Pédagogie  du programme

Programme sur 3 jours

• Introduction aux technologies Big Data
  Panorama technologique et enjeux socio-économiques

  • Big Data, mode ou réalité ?

  • L’origine du Big Data

  • Les 3 V du Big Data

  • Les données cachées et non exploitées dans l’entreprise

• Enjeux, opportunités et évolutions du Big Data
  Les opportunités pour les secteurs suivants :

  • L’industrie

  • Les transports

  • Le marketing digital

  • Les services financiers

  • La santé

  • La distribution

  • Le secteur public

  • Le commerce

  • Les Télécoms.

• Enjeux stratégiques et organisationnels des projets Big Data en entreprise

  • Le Big data pour une meilleure analyse des données

  • Le Big data pour le développement de nouveaux services

  • Le Big data, le cloud et les objets connectés.

• Compréhension des bases de données utilisées dans les projets Big Data :

  • Les bases de données NoSQL

  • S’extraire des bases SGBDR pour passer au NoSQL

  • Les principales notions pour appréhender les bases données NoSQL (Nœuds, Clusters, Replication, Base)

  • Les bases de données NoSQL les plus utilisées par les grandes entreprises

  • Les différents types de bases de données NoSQL (orienté clé/valeur, orienté colonne, orienté document, orienté graphe)

  • Quelles bases de données NoSQL pour quel type de donnée (données non structurées, semi-structurées, relationnelles)

  • Cas d’utilisation de ces différents types de bases de données NoSQL

• Compréhension des technologies utilisées suivant les processus de mise en place des projets Big Data

  • Présentation de l’écosystème Hadoop

    • Coût, performance, évolutivité : promesses et gains effectifs

    • Les composants logiciels majeurs

    • Les différentes utilisations : ETL, solution de stockage, traitement batch

  • Les technologies Big Data

    • Stockage et traitement de données massives : problèmes et solutions

    • Les différents patterns de programmation Big Data (Use case : Click stream, advertisement serving)

    • Applications batch ou temps réel ?

    • Solution libres et propriétaires

    • Revue des outils tels que Hive, Pig, Impala, Druid, Flume, Storm, Spark…

  • Collecter et ingérer les données

  • Utiliser l’Open data dans son projet

• Sécurité, éthique et enjeux juridiques : penser les impacts sociaux et les contraintes juridiques

  • Effets indirects d’une approche orientée données

  • La CNIL, devoirs d’éthique et respect de la vie privée

  • La sécurisation des données, un enjeu pour les entreprises à l’ère du Big data

  • La sécurité des données et le Cloud

  • Exploitation et utilisation des données personnelles

  • La détection des menaces avancées

• Cas d’usage / success stories / retour d’expérience par secteurs et métiers

  • Le cas d’Orange Business Service avec Flux vision (http://www.orange-business.com/fr/produits/flux-vision)

  • Tranquilien et Transit, deux projets Big data à la SNCF (http://lentreprise.lexpress.fr/creation-entreprise/idees-business/tranquilien-l-appli-qui-predit-le-remplissage-des-trains_1545814.html)

  • Différents cas d’usage (moteur de recommandation, analyse de campagne marketing, analyse de la fidélisation et de la perte clientèle, analyse des graphes sociaux, analyse des marchés de capitaux, analyse prédictive, gestion des risques, « rogue trading »,

  • Les retours d’expérience pour les secteurs de l’industrie, du service, du commerce, du marketing, etc…