conférence big data à la martinique

DES BIG DATAAU BIG BUSINESS

Par François Cazals1er février 2017

LE PROFESSEUR• François CAZALS• cazals@hec.fr• Professeur• Auteur (et coauteur) de

plusieurs ouvrages• Consultant en stratégie

• Lieutenant-colonel de gendarmerie (réserve), affecté au cabinet du DG

UN CHANGEMENT DE PARADIGME

UN MANAGEMENT EMPIRIQUE

UN MANAGEMENTORIENTÉ DONNÉES

LA DÉMARCHE CLASSIQUEFONDÉE SUR DES MÉTHODOLOGIES

LES DONNÉES INTERNES

Les données comptables, financières et de gestion: bilan, compte de résultat,…

LES DONNÉES INTERNES

Les données industrielles

Les données logistiques

LES DONNÉES INTERNES

Les données commerciales

LES DONNÉES INTERNES

LA PROBLÉMATIQUEDES DONNÉES EXTERNES

DES MÉTHODES DE TRAITEMENT EMPIRIQUES

60’s 70’s 80’s …

LE DANGER DES SONDAGES

PROBLÈMES DE MÉTHODE

Tirage aléatoire au hasard

Méthode des quotas

LA PROBLÉMATIQUE DE LA CONFIANCE STATISTIQUE

SOUVENEZ-VOUS!

AUJOURD’HUI AUSSI

AUJOURD’HUI AUSSI

AUJOURD’HUI AUSSI

CAR LES ÉTUDES SONT DÉCLARATIVES!

TOUTE L’APPROCHE BAROMÉTRIQUE EST

SUSPECTE…

Notoriété/image, satisfaction, NPS, social,…

L’APPROCHE QUALITATIVE EST

ENCORE PLUS COMPLEXE!

EXEMPLE DE RELEVÉDE VERBATIMS

L’INFORMATIQUE CHANGE TOUT

A partir des années 1990

NOUS APPRENONS À TRAITER LES DONNÉES

STRUCTURÉES

DATA MININGL’exploration de données, connue aussi sous l'expression de fouille de données, forage de données, prospection de données, a pour objet l’extraction d'un savoir ou d'une connaissance à partir de grandes quantités de données, par des méthodes automatiques ou semi-automatiques.

Trouver ce que l’on cherche!

LES BÉNÉFICES

LA PROBLÉMATIQUE DE LA CENTRALISATION DES

DONNÉES

Data Warehouse

Extract Transform Load Middleware

PROBLÉMATIQUE TYPIQUEDU CRM

21ÈME SIÈCLE :LES BIG DATA

LE PHÉNOMÈNE BIG DATA

APRÈS LES PÉTROLIERS,LES ENTREPRISES DE

DONNÉESDix 1ères capitalisations boursières 2010

Dix 1ères capitalisations boursières 2016

AVANT LES BIG DATA,LES DARK DATA

UN PHÉNOMÈNE RÉCENT

A L’ORIGINE, LES 4 INTERNET1 000 milliards de pages Web

1 carte SIM par humain sur Terre

3 milliards d’humains sur Internet

2 internautes sur 3sur les médias sociaux

55% des visites du Web viennent d’un smartphone

E-commerce dans le monde1 500 milliards €

80 milliards d’objets connectésen 2020

44 000 milliards Goen 2020

4 milliards de recherches Googlepar jour

40 milliards de messages WhatsApp par jour

215 milliards d’e-mails par jour

(hors Spam)

Internet des objets

Web mobile

Web 2.0

Web

LES APISApplication Programming

Interface

Les connecteurs aux Data Lakes

L’OPEN DATA

LE PHÉNOMÈNE STATISTIQUE

1 ZETTABYTE

LE PHÉNOMÈNE STATISTIQUE

1 DVD de donnéespar jour et par

humainEn 2017

LES 4V DU BIG DATA

V+V+V+V=Value

D’ABORD DES DONNÉESNON-STRUCTURÉES

VOICI DES DONNÉESNON-STRUCTURÉES

COMMENT TRAITERLES BIG DATA?

