SlideShare une entreprise Scribd logo
7 changements nécessaires pour sauver
vos SI décisionnels
Joseph Glorieux
OCTO Technology
1
2
3
S’adapter ou mourrir
4
5
Staging aera
ODS
Datawarehouse
Archivage
Datamart
Cube
6
7
L’offre de service
8
Reporting « standard »
9
ARCHITECTURE
Architecture classique, s’appuyant sur un
datawarehouse et des datamarts (logiques ou
physiques)
OUTILS
- Balance scorecard, reporting réglementaire
- Reporting régulier à large diffusion au sein de
l’entreprise
- Reporting ad-hoc volumétrie faible <100 000
lignes
- Processus industriel
- lead time de 3 mois
- SLA Moyenne
CAS D’USAGE CARACTÉRISTIQUES
SO
SO
DWH
DM
DM
ETL / ELT ETL / ELT
Le laboratoire
10
ARCHITECTURE
Architecture de type « datalabs », avec des
workspaces par utilisateur ou par équipe (sur le
serveur avec ressources cappées, ou sur le
poste utilisateur). Possibilité d’intégrer aux
workspaces des données externes à des fins de
croisement.
OUTILS
- Prédiction de tendance
- Segmentation, classification
- Analyse factorielle
- Toutes activités de datamining/machine
learning
- Processus propre aux utilisateurs
- lead time à la semaine / à la journée
- SLA 99% hors workspace
CAS D’USAGE CARACTÉRISTIQUES
SO
SO
DWHETL/ELT Worksp
Worksp
Autre
source
Archivage on line
11
ARCHITECTURE
Stockage supplémentaire sur un système de
fichiers distribué sur commodities hardware
OUTILS
- Archivage des données anciennes et fines,
avant purge du datawarehouse
- Requêtes exceptionnelles sans contraintes de
performance sur des historiques sur des
dizaines d’années
- Accès à des données archivées
- Processus indutriel
- lead time au mois
- SLA 99%
CAS D’USAGE CARACTÉRISTIQUES
SO
SO
DWH
ETL / ELT
Mapreduce
DWHDonnées
froides
DM
DM
ETL / ELT
Requêtage
Break the wall
12
Tests
Politique de tests aujourd'hui
13
Unitaires
D’intégration
Fonctionnels
D’IHM
De recette
De
performance
Tests
Politique de tests demain?
14
Unitaires
D’intégration
Fonctionnels
D’IHM
De recette
De
performance
Software factory : pourquoi?
15
1 - Productivité
• Standardisation des outils
• Automatiser les tâches répétitives : déploiement, contrôle…
• Génération de la documentation
2 - Qualité
• Outiller la stratégie de test
• Limiter les régressions
• Partager le harnais de test
3 – Coopération
• Cadre de travail commun
• Partage des mêmes informations
De « plug & pray »
à « plug & play »
16
Intégrateur
Equipes dév
Gestionnaire de build
DBUnit
Liquibase
Client source
Ant
Jenkins
Int. continue
Teradata
Cognos
SPSS
Client CFT
Poste de dév
IDE
Clients
Cognos-SPSS
DBUnit
Liquibase
Client
Teradata
Ant
Recette
Teradata
Cognos
SPSS
Client CFT
Qualification
Teradata
Cognos
SPSS
Client CFT
Production
Teradata
Cognos
SPSS
Client CFT
Data
Data Data Data Data
Changelog
framework
SQL
Ksh, XML
Jeux de
test U
Source SVN
Espace doc
Sites de reporting
(qualité, tests …)
JIRA
Fitnesse
Confluence
Commit
Pull
Tag
Reporting
Deploy + migrate + test
(automatique)
Deploy + migrate + test
(manuel)
Deploy + migrate
(manuel)
Package
Dév des
templates de
reporting
production
MOA, Dév, …
MOA +
Java is the new heaven
17
Cherchez l’intrus
18
Une mise à niveau en cours
19
Le reporting n’est pas en reste
20
Datamining
SAS (SAS/ACCESS et SAS BASE)
R RevoScale
Business Intelligence
SAP Business Object
Oracle BIEE
MicroStrategy
IBM BigSheets
IBM Cognos
Tableau
Tibco Spotfire
Pentaho
QlikTech
HDFS File Hive QL MapReduce
scripting
Un datawarehouse agile,
c’est…
21
Les projets décisionnels « agile »
22
8%
31%
34%
27%
Ventes
Tous
La plupart
Quelques projets
Assez peu
73%
31%
7%55%
7%
0%0%0%0%
ne sait pas
=
>
<
Pour quels résultats?
23
32%
19%
41%
8%
0%0%0%0%
ne sait pas
=
>
<
45%
8%
45%
2%
0%0%0%0%
ne sait pas
=
>
<
33%
17%
33%
17%
0%0%0%0%
ne sait pas
=
<
>
Productivité Satisfaction
Qualité Coûts
L’agile adaptée au décisionnel
24
Les statistiques
c’est…
25
L’analyste de données ou data scientist doit
développer des compétences multiples
26
Métiers
• La préparation des
données (données
non structurées)
• La qualité des
données traitées
• Les outils et langages
(perl, python, R,
mapreduce…)
• Les représentations
visuelles
• Identifier les sources de
données
• Définir la stratégie
d’analyse
• Interpréter des résultats
et leur communiquer
• La démarche
scientifique
• Les algorithmes
utilisables et leur
optimisation
• L’automatisation de
l’analyse des résultats
Système
d’information
Mathématiques
et statistiques
David contre goliath
27
VS
Si vous n’avez pas
de problème…
28
…ne changez
rien
29
L’amélioration continue
30
31
S’adapter ou mourir
One size doesn’t fit all
Break the wall
Java is the new heaven
Un datawarehouse agile, c’est…
Les statistiques, c’est chic
Si vous n’avez pas de problème…
Merci !
32

