background preloader

Big Data

Facebook Twitter

Big Data - Pour le marketing de la Fnac, vendre plus commence par identifier les bons clients. Avec 3,5 millions d’adhérents, 20 millions de clients et 12 millions de visites uniques chaque mois sur le site, la Fnac dispose d’une masse de données – « des milliards d’évènements » – dans laquelle puiser, notamment afin de piloter ses campagnes marketing.

Big Data - Pour le marketing de la Fnac, vendre plus commence par identifier les bons clients

Grâce à son programme adhérents (créé en 1954) et à la fusion en 2011 de ses bases de données (boutiques et Web), qui a introduit « l’omnicanalité », le commerçant et e-commerçant a « capté de la donnée très tôt. La donnée est la clé de voûte des mécaniques relationnelles que nous orchestrons aujourd’hui avec de la personnalisation, de la segmentation, du ciblage » déclare Camille Berland, qui pilote le pôle CRM digital de la Fnac. "Scorer la probabilité qu’une personne donnée achète un produit" Ciblage et segmentation sont des opérations mâtures au sein des départements marketing.

Et elles n’ont pas attendu l’émergence du Big Data pour se mettre en œuvre. . « On se dit bien qu’il y a des signaux précurseurs. Le gain ? L'écosystème du Big Data en une infographie. Le segment du Big Data associe géants des SI, ténors du digital et toute une foule de start-up spécialisées, comme le montre une infographie issue de la dernière étude de Xerfi sur le sujet.

L'écosystème du Big Data en une infographie

Dans sa dernière étude "Distribution & Big data" parue fin 2014, notre partenaire Xerfi propose sous la forme d'une infographie une vision globale de l'écosystème du Big Data. "Les solutions Big Data sont aujourd'hui portées par les grands acteurs du stockage, du logiciel et de l'analytique (IBM, EMC, HP, Microsoft, Oracle, SAS et SAP)", commente le cabinet d'étude. Mais l'institut précise : "les acteurs prospérant grâce aux données personnelles des utilisateurs (Google, Amazon, Facebook, Apple, etc.), deviennent eux aussi des spécialistes du Big Data. " D'où leur présence dans l'infographie ci-dessous. Formation continue en Big Data : ce que proposent les grandes écoles.

Plusieurs grandes écoles proposent désormais des formations dans le Big Data.

Formation continue en Big Data : ce que proposent les grandes écoles

Voici celles où peut aller un employé. Telecom ParisTech a lancé à la rentrée 2013 un nouveau mastère spécialisé "Big Data : Gestion et analyse de données massives". Accrédité par la Conférence des grandes écoles, son but est clairement affiché : déboucher sur un savoir-faire opérationnel et préparer à un ensemble de métiers orientés Big Data et notamment celui, en plein essor de Data Scientist , entre autres. Au programme, d'octobre à juin : statistiques, bases de données SQL, droit et valeurs des données personnelles, Hadoop, NoSQL, parallélisation massive et systèmes répartis, machine learning... Puis la formation se poursuit par un stage de 4 mois (de juillet à octobre) ou 6 mois (de juillet à décembre). La pédagogie veut accorder une large part à des études de cas et retours d'expérience.

Lien vers la page officielle dédiée à la formation. 'The Cloud' and Other Dangerous Metaphors. Contemporary ideas about data and privacy are tied up inextricably with language choices.

'The Cloud' and Other Dangerous Metaphors

The collection of personal data is now ubiquitous, and people are starting to pay attention. But data-collection policies have been built primarily on what we technically can do, rather than what we should do. The gulf between can and should has led to controversies about the sharing of student data and debate about a massive emotional contagion experiment conducted on the News Feeds of close to 700,000 users on Facebook. Researchers of all stripes are scrambling to find a clear way forward in uncharted ethical territory. Underlying the discussion has been a tangle of big, thorny questions: What policies should govern the use of online data collection, use, and manipulation by companies?

While much has been written about these questions, there's also the the deeper issue of how people have been attempting to answer them. This is still just a partial solution. Pratique : 7 astuces pour choisir un bon outil de 'Big Data' Identifier les objectifs de votre projet Big Data Et cela peut commencer l’identification des problèmes actuels de la DSI en matière de collecte et d’analyse des données.

Pratique : 7 astuces pour choisir un bon outil de 'Big Data'

Un tel travail permet de poser les bases de ce à quoi un projet Big Data peut répondre, de manière concrète. Faut-il passer d’une feuille de calcul à un outil de visualisation plus performant ? Faut-il analyser de gros volumes de données ? Les données sont elles structurées ou non structurées ? Autant de questions qu’il est bon de se poser en amont du projet, pour en définir les spécificités fonctionnelles puis techniques. Big Data : peu de projets, le plus souvent des échecs. Non, en 2015, "transformation numérique" ne règnera pas en seul maître sur les charts des buzzwords de l'IT.

Big Data : peu de projets, le plus souvent des échecs

Non, car le Big Data est toujours là. Si le terme a émergé il y a désormais plusieurs années, les projets dans ce domaine le font eux très progressivement. Pour autant, des démarches se mettent en place en entreprise selon une étude de Capgemini. Parmi les répondants, seuls 13% font état de projets entrés en phase de production. Les réalisations partielles (35%) et les PoC (29%) sont la règle.