Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Big Data - Aspects Opérationnels/Expérimentaux Paris 2015

No description
by

Hugues Le Bars

on 22 September 2016

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Big Data - Aspects Opérationnels/Expérimentaux Paris 2015

Big Data
Aspects Opérationnels et expérimentaux
en entreprise

Hugues Le Bars - 15 Octobre 2015
3 DÉFINITIONS
3 RUPTURES
PROSPECTIVE
5 V
Volume
Descriptive
Information
Donnée
Transactions
CORRELATION
Déduction
Induction
Le Lac de données
2004 - MapReduce/GFS
2006 - Projet
Hadoop
2009 -
Hadoop
Opensource
La Raffinerie de Données
Le Chief Data Officer
Observations
IPV6
IPV4
x10^29
Volatile
Uncertain
Complex
Ambiguous
Vision
Understanding
Clarity
Agility
Nouveau Monde
Horizon 1
Exécution
Profitabilité
Indicateurs :
Efficacité
Rétention client
Innovation incrémentale
Métriques :
Profit
Marge
Coûts
Horizon 2
Croissance
Expansion
Indicateurs :
Performance
Acquisition de clients
Vitesse
Métriques :
Croissance
Part de marché
Horizon 3
Expérimentation
Découverte
Indicateurs :
A
pprentissages
R
isques
N
ouveaux modèles économiques et technologiques
Métriques :
Le temps
Produit au Minimum de Viabilité
Optimisation
Nouveaux modèles
économiques
B.A.T
N.A.T.U
Innovation de... CAPTURE
Controle
des flux
Réciprocité
Plateforme
Scalabilité
Caneva de Modèle Ecomique "Data Driven"
RECETTE
Sélectionner un problème qui fait mal
Constituer un équipe de 4 personnes
Sélectionner un tiers expert accompagnant
Fixer un délai de réalisation < 3 semaines
Utiliser le Cloud Computing si possible
Une adoption virale... en silos
E X É C U T I O N
UN SUCCÈS
Technologie
Le Lac de données est adopté
Opérations
Marketing
Commerce
Visibilité, rapports, décisonnel
Connaissance des clients
Finance
La donnée a une valeur potentielle et une valeur réalisée.
Ressources Humaines
De nouvelles compétences, une connaissance accrue des potentiels de l'entreprise.
Organisation
L'organisation en silos est questionnée
"La donnée c'est du pouvoir, un lac de données c'est beaucoup de pouvoir"
Un besoin de Gouvernance collaborative :
Protection
ou
Préservation ?
Anonymisation
Propriété
Ethique
Un Nouveau Capital
"Le vent de la vanité éteint les lampes
aussi bien que le défaut d'huile"
Investisseurs
Banquiers
Exécuteurs
Business Plan
Exécution parfaite...
...du mauvais plan.
2001
Chapitre 11
1998-2000
2600 empl.
1 Milliard USD
IPO
Pourquoi ?
Une donnée est de valeur
ou anonyme.
Far West expérimental
8 Directives de précaution
Dilemne éthique
UNE Intelligence ambiante
"DES coalitions de culture, chacune préservant son originalité"
Vigilance sur l'acquisition
des données
Moyens de contrôle, intervention
Education, apprentissage
Interactions
Pas de client !
Merci
@hugues_le_bars
hugueslebars
@
h.lebars@neopost.com
1e étape :
2e étape :
3e étape :
Vélocité
Variété
Véracité
Valeur
Comment
Machine
Rationnel
Innovation
Humain
Pourquoi
Intuition
Créativité
Prescriptive
Prédictive
Ψ
Φ
Α
Ν
Λ
Philosophie
Psychologie
Linguistique
Anthropologie
Neurosciences
Informatique
Sciences

cognitives
TELECOM
RETAIL
SECTEUR
PUBLIC
ENERGIE
PETROLE
GAZ
ELECTRICITE
MANUFACTURING
SUPPLY CHAIN
ASSURANCES
SANTE
ECOMMERCE
PUBLICITE
BANQUES
Sortir de la zone de confort
Audace
Témérité
Angélique Arnauld - Lettres, 1652
Disponibilité
Usabilité
Intégrité
Sécurité

Claude Levi Strauss
"Tristes tropiques" 1955
4 TAKEAWAYS
Disciplines
Data Visualisation

Data Science

Data Ingénierie
Responsabilisation de l'impact
Full transcript