SlideShare une entreprise Scribd logo
Exploitez le Big Data dans le cadre
de votre stratégie MDM
Sam Berchiche
Country Manager
Information Builders

Copyright 2007, Information
Builders. Slide 1
Information Builders

EXPERTISE
 Logiciels et Services
 Business Intelligence & Analytics
 Intégration & Intégrité de données
EXPERIENCE SOLIDE
 38 années d’expérience
 Tous secteurs, public & privé
 Principal fournisseur de logiciels OEM
COUVERTURE MONDIALE
 Plus de 30 000 clients
 Millions d’utilisateurs
 1350 employés dans 60 filiales
AMELIORATION CONTINUE
 Ratio de 98% de succès
 Haut degré de satisfaction client
 Partenariat client à long terme
2
Quelques références françaises
Information Builders
Les 3 fondamentaux de l’offre

Business Intelligence
Analytics
Pilotage de la performance
Gestion de qualité des données
Gestion des données maîtres
Gouvernance des données
Automatisation des processus
Intégration des données
Suite d’adaptateurs universels

4
Agenda

 Les nouveaux enjeux de l’EIM
 Du Data Management à L’Information Gouvernance
 Big Data :
 Définition, cas d’usage
 Composants clés d’un projet data
 Comment engager le projet?

 MDM et Big Data : l’association gagnante
 Enjeux
 Cas d’usage
 Parcours multi-canal dans la banque
 Recommandation temps réel dans le transport/tourisme
 Architecture et composants technologiques

 Démonstration de la solution Information Builders
Les enjeux de l’EIM
et l’association gagnante MDM et Big Data
Jean-Michel Franco
Directeur Innovation

Copyright 2007, Information
Builders. Slide 6
Business & Decision : un groupe international
de conseil et d’intégration de systèmes
Créé en 1992
CA 2012 :
221,9 M€

2 500 collaborateurs

16 pays

17 agences
régionales

5 grands domaines d’expertise
BI / EPM

CRM

E-BUSINESS

BI & EPM Services
Europe MarketScope

Magic Quadrant
for CRM Services

Parmi les 7 grandes
agences web et design en Europe
du panel de Forrester

EIM
MDM / BRMS / Search / ECM

CONSULTING
AMOA / Conseil /
Métaphora (gestion du changement)
Exens (ERP) / BDU
7
Business & Decision et le MDM
Spécialiste du MDM
et de l’Information
Management






Démarche de mise
en œuvre
éprouvée et souple

 Approche agile dédiée au MDM, sur la base de sessions de travail
collaboratives en ateliers dans le respect des coûts et des délais
 Des consultants polyvalents pour mettre en œuvre la solution
au plus près des besoins métiers

Innovation,
engagement ,
expertise






Une practice dédiée au Master Data Management
50 consultants en France, 80 dans le monde
Veille technologique dédiée et relations partenaires fortes
Forte synergie avec les autres activités du groupe

50 % des projets réalisés en mode forfait
90% de l’activité réalisée auprès d’une clientèle Grands Comptes
Un engagement de bout en bout
Connaissance pointue des solutions du marché, et co-création

Une expertise
déclinée sur tous
les cas d’usage

8
Prêts pour transformer vos données en valeur ?

Connaître
son client

Source : Faber Novel

Elargir son offre
produits & services

Valoriser tout
l’écosystème
De la rétention au partage de l’information
Nouveau paradigme organisationnel et technologique

Knowledge is Power

Knowledge is Profit

• Rétention et silos
de données
• Hétérogénéité et
« best-of-breed »
• Décentralisation et
autonomie
•Organisation
verticale
• Opacité

• Communication et
partage globaux
• Mutualisation et
rationalisation
• Centralisation et
collaboration
• Organisation
horizontale
• Transparence

La réponse se trouve dans les données
– seulement si vous savez les exploiter
10
Des enjeux business de plus en plus précis et urgents
L’exploitation du potentiel contenu dans vos données est nécessaire
pour faire face aux grands enjeux des SI actuels :

Convergence
des SI

Désimbrication du
SI sur un marché
régulé

Conformité
réglementaire

Time to market

Connaissance
client
Plateforme
unifiée de gestion
des données
Dictionnaire

Référentiel

Qualité

Intégration

Entreprise
étendue
De l’intégration de données
à la gouvernance de l’information
D’un modèle en silos, managé par l’IT
(Data Management)…

IT

…vers un modèle plus fédéral,
à responsabilités partagées
(Information Governance)

Métiers

 Les métiers définissent leur besoin et utilisent
l’information via des applications packagées
 L’IT met en œuvre, opère et administre
 Des conflits sur la pertinence et la qualité
des données, l’autonomie, le time to market...

Métiers

 Les métiers définissent leur besoin,
administrent les données, les documentent,
parfois les assemblent et contribuent
à leur mise en cohérence et leur entretien
 L’IT accompagne, contrôle, déploie, délivre
“comme un service”, sécurise et administre
Qu’est-ce que le Master Data Management ?
Une Master Data est une donnée de référence commune aux organisations,
processus et applications informatiques d’une entreprise.
Une donnée est dite « Master Data » à condition d’être partagée au travers
d’un système d’information
Le Master Data Management vise à mettre en place les processus,
organisations et outils pour rassembler, référencer, gérer, contrôler
et partager de manière transverse les Master Data
Les personnes
(qui ?)

Les choses
(quoi ?)

Les lieux
Les
(où ?)
Lieux

Organisations
(comment ?)

Règles de
gestion
Unités de
mesure

Clients
Consommateurs

Produits

Points de
Pays
vente

Services

Les règles &
standards

Plans de
comptes

SLA

33%
Fournisseurs

44%

Assets

3%

EntreBoutiques
pots
Entrepôts
Filiales
Filiales

Employés

Configurations

Partenaires
Patients
Citoyens
Usagers

21 %
Calendrier

Territoires

Tarifs
ImmoImmobilier
bilier

Organisation
opérationnelle et
juridique
Codifications
standard
13
Mais le MDM ne suffit pas : les disciplines de l’EIM

Documenter,
éliminer
les redondances
de données

Master
Data
Management
Meta Data
Management

Améliorer
la qualité
des données clefs,
et la certifier

Transférer
l’information, la
sécuriser, assurer
la traçabilité

Rendre
l’information clef
disponible et
accessible à tout
moment

Qualité de
données
Gouvernance
des données

Enterprise
Information
Integration,
Info Lifecycle
Management,
Data Loss
Prevention

Data
Services
SOA, l’enterprise search,
BI, portails
d’entreprise
Quels types de données?
 Les types de
données :

décrivent

Méta
données

Données décisionnelles

Données transactionnelles

utilisent

Données référentielles
 Concrètement :

Données transactionnelles

Métadonnées
Id Client

Prénom

Nom

Produit

Point de vente

Date

Montant

92584789

Denis

ROBERT

TXF98

24789

05/11/2011

429 $

92585432

Jeanne

FERRY

TXF98-TT

24400

06/11/2011

419 $

….

Données référentielles

Données décisionnelles
scoring

RFM

CLV
De l’intégration de données à la gouvernance de
l’information : Par où commencer ?
Définir
la plateforme

Définir
les responsabilités

Engager les initiatives,
domaine par domaine

Produit

Client

Organisation

Sites

Cadrage plateforme
-> Ateliers définition du besoin
-> Proof of concept
-> Roadmaps et budgets

Schéma d’orga.
-> Centre de compétences
Information Governance
-> Data Stewardships
-> Centre de services

Mise en œuvre
« Fast delivery »
-> Modélisation itérative
-> Mapping de données
-> Plan qualité de données
Big Data : définition

Le Big Data vise à tirer un avantage
concurrentiel au travers de
méthodes de collecte, d’analyse et
d’exploitation des données qu’on
ne pouvait utiliser jusqu’à présent
du fait des contraintes
économiques, fonctionnelles et
techniques liées aux volumétries, à
la vitesse de traitement et
à la variété des données à
considérer.
D’après “the 451 Group” et Gartner

Source : Wall Street Journal

“Les challenges incluent la collecte, la curation, le stockage, l’enrichissement,
le croisement, la partage, l’analyse et la visualisation..”
D’après Wikipedia
Nouvel enjeu : le principe de la longue traîne,
appliqué à la gestion de l’information
La gestion de l’information telle qu’on la connaît

Popularité

- Capital informationnel constitué sur la base des SI internes
de l’entreprise
- Information exploitée transversalement uniquement en temps différé
- Information modélisée à priori

La gestion de l’information
telle qu’on la voudrait
La gestion de l’information telle qu’on la connaît
+ informations générées par les humains
+ informations gérées par les machines
+ informations en « juste à temps » (vitesse)
+ informations modélisables, assemblables et extensibles
au fil de l’eau (élasticité)

Information disponible
Exemple d’innovation dans la distribution:
Au plus près du terrain et de la demande client
La grande distribution a été pionnière dans la mise en œuvre de data warehouse
d’entreprise, notamment pour l’analyse des données de tickets de caisse.
Mais, il devient nécessaire de tirer encore plus de valeur de ces données,
d’approfondir les capacités d’analyse et de les rendre « actionnables » .

