tracer la voie vers le big data avec talend et aws

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


Amazon Redshift





o o o






Elastic

MapReduce

Service

Cluster

éphémère


12


Compte Client

Amazon Redshift





o o o






Elastic

MapReduce

Service

Cluster

éphémère


13


Amazon Redshift





o o o






Elastic

MapReduce

Service

Cluster

éphémère


14


Compte Client

Amazon Redshift





o o o






Elastic

MapReduce

Service

Cluster

éphémère


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

tracer la voie vers le big data avec talend et aws

News & Politics