Embed Size (px)
Citation preview
DES BIG DATAAU BIG BUSINESS
Par François Cazals1er février 2017
LE PROFESSEUR• François CAZALS• [email protected]• Professeur• Auteur (et coauteur) de
plusieurs ouvrages• Consultant en stratégie
• Lieutenant-colonel de gendarmerie (réserve), affecté au cabinet du DG
UN CHANGEMENT DE PARADIGME
UN MANAGEMENT EMPIRIQUE
UN MANAGEMENTORIENTÉ DONNÉES
LA DÉMARCHE CLASSIQUEFONDÉE SUR DES MÉTHODOLOGIES
LES DONNÉES INTERNES
Les données comptables, financières et de gestion: bilan, compte de résultat,…
LES DONNÉES INTERNES
Les données industrielles
Les données logistiques
LES DONNÉES INTERNES
Les données commerciales
LES DONNÉES INTERNES
LA PROBLÉMATIQUEDES DONNÉES EXTERNES
DES MÉTHODES DE TRAITEMENT EMPIRIQUES
60’s 70’s 80’s …
LE DANGER DES SONDAGES
PROBLÈMES DE MÉTHODE
Tirage aléatoire au hasard
Méthode des quotas
LA PROBLÉMATIQUE DE LA CONFIANCE STATISTIQUE
SOUVENEZ-VOUS!
AUJOURD’HUI AUSSI
AUJOURD’HUI AUSSI
AUJOURD’HUI AUSSI
CAR LES ÉTUDES SONT DÉCLARATIVES!
TOUTE L’APPROCHE BAROMÉTRIQUE EST
SUSPECTE…
Notoriété/image, satisfaction, NPS, social,…
L’APPROCHE QUALITATIVE EST
ENCORE PLUS COMPLEXE!
EXEMPLE DE RELEVÉDE VERBATIMS
L’INFORMATIQUE CHANGE TOUT
A partir des années 1990
NOUS APPRENONS À TRAITER LES DONNÉES
STRUCTURÉES
DATA MININGL’exploration de données, connue aussi sous l'expression de fouille de données, forage de données, prospection de données, a pour objet l’extraction d'un savoir ou d'une connaissance à partir de grandes quantités de données, par des méthodes automatiques ou semi-automatiques.
Trouver ce que l’on cherche!
LES BÉNÉFICES
LA PROBLÉMATIQUE DE LA CENTRALISATION DES
DONNÉES
Data Warehouse
Extract Transform Load Middleware
PROBLÉMATIQUE TYPIQUEDU CRM
21ÈME SIÈCLE :LES BIG DATA
LE PHÉNOMÈNE BIG DATA
APRÈS LES PÉTROLIERS,LES ENTREPRISES DE
DONNÉESDix 1ères capitalisations boursières 2010
Dix 1ères capitalisations boursières 2016
AVANT LES BIG DATA,LES DARK DATA
UN PHÉNOMÈNE RÉCENT
A L’ORIGINE, LES 4 INTERNET1 000 milliards de pages Web
1 carte SIM par humain sur Terre
3 milliards d’humains sur Internet
2 internautes sur 3sur les médias sociaux
55% des visites du Web viennent d’un smartphone
E-commerce dans le monde1 500 milliards €
80 milliards d’objets connectésen 2020
44 000 milliards Goen 2020
4 milliards de recherches Googlepar jour
40 milliards de messages WhatsApp par jour
215 milliards d’e-mails par jour
(hors Spam)
Internet des objets
Web mobile
Web 2.0
Web
LES APISApplication Programming
Interface
Les connecteurs aux Data Lakes
LE PHÉNOMÈNE STATISTIQUE
1 ZETTABYTE
LE PHÉNOMÈNE STATISTIQUE
1 DVD de donnéespar jour et par
humainEn 2017
LES 4V DU BIG DATA
V+V+V+V=Value
D’ABORD DES DONNÉESNON-STRUCTURÉES
VOICI DES DONNÉESNON-STRUCTURÉES
COMMENT TRAITERLES BIG DATA?
Doug Cutting
HADOOP
LE RAFFINAGE DES BIG DATA
DATA SCIENCE
MATHEMATIQUES BUSINESS+ +
DATA-DRIVEN STRATEGY
TECHNOLOGIES
Découvrir ce que l’on ne cherche pas!
LES BÉNÉFICES
DONNER DU SENS AU DONNÉES
UNE DONNÉE Un couple
concept, mesure Exemple:
03/05/1964
UNE INFORMATION La donnée se
transforme en information lorsqu’elle est communiquée à un être humain capable de l’interpréter
Le public sait que 03/05/1964 est une date: le 3 mai 1964
UNE CONNAISSANCE L’information
interprétée mise en relation avec d’autres informations
En allant sur la page Linkedin de la personne, on découvre qu’il s’agit d’une date de naissance
UNE COMPÉTENCE Une fois la
connaissance intégrée, une action peut être réalisée de manière réfléchie et intentionnelle
La date de l’anniversaire de la personne connue, je mets une alerte sur mon agenda
DES ALGORITHMES AUX IA
QU’EST-CE QU’UN ALGORITHME?
Algorithme d’Euclide
Un algorithme, c’est une suite d’instructions, qui une fois exécutée correctement, conduit à un résultat donné.
VOICI UN ALGORITHME
QUELQUES ALGORITHMES
DES GAFA
L’ALGORITHME APB
DEEP LEARNING
Apprentissage non-supervisé Apprentissage supervisé
LES IA SONT DÉJÀ LÀ!
LA RENAISSANCE DE WATSON
LES IA FONT PEUR!
HALL 900
VONT-ELLES REMPLACERLES HUMAINS?
50% DES EMPLOIS REMPLACÉS PAR DES MACHINES?
Carl Benedickt Frey et Michael A. Osborne (Oxford, 2013)
65
La technologie doit être comprise comme médiateur plutôt qu’instrument, elle doit créer de l’autonomie plutôt que de la dépendance Gilbert Simondon
DATA-DRIVEN STRATEGY
LES BARBARES ARRIVENT
Après les GAFA, voici les NATU!
ÊTRE OU NE PAS ÊTRE UBERISÉ
UNE NOUVELLE ÉCONOMIE
Forte croissance, forte capitalisation, actifs intangibles, faible valeur
DE NOUVEAUX MODÈLES STRATÉGIQUES
LES ENTREPRISES SONT NATURELLEMENT
IMPACTÉES
LES BIG DATA SUR TOUTELA CHAÎNE DU MANAGEMENTComprend
re
Prévoir
DéciderAgir
Contrôler
UN IMPACT SYSTÉMIQUE
Client Finance Opérations RH
BIG DATA & CLIENTClient Finance Opératio
ns RH
BIG DATA & FINANCEClient Finance Opératio
ns RH
BIG DATA & OPÉRATIONSClient Finance Opératio
ns RH
BIG DATA & RHClient Finance Opératio
ns RH
POUR CONCLURE
LE NOUVEAU PARADIGMEHIER AUJOURD’HUI
RIVALITE
GrandcontrePetit
La puissance
AGILITE
RapidecontreLent
Les données
AVANTAGE CONCURRENTIEL
CONFIANCE & TRANSPARENCE
Le nouveau règlement européen sur la protection des données personnelles
est paru au journal officiel de l’Union européenne le 4 mai 2016et entrera en application en 2018.
https://www.cnil.fr/fr/reglement-europeen-sur-la-protection-des-donnees-ce-qui-change-pour-les-professionnels
LA 3ÈME RÉVOLUTION INDUSTRIELLE