Gestion plus fine et dynamique des prix de vente

Personnalisation des offres pour les programmes de fidélité
Gestion proactive des fraudes
Ajustement de l’offre et de la demande, par zone géographique
Gestion du online multi-canal (e-commerce, magasins, drive)
Exemple d’innovation dans les utilities :
Le « Smart Watering »
En France , 25% de l’eau injectée sur le réseau est perdue en fuites et fraudes.
Le manque à gagner pour les citoyens s’élève à 2,4 milliards d’euros par an. (*)
Les canaux numériques et l’Internet des objets ouvrent de nouvelles opportunités
pour collecter/exploiter les données, et les mettre à la disposition de tous
(*) Source : SIA conseil

Informations en temps réel sur les débits et la qualité de l’eau
Services à valeur ajoutée pour les consommateurs et
les collectivités
Détection au plus tôt des problèmes sur le réseau et en bout
de chaîne
Engagement commun au principe de consommation
responsable
Automatisation du processus de collecte
Exemple d’innovation dans le secteur de l’assurance
Innover par de nouvelles offres
Une start-up dédiée à l’assurance des exploitations agricoles face aux aléas
du climat.
La collecte d’un ensemble d’informations à un niveau très fin
sur les températures, l’humidité, les précipitations…

Gestion des sinistres totalement dématérialisée : paiement automatisé en
fonction des conditions
Un potentiel de déploiement sans limites géographiques, permettant
d’atteindre des marchés inexploités
D’énormes opportunités de transformation des bonnes pratiques
dans l’agriculture et la gestion du climat
Exemple d’innovation dans le secteur de l’assurance
Gestion des fraudes
Appliquer les principes du Scoring Crédit pour analyser les déclarations de sinistre.
Exploitation des données non structurées pour mettre en exergue les incohérences dans les
déclarations.
L’aide à la décision poussée sur le terrain au plus près des clients.

Taux de succès des investigations : de 50 à 85%
25% des dossiers sont réglés dès la première étape, contre 4%
auparavant
Le scoring influence la suite du processus et améliore son efficacité
(aide à la décision « actionnable »)
De la BI classique au Big Data
A la recherche de la « longue traîne »
Systèmes
transactionnels

Etendre les principes fondateurs des concepts du
Data Warehouse et de l’Information Management
Immédiateté

Data
Warehouse

Big
Data

Précision

Aller puiser la connaissance dans de nouvelles
sources de données structurées
Capteurs, Internet
des objets

Systèmes
décisionnels
d’entreprise

Agilité

Données externes

Exploiter et fédérer les données
« non structurées »
Documents, contenu
numérique riche…

Données publiques du
web et des réseaux
sociaux
Big Data : pour quoi faire ?
Quelles catégories de solutions pour le Big Data ?
MDM et Big Data : l’association gagnante

26
Pourquoi le Big Data a-t-il besoin du MDM ?
Exemple : la dématérialisation du Père Noël

Extraction du contenu
Gestion de la qualité
Réconciliation avec les master data
Enrichissement
Id_Client

Prénom

Nom

Produit

Fournisseur

Date

Montant

92584789

Anne

B.

TXF98

Dell

24/12/2013

650 €

92584789

Anne

B.

AXC54

Maped

24/12/2013

2,44 €

92584789

Anne

B.

TRE56

Playmobil

24/12/2013

129,36 €

….
27
Pourquoi le MDM a besoin du Big Data ?
Ex.: Du référentiel client à la vue client 360° temps réel

Master Data

Centre de contacts

Données
transactionnelles

Face à face

Customer
Data
Platform

ROI

Données
décisionnelles

(Boutique, agence…)

SMS/Mail/Chat…

Données de
parcours

Applications
mobiles

Données
d’interactions

Site Web

28
Exemple d’innovation dans le secteur
de l’hôtellerie : recommandations temps réel
• Passer d’une économie de l’attention à une économie de l’intention
• Tester le bien fondé des offres, les remettre en cause en permanence
• Offrir le même niveau de service au travers des canaux d’interaction
• Mieux “maîtriser” les recommandations associées aux hôtels du groupe et
les interactions avec les promoteurs et détracteurs

Améliorer le taux de transformation
Capacité à tester les nouvelles offres, et de les retirer si peu
d’efficacité
Capacité d’écoute, de réactivité et d’« influence » sur
les promoteurs et détracteurs
Fédération de la connaissance client pour s’adapter aux
changements d’organisation et intégrer les médias sociaux
Offre et communication personnalisée pour chaque client
Exemple d’innovation dans le secteur
de la banque : parcours multi-canal
• Acquérir/Enrichir la connaissance Client
• Proposer les meilleures offres en fonction du contexte
• Gérer les parcours d’achat de bout en bout depuis la déclaration d’intention
jusqu’à la transformation
• Suivre en temps réel l’efficacité des offres

Personnalisation des interactions avec les non clients en fonction
de leur parcours sur le web

Personnalisation des interactions avec les clients en fonction
de leur profil et de leur parcours
Capacité à suivre les parcours clients au travers des canaux
online et offline
Définition de nouveaux segments de clients par analyse
des parcours d’achat
Et demain, vers les « predictive apps » :
Une nouvelle génération d’applications qui anticipe le besoin utilisateur

31
Architecture technologique
et démonstration
Thomas Weber
Ingénieur Avant-Vente

Copyright 2007, Information
Builders. Slide 32
Faire mieux avec moins, et plus rapidement

Ressources et budget
limités

Plus de données,
plus de sources
010101010101010101010101010
01010101010101010101010101
Real time data
01 1
010101010101010101010
0101010101010101010101010
Multiple databases

Plus de types de restitution,
pour un plus grand nombre
d’utilisateurs, plus vite

1010
01010101010101010101
0101010101010101010
External sources 01
101

1
10

1

1

1
010

1

0

33
MDM et Big Data
Acquisition, compréhension, stockage et traitement @Scale
Data Sources

Integration and
Text Analytics

Data Quality and Master Data Management

Information Builders

Information Assets:
Reliable, Accurate,
Timely, Meaningful

Data Governance

Social
Media

Structured
Data

Unstructured
Data

Partners

Systems

Downstream
Apps

Business
Analytics

Web Apps
Portals

34
L’offre Information Builders
Business Intelligence, Intégrité, Intégration
Diffuser

Qualifier

Accéder

35
L’offre Information Builders
Intégration

Accéder

36
Intégration de données
Connecteurs universels

 Adaptateurs pré-packagés
 RDBMS: Oracle, Teradata, SqlServer…
 Applications: Peoplesoft, Siebel, SAP…
 OLAP: SAP/BW, ESSBASE, SqlServer…
 Mainframe: IMS, Remedy, C-ISAM…
 Fichiers: Excel, Delimited…
 Sources de données “NoSQL”
 Facebook
 Salesforce.com
 MongoDB (JSON)
 Hadoop/Hive/HDFS
 GreenPlum , Vertica , ParAccel , 1010, Netezza
Intégration de données
iWay Service Manager
 Bus d’entreprise
 Basé sur les standards
 Intégration temps réel ou semi temps réel




en mode message
 Services réutilisables
 Orchestration
Activity Monitoring intégré pour
la gestion des exceptions, l’audit
et la mesure des KPIs
Complex Event Processing (CEP)
 Stream Processing
 Map/Reduce pour traitements
parallélisés

