background preloader

Transformez vos Données Machine en Solutions

Transformez vos Données Machine en Solutions

http://www.splunk.com/

Related:  Big Data et reportingTraces & log GNU/Linux & UNIX

Pour le décloisonnement de la Data Science La Data Science fait peur et cela est dû à un malentendu que plusieurs médias ont véhiculé dernièrement. En effet, il existe une classe d'outils de machine learning, le deep learning, qui a une bonne performance dans l'apprentissage et cela cause une rupture de compréhension. De la Science, pas de la Science-fiction Ceux qui n'ont pas accès à la compréhension des actions mathématiques exécutées par un réseau de neurones profond, l'outil phare du deep learning, ne peuvent que considérer la chose comme s’apparentant à de la magie, surtout si cela leur est présenté comme une nouveauté des dernières années sans bases dans les avancées scientifiques des siècles derniers.

Splunk Splunk est une multinationale américaine, basée à San Francisco, qui produit des logiciels de recherche, suivi et d'analyse de données machines (données de big data générées automatiquement par des machines) via une interface de style Web[1]. Splunk (le produit) collecte, indexe et met en corrélation des données en temps réel dans des archives recherchables, permettant de générer des graphiques, des rapports, des alertes, des tableaux de bord et des infographies[2],[3]. La mission de Splunk est de rendre les données générées par des machines compréhensibles de tous dans une même entreprise, en identifiant des tendances de données[4], en donnant des outils de mesure, en diagnostiquant les éventuels problèmes et en fournissant des informations relatives à l'activité commerciale de l'entreprise.

Suivre sa consommation de gaz avec un Eco-Devices Il y a peu de temps nous avons vu comment récupérer nos consommations électriques et d’eau et aujourd’hui comment faire de même pour les informations de consommation gaz et tout ceci pour une trentaine d’euros. Présentation Nous pensons que la meilleure solution pour faire des économies d’énergie est de comprendre ce que nous consommons et en effet c’est en identifiant les postes énergivores que l’on se rend compte de ce que l’on peut améliorer pour diminuer nos consommations. Vous me direz avec le gaz, c’est simple, c’est la chaudière qui consomme et je vous répondrai oui mais pas seulement… L’isolation de votre domicile peut être amélioré, le rendement de la chaudière est-il optimum, est-elle bien entretenue, avez-vous un thermostat, est-il programmable ou mieux, connecté. Quelle température fait-il chez vous, possédez vous des vannes thermostatiques sur chaque radiateurs…. Et bien nous allons voir comment suivre sa consommation de gaz avec un Eco-devices…

Analytique à l’excès ? L’optimisation à outrance est-elle l’ennemi de l’innovation ? Joanna Schloss – Directrice Produits Décisionnels & Big Data, DELL Software 38inPartager Quand peut-on dire que l’on est tombé dans l’excès inverse ? Quand il y a trois fois plus d’analystes des données que de stratèges créatifs lors des réunions de préparation des plans marketing. Security information management system Un article de Wikipédia, l'encyclopédie libre. Le principe du security information management (SIM) est de gérer les évènements du système d'information (SI). Appelés également SEM (security event management) ou SEIM (security event information management) ou encore SIEM (security information and event management), ils permettent de gérer et corréler les logs. On parle de corrélation car ces solutions sont munies de moteurs de corrélation qui permettent de relier plusieurs évènements à une même cause. Face au nombre d'évènements générés par les composants d'un système d'information, il est difficile de les traiter à la volée.

BI : Définir et utiliser correctement des indicateurs clés de performance (KPI) Les indicateurs clés de performance (Key Performance Indicators, KPI) sont utiles pour mesurer les performances en matière de BI et d'analytique. Mais ils posent les problèmes de la définition et de la mesure des performances dans le cadre d'objectifs métier. Il faut donc savoir utiliser des « connaissances exploitables » pour générer de la valeur à partir d'un système d'informatique décisionnelle efficace. David Loshin explique comment. [Video] Volvo Trucks améliore la fiabilité de ses camions avec le Big Data A l’heure du tout connecté, depuis les montres aux villes entières (smart cities), le volume des données générées par ces dispositifs est tout simplement énorme. Quelles en sont les applications ? D’une meilleure connaissance clients à l’analyse prédictive, il est difficile de répondre aujourd’hui à cette question tant les possibilités nous semblent infinies et les technologies évoluent tous les jours. Toutefois, un usage émerge depuis plusieurs années : le véhicule connecté… un enjeu stratégique pour les constructeurs.

Elasticsearch Un article de Wikipédia, l'encyclopédie libre. Elasticsearch est le serveur de recherche d'entreprise le plus populaire, suivi par Apache Solr qui utilise aussi Lucene[2]. Il est associé à deux autres produits libres, Kibana et Logstash, qui sont respectivement un visualiseur de données et un ETL (initialement destiné aux logs). BI vs Big Data : de l'information à l'intelligence... Dans ses derniers billets, Christophe Dumoulin, Directeur chez Business & Decision, posait les principes élémentaires du Big Data en formalisant les principaux enjeux et en proposant des repères et soulevait une nouvelle interrogation sur l’utilisation des données pour qu’elles aient un impact significatif sur les marchés. Ce troisième article traite, cette fois, du choix entre l’utilisation des technologies de Business Intelligence ou de Big Data pour le traitement de l’information. Que ce soit le Web Analyst, le Data Scientist, le simple utilisateur ou le manager, tout le monde tente de comprendre l’exploitation de toutes les données disponibles et d’en déterminer les bénéfices réels pour l’entreprise. Le volume d’information est passé de peu abondant à surabondant en quelques années. Tous les exemples que l’on pourrait citer sur l’explosion des données montrent que la génération de données se fait à une vitesse de plus en plus rapide. La démonstration peut se faire par l’exemple :

Related: