Download pdf - Le BigData, aussi par et pour les PMEs par Stéphane Mouton | Liege Creative, 24.10.13

Parole d’expert

Le BigData, aussi par et pour les PMEs

Stéphane MOUTON, CETIC Département Software and Services Technologies

Avec le soutien de :

© CETIC – www.cetic.be

LIEGE CREATIVE Le Big Data, aussi par et pour les PMEs

Stéphane Mouton CETIC

1


Internet du Futur

Qualité Logicielle

Internet des Objets

Technologie Information Communication

Centre de recherche appliquée agréé

Méthodes & outils utilisables

Résultats innovants

2001

40 chercheurs


Au début, les ressources étaient rares


Des technologies adaptées à la rareté des ressources

ACQUISITION & EXTRACTION DES DONNEES

STOCKAGE (DATAWAREHOUSE)

PRE-TRAITEMENT & REQUETES

ANALYSE BI & VISUALISATION

WO

RKFL

OW

DONNÉES STRUCTURÉES


Puis le stockage est devenu abordable


Le Big Data vient de l’Internet

Amazon -> Données produits et clients Yahoo! -> Tracking et profilage utilisateurs Microsoft -> Stockage Facebook -> Données utilisateurs Twitter -> Messages LinkedIn -> Profils et liens entre utilisateurs Google -> A peu près tout ce qui est ci-dessus


Mais tout le monde n’est pas Twitter, Facebook, …


BigData: consensus autour d’une definition

Volume Vitesse Variété

(Valeur) (Véracité) (Visualisation) * *Ajoutez votre “V” ici


Un concept relatif

Volume: How big is big? Velocity: How fast is fast? Variety: How diverse is diverse? Valable maintenant et dans un futur proche …


Un bond technologique

Amazon -> Dynamo Yahoo! -> HBase, Hadoop Microsoft -> Azure Storage Facebook -> Cassandra -> HBASE Twitter -> Cassandra LinkedIn -> Voldemort Google -> BigTable ...


De nouvelles technologies de bases de données


Une pile logicielle Big Data

SCALABILITÉ

STOCKAGE

PRE-TRAITEMENT & REQUETES

ANALYSE BI & VISUALISATION

WO

RKFL

OW

DONNÉES STRUCTURÉES

DONNÉES NON STRUCTURÉES

ACQUISITION & EXTRACTION DES DONNEES


Scalabilité : distribution des calculs / traitements

Chien Ane Serpent Chat Chat Serpent

Chien Chat Ane

Chien Ane Serpent

Chat Chat Serpent

Chien Chat Ane

Chien,1 Ane, 1

Serpent, 1

Chat,1 Chat, 1

Serpent, 1

Chien,1 Chat, 1

Ane, 1

Ane, 1 Ane, 1

Chat, 1 Chat, 1

Chat, 1

Chien, 1 Chien, 1

Serpent, 1 Serpent, 1

Ane, 2

Chat, 3

Chien, 2

Serpent, 2

Ane, 2 Chat,3

Chien, 2

Serpent, 2

Input Entrée

Map Appliquer

Split Séparer

Shuffle Mélanger

Reduce Réduire

Final result Résultat final

1 machine maître, plusieurs machines esclaves


Une autre manière d’analyser les données

source :


Et pour les PME ?


Des outils plus abordables

Source: O’Reilly


Et le Cloud Computing ?

•  Réduire les investissements •  Déployer sur le Cloud

pour un paiement à l’utilisation

•  Outils BigData prêts à l’emploi •  Plateforme : pour bâtir

Exemple : Hadoop on Azure •  Service : pour analyser

Exemple : Google BigQuery

•  Pouvoir disposer de ressources informatiques importantes


Opportunités du Big Data

•  Améliorer les services existants •  Utiliser des données inexploitées pour améliorer les

analyses et résultats •  Fournir les mêmes informations mais mieux (plus rapide, plus

précis, moins cher, …)

•  Développer de nouvelles activités •  Traiter des données produites par l’entreprise et

éventuellement d’autres sources pour fournir de nouveaux services.

Exemple : bookt.com service aux hôteliers


Définir une stratégie BigData

•  Passer en revue les données Sources, Flux, Valeur

•  Evaluer l’utilisation de données peu ou semi structurées Textes, graphique, images, feuilles de calcul

•  Choisir les technologies appropriées Choisir l’angle d’attaque technologique du problème Réaliser une preuve de concept

•  Définir une utilisation business mesurable / évaluable •  Eviter de traiter la donnée pour la technologie •  Eviter les « décharge de données » •  Etude Wikibon : danger de retour sur investissement négatif


Prêts ?


Merci

[email protected] www.cetic.be/stephane-mouton