Fonctionnalités clés
Traitement de requêtes

Transformation de messages

Sécurisation de messages

Corrélation de messages

Traitement d’événements

Performance Management

Déploiement à distance

Routage de messages

Change Data Capture

38
L’offre Information Builders
Intégrité

Qualifier

Accéder

39
Capitaliser sur le MDM pour intégrer les Big Data…
… et utiliser les Big Data pour enrichir le MDM
Créer une vision globale au niveau de l’entreprise,
provenant de données internes et externes

40
Capitaliser sur le MDM pour intégrer les Big Data…
… et utiliser les Big Data pour enrichir le MDM
Etape 3 :
Interactions et Transactions

Etape 1 : Master Data
Fiche Signalétique

Etape 4 : Indicateurs
analytiques et de
scoring

Etape 2 : Méthodes de Contact
étendues – Relations &
Social Media

41
MDM et Big Data
Gathering, Storing, Mastering and Processing @Scale
Data Sources

Integration and
Text Analytics

Data Quality and Master Data Management

Information Builders

Information Assets:
Reliable, Accurate,
Timely, Meaningful

Data Governance

Social
Media

Structured
Data

Unstructured
Data

Partners

Systems

Downstream
Apps

Business
Analytics

Web Apps
Portals

42
iWay Master Data Center
Gestion des données de référence


Référentiel MDM multi-domaines
 Modèle de données totalement flexible



Règles de qualité de données embarquées nativement
 Règles de qualité générées automatiquement
en fonction du modèle de données implémenté



Connecteurs pour l’intégration de données
 Déclaration et mapping des systèmes sources
 Couche Web Services génériques
 Gestionnaire d’événements

Qualité de données et gestion du référentiel des données au sein d’une solution
unique s’appuyant sur un référentiel de métadonnées commun.
Transactions, interactions et analyses
Stockage de données en hautes volumétrie et performance


Compression



Performances
 Calculs d’agrégation : SUM, COUNT, AVG…
 Accélération des requêtes analytiques: de plusieurs minutes à quelques secondes
 Scalabilité linéaire pour les requêtes ad-hoc de Data Mining et de Drill-down
Avantages
 Simplicité de mise en œuvre et de maintenance: pas d’index, pas de cube,
pas de partitionnement, implémentation en quelques jours
 Faible TCO: moins d’espace de stockage, moins de serveurs, moins de frais
d’administration, pricing adaptable aux volumes


Transactions, interactions et analyses
Hyperstage
Exemples de gains obtenus (sans administration requise)
Mobile CDR Analysis
SAS

University

Vehicle Registrations

Hyperstage
Oracle

Hyperstage

DB2

Hyperstage

< 5 seconds

1.5 Minutes

0.5 – 2
seconds

1.5 Minutes
>20 Minutes

2 seconds

8-40 Minutes

Network Billing

Banking Network Analysis

DB2

Hyperstage

SQL Server

20 Minutes

58 seconds
45:1 compression

Up to 30
Minutes

Hyperstage

23 seconds
L’offre Information Builders
Business Intelligence
Diffuser

Qualifier

Accéder

46
Moteur de Recherche
Recherche full-text et Analyse de Sentiment
Analyse prédictive en temps réel
Alertes, actions automatisées et applications adaptatives

 Context monitor : sondes temps réel pour la capture des événements
 Moteur d’analyse en temps réel
 Réactions:
 Proposition(s) d’action(s) / actions automatisées
 Adaptation dynamique du format, des fonctionnalités et du contenu

48
Démonstration

49
Merci

50

Contenu connexe

Tendances

Cas d’usage du Big Data pour la relation et l’expérience client
Cas d’usage du Big Data pour la relation et l’expérience clientCas d’usage du Big Data pour la relation et l’expérience client
Cas d’usage du Big Data pour la relation et l’expérience client
Jean-Michel Franco
 
Machine intelligente d’analyse financiere
Machine intelligente d’analyse financiereMachine intelligente d’analyse financiere
Machine intelligente d’analyse financiere
Sabrine MASTOURA
 
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
 
Big Data Analytics
Big Data AnalyticsBig Data Analytics
Big Data Analytics
Soft Computing
 
La valeur des Big Data sera dans leurs usages
La valeur des Big Data sera dans leurs usagesLa valeur des Big Data sera dans leurs usages
La valeur des Big Data sera dans leurs usages
SAS FRANCE
 
Les 4 étapes clés pour transformer les données client en valeur
Les 4 étapes clés pour transformer les données client en valeurLes 4 étapes clés pour transformer les données client en valeur
Les 4 étapes clés pour transformer les données client en valeur
Jean-Michel Franco
 
Programme Big Data
Programme Big DataProgramme Big Data
Data Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big DataData Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big Data
Vincent Lagorce
 
Livre Blanc : comprendre les data-lakes
Livre Blanc : comprendre les data-lakesLivre Blanc : comprendre les data-lakes
Livre Blanc : comprendre les data-lakes
Converteo
 
Mémoire de fin d'étude - La big data et les réseaux sociaux
Mémoire de fin d'étude - La big data et les réseaux sociauxMémoire de fin d'étude - La big data et les réseaux sociaux
Mémoire de fin d'étude - La big data et les réseaux sociaux
Chloé Marty
 
Presentation Matinée Gouvernance des donnees
Presentation Matinée Gouvernance des donneesPresentation Matinée Gouvernance des donnees
Presentation Matinée Gouvernance des donnees
Micropole Group
 
DATA FORUM MICROPOLE - 2015
DATA FORUM MICROPOLE - 2015DATA FORUM MICROPOLE - 2015
DATA FORUM MICROPOLE - 2015
Micropole Group
 
Memoire recherche
Memoire rechercheMemoire recherche
Memoire recherche
tmauriac
 
Workshop - Monétisation de la Donnée : Process & Exemples
Workshop - Monétisation de la Donnée : Process & ExemplesWorkshop - Monétisation de la Donnée : Process & Exemples
Workshop - Monétisation de la Donnée : Process & Exemples
Converteo
 
Competitic big data et commerce
Competitic   big data et commerceCompetitic   big data et commerce
Competitic big data et commerce
COMPETITIC
 
Data forum 2016 - Presentation Micropole - Les tendances Data 2017
Data forum 2016 - Presentation Micropole - Les tendances Data 2017Data forum 2016 - Presentation Micropole - Les tendances Data 2017
Data forum 2016 - Presentation Micropole - Les tendances Data 2017
Micropole Group
 
MDM et BI : practices similaires, complémentaires ou différentes ?
MDM et BI : practices similaires, complémentaires ou différentes ?MDM et BI : practices similaires, complémentaires ou différentes ?
MDM et BI : practices similaires, complémentaires ou différentes ?
Jean-Michel Franco
 
Livre blanc data-lakes converteo 2018
Livre blanc data-lakes converteo 2018Livre blanc data-lakes converteo 2018
Livre blanc data-lakes converteo 2018
Converteo
 
L'utilisation du Big Data en entreprise
L'utilisation du Big Data en entrepriseL'utilisation du Big Data en entreprise
L'utilisation du Big Data en entreprise
Mathieu Lahaye
 

Tendances (20)

Cas d’usage du Big Data pour la relation et l’expérience client
Cas d’usage du Big Data pour la relation et l’expérience clientCas d’usage du Big Data pour la relation et l’expérience client
Cas d’usage du Big Data pour la relation et l’expérience client
 
Machine intelligente d’analyse financiere
Machine intelligente d’analyse financiereMachine intelligente d’analyse financiere
Machine intelligente d’analyse financiere
 
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
 
Big Data Analytics
Big Data AnalyticsBig Data Analytics
Big Data Analytics
 
La valeur des Big Data sera dans leurs usages
La valeur des Big Data sera dans leurs usagesLa valeur des Big Data sera dans leurs usages
La valeur des Big Data sera dans leurs usages
 
Les 4 étapes clés pour transformer les données client en valeur
Les 4 étapes clés pour transformer les données client en valeurLes 4 étapes clés pour transformer les données client en valeur
Les 4 étapes clés pour transformer les données client en valeur
 
Programme Big Data
Programme Big DataProgramme Big Data
Programme Big Data
 
Data Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big DataData Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big Data
 
I love BIG DATA
I love BIG DATAI love BIG DATA
I love BIG DATA
 
Livre Blanc : comprendre les data-lakes
Livre Blanc : comprendre les data-lakesLivre Blanc : comprendre les data-lakes
Livre Blanc : comprendre les data-lakes
 
