Les entreprises sont de plus en plus nombreuses à s’intéresser au big data : Beaucoup y voit le graal qui leur permettra de sortir de la crise. Oui mais voilà, les Big Data entrent dans des critères de volume, véracité, variété et de vélocité (4V) bien précis et tellement importants (voire même hors norme) qu’elles ne concernent finalement qu’une très faible partie des projets d’exploitation de données. Faut-il pour autant exclure les entreprises ou les projets dont les cas d’usage n’entrent pas dans ces critères ? Nous allons démontrer dans le cadre de cette session et sur la base d’exemples concrets comment les données, même en volume limité et aussi dispersées soient-elle, renferment un gisement de valeurs considérable pour l’entreprise : à condition de respecter certains fondamentaux et prérequis pour pouvoir les faire parler. Retour d’expérience avec Anne LAURENT, directrice du centre HPC@LR à Montpellier, centre de compétences dévolu au calcul intensif (High Performance Computing) Session présentée par le partenaire : Isiasoft. Speakers : Fabienne Amadori (Isiasoft), Anne Laurent (CNRS )

1. La data n'a pas besoin d'être « big »
pour générer de la valeur

2. Fabienne AMADORI
ISIASOFT
famadori@isiasoft.c
om
Anne LAURENT
LIRMM (UM2 – CNRS)
laurent@lirmm.fr

4. Big Data,
l’un des plus grands défis informatiques de la
décennie
“Big data: The next frontier for innovation, competition, and
productivity” (McKinsey Global Institute).

5. L’enjeu du Big Data,
Transformer les données en savoir

6. Théorie
Expérimentatio
n
Simulation
Données
http://research.microsoft.com/en-us/collaboration/fourthparadigm/

7. Les « autres » données,
Un gisement de valeurs
“Information has become one of the most valuable assets that
organizations have.” (Gartner)

8. Dans la suite de cette session…
T d’horizon
our
Approche, étapes clés, arbitrages et écueils à
éviter
T concernés par le bigdata
ous

9. Réseaux de neurones
Régression logistique
Big Data
Business Intelligence
Data mining
Arbre de décision
2
Data Science
Machine learning
Régression linéaire
Data Visualisation

10. Cognitif
Optimisation
Analyse prédictive
 Intuitif
 Evolutif
BI Reporting
 Quel est le meilleur choix ?
 La meilleure action
 Qu’est-il arrivé ?
 Quand? Combien ?
…
 Que va-t-il arriver ?
 Quel va être l’impact
?

11. Data science, Data mining,
Exploration de données,….

12. Quelle corrélation entre bières et couches
pour bébé ?

13. Big data
« Petite » analyse lexicale

14. 3V : Volume, Variété, Vélocité
3V+Valeur
3V+Visualisation
3V+Véracité
3V+…

15. Le calcul intensif
Un outil stratégique pour la science, l’industrie …

16. 9. Data Mining
5. Text Mining / NLP
8. Data Ingestion
6. Visualization
10. Toolbox
4. Machine Learning
1. Fundamentals
7. BigData
2. Statistics
3. Programming
http://nirvacana.com/thoughts/becoming-a-data-scientist/

17. Exploration des données…
Retour d’expérience sur un projet

18. Collecter
Consolider et nettoyer les données
Explorer
Découvrir et analyser
Réinjecter la connaissance dans les
process

20. Consolidation et nettoyage des
données
Hétérogénéité technique
Hétérogénéité fonctionnelle
Hétérogénéité des déploiements
Véracité des données
Connaissance fonctionnelle….

21. Hétérogénéité technique
Bases de données
Fichiers CSV, log…
Réseaux sociaux
Progiciels
Web services

22. Hétérogénéité fonctionnelle
R&D,
prototypage
Design,
SAV
Packaging,
Produit
Marketing,
Distribution
Marketing
Production

23. Connaissance fonctionnelle
REGPZCV
REGPATI
REGUPP
56
20091213
33
...
REGUCI
REGGEN
0
4
0,256
20090615
1
4
0,358
…
…
…
…
…
42
20081114
1
2
0,199
…

24. Validité des données

25. Consolidation et nettoyage des données
Design,
R&D,
prototypage
Packaging,
Marketing
Production
Marketing,
Distribution
Characteristics
Formulation
SAV
Class
Produit
Na+
K+
Cl-
Claims
…
…
…
…
…
AER234
0,4087429
0,5980998
0,6190223
No
AAI254
0,3202395
0,598452
0,6179289
Yes
AAI256
0,3506248
0,60179
0,6969146
No
AAD472
0,3521515
0,6492974
0,5481292
No
…
…
…
…
…

26. Hétérogéniété des déploiements
R&D,
prototypage
SAV
2010
2007
Marketing,
Distribution
Design,
Packaging,
Marketing
2013
2001
2006
2010
Indicateurs
qualité
2002
Production

27. De nombreuses stratégies, de nombreux algorithmes…..
Ranking strategies
InfoGain
ChiSquared
Algorithms
Neural Network
• MultiLayerPerceptron
Filtered
Decision Tree
SymmetricalUncert
• C4.5
ReliefF
OneR
Bayes Net

28. Réseau de Neurones
Color
Riboflavin
freshness
& Smell
Choline
Claims
Folic acid
Surface
Quality

29. Algorithme génétique
Entrainement
des réseaux
de neurones
1ère
génération
Nouvelle
génération
Mutation
Sélections des
meilleurs
réseaux
Héritage par
recombinaisons

30. Application spécifique développée
en WPF

32. Bilan du projet
Axes d’améliorations identifiés
Freins levés
Démarche à moindre coût
Synergie entre monde de l’entreprise et la
recherche

33. En synthèse
Enveloppe financière raisonnable
Démarche globale et impact sur l’organisation
Qualité des données
Compétences requises

34. Not so Big data : 3V + Vous…
Une démarche sur mesure

35. Des questions ?
Vous avez d’autres questions ou vous souhaitez prolonger cet échange
ISIASOFT Stand 6 bis (espace exposants)
www.isiasoft.com