils et la manière de s’organiser.
Itérative -Une gouvernance des données doit se construire étape par étape afin de correspondre au plus près au fonctionnement de l’entreprise.
Non-intrusive - Il s’agit de laisser la liberté à vos collaborateurs d’utiliser les outils les plus adaptés pour leurs usages, que ce soit pour générer ou accéder à des jeux de données.
Collaborative - Créer une démocratie de la donnée, où tous les employés peuvent accéder aux données de l’entreprise à grande échelle, signifie que les employés n'ont pas à attendre pour exécuter des projets qui peuvent ajouter de la valeur.
Téléchargez gratuitement notre livre blanc 👉http://bit.ly/2K4R2Ar
Découvrez le programme, les objectifs et les dates de notre formation 👉http://bit.ly/2wcWOI3
Pour en savoir plus sur Zeenea 👉 https://www.zeenea.com/
Exploitez le Big Data dans le cadre de votre stratégie MDMJean-Michel Franco
Une avalanche de données déferle sur l'entreprise, également confrontée à ses applications existantes, qui doit mettre en place une stratégie adaptée en s'appuyant sur les principes du Big Data et du MDM.
cette présentation traite des points suivants :
Associer MDM et Big Data,
Elaborer et mettre en œuvre une stratégie MDM, créer des golden records ou enregistrements de référence pour l’ensemble de vos données,
Tirer profit de l'immense potentiel offert par le Big Data dans le cadre d’une démarche MDM.
Présentation générales du Big Data et zoom sur des cas d'usage dans l'industrie et les services.
Présentation réalisée à l'occasion de l'événement Big data de Niort du 20 mars 2014
Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016Micropole Group
Avec l’explosion du volume des données disponibles (structurées, non structurées, dark data, open data…) et la multiplicité des sources d’information, les utilisateurs ont besoin d’accéder à des données de plus en plus nombreuses et d’avoir la main sur leur exploration et leur manipulation pour gagner en agilité.
Le 16 octobre j’ai assisté à une conférence organisée par information builders au Shangri la de Paris intitulée : « Les nouveaux enjeux de l’EIM, MDM et big data, l’association gagnante ». Même si le titre est un peu abscons, et requiert lui-même un peu de data mining, le contenu allait au-delà de mes espérances avec une présentation très intéressante de Jean-Michel Franco (photo), Directeur de l’innovation chez Business & décision. Et je peux dire qu’enfin j’ai tout compris, ou presque,au big data, au vrai big data, pas aux incantations aux dieux de la mode, mais à la description d’une vraie révolution au sein des entreprises et des directions marketing qui n’a pas fini de créer des remous dans les organisations et les méthodologies. Voir mon compte-rendu : http://wp.me/p3XOzT-2wS
Chaque jour, nous créons plus de données – (90% des données dans le monde d'aujourd'hui ont été créées dans les deux dernières années).
Ces données proviennent : des capteurs utilisés pour recueillir des informations sur le climat, des messages sites de médias sociaux, photos et vidéos numériques, enregistrements de transactions d'achat et téléphonie cellulaire, de signaux GPS pour n'en nommer que quelques-uns. Ces données sont des Big Data.
Cas d’usage du Big Data pour la relation et l’expérience clientJean-Michel Franco
Présentation réalisée pour les assises du Big Data à Charleroi
Elle présente un overview du Big Data, du projet datalyse mené avec des industriels et des unversitaires pour traiter 5 cas d'usages du Big Data ; puis elle zoome sur les cas liés à la collecte des parcours clients multi-canaux et aux recommandations temps réel.
Machine Learning et Intelligence ArtificielleSoft Computing
Machine Learning (ML) et Intelligence Artificielle (AI) sont au cœur des stratégies des géants du net : reconnaissance de textes, de visages, de sentiments, analyse de signaux issus notamment d’objets connectés. Comment capitaliser sur ces méthodologies pour des applications Marketing ? Avec quels outils, méthodes et compétences ?
Google, Facebook, Apple et autres Microsoft se livrent une bataille de Titan sur le terrain de l’Intelligence Artificielle. Cette débauche de moyens en recherche et développement génère la diffusion en Open Source de nombreux algorithmes ou le foisonnement de fonctions et d’API de Machine Learning et Deep Learning et d’AI « as a service ». Avec des efforts minimes, tout-un-chacun peut aujourd’hui accéder simplement et pour un coût modique à des fonctionnalités puissantes pour reconnaître un visage, une voix, des sentiments …
En outre, la démocratisation des technologies Big Data donne accès à des puissances de traitement considérables qui permettent d’appliquer ces algorithmes de Machine Learning sur des centaines de milliers de points, des milliards d’enregistrements et des volumes de plusieurs péta-octets.
Le Marketing et la connaissance client capitalisent sur toutes ces nouvelles possibilités : conseiller le bon produit – en mode recommandation ou substitution, anticiper des changements dans les comportements, s’adresser au client de façon complètement personnalisée, surveiller en temps réel des indicateurs de bon ou mauvais fonctionnement – objets connectés, fluidifier et optimiser l’expérience client en identifiant des axes d’amélioration des parcours ou process.
Ce séminaire vise à démystifier le Machine Learning, à en dessiner des applications potentielles pour le Marketing. Les modalités de mise en œuvre – outils, procédures et techniques, forces et faiblesses – seront détaillées à travers la présentation de cas d’usage.
Livre blanc du big data et éclairage sur l'écosystème français (startup, enseignement data scientist, grands groupes, open innovation, US, accélérateur Techstars). « Le Big Data s’impose comme le concept contemporain incontournable dont chacun s’accorde à dire qu’il va révolutionner la manière de travailler de beaucoup d’entreprises […]. Mais il n’est pas facile d’y voir clair pour les néophytes ».
Les auteurs de ce numéro d’Accomex vous proposent « d’y voir plus clair » ; ils sauront vous convaincre que le Big Data est bien plus qu’une simple évolution technologique supplémentaire, qu’il concerne les entreprises de toute taille et de tout secteur, que le terrain de jeu du Big Data est mondial…
Stocker des quantités considérables de données est une chose ; les traiter en est une autre. Le Big Data offre cette possibilité d’analyser les données produites par les entreprises, les particuliers, les États, pour créer de nouveaux usages. C’est bien de valorisation des données dont il s’agit, et c’est là que se situe la révolution, une révolution déjà bien engagée aux États-Unis, à laquelle la France porte un intérêt croissant, stimulée par des startups innovantes & créatives.
Les données personnelles : un patrimoine à sécuriser !
Dans un environnement réglementaire français et européen complexe et évolutif, comment la nouvelle réglementation européenne va-t-elle changer vos processus marketing et digitaux ?
Le 14 avril dernier, le parlement européen votait un nouveau règlement sur la protection des données.
Cette nouvelle réglementation s’inscrit dans la continuité du cadre législatif français existant mais modifie significativement les droits et les rapports entre les consommateurs, les entreprises et les autorités de protection et impose en particulier de se mettre en conformité d’ici deux ans.
Accompagnés du Cabinet PBA et fort de notre expérience opérationnelle, nous vous proposons une démarche concrète en évoquant les questions suivantes :
- Quelles sont les bonnes pratiques actuelles en matière de protection de données personnelles dans les bases marketing et le marketing digital ?
- Quels sont les principaux points du règlement de l’Union Européenne ?
- Quelle approche méthodologique et outils à adopter pour une mise en place d’une politique de traitement des données ?
- Quelles conséquences sur votre activité ? Concrètement, quels impacts sur votre animation digitale, votre pratique actuelle de gestion des consentements, de stockage et de protection des données.
Vos données produits sont-elles fiables et sont-elles fiables et cohérentes à travers tous vos systèmes en temps réel ? Les services concernés ont-ils accès aux informations les plus récentes et les plus complètes sur vos produits ?