Mémoire de fin d'étude - La big data et les réseaux sociaux
Mémoire de fin d'étude - La big data et les réseaux sociauxMémoire de fin d'étude - La big data et les réseaux sociaux
Mémoire de fin d'étude - La big data et les réseaux sociaux
 
Presentation Matinée Gouvernance des donnees
Presentation Matinée Gouvernance des donneesPresentation Matinée Gouvernance des donnees
Presentation Matinée Gouvernance des donnees
 
DATA FORUM MICROPOLE - 2015
DATA FORUM MICROPOLE - 2015DATA FORUM MICROPOLE - 2015
DATA FORUM MICROPOLE - 2015
 
Memoire recherche
Memoire rechercheMemoire recherche
Memoire recherche
 
Workshop - Monétisation de la Donnée : Process & Exemples
Workshop - Monétisation de la Donnée : Process & ExemplesWorkshop - Monétisation de la Donnée : Process & Exemples
Workshop - Monétisation de la Donnée : Process & Exemples
 
Competitic big data et commerce
Competitic   big data et commerceCompetitic   big data et commerce
Competitic big data et commerce
 
Data forum 2016 - Presentation Micropole - Les tendances Data 2017
Data forum 2016 - Presentation Micropole - Les tendances Data 2017Data forum 2016 - Presentation Micropole - Les tendances Data 2017
Data forum 2016 - Presentation Micropole - Les tendances Data 2017
 
MDM et BI : practices similaires, complémentaires ou différentes ?
MDM et BI : practices similaires, complémentaires ou différentes ?MDM et BI : practices similaires, complémentaires ou différentes ?
MDM et BI : practices similaires, complémentaires ou différentes ?
 
Livre blanc data-lakes converteo 2018
Livre blanc data-lakes converteo 2018Livre blanc data-lakes converteo 2018
Livre blanc data-lakes converteo 2018
 
L'utilisation du Big Data en entreprise
L'utilisation du Big Data en entrepriseL'utilisation du Big Data en entreprise
L'utilisation du Big Data en entreprise
 

En vedette

Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
Jean-Michel Franco
 
Ebook - The Guide to Master Data Management
Ebook - The Guide to Master Data Management Ebook - The Guide to Master Data Management
Ebook - The Guide to Master Data Management
Hazelknight Media & Entertainment Pvt Ltd
 
La Gouvernance des Données
La Gouvernance des DonnéesLa Gouvernance des Données
La Gouvernance des Données
Soft Computing
 
Gartner: Master Data Management Functionality
Gartner: Master Data Management FunctionalityGartner: Master Data Management Functionality
Gartner: Master Data Management Functionality
Gartner
 
Master Data Management
Master Data ManagementMaster Data Management
Master Data Management
Sung Kuan
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
Lilia Sfaxi
 
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
 
MDM Strategy & Roadmap
MDM Strategy & RoadmapMDM Strategy & Roadmap
MDM Strategy & Roadmap
victorlbrown
 
Retail pro prism mobile pos
Retail pro prism mobile posRetail pro prism mobile pos
Retail pro prism mobile pos
Genie Technologies Incorporated
 
PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....
PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....
PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....
Microsoft Technet France
 
Open Goverment Data: What, why, how?
Open Goverment Data: What, why, how?Open Goverment Data: What, why, how?
Open Goverment Data: What, why, how?
Christian Villum
 
Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...
Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...
Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...
GLDS
 
Deep Dive: Amazon Elastic MapReduce
Deep Dive: Amazon Elastic MapReduceDeep Dive: Amazon Elastic MapReduce
Deep Dive: Amazon Elastic MapReduce
Amazon Web Services
 
DATA FORUM MICROPOLE 2015 - Atelier Orchestra
 DATA FORUM MICROPOLE 2015 - Atelier Orchestra DATA FORUM MICROPOLE 2015 - Atelier Orchestra
DATA FORUM MICROPOLE 2015 - Atelier Orchestra
Micropole Group
 
Présentation Micropole - Pascal Anthoine - Forum MDM 2014
Présentation Micropole - Pascal Anthoine -   Forum MDM 2014 Présentation Micropole - Pascal Anthoine -   Forum MDM 2014
Présentation Micropole - Pascal Anthoine - Forum MDM 2014
Micropole Group
 
Impact of BIG Data on MDM
Impact of BIG Data on MDMImpact of BIG Data on MDM
Impact of BIG Data on MDM
Subhendu Dey
 
Découvrir le web sémantique en 15 minutes (Decideo 2014)
Découvrir le web sémantique en 15 minutes (Decideo 2014)Découvrir le web sémantique en 15 minutes (Decideo 2014)
Découvrir le web sémantique en 15 minutes (Decideo 2014)
François Belleau
 
Data centric : une plate-forme orientée donnée au coeur de votre organisation
Data centric : une plate-forme orientée donnée au coeur de votre organisationData centric : une plate-forme orientée donnée au coeur de votre organisation
Data centric : une plate-forme orientée donnée au coeur de votre organisation
Jean-Michel Franco
 
Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...
Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...
Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...
DATAVERSITY
 
Big Data Analytics & Travel Industry – The Best Deal Around
Big Data Analytics & Travel Industry – The Best Deal AroundBig Data Analytics & Travel Industry – The Best Deal Around
Big Data Analytics & Travel Industry – The Best Deal Around
SPEC INDIA
 

En vedette (20)

Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
 
Ebook - The Guide to Master Data Management
Ebook - The Guide to Master Data Management Ebook - The Guide to Master Data Management
Ebook - The Guide to Master Data Management
 
La Gouvernance des Données
La Gouvernance des DonnéesLa Gouvernance des Données
La Gouvernance des Données
 
Gartner: Master Data Management Functionality
Gartner: Master Data Management FunctionalityGartner: Master Data Management Functionality
Gartner: Master Data Management Functionality
 
Master Data Management
Master Data ManagementMaster Data Management
Master Data Management
 
BigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big DataBigData_Chp1: Introduction à la Big Data
BigData_Chp1: Introduction à la Big Data
 
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
 
MDM Strategy & Roadmap
MDM Strategy & RoadmapMDM Strategy & Roadmap
MDM Strategy & Roadmap
 
Retail pro prism mobile pos
Retail pro prism mobile posRetail pro prism mobile pos
Retail pro prism mobile pos
 
PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....
PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....
PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....
 
Open Goverment Data: What, why, how?
Open Goverment Data: What, why, how?Open Goverment Data: What, why, how?
Open Goverment Data: What, why, how?
 
Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...
Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...
Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...
 
Deep Dive: Amazon Elastic MapReduce
Deep Dive: Amazon Elastic MapReduceDeep Dive: Amazon Elastic MapReduce
Deep Dive: Amazon Elastic MapReduce
 
DATA FORUM MICROPOLE 2015 - Atelier Orchestra
 DATA FORUM MICROPOLE 2015 - Atelier Orchestra DATA FORUM MICROPOLE 2015 - Atelier Orchestra
DATA FORUM MICROPOLE 2015 - Atelier Orchestra
 
Présentation Micropole - Pascal Anthoine - Forum MDM 2014
Présentation Micropole - Pascal Anthoine -   Forum MDM 2014 Présentation Micropole - Pascal Anthoine -   Forum MDM 2014
Présentation Micropole - Pascal Anthoine - Forum MDM 2014
 
Impact of BIG Data on MDM
Impact of BIG Data on MDMImpact of BIG Data on MDM
Impact of BIG Data on MDM
 
Découvrir le web sémantique en 15 minutes (Decideo 2014)
Découvrir le web sémantique en 15 minutes (Decideo 2014)Découvrir le web sémantique en 15 minutes (Decideo 2014)
Découvrir le web sémantique en 15 minutes (Decideo 2014)
 
Data centric : une plate-forme orientée donnée au coeur de votre organisation
Data centric : une plate-forme orientée donnée au coeur de votre organisationData centric : une plate-forme orientée donnée au coeur de votre organisation
Data centric : une plate-forme orientée donnée au coeur de votre organisation
 
Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...
Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...
Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...
 
