Enjeux et usages du big data
Christophe Brasseur
Lavoisier
hermes
Introduction : les mégadonnées au coeur de la révolution digitale1
Partie 1 - Origines et enjeux du big data
Chapitre 1
Qu'est-ce que le big data ?
1. Essor des réseaux sociaux, des objets connectés et du cloud7
2. Définition et caractéristiques du big data10
2.1. Définition du big data10
2.2. Caractéristiques du big data12
2.3. Différents types de données14
2.4. Big data et décisionnel17
3. Qui est concerné par le big data ?18
3.1. Secteurs économiques18
3.2. Métiers concernés20
Chapitre 2
Enjeux du big data et du digital
1. Quand les données créent de la valeur
25
1.1. Un levier de compétitivité incontournable25
1.2. Une source de progrès scientifiques et humains27
1.3. Gains engendrés par le big data29
2. Big data et transformation digitale
30
2.1. Pourquoi la transformation digitale est-elle inéluctable ?30
2.2. Le big data au coeur de l'expérience client31
2.3. Comment aborder la transformation digitale ?33
2.4. Analyse du positionnement actuel33
2.5. Définition du modèle cible34
2.6. Mise en oeuvre de transformation digitale34
3. Un défi technologique majeur
35
4. Big data et qualité des données
37
4.1. Quelques exemples courants de défauts de qualité des données37
4.2. La gouvernance des données au coeur de la stratégie big data39
5. Big data et protection des données personnelles
40
5.1. Législation en matière de protection des données personnelles41
5.2. Les bonnes pratiques à adopter43
6. Ouverture des données publiques
44
7. Prévisions de croissance du marché big data
46
Chapitre 3
Exemples d'usage du big data
1. Quand le big data apporte des réponses au marketing49
1.1. Analyse des conversations sur les réseaux sociaux49
1.2. Personnalisation de l'offre et communication ciblée52
1.3. Innovation participative53
2. Vers une gestion intelligente et responsable de l'énergie54
2.1. Enjeux et mutation des réseaux électriques55
2.2. Caractéristiques des réseaux électriques intelligents56
2.3. Un défi pour la gestion des données volumineuses57
2.4. Projets de smart grids en cours58
3. Le métier de l'assurance réinventé59
4. Les mégadonnées pour améliorer la santé60
4.1. Recherche médicale61
4.2. Prévention des épidémies62
4.3. Vers une médecine mobile et personnalisée63
5. Un levier de transformation des services publics64
5.1. Prérequis à la transformation digitale de l'État65
5.2. Lutte contre la fraude65
5.3. Lutte contre le terrorisme66
5.4. Personnalisation des services publics67
6. Du journalisme traditionnel au data journalism (journalisme de données)68
6.1. Collecte des données69
6.2. Transformation des données en informations69
6.3. Visualisation des données70
6.4. Quelques spécialistes du journalisme de données71
7. Et tant d'autres domaines d'application...
72
Partie 2 - Technologies et méthodes du big data
Chapitre 4
Technologies du big data
1. Problématique technique
77
1.1. Limites des bases de données classiques77
1.2. De nouvelles exigences techniques80
2. Solutions techniques du big data
81
2.1. Des solutions majoritairement open source81
2.2. Hadoop et son écosystème83
2.3. Apache Spark et sa solution en mémoire86
2.4. De nouveaux types de bases de données87
2.5. Outils d'analyse des mégadonnées90
3. La rencontre du big data et du cloud computing
92
3.1. Qu'est-ce que le cloud computing ?92
3.2. Avantages et inconvénients du cloud93
3.3. Le cloud computing, facilitateur du big data94
4. Big data et web sémantique
95
4.1. Web sémantique95
4.2. Intérêt du web sémantique pour le big data96
Chapitre 5
Méthodes et techniques d'analyse du big data
1. Analyse des données massives99
1.1. Qu'est-ce que l'analyse des données ?99
1.2. Méthodes d'analyse de référence102
2. Principales techniques d'analyse des données massives105
2.1. Data mining105
2.2. Apprentissage automatique (machine learning) et informatique cognitive (cognitive computing)107
2.3. Analyse des réseaux sociaux109
2.4. Test A/B110
2.5. Crowdsourcing111
2.6. Géomarketing112
2.7. Analyse des séries temporelles113
3. Techniques de visualisation114
3.1. Objectif de la visualisation des données114
3.2. Principes de la visualisation115
3.3. Quelques exemples de visualisation de données117
Partie 3 - Comment tirer parti du big data ?
Chapitre 6
Compétences et ressources humaines
1. Le virage du digital et de l'analytique121
1.1. Manager avec l'analytique121
1.2. De nouvelles opportunités pour les DSI122
1.3. Compétences et organisation123
2. Montée en puissance des data scientists126
2.1. Les compétences fondamentales du data scientist126
2.2. Qualités indispensables127
2.3. Comment devient-on data scientist ?128
2.4. Compétences IT requises130
Chapitre 7
Gérer un projet big data
1. Caractéristiques d'un projet big data133
1.1. Qu'est-ce qu'un projet big data ?133
1.2. Une organisation projet pluridisciplinaire134
1.3. Une approche progressive et itérative134
2. Quel retour sur investissement pour le big data ?136
2.1. Définition du retour sur investissement136
2.2. Limites du ROI137
2.3. Le ROI des projets big data137
3. Étapes d'un projet big data138
3.1. Phase préparatoire138
3.2. Analyse et réalisation139
3.3. Mise en oeuvre et exploitation140
4. Risques à prendre en compte140
4.1. Degré de maturité de l'entreprise140
4.2. Des technologies relativement jeunes141
4.3. Comment limiter les risques ?141
Conclusion : en route vers les smart data143
Bibliographie147
Index149