Cette présentation montre comment :
- tirer parti du Big Data pour connecter vos produits grâce à l’Internet des Objets ;
- optimiser les processus de maintenance, réparation et révision (MRO) ;
- harmoniser l'information au travers de votre supply chain ;
- gérer vos stratégies de commerce multicanal ;
- échanger avec vos partenaires et les autorités de réglementation.
Big Data s’impose comme une réalité incontournable. Mais qu’en est-il réellement des retours sur investissements ? Quelles en sont les applications concrètes en marketing ? Par où et comment commencer ? Comment s’organiser entre le marketing et la DSI pour tirer profit des big data ? Comment exploiter les données des réseaux sociaux et les logs web ? Quelles sont les données légalement et techniquement exploitables ? Comment choisir entre internalisation et externalisation, entre « first party » et « third party » ? Quelles possibilités pour capter et exploiter les données issues de la mobilité ?
Notre expérience de plusieurs dizaines d’années hommes sur des projets concrets et nos investissements en R&D nous permettent aujourd’hui de vous apporter des réponses à ces multiples questions. Nous nous appuierons en particulier sur 3 cas concrets illustrant :
1. L’augmentation des ventes croisées grâce à un moteur de recommandations en ligne pour un site de e-Commerce ;
2. L’enrichissement de la connaissance et de l’interaction client et marché par une écoute active des réseaux sociaux ;
3. Une amélioration de l’expérience client grâce au monitoring et à l’analyse des parcours client.
[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...Jean-Michel Franco
Vos données clients sont-elles fiables et cohérentes au travers de tous les systèmes d'information qui nécessitent de les exploiter ? Sont-elles sécurisées et facilement accessibles par les équipes opérationnelles ?
Cette présentation s'intéresse à la mise en œuvre d'un système de Master Data Management pour:
• obtenir une vision unique de vos clients à travers toute votre infrastructure ;
• transformer ces informations en données utilisables (qui peuvent être utilisées par les équipes marketing, commerciales, de service ou de fidélisation client) ;
• récupérer des données depuis de nouvelles sources en alliant les technologies de MDM et de Big Data.
Des reportings efficients pour des analyses pertinentesSoft Computing
« Reportings manuels, chronophages, incomplets ?
Comment mettre en œuvre des dispositifs de reportings efficients grâce aux nouveaux outils de pilotage (DataViz, Centre de Services, …) ? »
Sans mesure de la performance, aucun plan d’actions n’a de chance d’être efficace et pourtant bien des entreprises rechignent à investir et à prioriser le reporting comme un pré-requis fonctionnel. Les équipes opérationnelles se retrouvent alors souvent à devoir récupérer des informations à droite et à gauche, retravailler des données, consolider des fichiers et construire des tableaux de bord, tout cela, de façon artisanale et manuelle.
Alors comment automatiser ces différentes actions ? Quelles sont les innovations récentes, les solutions qui existent aujourd’hui pour refocaliser les équipes sur les plans d’actions et les enjeux business ? Comment inscrire ces dispositifs dans une organisation et une architecture décisionnelles ? Comment bénéficier de dispositifs évolutifs, innovants (yc du Big Data) et agiles ?
Les apports du centre de services reporting ? Doit-on opposer centre de services et Business Intelligence d'entreprise ?
Dans quelles situations tirer le maximum d'un tel dispositif ? Avec quelle méthodologie opérer ? Pour quels résultats concrets ?
Pour répondre à ces interrogations, nous vous invitons à un séminaire gratuit, au cours duquel nous partagerons nos meilleures pratiques au travers de cas concrets.
Architecting for change: LinkedIn's new data ecosystemYael Garten
2016 StrataHadoop NYC conference talk.
http://conferences.oreilly.com/strata/hadoop-big-data-ny/public/schedule/detail/52182
Abstract:
Last year, LinkedIn embarked on an ambitious mission to completely revamp the mobile experience for its members. This would mean a completely new mobile application, reimagined user experiences, and new interaction concepts. As the team evaluated the impact of this big rewrite on the data analytics ecosystem, they observed a few problems.
Over the past few years, LinkedIn has become extremely good at incrementally changing the site one mini-feature at a time, often in conjunction with hundreds of other incremental changes. LinkedIn’s experimentation platform ensures that it is always monitoring a wide gamut of impacted metrics with every change before rolling fully forward. However, when it comes to rolling out a big change like this, different challenges crop up. You have to rollout the entire application all at once; the new experience means that you have no baseline on new metrics; and existing metrics may see double digit changes just because of the new experience or because the metric’s logic is no longer accurate—the challenge is in figuring out which is which.
Shirshanka Das and Yael Garten describe how LinkedIn redesigned its data analytics ecosystem in the face of a significant product rewrite, covering the infrastructure changes that enable LinkedIn to roll out future product innovations with minimal downstream impact. Shirshanka and Yael explore the motivations and the building blocks for this reimagined data analytics ecosystem, the technical details of LinkedIn’s new client-side tracking infrastructure, its unified reporting platform, and its data virtualization layer on top of Hadoop and share lessons learned from data producers and consumers that are participating in this governance model. Along the way, they offer some anecdotal evidence during the rollout that validated some of their decisions and are also shaping the future roadmap of these efforts.
In that session we will discuss about Data Governance, mainly around that fantastic platform Power BI (but also around on-prem concerns).
How to avoid dataset-hell ? What are the best practices for sharing queries ? Who is the famous Data Steward and what is its role in a department or in the whole company ? How do you choose the right person ?
Keywords : Power Query, Data Management Gateway, Power BI Admin Center, Datastewardship, SharePoint 2013, eDiscovery
Level 200
Présentation générales du Big Data et zoom sur des cas d'usage dans l'industrie et les services.
Présentation réalisée à l'occasion de l'événement Big data de Niort du 20 mars 2014
Matinée Micropole DE LA BI A LA DATA INTELLIGENCE 18-10-2016Micropole Group
Avec l’explosion du volume des données disponibles (structurées, non structurées, dark data, open data…) et la multiplicité des sources d’information, les utilisateurs ont besoin d’accéder à des données de plus en plus nombreuses et d’avoir la main sur leur exploration et leur manipulation pour gagner en agilité.
Le 16 octobre j’ai assisté à une conférence organisée par information builders au Shangri la de Paris intitulée : « Les nouveaux enjeux de l’EIM, MDM et big data, l’association gagnante ». Même si le titre est un peu abscons, et requiert lui-même un peu de data mining, le contenu allait au-delà de mes espérances avec une présentation très intéressante de Jean-Michel Franco (photo), Directeur de l’innovation chez Business & décision. Et je peux dire qu’enfin j’ai tout compris, ou presque,au big data, au vrai big data, pas aux incantations aux dieux de la mode, mais à la description d’une vraie révolution au sein des entreprises et des directions marketing qui n’a pas fini de créer des remous dans les organisations et les méthodologies. Voir mon compte-rendu : http://wp.me/p3XOzT-2wS
Chaque jour, nous créons plus de données – (90% des données dans le monde d'aujourd'hui ont été créées dans les deux dernières années).
Ces données proviennent : des capteurs utilisés pour recueillir des informations sur le climat, des messages sites de médias sociaux, photos et vidéos numériques, enregistrements de transactions d'achat et téléphonie cellulaire, de signaux GPS pour n'en nommer que quelques-uns. Ces données sont des Big Data.
Cas d’usage du Big Data pour la relation et l’expérience clientJean-Michel Franco
Présentation réalisée pour les assises du Big Data à Charleroi
Elle présente un overview du Big Data, du projet datalyse mené avec des industriels et des unversitaires pour traiter 5 cas d'usages du Big Data ; puis elle zoome sur les cas liés à la collecte des parcours clients multi-canaux et aux recommandations temps réel.
