Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.

Tracer la voie vers le big data avec Talend et AWS

665 Aufrufe

Veröffentlicht am

Tracer la voie vers le BigData et l'analyse prédictive avec Talend et Amazon AWS.
Peut-on se passer du Big Data, de l’analyse prédictive, ou du machine learning depuis qu’ils ont démontré leur capacité à transformer l’entreprise et à ouvrir les portes de vos marchés à de nouveaux acteurs ? Et sinon, comment s’approprier au plus vite toute cette panoplie technologique, à première vue complexe, coûteuse et en perpétuelle mutation ?
Cette présentation démontre comment s’approprier et orchestrer les plates-formes cloud telles qu’Amazon AWS, pour tirer partie de la puissance de traitements de Hadoop et de Spark dans le cadre d’applications analytiques de nouvelle génération.

Veröffentlicht in: News & Politik
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Tracer la voie vers le big data avec Talend et AWS

  1. 1. 1 Tracer la voie vers le Big Data et l'analyse prédictive avec Talend et Amazon AWS. Amadou Merico et Jean-Michel Franco
  2. 2. 2 Agenda • Les Différents Types d’Analyse • L’analyse prédictive : Pourquoi maintenant ? Quels cas d’usages ? • L’analyse prédictive : Comment ? Quelles technologies ? Pourquoi le cloud ? • Construire le data lab avec Talend et Amazon Web Services
  3. 3. 3 Différents Types d’analyse Analyse Prédictive Analyse Descriptive Analyse Diagnostique Analyse Prescriptive Pourquoi est- ce arrivé ? Que devrais- je faire ? Que pourrait-il arriver ? Que se passe-t-il ?
  4. 4. 4 Cas d’usages du prédictif Industrie • Maintenance préventive • Produit comme un service • Qualité, innovation R&D Assurance • Fraudes et risques • Recommandation client • Tarification à l’usage, personnalisation Secteur public • Fraudes, abus • Sécurité publique • Personnalisation de la relation citoyen Distribution • Recommandation produit • Abandon de panier • Pricing dynamique Santé • Soins personnalisés • Effets indésirables. • Diagnostics Telecom • Parcours clients multi- canal • Géo localisation • Fraudes et churn Banques • Parcours clients multi- canaux • Fraude, anti blanchiment Transports, loisirs • Planification et gestion des evts liés à la logistique • Service client temps réel • Economie d’énergie • Pricing dynamique grande conso. • Analyse de sentiments • Relation personnalisée avec le consommateur • Produit comme un service
  5. 5. 5 Analyse en continu Création d’une prédiction, d’un model, d’un score Opérationnaliser l’analytique Livraison continue Accès constant au Data Lake facilitant la modélisation Data Scientist IT
  6. 6. 6 • Cas d’usage typique: personnalisation et recommandation temps réel • Bénéfices (source Venture Beat Survey): • Cas 1: contenu personnalisé sur site web pour un nombre de page vues augmenté de 300 % • Cas 2: taux de conversion augmenté de 219 percent. Transformer les Données en Décisions & Actions Don- nées Intégrer Appren dre Agir avec clairvo- yance Valeur Alimenter l’apprentissage Appliquer le modèle Intégration et préparation des données Modélisation et apprentissage Mise en exploitation du modèle Constitution du réservoir de données Traitement de données haute performance Streaming et modèle de machine learning opérationnalisé Solution
  7. 7. 7 L’option Cloud est considérer à tous les niveaux Croissance des applications SaaS vs on-premise Des flux d’integration serint étendus au delà du firewall dès 2017 ROI sur 5 ans et diminution du downtime de 81.7% dans le cas d’AWS 5X 66% 560% Applications Plate-formes Infra- structure
  8. 8. 8 Des plates-formes technologiques désormais abordables Stockage de données Ingestion de données Traitement des données Amazon S3 Data Warehousing Amazon EMR Amazon Redshift
  9. 9. 9 L’apport du cloud et des services de gestion de données à la demande L’exemple d’Amazon Web Services : • Agilité – Des ressources disponibles - et libérables - immédiatement • Pricing élastique – payer à l’usage • Des capacités de traitements virtuellement illimitées • Un ensemble complet de services pour l’ingestion de données, le stockage, et des services analytiques sophistiqués Amazon Kinesis Amazon Redshift Amazon EMRAmazon S3 Collecte Lac de données Entrepot Traitements Analytiques
  10. 10. 10 Démo : la plate de forme de données et services Amazon Redshift Ingestion des évènements détaillés • Tous les clients • Données d’intention (click), de consommation, d’utilisation, de notation. Comportement par utilisateur Evénements Quotidiens o o o Préparation des données pour recommandation <chaque nuit> Recommandations quotidiennes Entrée | Résultats Charge incrémentale et maintenance <chaque nuit> Elastic MapReduce Service Cluster éphémère Lac de données – Amazon S3
  11. 11. 11 Démo : la plate de forme de données et services Amazon Redshift Ingestion des évènements détaillés • Tous les clients • Données d’intention (click), de consommation, d’utilisation, de notation. Comportement par utilisateur Evénements Quotidiens o o o Préparation des données pour recommandation <chaque nuit> Recommandations quotidiennes Entrée | Résultats Charge incrémentale et maintenance <chaque nuit> Elastic MapReduce Service Cluster éphémère Lac de données – Amazon S3
  12. 12. 12 Démo : la plate de forme de données et services Compte Client Amazon Redshift Ingestion des évènements détaillés • Tous les clients • Données d’intention (click), de consommation, d’utilisation, de notation. Comportement par utilisateur Evénements Quotidiens o o o Préparation des données pour recommandation <chaque nuit> Recommandations quotidiennes Entrée | Résultats Charge incrémentale et maintenance <chaque nuit> Elastic MapReduce Service Cluster éphémère Lac de données – Amazon S3
  13. 13. 13 Démo : la plate de forme de données et services Amazon Redshift Ingestion des évènements détaillés • Tous les clients • Données d’intention (click), de consommation, d’utilisation, de notation. Comportement par utilisateur Evénements Quotidiens o o o Préparation des données pour recommandation <chaque nuit> Recommandations quotidiennes Entrée | Résultats Charge incrémentale et maintenance <chaque nuit> Elastic MapReduce Service Cluster éphémère Lac de données – Amazon S3
  14. 14. 14 Démo : la plate de forme de données et services Compte Client Amazon Redshift Ingestion des évènements détaillés • Tous les clients • Données d’intention (click), de consommation, d’utilisation, de notation. Comportement par utilisateur Evénements Quotidiens o o o Préparation des données pour recommandation <chaque nuit> Recommandations quotidiennes Entrée | Résultats Charge incrémentale et maintenance <chaque nuit> Elastic MapReduce Service Cluster éphémère Lac de données – Amazon S3
  15. 15. 15 • Réduction des coûts • Pas d’investissement « up front » • Pas d’infrastructure à gérer • Achat de capacité à la demande • Innovation permanente • Approche par expérimentation • Prêt à l’emploi en quelques minutes • La dernière innovation technologique à une portée de clic . • Agilité • Ressources accessibles à la demande • Accélération des cycles • Facilité d’accès En résumé
  16. 16. 16 Questions ? Venez rencontrer les équipes Talend sur le stand F07 DécouvrezSparketlemachinelearning aveclanouvellesandboxTalend

×