Big Data Analytics & Travel Industry – The Best Deal Around
Big Data Analytics & Travel Industry – The Best Deal AroundBig Data Analytics & Travel Industry – The Best Deal Around
Big Data Analytics & Travel Industry – The Best Deal Around
 

Similaire à [Fr] Information builders - MDM et Big Data

Exploitez le Big Data dans le cadre de votre stratégie MDM
Exploitez le Big Data dans le cadre de votre stratégie MDMExploitez le Big Data dans le cadre de votre stratégie MDM
Exploitez le Big Data dans le cadre de votre stratégie MDM
Jean-Michel Franco
 
25/01/18 Matinale Data Science
25/01/18 Matinale Data Science25/01/18 Matinale Data Science
25/01/18 Matinale Data Science
Soft Computing
 
06/07/17 Table ronde Data Transformation Program
06/07/17 Table ronde Data Transformation Program06/07/17 Table ronde Data Transformation Program
06/07/17 Table ronde Data Transformation Program
Soft Computing
 
Matinale du MDM 2012
Matinale du MDM 2012 Matinale du MDM 2012
Matinale du MDM 2012
Business & Decision
 
Matinale du MDM 2012
Matinale du MDM 2012Matinale du MDM 2012
Matinale du MDM 2012
Business & Decision
 
Matinale du MDM 2011
Matinale du MDM 2011Matinale du MDM 2011
Matinale du MDM 2011
Business & Decision
 
Gestion des données clients et leur exploitation, un enjeu dans la transforma...
Gestion des données clients et leur exploitation, un enjeu dans la transforma...Gestion des données clients et leur exploitation, un enjeu dans la transforma...
Gestion des données clients et leur exploitation, un enjeu dans la transforma...
Pitney Bowes
 
Pilotage & Performance 2012
Pilotage & Performance 2012Pilotage & Performance 2012
Pilotage & Performance 2012
Business & Decision
 
M01 avantages strategiques-24- ms
M01 avantages strategiques-24- msM01 avantages strategiques-24- ms
Synthèse Solucom - Energéticiens et monde digital : une relation en mode combat?
Synthèse Solucom - Energéticiens et monde digital : une relation en mode combat?Synthèse Solucom - Energéticiens et monde digital : une relation en mode combat?
Synthèse Solucom - Energéticiens et monde digital : une relation en mode combat?
Wavestone
 
Data Science
Data ScienceData Science
Data Science
Soft Computing
 
Réinventez votre stratégie de données en 2021 avec la Data Virtualization
Réinventez votre stratégie de données en 2021 avec la Data VirtualizationRéinventez votre stratégie de données en 2021 avec la Data Virtualization
Réinventez votre stratégie de données en 2021 avec la Data Virtualization
Denodo
 
Séminaire RCU
Séminaire RCUSéminaire RCU
Séminaire RCU
Soft Computing
 
Big data en (ré)assurance régis delayet
Big data en (ré)assurance   régis delayetBig data en (ré)assurance   régis delayet
Big data en (ré)assurance régis delayet
Kezhan SHI
 
Matinales performance 2010
Matinales performance 2010Matinales performance 2010
Matinales performance 2010
Jean-Michel Franco
 
Le cloud, source de visibilité
Le cloud, source de visibilité Le cloud, source de visibilité
Le cloud, source de visibilité
PRODWARE
 
Soft Computing & IBM : Digital, Big Data & DMP
Soft Computing & IBM : Digital, Big Data & DMPSoft Computing & IBM : Digital, Big Data & DMP
Soft Computing & IBM : Digital, Big Data & DMP
Soft Computing
 
Session découverte de la Data Virtualization
Session découverte de la Data VirtualizationSession découverte de la Data Virtualization
Session découverte de la Data Virtualization
Denodo
 
Matinale du MDM 2014
Matinale du MDM 2014Matinale du MDM 2014
Matinale du MDM 2014
Business & Decision
 
Data Management - PramaTALK
Data Management - PramaTALKData Management - PramaTALK
Data Management - PramaTALK
Pramana
 

Similaire à [Fr] Information builders - MDM et Big Data (20)

Exploitez le Big Data dans le cadre de votre stratégie MDM
Exploitez le Big Data dans le cadre de votre stratégie MDMExploitez le Big Data dans le cadre de votre stratégie MDM
Exploitez le Big Data dans le cadre de votre stratégie MDM
 
25/01/18 Matinale Data Science
25/01/18 Matinale Data Science25/01/18 Matinale Data Science
25/01/18 Matinale Data Science
 
06/07/17 Table ronde Data Transformation Program
06/07/17 Table ronde Data Transformation Program06/07/17 Table ronde Data Transformation Program
06/07/17 Table ronde Data Transformation Program
 
Matinale du MDM 2012
Matinale du MDM 2012 Matinale du MDM 2012
Matinale du MDM 2012
 
Matinale du MDM 2012
Matinale du MDM 2012Matinale du MDM 2012
Matinale du MDM 2012
 
Matinale du MDM 2011
Matinale du MDM 2011Matinale du MDM 2011
Matinale du MDM 2011
 
Gestion des données clients et leur exploitation, un enjeu dans la transforma...
Gestion des données clients et leur exploitation, un enjeu dans la transforma...Gestion des données clients et leur exploitation, un enjeu dans la transforma...
Gestion des données clients et leur exploitation, un enjeu dans la transforma...
 
Pilotage & Performance 2012
Pilotage & Performance 2012Pilotage & Performance 2012
Pilotage & Performance 2012
 
M01 avantages strategiques-24- ms
M01 avantages strategiques-24- msM01 avantages strategiques-24- ms
M01 avantages strategiques-24- ms
 
Synthèse Solucom - Energéticiens et monde digital : une relation en mode combat?
Synthèse Solucom - Energéticiens et monde digital : une relation en mode combat?Synthèse Solucom - Energéticiens et monde digital : une relation en mode combat?
Synthèse Solucom - Energéticiens et monde digital : une relation en mode combat?
 
Data Science
Data ScienceData Science
Data Science
 
Réinventez votre stratégie de données en 2021 avec la Data Virtualization
Réinventez votre stratégie de données en 2021 avec la Data VirtualizationRéinventez votre stratégie de données en 2021 avec la Data Virtualization
Réinventez votre stratégie de données en 2021 avec la Data Virtualization
 
Séminaire RCU
Séminaire RCUSéminaire RCU
Séminaire RCU
 
Big data en (ré)assurance régis delayet
Big data en (ré)assurance   régis delayetBig data en (ré)assurance   régis delayet
Big data en (ré)assurance régis delayet
 
Matinales performance 2010
Matinales performance 2010Matinales performance 2010
Matinales performance 2010
 
Le cloud, source de visibilité
Le cloud, source de visibilité Le cloud, source de visibilité
Le cloud, source de visibilité
 
Soft Computing & IBM : Digital, Big Data & DMP
Soft Computing & IBM : Digital, Big Data & DMPSoft Computing & IBM : Digital, Big Data & DMP
Soft Computing & IBM : Digital, Big Data & DMP
 
Session découverte de la Data Virtualization
Session découverte de la Data VirtualizationSession découverte de la Data Virtualization
Session découverte de la Data Virtualization
 
Matinale du MDM 2014
Matinale du MDM 2014Matinale du MDM 2014
Matinale du MDM 2014
 
Data Management - PramaTALK
Data Management - PramaTALKData Management - PramaTALK
Data Management - PramaTALK
 

Plus de Yann Gourvennec

[Fr] 2022 09 27 - SSF - vendre incertitude.pptx
[Fr] 2022 09 27 - SSF - vendre incertitude.pptx[Fr] 2022 09 27 - SSF - vendre incertitude.pptx
[Fr] 2022 09 27 - SSF - vendre incertitude.pptx
Yann Gourvennec
 
Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...
Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...
Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...
Yann Gourvennec
 
Visionary Marketing Business Cases - 2014-2020
Visionary Marketing Business Cases - 2014-2020Visionary Marketing Business Cases - 2014-2020
Visionary Marketing Business Cases - 2014-2020
Yann Gourvennec
 
Perspectives - livre blanc - numero 1 - un autre regard sur le digital
Perspectives - livre blanc - numero 1 - un autre regard sur le digitalPerspectives - livre blanc - numero 1 - un autre regard sur le digital
Perspectives - livre blanc - numero 1 - un autre regard sur le digital
Yann Gourvennec
 
[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation
[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation
[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation
Yann Gourvennec
 
[Fr] le marketing client sur le grill - extrait - WEBER Stephen France
[Fr] le marketing client sur le grill - extrait - WEBER Stephen France[Fr] le marketing client sur le grill - extrait - WEBER Stephen France
[Fr] le marketing client sur le grill - extrait - WEBER Stephen France
Yann Gourvennec
 