Machine Learning et Intelligence ArtificielleSoft Computing
Machine Learning (ML) et Intelligence Artificielle (AI) sont au cœur des stratégies des géants du net : reconnaissance de textes, de visages, de sentiments, analyse de signaux issus notamment d’objets connectés. Comment capitaliser sur ces méthodologies pour des applications Marketing ? Avec quels outils, méthodes et compétences ?
Google, Facebook, Apple et autres Microsoft se livrent une bataille de Titan sur le terrain de l’Intelligence Artificielle. Cette débauche de moyens en recherche et développement génère la diffusion en Open Source de nombreux algorithmes ou le foisonnement de fonctions et d’API de Machine Learning et Deep Learning et d’AI « as a service ». Avec des efforts minimes, tout-un-chacun peut aujourd’hui accéder simplement et pour un coût modique à des fonctionnalités puissantes pour reconnaître un visage, une voix, des sentiments …
En outre, la démocratisation des technologies Big Data donne accès à des puissances de traitement considérables qui permettent d’appliquer ces algorithmes de Machine Learning sur des centaines de milliers de points, des milliards d’enregistrements et des volumes de plusieurs péta-octets.
Le Marketing et la connaissance client capitalisent sur toutes ces nouvelles possibilités : conseiller le bon produit – en mode recommandation ou substitution, anticiper des changements dans les comportements, s’adresser au client de façon complètement personnalisée, surveiller en temps réel des indicateurs de bon ou mauvais fonctionnement – objets connectés, fluidifier et optimiser l’expérience client en identifiant des axes d’amélioration des parcours ou process.
Ce séminaire vise à démystifier le Machine Learning, à en dessiner des applications potentielles pour le Marketing. Les modalités de mise en œuvre – outils, procédures et techniques, forces et faiblesses – seront détaillées à travers la présentation de cas d’usage.
Livre blanc du big data et éclairage sur l'écosystème français (startup, enseignement data scientist, grands groupes, open innovation, US, accélérateur Techstars). « Le Big Data s’impose comme le concept contemporain incontournable dont chacun s’accorde à dire qu’il va révolutionner la manière de travailler de beaucoup d’entreprises […]. Mais il n’est pas facile d’y voir clair pour les néophytes ».
Les auteurs de ce numéro d’Accomex vous proposent « d’y voir plus clair » ; ils sauront vous convaincre que le Big Data est bien plus qu’une simple évolution technologique supplémentaire, qu’il concerne les entreprises de toute taille et de tout secteur, que le terrain de jeu du Big Data est mondial…
Stocker des quantités considérables de données est une chose ; les traiter en est une autre. Le Big Data offre cette possibilité d’analyser les données produites par les entreprises, les particuliers, les États, pour créer de nouveaux usages. C’est bien de valorisation des données dont il s’agit, et c’est là que se situe la révolution, une révolution déjà bien engagée aux États-Unis, à laquelle la France porte un intérêt croissant, stimulée par des startups innovantes & créatives.
Les données personnelles : un patrimoine à sécuriser !
Dans un environnement réglementaire français et européen complexe et évolutif, comment la nouvelle réglementation européenne va-t-elle changer vos processus marketing et digitaux ?
Le 14 avril dernier, le parlement européen votait un nouveau règlement sur la protection des données.
Cette nouvelle réglementation s’inscrit dans la continuité du cadre législatif français existant mais modifie significativement les droits et les rapports entre les consommateurs, les entreprises et les autorités de protection et impose en particulier de se mettre en conformité d’ici deux ans.
Accompagnés du Cabinet PBA et fort de notre expérience opérationnelle, nous vous proposons une démarche concrète en évoquant les questions suivantes :
- Quelles sont les bonnes pratiques actuelles en matière de protection de données personnelles dans les bases marketing et le marketing digital ?
- Quels sont les principaux points du règlement de l’Union Européenne ?
- Quelle approche méthodologique et outils à adopter pour une mise en place d’une politique de traitement des données ?
- Quelles conséquences sur votre activité ? Concrètement, quels impacts sur votre animation digitale, votre pratique actuelle de gestion des consentements, de stockage et de protection des données.
Vos données produits sont-elles fiables et sont-elles fiables et cohérentes à travers tous vos systèmes en temps réel ? Les services concernés ont-ils accès aux informations les plus récentes et les plus complètes sur vos produits ?
Cette présentation montre comment :
- tirer parti du Big Data pour connecter vos produits grâce à l’Internet des Objets ;
- optimiser les processus de maintenance, réparation et révision (MRO) ;
- harmoniser l'information au travers de votre supply chain ;
- gérer vos stratégies de commerce multicanal ;
- échanger avec vos partenaires et les autorités de réglementation.
Big Data s’impose comme une réalité incontournable. Mais qu’en est-il réellement des retours sur investissements ? Quelles en sont les applications concrètes en marketing ? Par où et comment commencer ? Comment s’organiser entre le marketing et la DSI pour tirer profit des big data ? Comment exploiter les données des réseaux sociaux et les logs web ? Quelles sont les données légalement et techniquement exploitables ? Comment choisir entre internalisation et externalisation, entre « first party » et « third party » ? Quelles possibilités pour capter et exploiter les données issues de la mobilité ?
Notre expérience de plusieurs dizaines d’années hommes sur des projets concrets et nos investissements en R&D nous permettent aujourd’hui de vous apporter des réponses à ces multiples questions. Nous nous appuierons en particulier sur 3 cas concrets illustrant :
1. L’augmentation des ventes croisées grâce à un moteur de recommandations en ligne pour un site de e-Commerce ;
2. L’enrichissement de la connaissance et de l’interaction client et marché par une écoute active des réseaux sociaux ;
3. Une amélioration de l’expérience client grâce au monitoring et à l’analyse des parcours client.
[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...Jean-Michel Franco
Vos données clients sont-elles fiables et cohérentes au travers de tous les systèmes d'information qui nécessitent de les exploiter ? Sont-elles sécurisées et facilement accessibles par les équipes opérationnelles ?
Cette présentation s'intéresse à la mise en œuvre d'un système de Master Data Management pour:
• obtenir une vision unique de vos clients à travers toute votre infrastructure ;
• transformer ces informations en données utilisables (qui peuvent être utilisées par les équipes marketing, commerciales, de service ou de fidélisation client) ;
• récupérer des données depuis de nouvelles sources en alliant les technologies de MDM et de Big Data.
Des reportings efficients pour des analyses pertinentesSoft Computing
« Reportings manuels, chronophages, incomplets ?
Comment mettre en œuvre des dispositifs de reportings efficients grâce aux nouveaux outils de pilotage (DataViz, Centre de Services, …) ? »
Sans mesure de la performance, aucun plan d’actions n’a de chance d’être efficace et pourtant bien des entreprises rechignent à investir et à prioriser le reporting comme un pré-requis fonctionnel. Les équipes opérationnelles se retrouvent alors souvent à devoir récupérer des informations à droite et à gauche, retravailler des données, consolider des fichiers et construire des tableaux de bord, tout cela, de façon artisanale et manuelle.
Alors comment automatiser ces différentes actions ? Quelles sont les innovations récentes, les solutions qui existent aujourd’hui pour refocaliser les équipes sur les plans d’actions et les enjeux business ? Comment inscrire ces dispositifs dans une organisation et une architecture décisionnelles ? Comment bénéficier de dispositifs évolutifs, innovants (yc du Big Data) et agiles ?
Les apports du centre de services reporting ? Doit-on opposer centre de services et Business Intelligence d'entreprise ?
Dans quelles situations tirer le maximum d'un tel dispositif ? Avec quelle méthodologie opérer ? Pour quels résultats concrets ?
Pour répondre à ces interrogations, nous vous invitons à un séminaire gratuit, au cours duquel nous partagerons nos meilleures pratiques au travers de cas concrets.