Contenu connexe

Tendances

Hadoop MapReduce - OSDC FR 2009
Hadoop MapReduce - OSDC FR 2009Hadoop MapReduce - OSDC FR 2009
Hadoop MapReduce - OSDC FR 2009
Olivier Grisel
 
BigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-ReduceBigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-Reduce
Lilia Sfaxi
 
Introduction aux bases de données NoSQL
Introduction aux bases de données NoSQLIntroduction aux bases de données NoSQL
Introduction aux bases de données NoSQL
Antoine Augusti
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
Alexia Audevart
 
Hadoop Introduction in Paris
Hadoop Introduction in ParisHadoop Introduction in Paris
Hadoop Introduction in Paris
Ted Drake
 
Hadoop et son écosystème
Hadoop et son écosystèmeHadoop et son écosystème
Hadoop et son écosystème
Khanh Maudoux
 
Casablanca Hadoop & Big Data Meetup - Introduction à Hadoop
Casablanca Hadoop & Big Data Meetup - Introduction à HadoopCasablanca Hadoop & Big Data Meetup - Introduction à Hadoop
Casablanca Hadoop & Big Data Meetup - Introduction à Hadoop
Benoît de CHATEAUVIEUX
 
Hadoop Hbase - Introduction
Hadoop Hbase - IntroductionHadoop Hbase - Introduction
Hadoop Hbase - Introduction
Blandine Larbret
 
MapReduce: Traitement de données distribué à grande échelle simplifié
MapReduce: Traitement de données distribué à grande échelle simplifiéMapReduce: Traitement de données distribué à grande échelle simplifié
MapReduce: Traitement de données distribué à grande échelle simplifié
Mathieu Dumoulin
 
Hadoop and friends : introduction
Hadoop and friends : introductionHadoop and friends : introduction
Hadoop and friends : introductionfredcons
 
Big Data : Une Introduction
Big Data : Une IntroductionBig Data : Une Introduction
Big Data : Une Introduction
Nicolas OGÉ
 
BigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans HadoopBigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans Hadoop
Lilia Sfaxi
 
Tech day hadoop, Spark
Tech day hadoop, SparkTech day hadoop, Spark
Tech day hadoop, Spark
Arrow-Institute
 