La grande enquête sur la vague des technologies marketing (livre blanc Mapp)
La grande enquête sur la vague des technologies marketing (livre blanc Mapp)La grande enquête sur la vague des technologies marketing (livre blanc Mapp)
La grande enquête sur la vague des technologies marketing (livre blanc Mapp)
Yann Gourvennec
 
Marketing d’influence : enseignements sur la beauté par Traackr
Marketing d’influence : enseignements sur la beauté par TraackrMarketing d’influence : enseignements sur la beauté par Traackr
Marketing d’influence : enseignements sur la beauté par Traackr
Yann Gourvennec
 
[Fr] Commerce Physique vs Commerce digital
[Fr] Commerce Physique vs Commerce digital[Fr] Commerce Physique vs Commerce digital
[Fr] Commerce Physique vs Commerce digital
Yann Gourvennec
 
[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA
[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA
[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA
Yann Gourvennec
 
[Fr] méthodologie - le rapport du martien - audit de votre capital digital
[Fr] méthodologie - le rapport du martien - audit de votre capital digital[Fr] méthodologie - le rapport du martien - audit de votre capital digital
[Fr] méthodologie - le rapport du martien - audit de votre capital digital
Yann Gourvennec
 
[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B
[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B
[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B
Yann Gourvennec
 
[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...
[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...
[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...
Yann Gourvennec
 
[En] 5 key success factors for content marketing in 2017 and beyond
[En] 5 key success factors for content marketing in 2017 and beyond[En] 5 key success factors for content marketing in 2017 and beyond
[En] 5 key success factors for content marketing in 2017 and beyond
Yann Gourvennec
 
Infographic about infographics
Infographic about infographicsInfographic about infographics
Infographic about infographics
Yann Gourvennec
 
Social Media Listening : du bruit au signal (Livre Blanc)
Social Media Listening : du bruit au signal (Livre Blanc)Social Media Listening : du bruit au signal (Livre Blanc)
Social Media Listening : du bruit au signal (Livre Blanc)
Yann Gourvennec
 
Charte graphique
Charte graphiqueCharte graphique
Charte graphique
Yann Gourvennec
 
[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space
[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space
[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space
Yann Gourvennec
 
[Fr] Usage du mail au travail : le syndrome du Hamster
[Fr] Usage du mail au travail : le syndrome du Hamster[Fr] Usage du mail au travail : le syndrome du Hamster
[Fr] Usage du mail au travail : le syndrome du Hamster
Yann Gourvennec
 
Rapport McKInsey 2014 - impact du digital
Rapport McKInsey 2014 - impact du digitalRapport McKInsey 2014 - impact du digital
Rapport McKInsey 2014 - impact du digital
Yann Gourvennec
 

Plus de Yann Gourvennec (20)

[Fr] 2022 09 27 - SSF - vendre incertitude.pptx
[Fr] 2022 09 27 - SSF - vendre incertitude.pptx[Fr] 2022 09 27 - SSF - vendre incertitude.pptx
[Fr] 2022 09 27 - SSF - vendre incertitude.pptx
 
Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...
Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...
Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...
 
Visionary Marketing Business Cases - 2014-2020
Visionary Marketing Business Cases - 2014-2020Visionary Marketing Business Cases - 2014-2020
Visionary Marketing Business Cases - 2014-2020
 
Perspectives - livre blanc - numero 1 - un autre regard sur le digital
Perspectives - livre blanc - numero 1 - un autre regard sur le digitalPerspectives - livre blanc - numero 1 - un autre regard sur le digital
Perspectives - livre blanc - numero 1 - un autre regard sur le digital
 
[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation
[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation
[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation
 
[Fr] le marketing client sur le grill - extrait - WEBER Stephen France
[Fr] le marketing client sur le grill - extrait - WEBER Stephen France[Fr] le marketing client sur le grill - extrait - WEBER Stephen France
[Fr] le marketing client sur le grill - extrait - WEBER Stephen France
 
La grande enquête sur la vague des technologies marketing (livre blanc Mapp)
La grande enquête sur la vague des technologies marketing (livre blanc Mapp)La grande enquête sur la vague des technologies marketing (livre blanc Mapp)
La grande enquête sur la vague des technologies marketing (livre blanc Mapp)
 
Marketing d’influence : enseignements sur la beauté par Traackr
Marketing d’influence : enseignements sur la beauté par TraackrMarketing d’influence : enseignements sur la beauté par Traackr
Marketing d’influence : enseignements sur la beauté par Traackr
 
[Fr] Commerce Physique vs Commerce digital
[Fr] Commerce Physique vs Commerce digital[Fr] Commerce Physique vs Commerce digital
[Fr] Commerce Physique vs Commerce digital
 
[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA
[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA
[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA
 
[Fr] méthodologie - le rapport du martien - audit de votre capital digital
[Fr] méthodologie - le rapport du martien - audit de votre capital digital[Fr] méthodologie - le rapport du martien - audit de votre capital digital
[Fr] méthodologie - le rapport du martien - audit de votre capital digital
 
[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B
[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B
[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B
 
[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...
[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...
[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...
 
[En] 5 key success factors for content marketing in 2017 and beyond
[En] 5 key success factors for content marketing in 2017 and beyond[En] 5 key success factors for content marketing in 2017 and beyond
[En] 5 key success factors for content marketing in 2017 and beyond
 
Infographic about infographics
Infographic about infographicsInfographic about infographics
Infographic about infographics
 
Social Media Listening : du bruit au signal (Livre Blanc)
Social Media Listening : du bruit au signal (Livre Blanc)Social Media Listening : du bruit au signal (Livre Blanc)
Social Media Listening : du bruit au signal (Livre Blanc)
 
Charte graphique
Charte graphiqueCharte graphique
Charte graphique
 
[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space
[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space
[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space
 
[Fr] Usage du mail au travail : le syndrome du Hamster
[Fr] Usage du mail au travail : le syndrome du Hamster[Fr] Usage du mail au travail : le syndrome du Hamster
[Fr] Usage du mail au travail : le syndrome du Hamster
 
Rapport McKInsey 2014 - impact du digital
Rapport McKInsey 2014 - impact du digitalRapport McKInsey 2014 - impact du digital
Rapport McKInsey 2014 - impact du digital
 