Architecting for change: LinkedIn's new data ecosystemYael Garten
2016 StrataHadoop NYC conference talk.
http://conferences.oreilly.com/strata/hadoop-big-data-ny/public/schedule/detail/52182
Abstract:
Last year, LinkedIn embarked on an ambitious mission to completely revamp the mobile experience for its members. This would mean a completely new mobile application, reimagined user experiences, and new interaction concepts. As the team evaluated the impact of this big rewrite on the data analytics ecosystem, they observed a few problems.
Over the past few years, LinkedIn has become extremely good at incrementally changing the site one mini-feature at a time, often in conjunction with hundreds of other incremental changes. LinkedIn’s experimentation platform ensures that it is always monitoring a wide gamut of impacted metrics with every change before rolling fully forward. However, when it comes to rolling out a big change like this, different challenges crop up. You have to rollout the entire application all at once; the new experience means that you have no baseline on new metrics; and existing metrics may see double digit changes just because of the new experience or because the metric’s logic is no longer accurate—the challenge is in figuring out which is which.
Shirshanka Das and Yael Garten describe how LinkedIn redesigned its data analytics ecosystem in the face of a significant product rewrite, covering the infrastructure changes that enable LinkedIn to roll out future product innovations with minimal downstream impact. Shirshanka and Yael explore the motivations and the building blocks for this reimagined data analytics ecosystem, the technical details of LinkedIn’s new client-side tracking infrastructure, its unified reporting platform, and its data virtualization layer on top of Hadoop and share lessons learned from data producers and consumers that are participating in this governance model. Along the way, they offer some anecdotal evidence during the rollout that validated some of their decisions and are also shaping the future roadmap of these efforts.
In that session we will discuss about Data Governance, mainly around that fantastic platform Power BI (but also around on-prem concerns).
How to avoid dataset-hell ? What are the best practices for sharing queries ? Who is the famous Data Steward and what is its role in a department or in the whole company ? How do you choose the right person ?
Keywords : Power Query, Data Management Gateway, Power BI Admin Center, Datastewardship, SharePoint 2013, eDiscovery
Level 200
This document discusses how to build a data-driven organization by collecting and analyzing metrics. It emphasizes that data is important for making decisions, hitting goals, and knowing if systems are working properly. The author promotes their tool called Larimar, which aims to automate data collection and analysis at the application level to provide insights without configuration. Building a data culture where employees are inspired to act on insights is key to success.
How to Build a Successful Data Team - Florian Douetteau (@Dataiku) Dataiku
As you walk into your office on Monday morning, before you've even had a chance to grab a cup of coffee, your CEO asks to see you. He's worried: both customer churn and fraudulent transactions have increased over the past 6 months. As Data Manager, you have 6 months to solve this problem.
As Data Manager, you know the challenges ahead:
- Multitudes of technology choices to make
- Building a team and solving the skill-set disconnect
- Data can be deceiving...
- Figuring out what the successful data product must be
Florian works in the “data” field since 01’, back when it was not yet big. He worked in successful startups in search engine, advertising, and gaming industries, holding various data or CTO roles. He started Dataiku in 2013, his first venture as a CEO, with the goal of alleviating the daily pains encountered by data teams all around.
Dataiku - data driven nyc - april 2016 - the solitude of the data team m...Dataiku
This document discusses the challenges faced by a data team manager named Hal in developing a data science software platform for his company. It describes Hal's background in technical fields like functional programming. It then outlines some of the disconnects Hal experienced in determining the appropriate technologies, hiring the right people, accessing needed data, and involving product teams. The document provides suggestions for how Hal can find solutions, such as taking a polyglot approach using open source technologies, creating an API culture, and focusing on solving big business problems to gain support.
How to use your data science team: Becoming a data-driven organizationYael Garten
Talk given at Strata Hadoop World conference March 2016.
http://conferences.oreilly.com/strata/hadoop-big-data-ca/public/schedule/detail/48305
In this talk we review the culture, process and tools needed for a data driven organization. We review an example of how companies like LinkedIn use data to make business decisions, and then walk through the culture, process, and tools needed to foster this. We review the spectrum of data science used within an organization and explore organizational needs, such as the democratization of data via self-serve data platforms for experimentation, monitoring, and data exploration, as well as the challenges that come with such systems. Participants leave this session with the ability to identify opportunities for data scientists to contribute within their organization and with an understanding of what investments are needed to drive transformation into a data-driven organization.
John Easton, Director of Product Management & Strategic Relations at Maximizer and Craig Vivier from Vineyardsoft Corporation provide an overview of how to transform your business into a data driven organization.
A data-driven organization is one in which critical business data automatically drives the decisions and actions of your business. It is about giving voice to your data with the goal of moving away from wading through volumes of reports or making decisions on gut feel.
Creating a Data-Driven Organization (Data Day Seattle 2015)Carl Anderson
Creating a Data-Driven Organization
The document discusses how to create a data-driven organization. It argues that being data-driven requires having strong analytics, a data-focused culture, and using data to drive impact and business results. Some key aspects of a data-driven culture discussed are having a testing mindset, open data sharing, self-service analytics access for business units, broad data literacy, and visible data leadership. The presentation provides examples of actions organizations can take to promote a data-driven culture, such as improving analyst competencies and linking metrics to strategic goals. It cautions that becoming complacent once progress is made can undermine data-driven efforts, as demonstrated by Tesco's experience.
Creating a Data-Driven Organization: an executive summaryCarl Anderson
What does it mean for an organization to be data-driven? It is not about having lots of reports and dashboards or big data but having the right data culture. Learn more about that culture in this executive summary of the key findings in Carl Anderson's new book "Creating a Data-Driven Organization" (2015) from O'Reilly Media.
Petit Club à l'UDA du mercredi 12 février, sur le thème du casse-tête de l'organisation digitale, avec Isabelle Faggianelli, Responsable Business Development Digital, Groupe LVMH, Emmanuel David, Directeur E-business Société Générale, Brice Franzoia, Directeur Digital groupe Orientis (Kusmi Tea) et Jean-Sébastien Hongre, co-fondateur de Team Inside.
Becoming a Data-Driven Organization - Aligning Business & Data StrategyDATAVERSITY
More organizations are aspiring to become ‘data driven businesses’. But all too often this aim fails, as business goals and IT & data realities are misaligned, with IT lagging behind rapidly changing business needs. So how do you get the perfect fit where data strategy is driven by and underpins business strategy? This webinar will show you how by de-mystifying the building blocks of a global data strategy and highlighting a number of real world success stories. Topics include:
•How to align data strategy with business motivation and drivers
•Why business & data strategies often become misaligned & the impact
•Defining the core building blocks of a successful data strategy
•The role of business and IT
•Success stories in implementing global data strategies
The Rise of the DataOps - Dataiku - J On the Beach 2016 Dataiku
Many organisations are creating groups dedicated to data. These groups have many names : Data Team, Data Labs, Analytics Teams….
But whatever the name, the success of those teams depends a lot on the quality of the data infrastructure and their ability to actually deploy data science applications in production.
In that regards a new role of “DataOps” is emerging. Similar, to Dev Ops for (Web) Dev, the Data Ops is a merge between a data engineer and a platform administrator. Well versed in cluster administration and optimisation, a data ops would have also a perspective on the quality of data quality and the relevance of predictive models.
Do you want to be a Data Ops ? We’ll discuss its role and challenges during this talk
Big Data, Data Science, cluster Hadoop, Machine Learning, etc. Aujourd'hui, impossible de passer à côté de ce phénomène vers lequel de plus en plus d'entreprises se tournent.
Au-delà des mots et de la tendance, comment réellement tirer parti de toutes vos données et en tirer un véritable avantage concurrentiel? La réponse se résume en quelques mots: Monter un Data Lab. Au cours de cette présentation, nous vous proposons de définir ce qu'est réellement un Data Lab, de comprendre les grandes étapes essentielles pour le monter de manière intelligence, d'identifier les profils nécessaires à son bon fonctionnement et de savoir comment optimiser son utilisation pour en tirer une vraie valeur ajoutée pour votre entreprise.
La vidéo de la conférence est à retrouver sur : http://www.xebicon.fr/programme.html
Découvrez les étapes de conception et d’utilisation d’une Data Factory :
- Identifier et prioriser des use cases
- Rassembler une équipe correspondant aux besoins
- Mettre en place une démarche Agile
- Mettre en place un Data Lake
- Réaliser des POCs et piloter les KPIs
- Passer en production
Data Stewardship - Retour d'expérience de Sarenza sur la façon de piloter un ...Jean-Pierre Riehl
Le Data Steward devient incontournable dans un système de self-service BI. Mais quel est réellement son travail avec Power BI ?
Dans cette session, nous nous mettrons dans la peau du Data Steward pendant 45 minutes et verrons comment il dompte Power BI. Gestion des sources, du Data Catalog, des questions Q&A, de la sécurité, du Data Refresh, de l'usage... Autant de sujets qui impactent le quotidien du Data Steward. Lors de cette session, vous aurez le témoignage d'un vrai Data Steward avec le retour d'expérience de Sarenza.
Data Breakfast : La transformation digitale à l'heure de la dataConverteo
Converteo vous présente le support de communication de son Data Breakfast, le RDV dédié à la transformation digitale à l'heure de la data. La matinée est composée de trois tables rondes incluant le retour d'expérience d'entreprises engagées dans leur transformation data sur :
- La démocratisation de la data
- L'achat média à l'heure de la data
- Les vrais apports du Big Data entreprise
Information Management : de l’excellence opérationnelle à l’excellence inform...Jean-Michel Franco
Information management en environnement SAP : Pourquoi maintenant ? Quelles solutions dans le porte-feuille SAP Business Objects? Retours d’expérience dans un contexte Business Intelligence
Les 4 étapes clés pour transformer les données client en valeurJean-Michel Franco
Les pionniers que sont Mint dans le secteur bancaire, Amazon dans la distribution ou NetFlix dans les médias, ont prouvé que de transformer les Big Data en actions au moment des points de contact avec leurs clients assure des résultats mesurables – augmentation du taux de transformation, plus grande part du portefeuille, augmentation du nombre de nouveaux clients, détection de fraude à temps, etc. Il est aujourd’hui possible de mettre en place une plate-forme centralisée de gestion des données clients, capable d’intégrer et de fournir des informations en temps réel, quel que soit le canal d’interaction utilisé… et par conséquent, de lancer les bases d’une véritable révolution sur tout un secteur d’activité en instaurant des processus orientés données.
Désormais, cette Customer Data Platform s’adapte au plus grand nombre grâce à des technologies abordables telles que Hadoop et Spark à condition que celles-ci soient utilisées conjointement avec des données intégrées ainsi qu’un système d’intégration d’applications, de gouvernance des données, de gestion de données de référence et des outils d’analytique et de traitement de données en temps réel.
Cette plate-forme, appelée Customer Data Platform ou Data Management Platform (DMP) permet de reconstituer l’intégralité du parcours client en centralisant et en croisant non seulement des données d’interaction : historique d’achat, préférences, satisfaction, fidélité, etc. (données internes), mais également des informations sociales permettant de comprendre les intentions ou l’appétence : goûts, instants décisifs, habitudes d’achat, parcours web, réseaux sociaux, etc. (données externes)
Dans cette présentation, vous découvrirez les composants clés de cette plate-forme, comment l’implémenter, et comment l’utiliser à des fins marketing.
Formation M2i - Placer la Data au cœur de la stratégie de l'entrepriseM2i Formation
La Data est omniprésente, mais cette richesse potentielle pour une entreprise ne peut délivrer de la valeur et s'activer opérationnellement qu'à certaines conditions.
Programme de la formation :
Les enjeux de la Data au cœur de sa stratégie d'entreprise
- L'importance de définir une ambition Data pour l'entreprise
- Dessiner une feuille de route : pourquoi, comment, et avec quel niveau d'investissement ?
- Les 8 dimensions clés d'un projet ou d'une transformation Data (organisation, usages, technologie, RH et compétences, réglementaire…)
Les données et la valeur des données
- Les différents types de données, et la richesse des données non structurées (texte, images, vidéos…)
- L'importance de la gouvernance des données et comment réussir à la développer dans l'entreprise ?
- La valeur des données tient dans ses usages : cas d'applications multi-sectoriels avec l'IA comme accélérateur de performance
- Les différents modèles de valorisation et de monétisation
L'organisation pour le succès des projets Data
- Les principaux schémas d'organisation Data
- Equipes, compétences RH (hard et soft skills) et mode de fonctionnement pour le succès des projets Data
Formation animée par François Le Corre
AMfine Services & Software
Oggre SG Entrepreneuriale
Vous êtes une Société de Gestion Entrepreneuriale (SGE) et vous cherchez une solution qui couvrirait l’ensemble du cycle de vie de vos contenus depuis leur production jusqu’à leur diffusion.
AMfine vous apporte une réponse claire et ciblée au travers de son offre « sur mesure » adaptée aux contraintes opérationnelles et aux problématiques budgétaires des SGE.
Qu’est ce que dynamics 365? - aOS Canadian tour (Quebec)Nicolas Georgeault
L’idée est de "moderniser" l’ensemble des Produits de la gamme Dynamics en utilisant la puissance des services Cloud et locaux. Mais la vision de Microsoft est un peu plus complexe. Dynamics CRM faisait déjà parti d’Office 365, au cours de cette session vous apprendrez comment Microsoft prévoit de reconstruire une stratégie complète basée sur la xRM et les relations qui existent entre les gens comme les relations clients et partenaires
Data Science : organisation et liens avec les Directions Métiers et la DSI
Comment positionner les Data Scientists dans l’entreprise ? Comment structurer les relations entre Data Science et les autres Directions Métiers ou Support ?
L’explosion des volumes de données et la vulgarisation des outils de Mining et de Machine Learning ont poussé les entreprises à se doter de Data Scientists. Après les premiers succès, l’heure est maintenant à la généralisation et se posent des choix d’organisation.
Doit-on centraliser la Data Science ou laisser l’autonomie aux Directions Métiers ? Comment ventiler les responsabilités entre une Direction Data Science et une Direction Digitale ou Informatique ? Comment organiser la gouvernance autour des données utilisées par les Data Scientists ? Quels sont les enjeux du management d’une team de Data Scientists ?
Pour répondre à ces questions, nous vous invitons à notre matinale en accès libre, au cours de laquelle Gilles VENTURI, Directeur Général de Soft Computing, partagera un panorama des choix effectués par un panel d’entreprises clientes ainsi que des retours d’expérience sur les différents modèles organisationnels autour de la Data Science.
Agenda :
• Data Science : périmètre
• Data Science : les 5 niveaux de maturité
• Modèles d’organisation des fonctions Data Science
• Data Science et autres Directions : RACI
• Data Science : panorama des compétences à cultiver
• Data Science : attirer et fidéliser les talents
• Conclusion
Competitic simplifiez le pilotage de votre entreprise avec la business inte...COMPETITIC
Retrouvez dans ce support une présentation du concept de business intelligence, ses usages, les solutions et les bonnes pratiques !
Ce document a été réalisé avec la contribution de Keyrus, société de conseil spécialisé en business intelligence.
ORCHESTRA - Gouvernance des donnees et MDM - Data forum MICROPOLE 2016 Micropole Group
- Orchestra Networks is a privately-held company founded in 2000 that provides a unified data management software called EBX5 to manage various types of master and reference data.
- EBX5 is a model-driven software that can manage any type of data through configuration rather than coding, providing capabilities for master data management, reference data management, metadata management, and data governance.
