Big Data – L’essentiel

Programmes de Big Data – L’essentiel

EXEMPLES D’USAGE PERTINENT DU BIG DATA

• Réseaux sociaux : Google, Twitter, Youtube
• Gestion des clients (CRM) : Vue 360° des clients / Multicanal
• Sécurité informatiques (étude de logs) : identification des tentatives d’attaques
• Analyse des logs d’Internet (Web)
• Profiling d’individus : ADN numérique
• Synthèse des critères de succès d’un projet Big Data et causes d’échec

DÉFINITION COMMUNE DU BIG DATA SELON LES GRANDS ACTEURS DU MARCHÉ

• Caractéristiques techniques des 3V de Gartner (Vélocité, Variété et Volume) et les variantes (Véracité, Valeur, Validité….)
• Collecte et traitement des données structurées, semi-structurées et non-déstructurées
• Transformation des données en informations
• Création de la valeur à partir des données / Exemple de monétisation
• Exemple : gestion des données en cycles, de l’acquisition à la gouvernance

TECHNOLOGIES DE RÉFÉRENCE DU BIG DATA À CONNAÎTRE

• Stockage des données à traiter : fichiers, blocs et objets
• Différents types de base des données NoSQL (Not Only SQL)
• Architecture de cluster et composants économiques
• Traitement parallèle des données (Grid)
• Hadoop : un modèle d’open source du Big Data adopté par les grands acteurs de l’informatique (IBM, Oracle, Microsoft, Amazone, EMC, Google…)
• Principaux composants d’Hadoop : HDFS (Hadoop Distributes File System), MapReduce…
• Ecosystème et technologies associées à Hadoop : Pig, Flume, Zookeeper, H-BASE, Lucine, Hive, Oozie, Cassandra, Machine Learning…
• Exemple de traitement en temps réel : traitement des données à la volée (Data Streaming)
• Analyse de données (Data Analytics et Business Intelligent)

INTRODUCTION AUX ARCHITECTURES DES SOLUTIONS DE CALCUL DISTRIBUÉ

• Stockage objets (pas de verrouillage de fichier dans la cadre des multiutilisateurs)
• Serveurs NoSQL et HDFS (Fichiers distribués)
• Scalabilité horizontale
• Enjeux des architectures distribuées selon l’organismes CSA (Cloud Security Alliance) dédié au Big Data : Sécurité, gestion des données en grandes quantités
• Limitations en termes d’usages (Analytiques)
• Impacts des choix de technologies et d’architectures sur les usages (traitement des données en batch, temps réel, streaming ….)

PLATEFORMES CLOUD PUBLIC BIG DATA APAAS (DATA AS A SERVICE) À EXPLOITER

• IBM Analytics de la plate-forme Bluemix
• Amazone Web Services (stockage des données et plates-formes d’analytiques)
• Google Platform Big Data
• Microsoft Azure Big Data
• Points communs et différents entre les plates-formes Big Data

TROIS APPROCHES DE DÉPLOIEMENT DU BIG DATA : SUR SITE ET DANS LE CLOUD DAAS

• Causes des nombreux échecs de projets Big Data selon des cabinets d’étude du secteur
• Trois approches de déploiement « sur site » : Hadoop et son écosystème à télécharger, Big Data en versions distribuées et Data as a Service
• Déploiement sur site : définition des objectifs, choix des solutions d’analyse et d’intégration, présentation des informations (Data Visualization) / revue des fournisseurs de composants Big Data
• Déploiement sur site en version distribuée : Hortonworks, MapR, Cloudera, IBM
• Déploiement dans les plates-formes Cloud Big Data et les précautions à prendre (métriques de qualité)

QUALITÉ DES DONNÉES

• Les 11 principales étapes de traitement des données selon les organismes internationaux
• Processus de qualification des données (temporel, contextuel, liens aux autres données…) / cadres juridiques (CNIL, usages libres, payants…), formats ouverts et propriétaires
• Approche d’enrichissement avec l’Open Data / WiKiData.org

SÉCURITÉ DES DONNÉES ET CONFIDENTIALITÉ DU BIG DATA

• Loi européenne et CNIL (protection de la vie privée)
• Recommandation des bonnes pratiques de l’organisme international CSA (Cloud Security Alliance) pour le Big Data
• Panorama des moyens conventionnels de sécurité des données et d’accès au Datacenter (cryptage et DLP : Data Lost Prevention….)

IMPACTS DU BIG DATA À ANTICIPER

• Évolution des données (Internet des objets, mobilité…)
• Impacts sur les compétences des équipes informatiques, de DRH, du Management…
• Rôle de la DSI face à la montée du Big Data et des solutions numériques