2014 Présentation pour la soutenance du probatoire "Big Data"de galsungen
1. CONSERVATOIRE NATIONAL DES ARTS ET METIERS
CENTRE REGIONAL DE RHONE-ALPES
---
Mémoire présenté en vue d’obtenir
UE « Information et communication pour ingénieur »
Spécialité : INFORMATIQUE
---
Par
Galsungen
---
Big Data en médecine, en smart cities…
Principes, utilités, exemples et solutions
Soutenu le 10 juin 2014
---
JURY
PRESIDENT [Civilité Prénom NOM Fonction]
MEMBRES [Civilité Prénom NOM Fonction]
[Civilité Prénom NOM Fonction]
2. Plan
• Définition : qu’est ce que le Big Data
• Solutions techniques : Hadoop…
• Open Data / Données ouvertes
• Risques du Big Data
• Usages
– En général et en médecine
– Smartcities / Villes intelligentes
• Législation et vie privée
• Bilan et perspectives
2 / 20
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
3. 3 / 20
Qu’est ce que le Big Data ?
• Grosses données / Données de masse
• Multiplication et démocratisation technologies
• Evolution moyens de stockage
• Nouvelle richesse
• Souvent faible densité information
– Données massives mais simples
– Objectif : analyse, statistique, synthèse.
• Expansion des données (3V : volume, variété,
vélocité)
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
4. 4 / 20
Les 3 V (Gartner)
• Volume
Quantité de données produites. En forte expansion.
Exprimé en octets (tera, zetta…)
• Variété
Nombreux formats (texte, image, audio, vidéo…).
Données structurées et non structurées.
• Vélocité
Fréquence de génération, capture et partage des
données
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
5. 5 / 20
Vers 5 V ?
• Valeur
Valeur qu’on va donner aux données qu’elle soit
monétaire ou intrinsèque.
• Véracité / Validité
Les données sont-elles valides ? Sont-elles pertinentes ?
Précises ?
- - ou - -
• Visibilité (à la place de la validité)
Vision qu’on a des données. Compréhension de ces
dernières.
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
6. 6 / 20
Technologies
• Pas une solution précise mais une réflexion
– Que souhaite t’on obtenir ?
– Que souhaite t’on réaliser ?
– Comment y parvenir ?
• Des boites à outils communes
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
7. 7 / 20
Paysage du Big Data
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
8. 8 / 20
Hadoop
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
Source : JDN – journaldunet.com
9. 9 / 20
3 catégories de logiciels
• Stockage
Baies SAN (Storage Area Network), SSD (Solid-State Drive), Clusters
(grappes de serveurs)…
Bases de données NoSQL
• Traitement & calcul
– Clusters, Cloud, cartes graphiques (General-purpose
Processing Graphics Processing Units)…
• Analyse
– Mahout, MLPACK…
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
10. 10 / 20
Open Data / Données ouvertes
• Donnée numérique
– Diffusion structurée
– Méthodologie, licence
– Libre accès et réutilisation.
• Des lois pour appuyer cette ouverture
– Transparence gouvernements, politiques
– Evolution de l’article XV de la déclaration universelle
des droits de l’homme
• Echelles de qualité
– Fondation Sunlight
– Tim Berners-Lee
• « Open Science data »
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
11. 11 / 20
Risques
• Identification indirecte
– Granularité des données, anonymisation
– MIT : Unique in the crowd
• Sécurité des données
– pérennité : durée de vie des stockages ?
Datacenters ?
– Ethique : respect des règles par les
administrateurs
• Fraicheur des données
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
12. 12 / 20
Usages généraux
• SIG (Cartographie)
• Prévisions politiques, sportives, météorologique
• Marketing & publicité
• Segmentation, ciblage de populations, clientèles
• Sciences (astronomie, cosmologie, climatologie…)
• Autres…
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
13. 13 / 20
Usages en médecine
• Epidémiologie & Ecoépidémiologie
• Séquençage génétique
• Analyse imagerie médicale
• Recherche
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
Source : OpenHealth.fr
Evolution des allergies en France
14. 14 / 20
Usages en Smart Cities (Villes intelligentes)
• Extension Domotique, Ubiquitous computing
– Multiplication capteurs, caméras…
• Exploitation données recueillies
– Analyser l’existant
– Suggestions d’évolutions
• Usages très variés
– Optimisation des transports
– Optimisation, gestion des réseaux (eau, gaz, communication…)
– Gestion des énergies (smartgrid…)
– Optimisation de la sécurité (aide aux forces de l’ordre…)
– Transparence des données
– …
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
15. 15 / 20
Usages en Smart Cities : Lyon
• Portail Smart Data
• Onlymoov : diffusion conditions de circulation en temps réel.
• Onlymod : optimisation des transports avec prévision à une
heure.
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
Source : onlymoov.com
16. 16 / 20
Usages en Smart Cities : Abidjan 1/2
– But : optimisation transports publics
– Données :
• Orange
• 2,5 milliards d’échanges enregistrés entre 5 millions
d’utilisateurs (appels – sms) sur 2012
• Etude sur 500 000 téléphones sur 5 mois
• 50 000 utilisateurs changés toutes les 2 semaines
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
17. 17 / 20
Usages en Smart Cities : Abidjan 2/2
Comment :
• Utilisation base de données appels téléphoniques.