- EBX5 supports both operational systems like ERP and CRM as well as analytical systems like BI and big data by providing shared, accurate data assets across the enterprise.
CONTENTSERV - PIM le noyau central d'un ecosysteme digital - Data forum MIC...Micropole Group
The document summarizes Dorel Juvenile's implementation of a product information management (PIM) system from Contentserv. It discusses Dorel's complex product information landscape across multiple brands, languages, and channels. Implementing PIM helped centralize content and provide a single source of truth. It improved efficiency by reducing duplicated work and ensuring consistent data. The PIM system also unlocked new opportunities by making content easily accessible for various uses like websites, e-commerce, and marketing campaigns. While the project brought challenges, it established important lessons for Dorel as it continues expanding PIM to more regions and digital touchpoints.
Wide Coffee La Connaissance Client en mode digitalMicropole Group
Connaissez-vous vraiment vos clients ? La question mérite d’être posée tant le digital ne cesse de bouleverser les usages et l’environnement dans lequel les entreprises évoluent.
Maintenance Prédictive, personnalisation des interactions clients, optimisation de la supply chain : quand Spark et Hadoop s'immiscent dans les activités opérationnelles de l'entreprise
2. 3 AGENCES
EN CHINE
6 pays dans le monde
BELGIQUE / CHINE / FRANCE / LUXEMBOURG /
PAYS-BAS / SUISSE
9 AGENCES
EN FRANCE
5 PAYS
EN EUROPE
GROUPE INTERNATIONAL
SOLUTIONS TECHNOLOGIQUES INNOVANTES
AUTOUR DE LA DATA & DU DIGITAL
CA 100 m€
DONT 30%
A L’INTERNATIONAL
1100
CONSULTANTS METIERS
ET INGENIEURS
D ATA
& I N N O VAT I O N
DANS NOTRE ADN
Page 4 Data Forum – Décembre 2015
3. DES OFFRES EN POINTE
AU SERVICE DE LA PERFORMANCE DES DIRECTIONS MÉTIERS
TRANSFORMATION
DIGITALE WIDE
Un positionnement unique qui allie
expertise conseil des CMO’s,
excellence technologique et design.
GOUVERNANCE DES
DONNÉES
N°1 du MDM en Europe : + de
60 projets réalisés.
PILOTAGE DE LA
PERFORMANCE
Spécialiste DATA depuis 25 ans.
N°1 de la Performance Financière
avec + de 250 projets réalisés.
Page 5 Data Forum – Décembre 2015
4. • Démontrer et valoriser les apports business de l’amélioration de la
qualité et de la mise en place d’une gouvernance des données
• Valider l’implication d’un Sponsor « Métier » sur la démarche
• Les plus-values « métier » doivent être démontrées à chaque
itération de la démarche
• Valider la maturité des domaines de données de référence les plus
pertinents
• La production d’un dictionnaire des données est un préalable
obligatoire à un projet de gouvernance
• La définition des rôles doit être en lien avec l’organisation et les
processus existants
• Une démarche de conduite du changement est nécessaire pour
assurer la réussite d’un projet de Data Governance
• La gouvernance des données doit être INTÉGRÉE en tant que
fonction de l’entreprise, dans une démarche LONG TERME
DATA GOUVERNANCE 2.0
Data Forum – Décembre 2015
LA SYNTHÈSE DU FORUM 2014, LES CLÉS DE SUCCÈS
• Démontrer et valoriser les apports business de l’amélioration de
la qualité et de la mise en place d’une gouvernance des données
• Valider l’implication d’un Sponsor « Métier » sur la démarche
Page 6
5. DATA GOUVERNANCE 2.0
Data Forum – Décembre 2015
COMMENT VALORISER LA GOUVERNANCE DE VOS DONNÉES ?
Les nouveaux enjeux …
Rappels sur la gouvernance des données
Approches de valorisation de la gouvernance des données
Big Data et gouvernance, quels enjeux ?
1
2
3
4
Pourquoi choisir l’expertise de MICROPOLE ?5
Questions ?6
Page 7
6. ENJEUX AUTOUR DE LA DONNÉE
Page 8 Data Forum – Décembre 2015
LA DONNÉE AU SERVICE DE
L’INNOVATION ET DES ÉVOLUTIONS DE
BUSINESS MODEL
SÉCURISER SON PATRIMOINE
INFORMATIONNEL…UNE OBLIGATION
UNE DONNÉE DE PLUS EN PLUS
VOLUMINEUSE, RICHE ET MULTI
ASPECT
DES CONTRAINTES RÉGLEMENTAIRES
TOUJOURS PLUS NOMBREUSES
UNE NÉCESSITÉ DE PILOTAGE DE LA
QUALITÉ DES DONNÉES
PLUS DE DONNÉES,
MOINS DE MOYENS
MONTÉE EN PUISSANCE DU DIGITAL ET
DES INTERACTIONS ENTRE LES
CANAUX
7. ENJEUX ORIENTÉS CLIENT
DROIT A L’OUBLI
Page 9
ANALYSE DE
PARCOURS
CLIENTS
MESURE DE LA
VALEUR CLIENT
FIDELISATION
SEGMENTATIONS
CLIENTS
OPÉRATIONNELLES
MESURE DE
PERFORMANCE
DES CAMPAGNES
MARKETING
CROSS CANAL
RECO CROSS
CANAL
MONITORING
QUALITE SERVICE
CLIENT
FIABILISATION
PROCESSUS
DE GESTION DE LA
RELATION CLIENT
PASSAGE D’UNE
APPROCHE SILO A
UNE LOGIQUE
OMNICANAL
ET VOUS ?
Data Forum – Décembre 2015
8. ENJEUX ORIENTÉS PRODUIT
DES CONTRAINTES
RÉGLEMENTAIRES
CROISSANTES
Page 10
LA GESTION DU
MULTI ASPECT
(PAYS, ENSEIGNE,
LANGUE, USAGE,…)
PERSONNALISER ET
MULTIPLIER LES
CATALOGUES
CLIENTS
SIMPLIFIER LES
PRÉVISIONS ET
FIABILISER LE
RAPPROCHEMENT
AVEC LE RÉALISÉ
DECLOISONNER LA
GOUVERNANCE DE
LA DONNEE
PRODUIT
FIABILISER LA
LOGISTIQUE
RISQUE IMAGE
PILOTAGE DE LA
COLLECTE DES
DONNÉES
FAVORISER
L’INNOVATION / TIME
TO MARKET
CLARIFIER LE
DICTIONNAIRE :
OFFRE/PRODUIT/
ARTICLE
ET VOUS ?
Data Forum – Décembre 2015
9. DATA GOUVERNANCE 2.0
Data Forum – Décembre 2015
COMMENT VALORISER LA GOUVERNANCE DE VOS DONNÉES ?
Les nouveaux enjeux …
Rappels sur la gouvernance des données
Approches de valorisation de la gouvernance des données
Big Data et gouvernance, quels enjeux ?
