Valorisez votre business grâce au Big Data - Mois du numérique 2017

#MDN2017

TABLE RONDETransformez les données en décisions : valorisez votre business grâce au Big Data

CCI Seine-et-Marne, SerrisJeudi 22/06/2017

#MDN2017

TABLE RONDE : Transformez les données en décisions : valorisez votre business grâce au Big Data

• Animateur : Stéphane PARIS – Consultant Digital Sénior, DIGITAL_IN

• Laure BOUTRON – Directrice Marketing, EXACT France

• Denis OBLIN – Fondateur du cabinet MEMORANDUM

• Maître Frédéric PICARD – Avocat à la Cour, HAAS Avocats

• Jacques TEK – Conseiller Numérique, CCI Seine-et-Marne

#MDN2017

Introduction-

Stéphane PARIS

#MDN2017

Qu’est ce que le Big Data en 60 secondes ?

5

#MDN2017

Définition : Les 4V du Big Data

200 adresses

6

20 millions de clients400 millions de tweets par jour

8 milliard de vues sur snapchat

Pratiques et technologies emergentes

Volume Variété Vélocité Véracité

? ?!

#MDN2017

Votre transformation par la donnée-

Denis OBLIN

#MDN2017

Mémorandum accompagne votre transformation par la donnée

8

• Transformer vos process avec vos données

• Vous guider pour prioriser les travaux

• Mesurer la valeur cachée sur les process prioritaires (POC)

• Mettre en œuvre

• Piloter une politique de la donnée

• Vous rendre autonome sur l’exploitation de vos données– Transfert de compétence sur les projets– Formations ad’hoc : comité de direction et

data scientists– Coaching stratégique et technique

2 grandes approches

… Qui se rejoignent naturellement dans nos interventions : vos équipes font avec nous, métiers et analystes data progressent ensemble

#MDN2017

9

« Exploiter la donnée est un projet métier, pas un projet informatique »L’initialisation d’une démarche de valorisation des données ne nécessite aucune

infrastructure :• Des ordinateurs de bureau (jusque quelques giga de données)

• Des logiciels d’analyse open source (R / Python)• Des algorithmes d’analyse libres de droit, prédéveloppés et prêt à l’emploi

« La valeur n’attend pas le nombre des octets » Une valorisation efficace des données dépend moins du nombre d’observations

(quelques milliers de clients ou de dossiers représentent déjà une bonne base) que de la richesse de ses observations (pour un client avoir ses caractéristiques, ses transactions,

ses courriers, ..)

1

2

« Fail fast & learn »Les démarches de valorisation des données se font par itérations, il est donc important de savoir avant de se lancer que certaines analyses potentiellement non concluantes (mais

auront fait progresser)

3

Des convictions simples

#MDN2017

10

Source :Didier Girard / https://www.linkedin.com/pulse/20141204124054-158449-bigdata-l-arme-

du-digital

Petits volumes Gros volumes de données

Val

eur

un

itai

re d

es d

onné

es

Data Warehouse Big Data

Machine learning (algorithmes)

Infrastructure (hadoop, spark, DMP, ...)

Briques big data pertinentes

Big data : applique la théorie de la longue traine aux données

#MDN2017

11

Business monitoring

Business insight

Business Optimisation .

Data Monétisation

Business Metamorphosis

Source: Bill Schmarzo

CTO Dell EMC Services Big Data

Exemple d’échelle de progression dans l’usage de la donnée

#MDN2017

12

Big data : mélanger beaucoup de données pour construire UNE information nouvelle

#MDN2017

13

Je n’ai pas de question (et peut être pas d’historique) Apprentissage non supervisé

Je veux synthétiser mes données en paquet relativement homogène pour mieux me ls approprier

Visualisation de donnés plus simples Données présentes

Achat en ligne- Mon client va-t-il acheter ?- Pourquoi mes clients achète /

n’achètent pas

Modèle stable appliqué à tous les nouveaux clientsDiagnostic : profils / parcours, situations favorables ou défavorables à l’achat