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
Hatim CHAHDI
 
Cartographie du big data
Cartographie du big dataCartographie du big data
Cartographie du big data
acogoluegnes
 
HADOOP + R
HADOOP + RHADOOP + R
HADOOP + R
Cdiscount
 
BigData_Chp4: NOSQL
BigData_Chp4: NOSQLBigData_Chp4: NOSQL
BigData_Chp4: NOSQL
Lilia Sfaxi
 
Pj hug 07_04_2016
Pj hug 07_04_2016Pj hug 07_04_2016
Pj hug 07_04_2016
Axel TIFRANI
 
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
Modern Data Stack France
 
Les technologies big data avec speech commentaries
Les technologies big data avec speech commentariesLes technologies big data avec speech commentaries
Les technologies big data avec speech commentaries
Rima Jamli Faidi
 

Tendances (20)

Hadoop MapReduce - OSDC FR 2009
Hadoop MapReduce - OSDC FR 2009Hadoop MapReduce - OSDC FR 2009
Hadoop MapReduce - OSDC FR 2009
 
BigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-ReduceBigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-Reduce
 
Introduction aux bases de données NoSQL
Introduction aux bases de données NoSQLIntroduction aux bases de données NoSQL
Introduction aux bases de données NoSQL
 
Big Data, Hadoop & Spark
Big Data, Hadoop & SparkBig Data, Hadoop & Spark
Big Data, Hadoop & Spark
 
Hadoop Introduction in Paris
Hadoop Introduction in ParisHadoop Introduction in Paris
Hadoop Introduction in Paris
 
Hadoop et son écosystème
Hadoop et son écosystèmeHadoop et son écosystème
Hadoop et son écosystème
 
Casablanca Hadoop & Big Data Meetup - Introduction à Hadoop
Casablanca Hadoop & Big Data Meetup - Introduction à HadoopCasablanca Hadoop & Big Data Meetup - Introduction à Hadoop
Casablanca Hadoop & Big Data Meetup - Introduction à Hadoop
 
Hadoop Hbase - Introduction
Hadoop Hbase - IntroductionHadoop Hbase - Introduction
Hadoop Hbase - Introduction
 
MapReduce: Traitement de données distribué à grande échelle simplifié
MapReduce: Traitement de données distribué à grande échelle simplifiéMapReduce: Traitement de données distribué à grande échelle simplifié
MapReduce: Traitement de données distribué à grande échelle simplifié
 
Hadoop and friends : introduction
Hadoop and friends : introductionHadoop and friends : introduction
Hadoop and friends : introduction
 
Big Data : Une Introduction
Big Data : Une IntroductionBig Data : Une Introduction
Big Data : Une Introduction
 
BigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans HadoopBigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans Hadoop
 
Tech day hadoop, Spark
Tech day hadoop, SparkTech day hadoop, Spark
Tech day hadoop, Spark
 
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
Cours HBase et Base de Données Orientées Colonnes (HBase, Column Oriented Dat...
 
Cartographie du big data
Cartographie du big dataCartographie du big data
Cartographie du big data
 
HADOOP + R
HADOOP + RHADOOP + R
HADOOP + R
 
BigData_Chp4: NOSQL
BigData_Chp4: NOSQLBigData_Chp4: NOSQL
BigData_Chp4: NOSQL
 
Pj hug 07_04_2016
Pj hug 07_04_2016Pj hug 07_04_2016
Pj hug 07_04_2016
 
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
Hug france - Administration Hadoop et retour d’expérience BI avec Impala, lim...
 
