8
Copyright 2012 IDC. Reproduction is forbidden unless authorized. All rights reserved. Big Data : faire face au déluge de données non structurées Didier KRAINC Directeur Général http://www.idc.fr/ 1 e Février 2012

Idc big data dk

Embed Size (px)

Citation preview

Page 1: Idc big data   dk

www.idc.com

Copyright 2012 IDC. Reproduction is forbidden unless authorized. All rights reserved.

Big Data : faire face au déluge

de données non structurées

Didier KRAINC

Directeur Général

http://www.idc.fr/

1e Février 2012

Page 2: Idc big data   dk

©2012 IDC

Le phénomène Big Data Une terminologie « marketing » … qui identifie un phénomène et une problématique bien réels.

2

Définition: phénomène qui fait référence à

des technologies, outils, processus et

procédures accessibles, permettant à

une organisation de créer, manipuler et

gérer de très larges quantités de

données, afin de faciliter la prise de

décision rapide. Google Trends sur le terme « Big Data » - Octobre 2011

Les objectifs:

Gérer des données hétérogènes, provenant de sources multiples, de

format souvent structuré et non structuré.

Traiter de haut volume (en taille et/ou en fréquence) de données qui sont

dynamiques et changeantes

Gérer les contenus imprévisibles, sans structure ou schéma apparent

Permettre un accès, une analyse et une récupération en temps réel, ou

quasi temps réel

Page 3: Idc big data   dk

©2012 IDC

Big Data, Information Management et 3ème plateforme industrielle

3

Applis

et appareilsmobiles

Réseaumobile

Services

Cloud

Big data/

analytics

Social business

2011

PC

LAN/Internet

Client-

Serveur

1986

Millions d'utilisateurs

Milliersd'Applications

Centaines de Millionsd'utilisateurs

Dizaine de milliersd'applications

Milliardsd'Utilisateurs

Millionsd'Applications

Trillionsd"objets connectés"

Transformation des industries

Page 4: Idc big data   dk

©2012 IDC

Quelques chiffres du marché

4

2005 2010 2015

Volume de données

créées et répliquées

130 exaoctets

1,2 zettaoctets

+7 zettaoctets

1 zettaoctets = 1 trillion de Go =

1.000.000.000.000.000.000.000 octets

Coût relatif du Go

(échelle 1/7000)

1 milliard d’utilisateurs d’Internet

mobile; 500,000 applications

pour téléphones mobiles

1.2 milliards de téléphones

mobiles; 220 million smart

phones

20 millions

de smart

meters aux

US

50 millions

de

serveurs

dont la

moitié

virtuels

Page 5: Idc big data   dk

©2012 IDC

Les cas d’utilisations

Diagnostiques médicaux

Développement pharmacologique

Détection des fraudes

Détection du terrorisme

E-reputation et suivi du consommateur

Veille et alerte produit rapide

Réduction du taux de désabonnement

Publicité et conseils personnalisés en temps réel

Support aux services d’urgences (face à l’excès

d’information)

5

Page 6: Idc big data   dk

©2012 IDC

Business Cases

Un distributeur d’envergure mondial a mis en place des outils de statistiques et de scoring

pour gérer ses assortiments et ses promotions. Les données sont disponibles mondialement

à J+1 pour une base de 75 To hors tickets de caisses.

Un éditeur de jeux vidéo qui, grâce à l’analyse des données comportementales captées sur

les pages vues de son site, déduit les préférences de jeux de chacun des visiteurs. Il multiplie

par 500 le taux de transformation de sa newsletter commerciale en envoyant un email

personnalisé à chaque membre au regard des pages qu’il avait visitées.

Le New York Times a utilisé Hadoop pour générer les PDF de 11 millions d'articles publiés

entre 1851 et 1922, et l'emploie désormais pour l'analyse de texte et le web mining.

La chaîne de librairies Barnes & Noble l'utilise pour comprendre les comportements d'achats

de ses clients sur ses divers canaux de distribution.

Disney teste la technologie avec des objectifs similaires en s'appuyant sur des ressources

dans le cloud et sur des serveurs inutilisés en raison de ses efforts de virtualisation.

McAfee fait appel aux technologies Big Data pour détecter des corrélations parmi les spams.

Les Giants de San Francisco (équipe de baseball) a mis en place une tarification dynamique

permettant de modifier le prix des billets en fonction de la demande, et ce, jusqu’à la dernière

minute. L’idée étant d’adapter les tarifs à la demande pour éviter la mévente et mieux

exploiter les phénomènes d’enchères (qui profitent plutôt au marché noir). Une tarification

dynamique qui a permis une augmentation du chiffre d’affaires du club de 6 % en 2010.

6

Page 7: Idc big data   dk

©2012 IDC

A problématique différente, solution différente

7

Analyse de très gros volume de

données, dont la nature et le format

changent

Hadoop MapReduce

Grand volume des données de petite

taille à conserver sur une longue

période + de nombreux processus

actifs

Stockage et mise en cache des

blocs de données définis par les

applications + réseau de capacités

en load-balacing

Partage de données en réseau, avec

une garantie de récupération et de

cohérence des données

Bases de données orientées objet

Réseau d’informations et de relations

complexes entre de grands volumes

d’entités distinctes

Base de données graphiques

Grand volume de données stables et

définies, issues de processus

métiers, de transaction ou reporting

Base de données relationnelles +

solutions analytiques

Page 8: Idc big data   dk

©2012 IDC 8

Merci

13, rue Paul Valéry

75116 Paris

France

Fax : +33 1 56 26 26 70

http://www.idc.fr/

Didier Krainc

Directeur Général

IDC France

[email protected]

Direct : +33 1 56 26 26 61