J’ai une question et j’ai un historique Apprentissage supervisé

Données passées

La meilleure publicité sur un nouveau produit ? (pas forcément la même pour tous)

Modèle dynamique sur tous les nouveaux clients : Choix automatique de la meilleure solution, de plus en plus efficaceVersion simple sur 1 paramètre : AB testing

J’ai une question mais je n’ai pas d’historique Apprentissage par renforcement

Données futures

Le plus fréquent

Trois cas d’utilisation du Machine Learning

#MDN2017

14

La donnée n’est que l’ombre de la réalité : la manipuler et l’interpréter mérite une supervision métier

#MDN2017

15

Il n’y a pas à proprement parler de projets data, mais une vision data des projets

Métier

Equipe Data

CollecteDonnées et visualisation

Choix Enjeu

cadrage métier

Kick Off

S’approprier les données, visualiser et restituer Modéliser et interpréter

cadrage

Livrables formalisés

1 - formulation problème

2 - Modélisation

3 - Visualisation & Story telling

2 semaines

Ce qu’on a appris sur le sujet

Ce qu’on a appris sur autre chose (contingence !)

Diagnostic concret sur les données







#MDN2017

Collecte, utilisation et valorisation des données :

les bonnes pratiques pour les PME-

Maître Frédéric PICARD

#MDN2017

17

© HAAS -Avocats& LegalFab 2017

Le Cabinet HAAS Avocats défend et protège les clients nationaux et internationaux intervenant dans les secteurs de la propriété intellectuelle, du droit des nouvelles technologies, de l’information et de la communication, de la protection des données, de l’e-commerce, de l’e-marketing et du droit des affaires.

Le cabinet HAAS société d’Avocats

#MDN2017

18


Le cabinet HAAS société d’Avocats

#MDN2017

19


Les principes directeurs : finalité

Recueil des données pour

un usage déterminé et

légit ime

Au stade de la collecte : recueil de

données en relat ion avec la f inali té du

traitement

Au stade du traitement : pas

de détournement

de finalité

1 2 3

#MDN2017

20


Loyauté

Les données doivent être collectées de

manière transparente

Proport ionnali té

Seules les données nécessaires à la

finalité du traitement doivent

être collectées

Les principes directeurs : loyauté et proportionnalité

#MDN2017

21


Dispense

Norme simplifiée

ouDispense

Déclaration

Simplifiéeou

Normale

Autorisation

Autorisation unique

ouDemande

d’autorisation

Les formalités préalables

#MDN2017

22


Le règlement général pour la protection des données

RGPD : Nouvelle réglementation

européenne

25 mai 2018

Un texte unique pour l’UE

Objecti fs

Protéger les consommateurs

Assurer la confiance

Responsabiliser les acteurs

#MDN2017

23


RGPD : les nouveaux principes

Minimisation des données

Proportionnalité

Pseudonymisation

Autodétermination informationnelle

Renforcement du consentement et de

l’obligation d’information

Nouveaux droits :Oubli + Portabilité + Profilage

#MDN2017

24


Disparition du système de formalités préalables

Suppression de l ’obligation générale de

déclaration préalable

Mais maintien du régime d’autorisation et de

consultation préalables

Création d’une obligation générale de tenue de registre des activités de traitement

#MDN2017

25


Non-respect de la réglementation données personnelles

Risques économiques et

opérationnelsFichier non déclaré

= sans valeur

Suspension de l’activité

Sanctionsimportantes

Administratives (CNIL)

Pénales5 ans & 300 000 €

Civiles

Risques « réputationnels »

Perte de confiance des clients et des partenaires

Mauvaise image

#MDN2017

26


Augmentation des sanctions administratives

10 000 000 €ou 2% CA

Manquement à : Privacy by design, PIA, etc.

20 000 000 €ou 4% CA

Manquement aux droits des personnes

150 000 € 3 000 000 €

RGPD

République numérique

#MDN2017

27


Interdiction du profilage

Pas de profi lage sans consentement

#MDN2017

28


Fichier non déclarée Vente nulle

Fichier illicite hors commerce

#MDN2017

29


Clauses contractuelle

s types

Règles d’entrepr. contraignantes

Code de conduite

Cert if ications

Décision d’adéquation de la Commission UE

Privacy Shield

RGPD : transfert hors UE

#MDN2017

Confidentialité des données-


#MDN2017

31


Le règlement général pour la protection des données

RGPD : Nouvelle réglementat ion

européenne

25 mai 2018

Un texte unique pour l’UE

Objectif

Assurer une meilleure protection de la vie privée

Assurer une meilleure concurrence entre les

entreprises

#MDN2017

32


La sécurité : contenu de l’obligation de sécurité (1)

Adopter des mesures de

sécurité physiques

Sécurité des locaux

Adopter des mesures de

sécurité logiques

Chiffrement

Mesures adaptées à la

nature des données et aux risques

présentés par le traitement

#MDN2017

Prévenir la déformation

Prévenir tout dommage

Prévenir tout accès non autorisé

Notifier à la CNIL*

Inventaire des violations

33


Pour tout fournisseur de services de

communicat ions électroniques

accessibles au public

Pour tout responsable de traitement

* Dans les 24 heures suivants la violation ou en deux étapes (24 heure - notification simple - puis 72 heures notification complète

La sécurité : contenu de l’obligation de sécurité (2)

#MDN2017

Mesures techniques et

organisationnelles

Assurer d’un niveau approprié de sécurité des

données

34


La sécurité à l’ère du RGPD : privacy by design

Protection de la vie privée par défaut et dès la conception du traitement

#MDN2017

35


Focus sur la Pseudonymisation / Anonymisation

Anonymisation Pseudonymisation

#MDN2017

36


Les notions fondamentales

Identif ication directe

Données d’identif icationEx. : nom, adresse mail, etc.

Identif ication indirecte

Données « identif iante » : personne identifiable lorsqu'un fichier comporte des informations permettant indirectement son identification.Ex. : n° d’immatriculation, adresse IP (logs de connexion), n° de téléphone, etc. Toutes les informations dont le recoupement permet d’identifier une personne précise. (ex. : une empreinte digitale, l’ADN, une date de naissance associée à une commune de résidence …).

Données anonymisées (irréversible)

Données qui ne peuvent plus être reliées à un individu déterminé ou déterminableLes principes la loi LIL ne s’appliquent pas aux données rendues anonymes.Le passage d’une information anonyme à personnelle est apprécié par le juge (et par la CNIL).

Données pseudonymisée

s(réversible)

Données d’identif ication remplacée par un pseudonyme mais qui ne sont pas des données anonymes.Les principes de la LIL s’appliquent à de telles données.

#MDN2017

37


Confidentialité et Ressources Humaines

Clause de confidentialité

Sous-traitantPartenaires

Employé

#MDN2017

38


La sécurité et le recours à la sous-traitance

Action sur instructions

du responsable

Présenter des garanties

suff isantes pour la

sécurité et la confidentialité

Coresponsabil i té

notamment en matière de sécurité

des données

Contractualisation des obligations du

sous traitant (sécurité et de confidentialité)

#MDN2017

39


Focus : le secret des affaires

Une information de valeur

Un contrôle sur cette information

Protection pénale renforcée

PAS ENCORE TRANSPOSEE EN DROIT FRANCAIS

#MDN2017

Allier Big Data et confiance-


#MDN2017

41


Le BIG DATA

#MDN2017

42


Big Data et IA

Data IAAlgorithme

#MDN2017

43


Big Data et IA

Donner une personnalité juridique aux future IA autonome ?

Penser un cadre éthique pour les robots

Créer un système assurantiel pour les dommages causé par les robots ?