Les technologies big data avec speech commentaries
Les technologies big data avec speech commentariesLes technologies big data avec speech commentaries
Les technologies big data avec speech commentaries
 

En vedette

L\'offre IBM Information Management en 1 slide
L\'offre IBM Information Management en 1 slideL\'offre IBM Information Management en 1 slide
L\'offre IBM Information Management en 1 slide
Nicolas Desachy
 
7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...
dibs-conseil
 
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BILe Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Microsoft Technet France
 
Brochure microsoft business_intelligence
Brochure microsoft business_intelligenceBrochure microsoft business_intelligence
Brochure microsoft business_intelligence
Ismail Niati
 
Afterworks présentation de la stack bi de microsoft
Afterworks présentation de la stack bi de microsoftAfterworks présentation de la stack bi de microsoft
Afterworks présentation de la stack bi de microsoft
Philippe Geiger
 
La BI, Power BI, et SQL Server 2014
La BI, Power BI, et SQL Server 2014La BI, Power BI, et SQL Server 2014
La BI, Power BI, et SQL Server 2014
SCALA
 
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BILe Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Microsoft Ideas
 

En vedette (7)

L\'offre IBM Information Management en 1 slide
L\'offre IBM Information Management en 1 slideL\'offre IBM Information Management en 1 slide
L\'offre IBM Information Management en 1 slide
 
7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...
 
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BILe Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BI
 
Brochure microsoft business_intelligence
Brochure microsoft business_intelligenceBrochure microsoft business_intelligence
Brochure microsoft business_intelligence
 
Afterworks présentation de la stack bi de microsoft
Afterworks présentation de la stack bi de microsoftAfterworks présentation de la stack bi de microsoft
Afterworks présentation de la stack bi de microsoft
 
La BI, Power BI, et SQL Server 2014
La BI, Power BI, et SQL Server 2014La BI, Power BI, et SQL Server 2014
La BI, Power BI, et SQL Server 2014
 
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BILe Must du décisionnel avec l'ensemble de l'offre Microsoft BI
Le Must du décisionnel avec l'ensemble de l'offre Microsoft BI
 

Similaire à USI 2013 : 7 changements nécessaires pour sauver vos SI décisionnels

La Suite Elastic à BPCE IT: Centre de service Elastic et Security Analytics
La Suite Elastic à BPCE IT: Centre de service Elastic et Security AnalyticsLa Suite Elastic à BPCE IT: Centre de service Elastic et Security Analytics
La Suite Elastic à BPCE IT: Centre de service Elastic et Security Analytics
Elasticsearch
 
Le cloud-in-a-box avec Cloud Platform System (CPS) et Windows Azure Pack
Le cloud-in-a-box avec Cloud Platform System (CPS) et Windows Azure PackLe cloud-in-a-box avec Cloud Platform System (CPS) et Windows Azure Pack
Le cloud-in-a-box avec Cloud Platform System (CPS) et Windows Azure Pack
Microsoft Décideurs IT
 
SAS Forum Soft Computing Théâtre
SAS Forum Soft Computing ThéâtreSAS Forum Soft Computing Théâtre
SAS Forum Soft Computing Théâtre
Soft Computing
 
Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2
Georgeot Cédric
 
Azure Camp 9 Décembre - slides session développeurs webmedia
Azure Camp 9 Décembre - slides session développeurs webmediaAzure Camp 9 Décembre - slides session développeurs webmedia
Azure Camp 9 Décembre - slides session développeurs webmedia
Microsoft
 
20160216 - From BigData to BigProcessing
20160216 - From BigData to BigProcessing20160216 - From BigData to BigProcessing
20160216 - From BigData to BigProcessing
Pierre-Marie Brunet
 
Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2
Microsoft
 
Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2
Microsoft Technet France
 
X-Datatest - FR
X-Datatest - FRX-Datatest - FR
X-Datatest - FR
Fresche Solutions
 
OSA02 - Pas de transactionnel haute performance sans un couple machine logici...
OSA02 - Pas de transactionnel haute performance sans un couple machine logici...OSA02 - Pas de transactionnel haute performance sans un couple machine logici...
OSA02 - Pas de transactionnel haute performance sans un couple machine logici...
Nicolas Desachy
 
Nouveaux scénarios de déploiement avec SCCM 2012 SP1
Nouveaux scénarios de déploiement avec SCCM 2012 SP1Nouveaux scénarios de déploiement avec SCCM 2012 SP1
Nouveaux scénarios de déploiement avec SCCM 2012 SP1
Microsoft Technet France
 