Matrice des flux de déplacements.
• Comparaison avec réseau en place.
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
Source : La Recherche n°482
Cartes pour l’année 2012
18. 18 / 20
Législation et vie privée
• En France
– Loi informatique et liberté
– CNIL
• Données étrangers
– Exemple : « Patriot Act » américain
• Jugement cours européenne : jurisprudence
– ressortissant espagnol contre Google (Avril)
– Proposition d’un un outil (formulaire) de
suppression des liens par Google (30.05.14)
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
19. Bilan et perspectives
• Débouchés très variés
• Explosion des données (informatique ubiquitaire, domotique, internet des
objets)
• Nouveaux métiers : analyste des données « data scientist »
(mathématiques, statistiques, une culture informatique & « métier »)
• Evolution continue pour une offre plus mature, plus vaste :
– interface graphique Hadoop
– PostgreSQL : volet NoSQL
– MySQL Fabric par Oracle (scalabilité)
• Attention :
– qualité des données (stockage, persistance, sécurité, fraîcheur)
– vie privée
19 / 20
Plan Définition
Open
Data
Risques Usages Bilan
Solutions
techniques
Législation
20. Merci de votre attention.
20 / 20
Plan Histoire Procédés Matières Economie Législation BilanImprimante
22. Différence Big Data / Business
Intelligence (BI)
• Différence par rapport aux données et à leur
utilisation
– BI : analyse de données à forte densité
d’information pour mesurer, détecter des
tendances. Pilotage d’activité à l’aide
d’indicateurs. Aide à la décision.
– Big Data : analyse données à faible densité
d’information mais avec un très grand volume.
Capacités prédictives.
23. Octet
Nom Symbole Valeur Mésusage
Kilooctet ko 103 210
Mégaoctet Mo 106 220
Gigaoctet Go 109 230
Téraoctet To 1012 240
Pétaoctet Po 1015
Exaoctet Eo 1018
Zettaoctet Zo 1021
yottaoctet Yo 1024
26. NoSQL : Bases documentaires
• Basé sur clé/valeur
• Document type JSON, XML
• Une clé retourne informations structurées
hiérarchiquement
• Evite de faire plusieurs jointures
• Exemples : CouchDB (Hadoop), RavenDB
(.NET/Windows), MongoDB
27. NoSQL : Bases orientées colonnes
• Similaire table d’un SGBDR
• Différence : nombre de colonnes dynamique
• Nombre de colonnes varie donc entre deux
enregistrements (pas de valeur NULL)
• Exemples : Hbase (BigTable de Google),
Cassandra (Hadoop, Amazon)
28. NoSQL : Paradigme graphe
• Modèle sur théorie des graphes
• Notion de nœuds, relations, propriétés
rattachées
• Facilite représentation monde réel
• Adapté réseaux sociaux
• Exemple : Neo4J
29. Hadoop (Fondation Apache)
• Principaux
– Hadoop Common (utilitaires communs)
– Hadoop Distributed File System (HDFS) (système de fichiers distribués)
– Hadoop YARN (framework d’ordonnancement et de gestion de cluster)
– Hadoop MapReduce (« YARN-based » système de traitements parallèles de larges jeux de
données)
• Autres
– Ambari (outil web de gestion et management de clusters Apache Hadoop)
– Avro (système de sérialisation des données)
– Cassandra (Base de données scalable multi-maitres)
– Chukwa (Système de collections de données pour gérer de larges systèmes
distribués)
– HBase (Base de données distribuée, scalable acceptant structuration de large jeux
de données)
– Hive (entrepôt de données)
– Mahout (librairie de « data mining » et de « machine learning »)
– Pig (langage pour flot de données et framework pour calcul parallèle)
– Spark (moteur de calcul)
– Tez (framework de programmation de flux de données basé sur YARN)
– ZooKeeper (service de coordination pour applications distribuées)
– …
30. Qualité Open Data 1/2
• Complète
• Primaire
• Opportune
• Accessible
• Exploitable
• Non discriminative
• Non-propriétaire
• Libre de droits
• Permanente
• Gratuite
Les 10 critères de la Sunlight Foundation :
31. Qualité Open Data 2/2
Données non filtrées
Données disponibles de manière structurées
Données librement exploitables
Données identifiées par des URL
Données liées à d’autres données pour les
contextualiser et les enrichir
Echelle de Time Berners-Lee :
32. Déclaration Universelle des droits de
l’homme
• Article XIV
Tous les Citoyens ont le droit de constater, par eux-mêmes ou par leurs
Représentants, la nécessité de la contribution publique, de la consentir
librement, d’en suivre l’emploi et d’en déterminer la quotité, l’assiette, le
recouvrement et la durée.
• Article XV
La Société a le droit de demander compte à tout Agent public
de son administration.
• Article XVI
Toute Société dans laquelle la garantie des Droits n’est pas assurée, ni la
séparation des Pouvoirs déterminée, n’a point de Constitution.
• Article XVII
La propriété étant un droit inviolable et sacré, nul ne peut en être privé, si
ce n’est lorsque la nécessité publique, légalement constatée, l’exige
évidemment, et sous la condition d’une juste et préalable indemnité.