#MDN2017

44


Minimisation des données

Proportionnalité

Pseudonymisation

Collecte de masse

Stockage illimitée

Rentabilité

Big Data et vie privée : la minimisation

#MDN2017

45


Croisement des données

Statistique

Interdict ion du

croisement des données

Consentement

Big Data et vie privée : le croisement de données

#MDN2017

46


Durée de conservat ion l imitée

Selon la finalité

Durée de conservat ion

i l l imitée

Big Data et vie privée : conservation

#MDN2017

47


Clients les moins rentable E-commercant + big data

Big Data et discrimination

#MDN2017

48


Score de « prédict ion de grossesse »

Produits et promotions adaptés

Analyse prédict ive et profi lage des clientes

Big Data et discrimination

#MDN2017

Le Big Data, réservé aux «Big» entreprises ?

-

Laure BOUTRON

#MDN2017

Pour les grandes entreprises

50

Domaines d’application : B2C et B2B

• Marketing : affiner les données liées aux consommateurs / utilisateurs, création de modèles prédictifs pour anticiper le départ d’un client ou les ventes d’un produit.

• Finance / assurances : prédictif, fraud analysis, personnalisation de contrats

• Compréhension et optimisation des processus : gestion des stocks, RH, itinéraires de livraison…

• Sécurité : optimisation du trafic dans les villes

• Santé : recherche médicale et pharmaceutique

#MDN2017

Mais pas que …

51

Pour les particuliers

• Réseaux sociaux

• Sites communautaires (rencontres, loisirs …)

• Objets connectés

• …

#MDN2017

Mais pas que …

52

Pour les TPE PME

• Cloud Services / Community

• Predictive / Benchmark

• Exemples : Marketing (Google Trends), Agriculture, Avocats (legaltech), …

#MDN2017

Pour les éditeurs de logiciel

53

L’enjeu pour le groupe ExactCombiner le Big Data & le Machine learning pour améliorer l’expérience client

• Pas d’utilisation de données financières

• Customer behavior data

• Agrégation de données pour les experts-comptables

• Services additionnels communautaires

#MDN2017

Le Big Data pas à pas

54

5 conseils clé pour maximiser le Big Data pour les PME

• Définir vos objectifs

• Identifier vos sources de données

• Consolider les données

• Analyser les rapports

• Maximiser l’utilisation de ces données

#MDN2017

Les bénéfices du Big Data pour les PME

55

Prendre des décisions data-driven

#MDN2017

56


Recrutement par big data

Peut permettre de corriger les biais humains

Discrimination algorithmique

Traces en lignes, données de base, etc

Big Data et Ressources Humaines

#MDN2017

57


Nouvelle réglementation : préparez-vous dès

maintenant !

A télécharger surhttp://bit.ly/2qmYc9M

Nouveau

HAAS Socié té d’Avocats

32 rue de la Boétie75008 PARIS

Tel :01.56.43.68.80Fax : 01.40.75.01.96

[email protected]

www.haas-avocats.comwww.jurilexblog.com

Nouveau : Guide E-Marketing & Protection des données

http://www.haas-avocats.com/

http://www.jurilexblog.com/

#MDN2017

Les bénéfices du Big Data pour les PME

58

Productivité, profitabilité

64% des répondants à l’enquête utilisent des applications Cloud d’entreprise.

#MDN2017

Exemples d’applications concrètesdu Big Data

#MDN2017

Conseiller Numérique-

Jacques TEK

#MDN2017

Les Challenges NumériquesSeine-et-Marne 2017

Dossiers de candidaturesJusqu’au 30 sept. 2017www.seineetmarne.cci.fr

#MDN2017

Jacques TEK - Conseiller Numérique, CCI Seine-et-Marne

62

Rôles & missions

• Accompagner les entreprises TPE et PME dans cette Transformation Numérique

• Réaliser un « Diagnostic de Stratégie Digitale » directement en entreprise avec le dirigeant

• Evaluer la « Maturité Digitale » de l’entreprise

• Proposer des recommandations

• Accompagnement : rédaction des cahiers des charges, choix des prestataires, propositions de formations adaptées

• #MDN2017 – Le Mois du Numérique 2017

• La marque « Les Digiteurs » : Vidéo

Rôle de conseil et d’accompagnement des entreprises

#MDN2017

Questions-

Réponses

#MDN2017

#Merci#MDN2017

#Transfonum #digital@lesdigiteurs

@ccism