2008-10-02 Paris - Administration des applications critiques avec SQL Server ...
2008-10-02 Paris - Administration des applications critiques avec SQL Server ...2008-10-02 Paris - Administration des applications critiques avec SQL Server ...
2008-10-02 Paris - Administration des applications critiques avec SQL Server ...Patrick Guimonet
 
2009-03-13 SQL Server une plateforme crédible
2009-03-13 SQL Server une plateforme crédible2009-03-13 SQL Server une plateforme crédible
2009-03-13 SQL Server une plateforme crédible
Patrick Guimonet
 
GAB 2015 - Nouveautes sur le stockage de donnees dans Azure
GAB 2015  - Nouveautes sur le stockage de donnees dans AzureGAB 2015  - Nouveautes sur le stockage de donnees dans Azure
GAB 2015 - Nouveautes sur le stockage de donnees dans Azure
Jean-Luc Boucho
 
#OSSPARIS19 - Stream processing : de la base de données classique au streamin...
#OSSPARIS19 - Stream processing : de la base de données classique au streamin...#OSSPARIS19 - Stream processing : de la base de données classique au streamin...
#OSSPARIS19 - Stream processing : de la base de données classique au streamin...
Paris Open Source Summit
 
DataStax Enterprise et Cas d'utilisation de Apache Cassandra
DataStax Enterprise et Cas d'utilisation de Apache CassandraDataStax Enterprise et Cas d'utilisation de Apache Cassandra
DataStax Enterprise et Cas d'utilisation de Apache Cassandra
Victor Coustenoble
 
Deep Dive Performance , le In-Memory dans SQL Server
Deep Dive Performance , le In-Memory dans SQL ServerDeep Dive Performance , le In-Memory dans SQL Server
Deep Dive Performance , le In-Memory dans SQL Server
Microsoft
 
Session découverte de la Data Virtualization
Session découverte de la Data VirtualizationSession découverte de la Data Virtualization
Session découverte de la Data Virtualization
Denodo
 

Similaire à USI 2013 : 7 changements nécessaires pour sauver vos SI décisionnels (20)

La Suite Elastic à BPCE IT: Centre de service Elastic et Security Analytics
La Suite Elastic à BPCE IT: Centre de service Elastic et Security AnalyticsLa Suite Elastic à BPCE IT: Centre de service Elastic et Security Analytics
La Suite Elastic à BPCE IT: Centre de service Elastic et Security Analytics
 
Le cloud-in-a-box avec Cloud Platform System (CPS) et Windows Azure Pack
Le cloud-in-a-box avec Cloud Platform System (CPS) et Windows Azure PackLe cloud-in-a-box avec Cloud Platform System (CPS) et Windows Azure Pack
Le cloud-in-a-box avec Cloud Platform System (CPS) et Windows Azure Pack
 
Inf208
Inf208Inf208
Inf208
 
SAS Forum Soft Computing Théâtre
SAS Forum Soft Computing ThéâtreSAS Forum Soft Computing Théâtre
SAS Forum Soft Computing Théâtre
 
Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2
 
Azure Camp 9 Décembre - slides session développeurs webmedia
Azure Camp 9 Décembre - slides session développeurs webmediaAzure Camp 9 Décembre - slides session développeurs webmedia
Azure Camp 9 Décembre - slides session développeurs webmedia
 
20160216 - From BigData to BigProcessing
20160216 - From BigData to BigProcessing20160216 - From BigData to BigProcessing
20160216 - From BigData to BigProcessing
 
Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2
 
Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2Les nouveautés stockage dans Windows Server 2012 R2
Les nouveautés stockage dans Windows Server 2012 R2
 
X-Datatest - FR
X-Datatest - FRX-Datatest - FR
X-Datatest - FR
 
OSA02 - Pas de transactionnel haute performance sans un couple machine logici...
OSA02 - Pas de transactionnel haute performance sans un couple machine logici...OSA02 - Pas de transactionnel haute performance sans un couple machine logici...
OSA02 - Pas de transactionnel haute performance sans un couple machine logici...
 
