tracer la voie vers le big data avec talend et aws
Post on 13-Apr-2017
478 Views
Preview:
TRANSCRIPT
1
Tracer la voie vers le Big Data et l'analyse prédictive avec Talend et Amazon AWS.Amadou Merico et Jean-Michel Franco
2
Agenda
• Les Différents Types d’Analyse
• L’analyse prédictive : Pourquoi maintenant ? Quels cas d’usages ?
• L’analyse prédictive : Comment ? Quelles technologies ? Pourquoi le cloud ?
• Construire le data lab avec Talend et Amazon Web Services
3
Différents Types d’analyse
Analyse Prédictive
Analyse Descriptive Analyse Diagnostique
Analyse Prescriptive
Pourquoi est-ce arrivé ?
Que devrais-je faire ?
Que pourrait-il arriver ?
Que se passe-t-il ?
4
Cas d’usages du prédictif
Industrie• Maintenance préventive
• Produit comme un service
• Qualité, innovation R&D
Assurance• Fraudes et risques
• Recommandation client
• Tarification à l’usage, personnalisation
Secteur public• Fraudes, abus
• Sécurité publique
• Personnalisation de la relation citoyen
Distribution• Recommandation produit
• Abandon de panier
• Pricing dynamique
Santé• Soins personnalisés
• Effets indésirables.
• Diagnostics
Telecom
• Parcours clients multi-canal
• Géo localisation
• Fraudes et churn
Banques• Parcours clients multi-
canaux
• Fraude, anti blanchiment
Transports, loisirs• Planification et gestion
des evts liés à la logistique
• Service client temps réel
• Economie d’énergie
• Pricing dynamique grande conso.• Analyse de sentiments
• Relation personnalisée avec le consommateur
• Produit comme un service
5
Analyse en continu
Création d’une prédiction, d’un
model, d’un score
Opérationnaliser l’analytique
Livraison continue
Accès constant au Data Lake facilitant
la modélisation
DataScientist
IT
6
• Cas d’usage typique: personnalisation et recommandation temps réel
• Bénéfices (source Venture Beat Survey):
• Cas 1: contenu personnalisé sur site web pour un nombre de page vues augmenté de 300 %
• Cas 2: taux de conversion augmenté de 219 percent.
Transformer les Données en Décisions & Actions
Don-nées
IntégrerAppren
dre
Agir avec
clairvo-yance
Valeur
Alimenter l’apprentissage
Appliquer le modèle
Intégration et préparation des
données
Modélisation et
apprentissage
Mise en exploitation
du modèle
Constitution du réservoir de données
Traitement de données haute
performance
Streaminget modèle de machine
learning opérationnalisé
Solution
7
L’option Cloud est considérer à tous les niveaux
Croissance des applications SaaS vs on-premise
Des flux d’integration serint étendus au delàdu firewall dès 2017
ROI sur 5 ans et diminution du downtime de 81.7% dans le cas d’AWS
5X
66%
560%
Applications
Plate-formes
Infra-
structure
8
Des plates-formes technologiques désormais abordables
Stockage de données
Ingestion de données
Traitement des données
Amazon S3
Data Warehousing
Amazon EMR
Amazon Redshift
9
L’apport du cloud et des services de gestion de données à la demande
L’exemple d’Amazon Web Services :• Agilité – Des ressources disponibles - et libérables - immédiatement• Pricing élastique – payer à l’usage• Des capacités de traitements virtuellement illimitées• Un ensemble complet de services pour l’ingestion de données, le stockage, et des
services analytiques sophistiqués
Amazon Kinesis Amazon Redshift Amazon EMRAmazon S3
Collecte Lac de données EntrepotTraitementsAnalytiques
10
Démo : la plate de forme de données et services
Amazon Redshift
Ingestion des évènements détaillés• Tous les clients• Données d’intention (click), de
consommation, d’utilisation, de notation.
Comportement par utilisateur
Evénements Quotidiens
o o o
Préparation des données pour
recommandation<chaque nuit>
Recommandations quotidiennes
Entrée | Résultats
Charge incrémentale et maintenance<chaque nuit>
Elastic
MapReduce
Service
Cluster
éphémère
Lac de données – Amazon S3
11
Démo : la plate de forme de données et services
Amazon Redshift
Ingestion des évènements détaillés• Tous les clients• Données d’intention (click), de
consommation, d’utilisation, de notation.
Comportement par utilisateur
Evénements Quotidiens
o o o
Préparation des données pour
recommandation<chaque nuit>
Recommandations quotidiennes
Entrée | Résultats
Charge incrémentale et maintenance<chaque nuit>
Elastic
MapReduce
Service
Cluster
éphémère
Lac de données – Amazon S3
12
Démo : la plate de forme de données et services
Compte Client
Amazon Redshift
Ingestion des évènements détaillés• Tous les clients• Données d’intention (click), de
consommation, d’utilisation, de notation.
Comportement par utilisateur
Evénements Quotidiens
o o o
Préparation des données pour
recommandation<chaque nuit>
Recommandations quotidiennes
Entrée | Résultats
Charge incrémentale et maintenance<chaque nuit>
Elastic
MapReduce
Service
Cluster
éphémère
Lac de données – Amazon S3
13
Démo : la plate de forme de données et services
Amazon Redshift
Ingestion des évènements détaillés• Tous les clients• Données d’intention (click), de
consommation, d’utilisation, de notation.
Comportement par utilisateur
Evénements Quotidiens
o o o
Préparation des données pour
recommandation<chaque nuit>
Recommandations quotidiennes
Entrée | Résultats
Charge incrémentale et maintenance<chaque nuit>
Elastic
MapReduce
Service
Cluster
éphémère
Lac de données – Amazon S3
14
Démo : la plate de forme de données et services
Compte Client
Amazon Redshift
Ingestion des évènements détaillés• Tous les clients• Données d’intention (click), de
consommation, d’utilisation, de notation.
Comportement par utilisateur
Evénements Quotidiens
o o o
Préparation des données pour
recommandation<chaque nuit>
Recommandations quotidiennes
Entrée | Résultats
Charge incrémentale et maintenance<chaque nuit>
Elastic
MapReduce
Service
Cluster
éphémère
Lac de données – Amazon S3
15
• Réduction des coûts• Pas d’investissement « up front »• Pas d’infrastructure à gérer• Achat de capacité à la demande
• Innovation permanente • Approche par expérimentation • Prêt à l’emploi en quelques minutes• La dernière innovation technologique à une
portée de clic .
• Agilité• Ressources accessibles à la demande• Accélération des cycles• Facilité d’accès
En résumé
16
Questions ?
Venez rencontrer les équipes Talend sur le stand F07
Découvrez Spark et le machine learningavec la nouvelle sandboxTalend
top related