1
2
3
4
Pourquoi choisir l’expertise de MICROPOLE ?5
Questions ?6
Page 11
10. GOUVERNANCE DES DONNÉES DE RÉFÉRENCE
12
LES 3 DIMENSIONS DE LA GOUVERNANCE
•Modèle de
gouvernance
•Acteurs, rôles et
responsabilités (data
Owner, data Producer,
data consumer, data
steward)
•Comitologie de la
gouvernance
•Dictionnaire
•Politiques de sécurité,
cycle de vie,
traçabilité,…
•KPI et règles de
qualité
•Solution Master data
Management
•Solution de profiling
des données
•Outil de qualité des
données
•Solution d’échange
Organisation
3. Identify Domain
SMEs and
Stakeholders
8. Mentor
Stewards
6. Recognize Data
Definer, User, and
Producer
Stewards
2.1.1 Build Team
DataQuality
Team-
Business&
DataAnalysts
DataDomain
Steward
LOB/Functional
AreaDataSteward
Coordinator
DataSteward
Committee
Data
Governance
Council
4. Identify SMEs
for Applications
Resource
Checklist
Template
Process
Manual
5. Note Potential
Data Stewards
During Domain
Definition
Resource Checklist
Template
Steady State: DG Council and
Data Steward Committee* are
Established
9. Mobilize Data
Stewards
2.1.2.7
End
1. Select Data
Domain Steward
Resource Checklist
Template
2. Map Data
Domain to Lines of
Business
* If Data StewardCommittee
is not yet Established, LOB
Coordinators (who will
eventually be on it) will serve
this function
7. On-Board
Stewards
Resource
Checklist
Template
2.1.2 Build Common Definition (Continued)
LOB/Functional
AreaDataSteward
Coordinators
DataQuality
Team-Modeler
DataQualityTeam-Business
Analyst
DataDomain
Steward
No
Yes
16. Update
Glossary of Terms
with CLDM Terms
2.1.3
14. Validate Data
Element List and
Conceptual Model
8. Conduct Subject
Area-Focused JAD
Session
11. Update
Conceptual Data
Model
10. Document
Data Standards &
Rules Findings
2.1.2.4
17. Validate
Glossary of Terms
Glossary of
Terms Template
DQ Rules &
Standards Template
9. Document
Business
Definition Findings
Glossary of
Terms
Template
DQ Rules &
Standards
Template
Glossary of
Terms
Template
1.3.112. Update
Subject Area List
15. Initiate
CLDM
Maintenance
Process
2.1.2.7
JAD Session
Guide
13. Have All Subject
Areas Been Sufficiently
Explored?
15. Initiate
CLDM
Maintenance
Process
6. Create JAD
Session Guide and
Draft Element List
2.1.2 Build Common Definition
LOB/Functional
AreaDataSteward
Coordinators
DataQuality
Team-Modeler
DataQualityTeam-Business
Analyst
DataDomain
Steward
5. Obtain
Participant Time
JAD Session
Guide
3.Validate Domain
Scope
Scope
Summary
Template
2.1.1.3
2. Determine
Domain
Boundaries
4. Create
Conceptual Data
Model
Scope
Summary
Template
Data Governance
Council Initiates
Domain Definition
2.1.2.8
CLDM
7. Prepare Pre-
JAD Session
Communications
1. Create Domain
Boundaries Draft
Subject Area List
2.1.2.11
7. Verify DQ Rules
and Standards
4. Create Draft DQ
Rules and
Standards
2. Gather
Information on
Data Elements
8. Validate DQ
Rules & Standards
1. Review
Elements in DQ
Rules & Standards
2.1.3 Build Data Quality Rules and Standards
DataQualityTeam-BusinessAnalyst
9. Capture Dashboard/
Scorecard/Reporting
Requirements/ Scope
LOB/Functional
AreaDataSteward
Coordinators
Data
Domain
Steward
DataQuality
Scorecard
Team
Yes
No
Yes
No
DQ Rules and
Standards
Template
6. Conduct
Additional JAD
Sessions or
Meetings
DQ Rules and
Standards
Template
DQ Rules and
Standards
Template
10. Create Data
Quality Dashboard
Mock-Up
2.1.2.14
DQ Rules and
Standards
Template
DQ Rules and
Standards
Template
1.3.1
2.3.2
DQ Rules and
Standards
Template
12. Mock-Up
Meets Needs?
5. Is More SME
Input Needed?
3. Determine
Application Instances
of Data Elements
DQ Rules and
Standards
Template
11. Validate
Dashboard Mock-
Up
DQ Rules and
Standards
Template
Processus Solution
Gouvernance des Données
La gouvernance des données est un cadre de contrôle qualité visant à évaluer, gérer, exploiter,
optimiser, contrôler, entretenir les données de l’entreprise…
Elle intègre 3 dimensions
Data Forum – Décembre 2015
11. GOUVERNANCE DES DONNÉES
Page 13 Data Forum – Décembre 2015
Suivi d’activitéReporting mensuel des ventes, des
stocks, reporting suivi budget
Processus d’Achat, processus de
vente, processus Marketing,..
Commandes clients, factures
fournisseurs, …
Statique
Provisoire
Stable
Gestion de la grille tarifaire, Contrat
cadre achat sur une famille de
produit
Tarif de vente d’un produit pour un
client
Gestion des produits, des clients,
des assets, des employés, des
fournisseurs
Intégration d’une typologie de
métiers, d’une nouvelle famille de
produits
Article, Fournisseur, Client,
Structure, employé
Type de produit, type de structure,
les pays, les régions
Indicateur de
Reporting
Donnée
transactionnelle
Master Data
Conditionnel
Master Data
Entreprise Data
Périmètre des données de référence,
gérées par le MDM
Périmètre géré par les
Applications transactionnelles
Périmètre géré par la BI
PYRAMIDE DES DONNEES…
12. DATA GOUVERNANCE 2.0
Data Forum – Décembre 2015
COMMENT VALORISER LA GOUVERNANCE DE VOS DONNÉES ?
Les nouveaux enjeux …
Rappels sur la gouvernance des données
Approches de valorisation de la gouvernance des données
Big Data et gouvernance, quels enjeux ?
1
2
3
4
Pourquoi choisir l’expertise de MICROPOLE ?5
Questions ?6
Page 14
13. VALORISATION D’UNE DEMARCHE DE GOUVERNANCE
Page 15
Les données de références (Client, Produit,…) alimentent les
processus.
Les données de référence sont le carburant des processus.
Les processus métiers produisent de nouvelles données
(Contrat, commande, offre,…) à partir des données de
références.
Les KPI Business sont en lien direct avec les processus et
permettent d’en mesurer leur efficacité
Data Forum – Décembre 2015
LES DEUX APPROCHES DE VALORISATION
Par la qualité
des données
Par l’efficacité
des processus
14. VALORISATION D’UNE DEMARCHE DE GOUVERNANCE
Page 16
PAR LA QUALITÉ DES DONNÉES
Data Forum – Décembre 2015
Data Quality
Assessment sur un
ensemble de données
Recueil des « Pains » et
analyse des impacts sur les
processus métiers et
identifications des acteurs
Production d’un ensemble
d’exigences.
Définition des KPI business en
lien avec les KPI Data Quality
Nouveaux « Besoins »
non couverts
Pilotage de l’amélioration des
KPI qualité des données
Projection sur le
système d’information
Mise en place de la
gouvernance et
orchestration des actions
Extension du périmètre à
d’autres données
15. VALORISATION D’UNE DEMARCHE DE GOUVERNANCE
Page 17
PAR LA MESURE DE L’EFFICACITÉ DES PROCESSUS
Data Forum – Décembre 2015
Identification d’un
processus métier avec
un enjeu business
Identification des « data »
consommées par ce
processus et des acteurs
Définition des KPI
business en lien avec
les KPI Data Quality
Projection sur le
système d’information
Mise en place de la
gouvernance et
orchestration des actions
Extension du périmètre à
d’autres processus
Pilotage de l’amélioration des
KPI processus Business
16. Référentiel et
orchestration
Pas de
consolidation ni de
référentiel central
MISE EN PLACE DE LA DATA GOUVERNANCE
Page 18
EN FONCTION DU MODÈLE ET DES EXIGENCES
Data Forum – Décembre 2015
• Monitoring Data Quality
• Data stewardship
• Orchestration
• Dé doublonnage
• Règles de data quality
• Monitoring Data Quality
• Data stewardship
Modèle de
gouvernance
Modèle
d’implémentation
de la gouvernance
1. Décentralisé 3. Centralisé2. Fédéré
Les pays, unités de gestion et
domaines fonctionnels
agissent en totale autonomie
tout en essayant de maintenir
des normes communes
Un point central de gouvernance
fournit un point de contrôle au
niveau global de l’entreprise.