[Fr] Information builders - MDM et Big Data

  • 1. Exploitez le Big Data dans le cadre de votre stratégie MDM Sam Berchiche Country Manager Information Builders Copyright 2007, Information Builders. Slide 1
  • 2. Information Builders EXPERTISE  Logiciels et Services  Business Intelligence & Analytics  Intégration & Intégrité de données EXPERIENCE SOLIDE  38 années d’expérience  Tous secteurs, public & privé  Principal fournisseur de logiciels OEM COUVERTURE MONDIALE  Plus de 30 000 clients  Millions d’utilisateurs  1350 employés dans 60 filiales AMELIORATION CONTINUE  Ratio de 98% de succès  Haut degré de satisfaction client  Partenariat client à long terme 2
  • 4. Information Builders Les 3 fondamentaux de l’offre Business Intelligence Analytics Pilotage de la performance Gestion de qualité des données Gestion des données maîtres Gouvernance des données Automatisation des processus Intégration des données Suite d’adaptateurs universels 4
  • 5. Agenda  Les nouveaux enjeux de l’EIM  Du Data Management à L’Information Gouvernance  Big Data :  Définition, cas d’usage  Composants clés d’un projet data  Comment engager le projet?  MDM et Big Data : l’association gagnante  Enjeux  Cas d’usage  Parcours multi-canal dans la banque  Recommandation temps réel dans le transport/tourisme  Architecture et composants technologiques  Démonstration de la solution Information Builders
  • 6. Les enjeux de l’EIM et l’association gagnante MDM et Big Data Jean-Michel Franco Directeur Innovation Copyright 2007, Information Builders. Slide 6
  • 7. Business & Decision : un groupe international de conseil et d’intégration de systèmes Créé en 1992 CA 2012 : 221,9 M€ 2 500 collaborateurs 16 pays 17 agences régionales 5 grands domaines d’expertise BI / EPM CRM E-BUSINESS BI & EPM Services Europe MarketScope Magic Quadrant for CRM Services Parmi les 7 grandes agences web et design en Europe du panel de Forrester EIM MDM / BRMS / Search / ECM CONSULTING AMOA / Conseil / Métaphora (gestion du changement) Exens (ERP) / BDU 7
  • 8. Business & Decision et le MDM Spécialiste du MDM et de l’Information Management     Démarche de mise en œuvre éprouvée et souple  Approche agile dédiée au MDM, sur la base de sessions de travail collaboratives en ateliers dans le respect des coûts et des délais  Des consultants polyvalents pour mettre en œuvre la solution au plus près des besoins métiers Innovation, engagement , expertise     Une practice dédiée au Master Data Management 50 consultants en France, 80 dans le monde Veille technologique dédiée et relations partenaires fortes Forte synergie avec les autres activités du groupe 50 % des projets réalisés en mode forfait 90% de l’activité réalisée auprès d’une clientèle Grands Comptes Un engagement de bout en bout Connaissance pointue des solutions du marché, et co-création Une expertise déclinée sur tous les cas d’usage 8
  • 9. Prêts pour transformer vos données en valeur ? Connaître son client Source : Faber Novel Elargir son offre produits & services Valoriser tout l’écosystème
  • 10. De la rétention au partage de l’information Nouveau paradigme organisationnel et technologique Knowledge is Power Knowledge is Profit • Rétention et silos de données • Hétérogénéité et « best-of-breed » • Décentralisation et autonomie •Organisation verticale • Opacité • Communication et partage globaux • Mutualisation et rationalisation • Centralisation et collaboration • Organisation horizontale • Transparence La réponse se trouve dans les données – seulement si vous savez les exploiter 10
  • 11. Des enjeux business de plus en plus précis et urgents L’exploitation du potentiel contenu dans vos données est nécessaire pour faire face aux grands enjeux des SI actuels : Convergence des SI Désimbrication du SI sur un marché régulé Conformité réglementaire Time to market Connaissance client Plateforme unifiée de gestion des données Dictionnaire Référentiel Qualité Intégration Entreprise étendue
  • 12. De l’intégration de données à la gouvernance de l’information D’un modèle en silos, managé par l’IT (Data Management)… IT …vers un modèle plus fédéral, à responsabilités partagées (Information Governance) Métiers  Les métiers définissent leur besoin et utilisent l’information via des applications packagées  L’IT met en œuvre, opère et administre  Des conflits sur la pertinence et la qualité des données, l’autonomie, le time to market... Métiers  Les métiers définissent leur besoin, administrent les données, les documentent, parfois les assemblent et contribuent à leur mise en cohérence et leur entretien  L’IT accompagne, contrôle, déploie, délivre “comme un service”, sécurise et administre
  • 13. Qu’est-ce que le Master Data Management ? Une Master Data est une donnée de référence commune aux organisations, processus et applications informatiques d’une entreprise. Une donnée est dite « Master Data » à condition d’être partagée au travers d’un système d’information Le Master Data Management vise à mettre en place les processus, organisations et outils pour rassembler, référencer, gérer, contrôler et partager de manière transverse les Master Data Les personnes (qui ?) Les choses (quoi ?) Les lieux Les (où ?) Lieux Organisations (comment ?) Règles de gestion Unités de mesure Clients Consommateurs Produits Points de Pays vente Services Les règles & standards Plans de comptes SLA 33% Fournisseurs 44% Assets 3% EntreBoutiques pots Entrepôts Filiales Filiales Employés Configurations Partenaires Patients Citoyens Usagers 21 % Calendrier Territoires Tarifs ImmoImmobilier bilier Organisation opérationnelle et juridique Codifications standard 13
  • 14. Mais le MDM ne suffit pas : les disciplines de l’EIM Documenter, éliminer les redondances de données Master Data Management Meta Data Management Améliorer la qualité des données clefs, et la certifier Transférer l’information, la sécuriser, assurer la traçabilité Rendre l’information clef disponible et accessible à tout moment Qualité de données Gouvernance des données Enterprise Information Integration, Info Lifecycle Management, Data Loss Prevention Data Services SOA, l’enterprise search, BI, portails d’entreprise
  • 15. Quels types de données?  Les types de données : décrivent Méta données Données décisionnelles Données transactionnelles utilisent Données référentielles  Concrètement : Données transactionnelles Métadonnées Id Client Prénom Nom Produit Point de vente Date Montant 92584789 Denis ROBERT TXF98 24789 05/11/2011 429 $ 92585432 Jeanne FERRY TXF98-TT 24400 06/11/2011 419 $ …. Données référentielles Données décisionnelles scoring RFM CLV
  • 16. De l’intégration de données à la gouvernance de l’information : Par où commencer ? Définir la plateforme Définir les responsabilités Engager les initiatives, domaine par domaine Produit Client Organisation Sites Cadrage plateforme -> Ateliers définition du besoin -> Proof of concept -> Roadmaps et budgets Schéma d’orga. -> Centre de compétences Information Governance -> Data Stewardships -> Centre de services Mise en œuvre « Fast delivery » -> Modélisation itérative -> Mapping de données -> Plan qualité de données
  • 17. Big Data : définition Le Big Data vise à tirer un avantage concurrentiel au travers de méthodes de collecte, d’analyse et d’exploitation des données qu’on ne pouvait utiliser jusqu’à présent du fait des contraintes économiques, fonctionnelles et techniques liées aux volumétries, à la vitesse de traitement et à la variété des données à considérer. D’après “the 451 Group” et Gartner Source : Wall Street Journal “Les challenges incluent la collecte, la curation, le stockage, l’enrichissement, le croisement, la partage, l’analyse et la visualisation..” D’après Wikipedia
  • 18. Nouvel enjeu : le principe de la longue traîne, appliqué à la gestion de l’information La gestion de l’information telle qu’on la connaît Popularité - Capital informationnel constitué sur la base des SI internes de l’entreprise - Information exploitée transversalement uniquement en temps différé - Information modélisée à priori La gestion de l’information telle qu’on la voudrait La gestion de l’information telle qu’on la connaît + informations générées par les humains + informations gérées par les machines + informations en « juste à temps » (vitesse) + informations modélisables, assemblables et extensibles au fil de l’eau (élasticité) Information disponible
  • 19. Exemple d’innovation dans la distribution: Au plus près du terrain et de la demande client La grande distribution a été pionnière dans la mise en œuvre de data warehouse d’entreprise, notamment pour l’analyse des données de tickets de caisse. Mais, il devient nécessaire de tirer encore plus de valeur de ces données, d’approfondir les capacités d’analyse et de les rendre « actionnables » . Gestion plus fine et dynamique des prix de vente Personnalisation des offres pour les programmes de fidélité Gestion proactive des fraudes Ajustement de l’offre et de la demande, par zone géographique Gestion du online multi-canal (e-commerce, magasins, drive)
  • 20. Exemple d’innovation dans les utilities : Le « Smart Watering » En France , 25% de l’eau injectée sur le réseau est perdue en fuites et fraudes. Le manque à gagner pour les citoyens s’élève à 2,4 milliards d’euros par an. (*) Les canaux numériques et l’Internet des objets ouvrent de nouvelles opportunités pour collecter/exploiter les données, et les mettre à la disposition de tous (*) Source : SIA conseil Informations en temps réel sur les débits et la qualité de l’eau Services à valeur ajoutée pour les consommateurs et les collectivités Détection au plus tôt des problèmes sur le réseau et en bout de chaîne Engagement commun au principe de consommation responsable Automatisation du processus de collecte