EDW Microsoft/Netezza
EDW Microsoft/NetezzaEDW Microsoft/Netezza
EDW Microsoft/Netezza
 
Nouveaux scénarios de déploiement avec SCCM 2012 SP1
Nouveaux scénarios de déploiement avec SCCM 2012 SP1Nouveaux scénarios de déploiement avec SCCM 2012 SP1
Nouveaux scénarios de déploiement avec SCCM 2012 SP1
 
2008-10-02 Paris - Administration des applications critiques avec SQL Server ...
2008-10-02 Paris - Administration des applications critiques avec SQL Server ...2008-10-02 Paris - Administration des applications critiques avec SQL Server ...
2008-10-02 Paris - Administration des applications critiques avec SQL Server ...
 
2009-03-13 SQL Server une plateforme crédible
2009-03-13 SQL Server une plateforme crédible2009-03-13 SQL Server une plateforme crédible
2009-03-13 SQL Server une plateforme crédible
 
GAB 2015 - Nouveautes sur le stockage de donnees dans Azure
GAB 2015  - Nouveautes sur le stockage de donnees dans AzureGAB 2015  - Nouveautes sur le stockage de donnees dans Azure
GAB 2015 - Nouveautes sur le stockage de donnees dans Azure
 
#OSSPARIS19 - Stream processing : de la base de données classique au streamin...
#OSSPARIS19 - Stream processing : de la base de données classique au streamin...#OSSPARIS19 - Stream processing : de la base de données classique au streamin...
#OSSPARIS19 - Stream processing : de la base de données classique au streamin...
 
DataStax Enterprise et Cas d'utilisation de Apache Cassandra
DataStax Enterprise et Cas d'utilisation de Apache CassandraDataStax Enterprise et Cas d'utilisation de Apache Cassandra
DataStax Enterprise et Cas d'utilisation de Apache Cassandra
 
Deep Dive Performance , le In-Memory dans SQL Server
Deep Dive Performance , le In-Memory dans SQL ServerDeep Dive Performance , le In-Memory dans SQL Server
Deep Dive Performance , le In-Memory dans SQL Server
 
Session découverte de la Data Virtualization
Session découverte de la Data VirtualizationSession découverte de la Data Virtualization
Session découverte de la Data Virtualization
 

Plus de Joseph Glorieux

Devops - vision et pratiques
Devops - vision et pratiquesDevops - vision et pratiques
Devops - vision et pratiques
Joseph Glorieux
 
Afterwork big data et data viz - du lac à votre écran
Afterwork big data et data viz - du lac à votre écranAfterwork big data et data viz - du lac à votre écran
Afterwork big data et data viz - du lac à votre écran
Joseph Glorieux
 
Giants of the web - creadigitalday
Giants of the web - creadigitaldayGiants of the web - creadigitalday
Giants of the web - creadigitalday
Joseph Glorieux
 
Fintech, demain comment travailler ensemble
Fintech, demain comment travailler ensembleFintech, demain comment travailler ensemble
Fintech, demain comment travailler ensemble
Joseph Glorieux
 
Les business analystes face à l'agilité
Les business analystes face à l'agilitéLes business analystes face à l'agilité
Les business analystes face à l'agilité
Joseph Glorieux
 
Une Data driven company à l'heure de la digitalisation
Une Data driven company à l'heure de la digitalisationUne Data driven company à l'heure de la digitalisation
Une Data driven company à l'heure de la digitalisation
Joseph Glorieux
 
Agile for executives
Agile for executivesAgile for executives
Agile for executives
Joseph Glorieux
 
L'entreprise agile
L'entreprise agileL'entreprise agile
L'entreprise agile
Joseph Glorieux
 
Session USI 2012 : les SI composites
Session USI 2012 : les SI compositesSession USI 2012 : les SI composites
Session USI 2012 : les SI composites
Joseph Glorieux
 
Etat de l art business intelligence
Etat de l art business intelligenceEtat de l art business intelligence
Etat de l art business intelligence
Joseph Glorieux
 

Plus de Joseph Glorieux (10)

