Big Data by Soft Computing

Soft Computing – 55, quai de Grenelle – 75015 Paris – tél. +33 (0)1 73 00 55 00 – www.softcomputing.com

Big data : quoi de neuf en 2015 ?

12/02/2015

www.softcomputing.com Reproduction interdite sans l’accord écrit de Soft Computing 16/02/2015 2


Les intervenants

Soft Computing:

Eric Fischmeister Président

et co-fondateur

Gilles Venturi Directeur Général et co-fondateur

Sylvain Bellier Directeur du

Pôle Marketing Services


SOMMAIRE SOMMAIRE

1. A propos de Soft Computing

2. Objectifs

3. Big data : de quoi parle-t-on ?

4. Big data : ce qui a vraiment changé ces derniers mois

5. Cas d'usage

6. Big data et data mining

7. Comment avancer


Carte d’identité


Continuum de services

Concevoir, développer et déployer des solutions CRM, Big Data et Digital performantes, pragmatiques et adaptées

Cadrage et Business Case Refonte de processus et conception de systèmes d’informations Architecture et urbanisation Gestion de programmes et de projets Assistance à Maîtrise d’Ouvrage Développement et intégration Recette Change Management et formation Centres de services et Tierce Maintenance Applicative

Imaginer, bâtir et opérer des programmes de conquête et de fidélisation cross-canaux, rentables et innovants Stratégie relationnelle : connaissance client marché, conquête, développement et fidélisation, optimisation de l'expérience client Création : design de sites, apps mobiles, emails, pages facebook, mailing, optimisation sites web Technologie : Référentiels Client Unique, bases marketing, moteurs de recommandation, moteur de fidélité, gestion de campagnes marketing, DMP, Business Intelligence, Web analytics, Big Data Exécution et mesure : community management, routage email, sms, push notification mobile, réseaux sociaux et fulfilment, gestion des campagnes marketing et mesure de résultats, gestion de la fidélité, gestion du MDM client Customer Insights : datamining, écoute des réseaux sociaux et enquêtes, SEM SEO, Data quality et conseil fichiers, reporting client-produit-canaux


Centre de services de

gestion des campagnes

marketing multicanal.

Ecoute et analyse des

sentiments des clients sur

les réseaux sociaux.

Programme relationnel

multi-devices.

Maintien en conditions

opérationnelles et

évolution du SI marketing

on et offline.

Gestion opérationnelle

des plates-formes

analytiques et marketing

ciblé.

Dispositif d’acquisition de

prospects sur tablette en

magasin.

Cadrage, conception et

déploiement d’un service

client pro-actif.

Centre de services de

datamining, de

campagnes ciblées et de

diffusion des reportings.

Personnalisation en temps

réel des contenus et

valorisation d’audience.

Déploiement d’un outil

d’automatisation des

forces de ventes.

Définition d’une stratégie

de Business Intelligence.

Applications mobiles et

personnalisation.

Pilotage de la qualité de

l’expérience client.

Optimisation des parcours

client et du taux de

transformation sur

Internet.

Référentiel client

transversal multicanal et

multiservice.

Extraits de références 2013


Experts reconnus

Enseigner

Ecrire

Echanger

http://blog.softcomputing.com/

https://twitter.com/#!/SoftComputing

http://www.facebook.com/softcomputing

http://www.softcomputing.com/fr/news/

http://fr.slideshare.net/softcomputing

http://www.linkedin.com/company/soft-computing

http://www.viadeo.com/fr/company/soft-computing

https://plus.google.com/+Softcomputing/

http://blog.softcomputing.com/

https://twitter.com/

http://www.facebook.com/softcomputing

http://www.softcomputing.com/fr/news/

http://fr.slideshare.net/softcomputing







https://plus.google.com/+Softcomputing/

http://www.hec.fr/


SOMMAIRE SOMMAIRE


2. Objectifs



5. Cas d'usage


7. Comment avancer


Big Data : ça reste à mode


Oui, mais on aborde la vallée des désillusions

Big Data


Du vécu métier

2003 2015 Web mining

15 M Clients 5 ans

Recommandations Temps réel

Réseaux d’influence

Analyse de sentiments

50 To+


Du recul aussi sur le plan technique


Mais également de l’humilité…


SOMMAIRE SOMMAIRE

Focus sur les utilisations marketing


SOMMAIRE SOMMAIRE


2. Objectifs



5. Cas d'usage


7. Comment avancer


Défi technique #1 : se préparer à gérer des volumes inimaginables

2005 2015


Défi technique #2 : sortir du cadre

2005 2015

Disponibilité

« Les données sont toujours accessibles »

Tolérance

« seul la panne totale interrompt »

Cohérence

« Les commits rendent l’ensemble

des données cohérentes »

Disponibilité

« Les données sont toujours accessibles »