  • 21. Exemple d’innovation dans le secteur de l’assurance Innover par de nouvelles offres Une start-up dédiée à l’assurance des exploitations agricoles face aux aléas du climat. La collecte d’un ensemble d’informations à un niveau très fin sur les températures, l’humidité, les précipitations… Gestion des sinistres totalement dématérialisée : paiement automatisé en fonction des conditions Un potentiel de déploiement sans limites géographiques, permettant d’atteindre des marchés inexploités D’énormes opportunités de transformation des bonnes pratiques dans l’agriculture et la gestion du climat
  • 22. Exemple d’innovation dans le secteur de l’assurance Gestion des fraudes Appliquer les principes du Scoring Crédit pour analyser les déclarations de sinistre. Exploitation des données non structurées pour mettre en exergue les incohérences dans les déclarations. L’aide à la décision poussée sur le terrain au plus près des clients. Taux de succès des investigations : de 50 à 85% 25% des dossiers sont réglés dès la première étape, contre 4% auparavant Le scoring influence la suite du processus et améliore son efficacité (aide à la décision « actionnable »)
  • 23. De la BI classique au Big Data A la recherche de la « longue traîne » Systèmes transactionnels Etendre les principes fondateurs des concepts du Data Warehouse et de l’Information Management Immédiateté Data Warehouse Big Data Précision Aller puiser la connaissance dans de nouvelles sources de données structurées Capteurs, Internet des objets Systèmes décisionnels d’entreprise Agilité Données externes Exploiter et fédérer les données « non structurées » Documents, contenu numérique riche… Données publiques du web et des réseaux sociaux
  • 24. Big Data : pour quoi faire ?
  • 25. Quelles catégories de solutions pour le Big Data ?
  • 26. MDM et Big Data : l’association gagnante 26
  • 27. Pourquoi le Big Data a-t-il besoin du MDM ? Exemple : la dématérialisation du Père Noël Extraction du contenu Gestion de la qualité Réconciliation avec les master data Enrichissement Id_Client Prénom Nom Produit Fournisseur Date Montant 92584789 Anne B. TXF98 Dell 24/12/2013 650 € 92584789 Anne B. AXC54 Maped 24/12/2013 2,44 € 92584789 Anne B. TRE56 Playmobil 24/12/2013 129,36 € …. 27
  • 28. Pourquoi le MDM a besoin du Big Data ? Ex.: Du référentiel client à la vue client 360° temps réel Master Data Centre de contacts Données transactionnelles Face à face Customer Data Platform ROI Données décisionnelles (Boutique, agence…) SMS/Mail/Chat… Données de parcours Applications mobiles Données d’interactions Site Web 28
  • 29. Exemple d’innovation dans le secteur de l’hôtellerie : recommandations temps réel • Passer d’une économie de l’attention à une économie de l’intention • Tester le bien fondé des offres, les remettre en cause en permanence • Offrir le même niveau de service au travers des canaux d’interaction • Mieux “maîtriser” les recommandations associées aux hôtels du groupe et les interactions avec les promoteurs et détracteurs Améliorer le taux de transformation Capacité à tester les nouvelles offres, et de les retirer si peu d’efficacité Capacité d’écoute, de réactivité et d’« influence » sur les promoteurs et détracteurs Fédération de la connaissance client pour s’adapter aux changements d’organisation et intégrer les médias sociaux Offre et communication personnalisée pour chaque client
  • 30. Exemple d’innovation dans le secteur de la banque : parcours multi-canal • Acquérir/Enrichir la connaissance Client • Proposer les meilleures offres en fonction du contexte • Gérer les parcours d’achat de bout en bout depuis la déclaration d’intention jusqu’à la transformation • Suivre en temps réel l’efficacité des offres Personnalisation des interactions avec les non clients en fonction de leur parcours sur le web Personnalisation des interactions avec les clients en fonction de leur profil et de leur parcours Capacité à suivre les parcours clients au travers des canaux online et offline Définition de nouveaux segments de clients par analyse des parcours d’achat
  • 31. Et demain, vers les « predictive apps » : Une nouvelle génération d’applications qui anticipe le besoin utilisateur 31
  • 32. Architecture technologique et démonstration Thomas Weber Ingénieur Avant-Vente Copyright 2007, Information Builders. Slide 32
  • 33. Faire mieux avec moins, et plus rapidement Ressources et budget limités Plus de données, plus de sources 010101010101010101010101010 01010101010101010101010101 Real time data 01 1 010101010101010101010 0101010101010101010101010 Multiple databases Plus de types de restitution, pour un plus grand nombre d’utilisateurs, plus vite 1010 01010101010101010101 0101010101010101010 External sources 01 101 1 10 1 1 1 010 1 0 33
  • 34. MDM et Big Data Acquisition, compréhension, stockage et traitement @Scale Data Sources Integration and Text Analytics Data Quality and Master Data Management Information Builders Information Assets: Reliable, Accurate, Timely, Meaningful Data Governance Social Media Structured Data Unstructured Data Partners Systems Downstream Apps Business Analytics Web Apps Portals 34
  • 35. L’offre Information Builders Business Intelligence, Intégrité, Intégration Diffuser Qualifier Accéder 35
  • 37. Intégration de données Connecteurs universels  Adaptateurs pré-packagés  RDBMS: Oracle, Teradata, SqlServer…  Applications: Peoplesoft, Siebel, SAP…  OLAP: SAP/BW, ESSBASE, SqlServer…  Mainframe: IMS, Remedy, C-ISAM…  Fichiers: Excel, Delimited…  Sources de données “NoSQL”  Facebook  Salesforce.com  MongoDB (JSON)  Hadoop/Hive/HDFS  GreenPlum , Vertica , ParAccel , 1010, Netezza
  • 38. Intégration de données iWay Service Manager  Bus d’entreprise  Basé sur les standards  Intégration temps réel ou semi temps réel   en mode message  Services réutilisables  Orchestration Activity Monitoring intégré pour la gestion des exceptions, l’audit et la mesure des KPIs Complex Event Processing (CEP)  Stream Processing  Map/Reduce pour traitements parallélisés Fonctionnalités clés Traitement de requêtes Transformation de messages Sécurisation de messages Corrélation de messages Traitement d’événements Performance Management Déploiement à distance Routage de messages Change Data Capture 38
  • 40. Capitaliser sur le MDM pour intégrer les Big Data… … et utiliser les Big Data pour enrichir le MDM Créer une vision globale au niveau de l’entreprise, provenant de données internes et externes 40
  • 41. Capitaliser sur le MDM pour intégrer les Big Data… … et utiliser les Big Data pour enrichir le MDM Etape 3 : Interactions et Transactions Etape 1 : Master Data Fiche Signalétique Etape 4 : Indicateurs analytiques et de scoring Etape 2 : Méthodes de Contact étendues – Relations & Social Media 41
  • 42. MDM et Big Data Gathering, Storing, Mastering and Processing @Scale Data Sources Integration and Text Analytics Data Quality and Master Data Management Information Builders Information Assets: Reliable, Accurate, Timely, Meaningful Data Governance Social Media Structured Data Unstructured Data Partners Systems Downstream Apps Business Analytics Web Apps Portals 42
  • 43. iWay Master Data Center Gestion des données de référence  Référentiel MDM multi-domaines  Modèle de données totalement flexible  Règles de qualité de données embarquées nativement  Règles de qualité générées automatiquement en fonction du modèle de données implémenté  Connecteurs pour l’intégration de données  Déclaration et mapping des systèmes sources  Couche Web Services génériques  Gestionnaire d’événements Qualité de données et gestion du référentiel des données au sein d’une solution unique s’appuyant sur un référentiel de métadonnées commun.
  • 44. Transactions, interactions et analyses Stockage de données en hautes volumétrie et performance  Compression  Performances  Calculs d’agrégation : SUM, COUNT, AVG…  Accélération des requêtes analytiques: de plusieurs minutes à quelques secondes  Scalabilité linéaire pour les requêtes ad-hoc de Data Mining et de Drill-down Avantages  Simplicité de mise en œuvre et de maintenance: pas d’index, pas de cube, pas de partitionnement, implémentation en quelques jours  Faible TCO: moins d’espace de stockage, moins de serveurs, moins de frais d’administration, pricing adaptable aux volumes 
  • 45. Transactions, interactions et analyses Hyperstage Exemples de gains obtenus (sans administration requise) Mobile CDR Analysis SAS University Vehicle Registrations Hyperstage Oracle Hyperstage DB2 Hyperstage < 5 seconds 1.5 Minutes 0.5 – 2 seconds 1.5 Minutes >20 Minutes 2 seconds 8-40 Minutes Network Billing Banking Network Analysis DB2 Hyperstage SQL Server 20 Minutes 58 seconds 45:1 compression Up to 30 Minutes Hyperstage 23 seconds
  • 46. L’offre Information Builders Business Intelligence Diffuser Qualifier Accéder 46
  • 47. Moteur de Recherche Recherche full-text et Analyse de Sentiment
  • 48. Analyse prédictive en temps réel Alertes, actions automatisées et applications adaptatives  Context monitor : sondes temps réel pour la capture des événements  Moteur d’analyse en temps réel  Réactions:  Proposition(s) d’action(s) / actions automatisées  Adaptation dynamique du format, des fonctionnalités et du contenu 48