Devops - vision et pratiques
Devops - vision et pratiquesDevops - vision et pratiques
Devops - vision et pratiques
 
Afterwork big data et data viz - du lac à votre écran
Afterwork big data et data viz - du lac à votre écranAfterwork big data et data viz - du lac à votre écran
Afterwork big data et data viz - du lac à votre écran
 
Giants of the web - creadigitalday
Giants of the web - creadigitaldayGiants of the web - creadigitalday
Giants of the web - creadigitalday
 
Fintech, demain comment travailler ensemble
Fintech, demain comment travailler ensembleFintech, demain comment travailler ensemble
Fintech, demain comment travailler ensemble
 
Les business analystes face à l'agilité
Les business analystes face à l'agilitéLes business analystes face à l'agilité
Les business analystes face à l'agilité
 
Une Data driven company à l'heure de la digitalisation
Une Data driven company à l'heure de la digitalisationUne Data driven company à l'heure de la digitalisation
Une Data driven company à l'heure de la digitalisation
 
Agile for executives
Agile for executivesAgile for executives
Agile for executives
 
L'entreprise agile
L'entreprise agileL'entreprise agile
L'entreprise agile
 
Session USI 2012 : les SI composites
Session USI 2012 : les SI compositesSession USI 2012 : les SI composites
Session USI 2012 : les SI composites
 
Etat de l art business intelligence
Etat de l art business intelligenceEtat de l art business intelligence
Etat de l art business intelligence
 

Dernier

Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Laurent Speyser
 
Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024
UNITECBordeaux
 
Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...
Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...
Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...
OCTO Technology
 
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
OCTO Technology
 
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'universitéDe l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
Université de Franche-Comté
 
OCTO TALKS : 4 Tech Trends du Software Engineering.pdf
OCTO TALKS : 4 Tech Trends du Software Engineering.pdfOCTO TALKS : 4 Tech Trends du Software Engineering.pdf
OCTO TALKS : 4 Tech Trends du Software Engineering.pdf
OCTO Technology
 

Dernier (6)

Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
Ouvrez la porte ou prenez un mur (Agile Tour Genève 2024)
 
Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024Le support de présentation des Signaux 2024
Le support de présentation des Signaux 2024
 
Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...
Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...
Le Comptoir OCTO - Équipes infra et prod, ne ratez pas l'embarquement pour l'...
 
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
Le Comptoir OCTO - Qu’apporte l’analyse de cycle de vie lors d’un audit d’éco...
 
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'universitéDe l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
De l'IA comme plagiat à la rédaction d'une « charte IA » à l'université
 
OCTO TALKS : 4 Tech Trends du Software Engineering.pdf
OCTO TALKS : 4 Tech Trends du Software Engineering.pdfOCTO TALKS : 4 Tech Trends du Software Engineering.pdf
OCTO TALKS : 4 Tech Trends du Software Engineering.pdf
 