Tolérance

« seul la panne totale interrompt »

Cohérence

« Les commits rendent l’ensemble

des données cohérentes »

Commit en 2 phases


Défi technique #3 : exécuter tout calcul en moins de 0,14 secondes

2005 2015

Trading Desk (ATD)

Editeur de site

Demand Side

Platform (DSP)

Ad exchange (Adex)

Supply Side

Platform (SSP)

Annonceur ou Agence

média

Ad Server de l’éditeur

ou Ad network

RTB & programma

tique


La genèse

http://www.visualizing.org/full-screen/52776


Au centre, la famille NoSQL

SQL

Cohérence indispensable

Relationnel

Oracle, SQL Server, DB2…

Clé-valeur

Structure simple

Stockage clé valeur

Dynamodb, Redis, MS Azure table, Oracle NoSQL

Colonnes

Analytique

Stockage en colonne pour des

recherches rapides

Bigtable, Cassandra, Hbase,

Hadoop

Document

Structure complexe, temps

de réponse

Clé-valeur avec de multiples attributs (semi-structuré

(XML…)

Couchdb, Mongodb

Autres

Hérarchiques (ldap…), Graph

(Neoj4…), OODB (Versant…)

Principes techniques :

Shared-nothing

Schemaless

Interfaces Restful simples

Avantages : Evolutivité des schémas

Scalabilité horizontale

Protocoles simples

Inconvénients :

Requêtes plus complexes

Pas de cohérence garantie

Pas de clé unique garantie


Les caractéristiques communes Nosql

Nosql

Non-relationnel

Evolutivité horizontale

Traitement distribué

Débit rapide

Matériel banalisé

Haute disponibilité

Tolérance

Cohérence éventuelle


Segmentation de l’offre

Xaas

Hardware

Projets Open Source Distributions

Données Analyse Visualisation Application

Professional services (tec & biz)

En bn$ 2013,

Nosql


Un marché (sur?) peuplé

Xaas

Hardware

Projets Open Source Distributions

Données Analyse Visualisation Application

EMR Bigquery

Professionnal services (tec & biz)

http://aws.amazon.com/fr/elasticmapreduce/mapr

http://www.r-project.org/index.html

http://www.couchbase.com/

http://www.inrix.com/default.asp

http://quid.com/

http://www.platfora.com/

http://www.bloomreach.com/

http://www.1010data.com/

http://www.clickfox.com/

http://dataminr.com/index.php

http://www.10gen.com/

http://www.mu-sigma.com/


SOMMAIRE SOMMAIRE


2. Objectifs



5. Cas d'usage


7. Comment avancer


Big data 2014

Démocratisation


Démocratisation hardware

5 nœuds 1 namenode, 20 cœurs, 192 Go ram 4 datanodes, 64 cœurs, 64 Gb ram, 10 To DD


Démocratisation : stockage


Démocratisation : outils de datavisualisation


Démocratisation : de plus en plus de données en libre service


Démocratisation : de plus en plus de données à coût modique


Démocratisation : analytique ML en cloud


Impact sur les usages

+

Données Détail

Temps réel

Prédictif

Non-structuré

Ouvert sur

l’extérieur

Autonome

Hybride


Données Détail

Elément de structure

Région Segment

Bonne gamme

Client

Mr XXX Contrat

Compte courant

Ecriture

Code commerçant


Décisionnel analytique

Temps réel

Transaction opérationnelle

Evénements

Traitement métier

Stockage données

Interception à la source

Analyse

Ex : page vue, ….

Ex : display Résultats Alerte Ex : RTB


Prédictif


Non-structuré

Streams sociaux Weblogs Capteurs E-mails

Détail transactions Pages web Documents scannés Trace GPS

Données boursières Enregistrements téléphoniques

Video-surveillance Données d’usage


Autonome


Hybride S

ystè

mes s

ou

rces

Systè

mes b

ancaires d

e p

roduction

Exte

rnes

ETL Appliance

Entrepôt Vision

unique du client

Datamarts

Sandbox

Entrepôt Hadoop

Usages

Reporting

Tableaux de bord

Cubes OLAP

Statistique (SAS...)

Systèmes front-end

Base métier

Données de référence

Synthèses transactions

Données externes structurées

Données externes peu structurées

Données volumétrie importante

Réintégration données après pré-traitement

Sa

s d

e

sé

cu

rité

Accès Accès

Accès

Données externes à la demande

Eléments de ciblage (dont scores)

Extractions Métiers (dont scores, segmentations...)

