SITB15 - Qu'est qu'une Data Driven Company à l'heure de la digitalisation ?

1

© OCTO 2015 © OCTO 2015

Qu'est-ce qu'une « Data Driven Company » à l'heure de

la digitalisation ?

#SITB15 Conférence Swiss IT Business 22 avril 2015

2

© OCTO 2015

Joseph Glorieux Directeur général OCTO Suisse [email protected]

Cyril Picat Consultant senior OCTO Suisse [email protected]

3

© OCTO 2015

L’IT au service de l’entreprise Data Driven

Suis-je déjà Data Driven ?

Introduction

Conclusion : J’y vais demain

Agenda :

Nouveaux champs d’application

4

© OCTO 2015



Introduction


Agenda :


5

© OCTO 2015 5

Une nouvelle révolution industrielle

6

© OCTO 2015

S’ouvrir aux possibilités

Crowd Sourcing

Réseaux Sociaux

Internet Des Objets

Mobile

Big Data

OpenAPI OpenData

Cloud

USAGES TECHNOLOGIES

Internet Des Objets

= NEW BUSINESS MODELS

DATA

7

© OCTO 2015

Pourquoi parler de Data Driven ?

Data Driven Company répond aux échecs de la BI et anticipe la désillusion du Big Data en réconciliant architectures, changement

organisationnel et méthodologies

Big Data

8

© OCTO 2015

Data Driven - Une définition ?

Continuellement améliorer l’ensemble des processus de l’entreprise

par l’utilisation quantitative et qualitative de données

tout le temps, partout et pour tout.

9

© OCTO 2015

Une vision d’ensemble essentielle

Méthodologies

Stratégie

Culture

Organisation

Métier

RH

Technologies

10

© OCTO 2015

Culture - L’intuition ou les faits ?

11

© OCTO 2015

W. Edwards Deming

12

© OCTO 2015

13

© OCTO 2015

“ It’s not about being the best. It’s about being be1er than you

were yesterday ”

Culture - L’amélioration continue

14

© OCTO 2015



Introduction


Agenda :


15

© OCTO 2015

Vision d’une entreprise

ACTIVITÉS DE SUPPORT

Système d’information RH

Stratégie

Production

Contrôle, risque management

Pilotage financier

ACTIVITÉS COEUR DE MÉTIER

R&D Vente,

distribution

ACTIVITÉS DE PILOTAGE

…

Administration …

Appros

Planification

Marke-ting SAV …

Achat

16

© OCTO 2015

Des métriques au service de…

17

© OCTO 2015

Garbage in, Garbage out

18

© OCTO 2015

La production de métriques

19

© OCTO 2015

Dataviz et storytelling

20

© OCTO 2015

Aller jusqu’au bout Va

leur

Ad-hoc, Drill down Où est le problème précisément?

Combien de fois? Qu’est-ce qui s’est passé?

Alerts, monitoring Qu’est de qu’il se passe?

Prévision Quel budget?

Mode-lisation

predictive

Optimi-sation

Pourquoi ça s’est passé comme ça?

Machine learning

Temps

Qu’est qu’il pourrait arriver? Quels seraient les impacts ?

Quels sont les signaux faibles? Quelles sont les tendances?

Quel est le meilleur qui puisse arriver?

Analyse statistique

Reporting

21

© OCTO 2015

Vérifier l’usage et la qualité, automatiser la production de métriques

Vérifier l’utilisabilité (utilisation & production)

Aller au bout de la promesse sur l’utilisation de la donnée avec la datascience notamment

Sur le Data Driven actuel

22

© OCTO 2015



Introduction


Agenda :


23

© OCTO 2015

Conception de produit

SUPPORT IT



24

© OCTO 2015

Découvrir simultanément les clients et le produit

Produit Client

25

© OCTO 2015

Learning Fast

Build

Measure Learn

Idea

Data

Product

26

© OCTO 2015

Learning Fast

Build

Measure Learn

Idea

Data

Product

Vous êtes tous une startup !