Une gouvernance partagée est
réalisée avec des responsabilités
partagées sur l’ensemble des
niveaux
La gouvernance de données
centrale fournit un point de
contrôle unique au niveau de
l'entreprise pour la prise de
décision.
Les autres niveaux ont peu ou
pas de responsabilité.
Country
Corporate
Region
Country
Corporate
Region
Country
Corporate
Region
Référentiel central
• Point d’acquisition des
données
• Règles de data quality
• Monitoring Data Quality
• Data stewardship
17. DATA GOUVERNANCE 2.0
Data Forum – Décembre 2015
COMMENT VALORISER LA GOUVERNANCE DE VOS DONNÉES ?
Les nouveaux enjeux …
Rappels sur la gouvernance des données
Approches de valorisation de la gouvernance des données
Big Data et gouvernance, quels enjeux ?
1
2
3
4
Pourquoi choisir l’expertise de MICROPOLE ?5
Questions ?6
Page 19
18. GOUVERNANCE ET BIG DATA
APPLICATION
DataWarehouse
DataMarts
S.I. ENTREPRISE
APPLICATION
APPLICATION
Data Forum – Décembre 2015Page 20
L’ENRICHISSEMENT CONTINU DES USAGES MÉTIER
22. BIG DATA
OPEN DATA
PARTENAIRES
S.I. ETENDU
OBJETS (IoT)
…
SOCIAL
S.I. ENTREPRISE
Découverte/mining
Expérimentation
(Dis)Qualification
Evolutions S.I.
DataLake
Référentiel
S.I. ENTREPRISE
APPLICATION
DataWarehouse
DataMarts
S.I. ENTREPRISE
APPLICATION
APPLICATION
Data Forum – Décembre 2015Page 24
GOUVERNANCE ET BIG DATA
L’ENRICHISSEMENT CONTINU DES USAGES MÉTIER
DataLab
Connexions
SI 360°
Sandbox
23. Page 25
Une fois les sources de données identifiées il est nécessaire de les
documenter pour les rendre exploitables et en gérer les évolutions.
HETEROGENEITE
•Formats
•Structures
•Multilinguisme
•…
QUALITE
•Pertinence
•Complétude
•Confiance
•Fraicheur
•...
FACTEUR TEMPS
•Pertinence des
données Vs Temps
•Accessibilité Vs
Temps
•Durée optimale de
consommation
•…
Comment les données vont
être intégrées dans un
schéma unique ?
Les données atteignent-elles
les exigences métier ?
Quelles modalités de
transformation et de
nettoyage ?
Quelle fréquence de
collecte ?
Doit-on stocker les données
ou pas ?
GOUVERNANCE ET BIG DATA
FOCUS SUR L’EXPLOITABILITE ET L’UTILISABILITE DES SOURCES
24. Selon la nature des sources de données et le contenu, la matière manipulée
peut être sensible et son exploitation peut exposer l’organisation à des risques.
Il est donc nécessaire de mettre sous gouvernance les risques.
Page 26
Réglementation
• Conformité réglementaire
• Provenance des données
• Contenus
• Usages
• Conservation
• …
Propriété
• Consentement du
propriétaire :
• Usages
• Conditions
• Durée
• …
Autres
• Quels autres risques :
• Business
• Réputation entreprise
• Confiance clients /
Partenaires
• …
Les usages des données
sont-ils conformes à la
réglementation en vigueur
?
Ce facteur est assez
complexe du fait de
l’évolution constante des
règles et leur variété.
Le propriétaire des
données est-il informé et
consentant ?
Comment protéger ses
données ?
Peut on anonymiser les
données ?
Y-a-t-il d’autres risques ?
GOUVERNANCE ET BIG DATA
FOCUS SUR LA GESTION DES RISQUES
25. DATA GOUVERNANCE 2.0
Data Forum – Décembre 2015
COMMENT VALORISER LA GOUVERNANCE DE VOS DONNÉES ?
Les nouveaux enjeux …
Rappels sur la gouvernance des données
Approches de valorisation de la gouvernance des données
Big Data et gouvernance, quels enjeux ?
1
2
3
4
Pourquoi choisir l’expertise de MICROPOLE ?5
Questions ?6
Page 27
26. POURQUOI CHOISIR L’EXPERTISE DE MICROPOLE ?
Page 28
Partenariats et certifications avec les principaux éditeurs du marché.
UNE SOLIDE EXPERTISE SECTORIELLE
Capitalisation et références dans tous les secteurs :
industrie, pharmacie, distribution , luxe, banque & assurance.
Des accélérateurs pour les principaux domaines.
UNE ÉQUIPE DÉDIÉE DEPUIS 2005
60 projets de gouvernance des données réalisés.
Practice Data Gouvernance > 100 consultants.
Capitalisation de l’expertise et des méthodologies.
UNE METHODOLOGIE EPROUVEE
Consulting, build & run.
Démarche agile adaptée aux solutions.
Accompagnement sur l’ensemble des étapes du projet de gouvernance.
Approche d’urbanisation pragmatique.
Leader sur
l’accompagnement
des projets de
gouvernance de la
donnée,
de Data Quality
et de Référentiel
(MDM/PIM)
DES SOLUTIONS ADAPTÉES À CHAQUE PROBLÉMATIQUE
Data Forum – Décembre 2015
27. PARMI NOS 60 RÉFÉRENCES
Page 29
Gouvernance des données Client
Scénario de bascule vers une vision ‘Personne’ des
individus et des personnes morales, préconisation sur le
partage d’informations entre tous les acteurs de la
relation client
Projet Préference
Référentiel Produit/Formule :
Maitrise du cycle de vie des
données cœur des processus et
alignements des forcasts et des
réalisés.
Gouvernance des
données produits/offre
Clarification de la gouvernance entre
les notions d’article/produit/offre
dans le cadre de la digitalisation des
processus Marketing et Sales Référentiel Tiers et pièces
détachées
Optimisation des processus clients et
optimisation des coûts des stocks de pièces
détachées.
Data Quality Service
Mise en qualité des données clients en
amont d’une migration du CRM.
Référentiel Entreprise
Data
Gouvernance des données
produits/offres et nomenclatures
pour fiabiliser les processus de
pilotage financier
Gouvernance des
données Produits
Définition et mise en place de
l’organisation, la consolidation et
la diffusion des données Produits
en cohérence avec les processus
métiers
Référentiel Client
Unifié
Mise en œuvre d’un
référentiel unifié des
données clients issues des
agences du réseau SA pour
l’optimisation des campagnes
marketing
Data Forum – Décembre 2015
28. NON GÉRÉ
ET VOUS ?
Page 30
PÉRENNISATION
Surveillance de la
qualité de données.
Mise en place du
programme
(Organisation,
monitoring,
instances,…).
CADRAGE
Evaluation des
données :
périmètre, cycle de
vie, administration
Audit non qualité
des données
Définition du
modèle de
gouvernance
INITIALISATION
PROFILING
Audit des données
sources
Rapprochement
Qualité des
données et
exigences métier.
Cadrage des
priorités et
lotissement
IMPLÉMENTATION
(MDM/BUS/ESB/DQM)
Alimentation
Nettoyage et
Standardisation
Décomposition (Parsing)
et Enrichissement
Rapprochement.
Stockage
Publication et Couches
de services
CONTRÔLÉ PROACTIF INTÉGRÉ
GÉRÉ EN
RÉACTION
Data Forum – Décembre 2015Page 30
29. MERCI DE VOTRE ATTENTION
Siège : 91-95, rue Carnot - 92300 Levallois-Perret – France
Tel : +33 (0)1 74 18 74 18
www.micropole.com
Pascal ANTHOINE
Directeur de la Practice Data Governance
panthoine@micropole.com
Data Forum – Décembre 2015Page 31