Base métier

Base métier

Base métier

Base métier

Base métier

Web Services

Services temps réel À destination des front-end


SOMMAIRE SOMMAIRE


2. Objectifs



5. Cas d'usage


7. Comment avancer


ACQUISITION

FIDELISATION

RETENTION

ROI / ROE


L’omnicanal un enjeu clé mais comment le rendre opérationnel

TRAVAILLER LA PREFERENCE DE MARQUE

Expérience client Qualité de service

LA DONNEE, SA CENTRALISATION, SON UTILISATION SON

ACTIONNABILITE, SA VALORISATION

Performance

média, marketing

et commerciale

Digitalisation


L’usage de la donnée P

ropriéta

ires

Part

agées

Permanentes

Volatiles

Données Tiers : 3 rd party Open Data

CRM

données

nominatives et

transactionnelles

Tracking

Web, email,

display…

Semantiques:

Contenu web

fan pages, avis…


L’usage de la donnée : tendance P

ropriéta

ires

Part

agées

Permanentes

Volatiles


CRM

données

nominatives et

transactionnelles

Tracking

Web, email,

display…

Semantiques:

Contenu web

fan pages, avis…



ropriéta

ires

Part

agées

Permanentes

Volatiles


CRM

données

nominatives et

transactionnelles

Tracking

Web, email,

display…

Semantiques:

Contenu web

fan pages, avis…



ropriéta

ires

Part

agées

Permanentes

Volatiles


CRM

données

nominatives et

transactionnelles

Tracking

Web, email,

display…

Semantiques:

Contenu web

fan pages, avis…



ropriéta

ires

Part

agées

Permanentes

Volatiles


CRM

données

nominatives et

transactionnelles

Tracking

Web, email,

display…

Semantiques:

Contenu web

fan pages, avis…


Parcours clients


L’objectif

Extraire des parcours client pour qualifier

des bases marketing, définir des

programmes relationnels et des plans de vie


Ecoute active des réseaux sociaux


L’objectif

Analyses des tweets, pages de marque,

blog/commentaires afin d’identifier des

ambassadeurs, détecter et analyser des

évolutions


Recommandations personnalisées


L’objectif

Faire des propositions personnalisées à la

volée au visiteur identifié ou non à base

d’auto-apprentissage ?


Synthèse


SOMMAIRE SOMMAIRE


2. Objectifs



5. Cas d'usage


7. Comment avancer


SOMMAIRE SOMMAIRE


2. Objectifs



5. Cas d'usage


7. Comment avancer


Débuter simple : log, stream, transaction

Streams sociaux Weblogs Capteurs E-mails

Transactions bancaires

Pages web Documents scannés Trace GPS

Données boursières Enregistrements téléphoniques

Video-surveillance Données d’usage


Do It Yourself ou Appliance ? Ikea ou Roche Bobois ?

Exemple Do it yourself Oracle appliance

Application datamining / banque - 5 M clients actifs

300 nœuds – 900 Go RAM – 650 To DD

Configuration 54 Dell serveurs*6 cœurs-16 Go-12 To

Appliance Sun 18 serveurs*12 cœurs-48 Go-36 To

Coût 150 K€ 150 K€

Avantage Evolutivité Clé en main


Où mettre les données ?

En cible, 3 environnements : 1- Données chaudes 2- Analytique gros volumes 3- Datawarehouse structuré et agrégats DMP Attention à la souveraineté des données Enjeu sur les historiques dans le cloud Nota : le marketing n’est pas que digital

Big data : données chaudes

Big data : données froides

Dataware : données

structurées


Cohabitation Datawarehouse et big data

SGBDR Connecteurs

SQL

Loader (import/export)


Open Source et Xaas Capex : 0 Opex progressifs Ouverture vers le onpremise et l’enterprise


3 compétences d’emblée

Marketing Datascience Programmation


R.O.I.

Connaissance Datamining

Assortiments en magasins

Rapports

Rapports industriels

Données : vision 360° client et produit

Campagnes ciblées

Technologies

1

2

3

4

Business Driven


Cibler des R.O.I. < 6 mois


Reconsidérer chaque année les ROI : les barrières à l’entrée baissent toujours plus


Victoires rapides : 3 à 6 mois , 1 pilote

1. DMP : Data : Weblogs Objectif : extraire des parcours client pour qualifier des bases marketing, définir des programmes relationnels et des plans de vie. Cible : : eCommerce et medias

2. Ecoute active des réseaux sociaux : Data : Streams sociaux Objectif : analyses des twits, pages de marque, blog/commentaires afin d’identifier des ambassadeurs, détecter et analyser des évolutions et d’animer les échanges (services de community management) Cible : retail et pgc

3. Recommandations personnalisées : Data : Weblogs et BDM Objectif : faire des propositions personnalisées à la volée au visiteur à base d’autoapprentissage Cible : retail et eCommerce


Offre de services

S ensibilisation

tratégie

andbox

R oadmap

ollout

un


Big Data by Soft Computing

Technology

intervenants soft computing

propos de soft computing

reproduction interdite

gestion de campagnes

laccord crit

ple marketing services

bases marketing

marketing cibl