USI 2013 : 7 changements nécessaires pour sauver vos SI décisionnels

  • 1. 7 changements nécessaires pour sauver vos SI décisionnels Joseph Glorieux OCTO Technology 1
  • 2. 2
  • 3. 3
  • 6. 6
  • 7. 7
  • 9. Reporting « standard » 9 ARCHITECTURE Architecture classique, s’appuyant sur un datawarehouse et des datamarts (logiques ou physiques) OUTILS - Balance scorecard, reporting réglementaire - Reporting régulier à large diffusion au sein de l’entreprise - Reporting ad-hoc volumétrie faible <100 000 lignes - Processus industriel - lead time de 3 mois - SLA Moyenne CAS D’USAGE CARACTÉRISTIQUES SO SO DWH DM DM ETL / ELT ETL / ELT
  • 10. Le laboratoire 10 ARCHITECTURE Architecture de type « datalabs », avec des workspaces par utilisateur ou par équipe (sur le serveur avec ressources cappées, ou sur le poste utilisateur). Possibilité d’intégrer aux workspaces des données externes à des fins de croisement. OUTILS - Prédiction de tendance - Segmentation, classification - Analyse factorielle - Toutes activités de datamining/machine learning - Processus propre aux utilisateurs - lead time à la semaine / à la journée - SLA 99% hors workspace CAS D’USAGE CARACTÉRISTIQUES SO SO DWHETL/ELT Worksp Worksp Autre source
  • 11. Archivage on line 11 ARCHITECTURE Stockage supplémentaire sur un système de fichiers distribué sur commodities hardware OUTILS - Archivage des données anciennes et fines, avant purge du datawarehouse - Requêtes exceptionnelles sans contraintes de performance sur des historiques sur des dizaines d’années - Accès à des données archivées - Processus indutriel - lead time au mois - SLA 99% CAS D’USAGE CARACTÉRISTIQUES SO SO DWH ETL / ELT Mapreduce DWHDonnées froides DM DM ETL / ELT Requêtage
  • 13. Tests Politique de tests aujourd'hui 13 Unitaires D’intégration Fonctionnels D’IHM De recette De performance
  • 14. Tests Politique de tests demain? 14 Unitaires D’intégration Fonctionnels D’IHM De recette De performance
  • 15. Software factory : pourquoi? 15 1 - Productivité • Standardisation des outils • Automatiser les tâches répétitives : déploiement, contrôle… • Génération de la documentation 2 - Qualité • Outiller la stratégie de test • Limiter les régressions • Partager le harnais de test 3 – Coopération • Cadre de travail commun • Partage des mêmes informations De « plug & pray » à « plug & play »
  • 16. 16 Intégrateur Equipes dév Gestionnaire de build DBUnit Liquibase Client source Ant Jenkins Int. continue Teradata Cognos SPSS Client CFT Poste de dév IDE Clients Cognos-SPSS DBUnit Liquibase Client Teradata Ant Recette Teradata Cognos SPSS Client CFT Qualification Teradata Cognos SPSS Client CFT Production Teradata Cognos SPSS Client CFT Data Data Data Data Data Changelog framework SQL Ksh, XML Jeux de test U Source SVN Espace doc Sites de reporting (qualité, tests …) JIRA Fitnesse Confluence Commit Pull Tag Reporting Deploy + migrate + test (automatique) Deploy + migrate + test (manuel) Deploy + migrate (manuel) Package Dév des templates de reporting production MOA, Dév, … MOA +
  • 17. Java is the new heaven 17
  • 19. Une mise à niveau en cours 19
  • 20. Le reporting n’est pas en reste 20 Datamining SAS (SAS/ACCESS et SAS BASE) R RevoScale Business Intelligence SAP Business Object Oracle BIEE MicroStrategy IBM BigSheets IBM Cognos Tableau Tibco Spotfire Pentaho QlikTech HDFS File Hive QL MapReduce scripting
  • 22. Les projets décisionnels « agile » 22 8% 31% 34% 27% Ventes Tous La plupart Quelques projets Assez peu 73%
  • 23. 31% 7%55% 7% 0%0%0%0% ne sait pas = > < Pour quels résultats? 23 32% 19% 41% 8% 0%0%0%0% ne sait pas = > < 45% 8% 45% 2% 0%0%0%0% ne sait pas = > < 33% 17% 33% 17% 0%0%0%0% ne sait pas = < > Productivité Satisfaction Qualité Coûts
  • 24. L’agile adaptée au décisionnel 24
  • 26. L’analyste de données ou data scientist doit développer des compétences multiples 26 Métiers • La préparation des données (données non structurées) • La qualité des données traitées • Les outils et langages (perl, python, R, mapreduce…) • Les représentations visuelles • Identifier les sources de données • Définir la stratégie d’analyse • Interpréter des résultats et leur communiquer • La démarche scientifique • Les algorithmes utilisables et leur optimisation • L’automatisation de l’analyse des résultats Système d’information Mathématiques et statistiques
  • 28. Si vous n’avez pas de problème… 28 …ne changez rien
  • 29. 29
  • 31. 31 S’adapter ou mourir One size doesn’t fit all Break the wall Java is the new heaven Un datawarehouse agile, c’est… Les statistiques, c’est chic Si vous n’avez pas de problème…