Doug Cutting

HADOOP

LE RAFFINAGE DES BIG DATA

DATA SCIENCE

MATHEMATIQUES BUSINESS+ +

DATA-DRIVEN STRATEGY

TECHNOLOGIES

Découvrir ce que l’on ne cherche pas!

LES BÉNÉFICES

DONNER DU SENS AU DONNÉES

UNE DONNÉE Un couple

concept, mesure Exemple:

03/05/1964

UNE INFORMATION La donnée se

transforme en information lorsqu’elle est communiquée à un être humain capable de l’interpréter

Le public sait que 03/05/1964 est une date: le 3 mai 1964

UNE CONNAISSANCE L’information

interprétée mise en relation avec d’autres informations

En allant sur la page Linkedin de la personne, on découvre qu’il s’agit d’une date de naissance

UNE COMPÉTENCE Une fois la

connaissance intégrée, une action peut être réalisée de manière réfléchie et intentionnelle

La date de l’anniversaire de la personne connue, je mets une alerte sur mon agenda

DES ALGORITHMES AUX IA

QU’EST-CE QU’UN ALGORITHME?

Algorithme d’Euclide

Un algorithme, c’est une suite d’instructions, qui une fois exécutée correctement, conduit à un résultat donné.

VOICI UN ALGORITHME

QUELQUES ALGORITHMES

DES GAFA

L’ALGORITHME APB

DEEP LEARNING

Apprentissage non-supervisé Apprentissage supervisé

LES IA SONT DÉJÀ LÀ!

LA RENAISSANCE DE WATSON

LES IA FONT PEUR!

HALL 900

VONT-ELLES REMPLACERLES HUMAINS?

50% DES EMPLOIS REMPLACÉS PAR DES MACHINES?

Carl Benedickt Frey et Michael A. Osborne (Oxford, 2013)

65

La technologie doit être comprise comme médiateur plutôt qu’instrument, elle doit créer de l’autonomie plutôt que de la dépendance Gilbert Simondon

DATA-DRIVEN STRATEGY

LES BARBARES ARRIVENT

Après les GAFA, voici les NATU!

LA BIG DATA ECONOMY

ÊTRE OU NE PAS ÊTRE UBERISÉ

UNE NOUVELLE ÉCONOMIE

Forte croissance, forte capitalisation, actifs intangibles, faible valeur

DE NOUVEAUX MODÈLES STRATÉGIQUES

LES ENTREPRISES SONT NATURELLEMENT

IMPACTÉES

LES BIG DATA SUR TOUTELA CHAÎNE DU MANAGEMENTComprend

re

Prévoir

DéciderAgir

Contrôler

UN IMPACT SYSTÉMIQUE

Client Finance Opérations RH

BIG DATA & CLIENTClient Finance Opératio

ns RH

BIG DATA & FINANCEClient Finance Opératio

ns RH

BIG DATA & OPÉRATIONSClient Finance Opératio

ns RH

BIG DATA & RHClient Finance Opératio

ns RH

POUR CONCLURE

LE NOUVEAU PARADIGMEHIER AUJOURD’HUI

RIVALITE

GrandcontrePetit

La puissance

AGILITE

RapidecontreLent

Les données

AVANTAGE CONCURRENTIEL

CONFIANCE & TRANSPARENCE

Le nouveau règlement européen sur la protection des données personnelles

est paru au journal officiel de l’Union européenne le 4 mai 2016et entrera en application en 2018.

https://www.cnil.fr/fr/reglement-europeen-sur-la-protection-des-donnees-ce-qui-change-pour-les-professionnels

LA 3ÈME RÉVOLUTION INDUSTRIELLE

L’ACTUALITÉ DU DIGITAL

Cazals.fr@FCazalsSlideshare.net/cazalsLinkedin.com/in/francoiscazals