THE LEAN STARTUP

27

© OCTO 2015

Le Minimum Viable Product (MVP) Validation du client

Le MVP est la réalisation minimale qui permet à une équipe de collecter sur les

clients le maximum d’enseignements validés,

et ce avec un minimum d’effort.

28

© OCTO 2015

Le MVP Zappos

Validation du client

29

© OCTO 2015

L’obsession de la mesure Découverte du produit

Objectif : apprendre de l’usage et de

l’impact de chaque fonctionnalité

Hypothèse :

Le mobile va générer des usages supérieurs à ceux du web

Apprentissage : > 60% des lectures : on investi sur les fonctionnalités de la version mobile <= 60% des lectures : on continue à se concentrer sur la version web

Objectif chiffré : •  Le mobile génère 60% des lectures sur la

plateforme •  Les utilisateurs sont enthousiastes sur le

mobile

http://elCurator.net

30

© OCTO 2015

Amélioration de la connaissance clients

SUPPORT



Marke-ting

31

© OCTO 2015

Le marketing client - 2 évolutions majeures

Le modèle de définition du client majoritairement identitaire n’est plus

suffisant

Identité Usage ?

Relation ?

Nom, prénom, adresse, CSP, etc.

Comment utilise-t-il mes produits et services ?

Quel est son parcours digital ?

Avec qui est-il en contact ? Qu’est-ce qui l’influence ?

Qui influence-t-il ?

Les utilisateurs ont un comportement multicanal

Comment enrichir la donnée client identitaire par une vision comportementale multicanale ?

32

© OCTO 2015

Deux exemples classiques

Base des logs web et mobile –

Parcours client

Analyse prédictives – Potentiel d’achat, risque de

désinscription Offres, réductions, publicité

Réagir commercialement en temps réel

Analyse des centres d’intérêts et des parcours clients

33

© OCTO 2015

Analyse de « signaux faibles »

SUPPORT



34

© OCTO 2015

Exemple de prédiction des dépenses de santé Analyse sémantique du domaine de la santé,

et exploitation des données web: Google trends, forums spécialisés

Prédiction des dépenses en optique grâce aux séries temporelles des signaux faibles sur la toile:

nombre de requêtes, nombre de messages

Croisement des données client et exogènes

35

© OCTO 2015

Chacun de vos domaines métier où vous estimez que les actes d’achats de vos clients sont influencés par la sphère digitale est candidat à ce type d’étude

36

© OCTO 2015

Ressources humaines

SUPPORT RH



37

© OCTO 2015

Projet Oxygen @Google

Analyse de l’impact du management, et des qualités d’un bon manager

Étude d’un an basé sur les évaluations, des sondages et les promotions. Plus de 10,000 observations des comportements de managers au total.

38

© OCTO 2015

Recrutement @OCTO

Facematch crowdsourcés sur les profils LinkedIn du réseau des OCTOs Scoring des profils et détection de leads de recrutement

39

© OCTO 2015

Gestion du patrimoine

SUPPORT IT



40

© OCTO 2015

Le problème

Features and functions used in a typical system

41

© OCTO 2015

Application

Valeur

Dette TCO

Valorisation de patrimoine : Valeur – TCO - Dette

42

© OCTO 2015

Sur quelle application continuer à investir?   Valeur/Dette

Quelle application rationaliser?   Valeur/TCO

Comment réduire les coûts du SI?   TCO/Dette

Pour répondre à ces questions :

43

© OCTO 2015

Contact Channel

Factories Electronic Channel

Operation and Contract Management

CRM

Referentials Delivery

Enterprise Management & Control

xxx

XXX XXX

xxx

xxx

XXX

xxx

XXX

XXX

XXX

XXX

XXX

xxx xxx xxx

xxx xxx xxx

XXX XXX

xxx

xxx

xxx xxx xxx

xxx

xxx

xxx xxx

xxx

XXX XXX

xxx

XXX

XXX) XXX

Valeur

TCO

Dette

Neutre

Conséquent

Peu endetté

Très endetté

Marginal

44

© OCTO 2015

Prédictif IT

SUPPORT IT



45

© OCTO 2015

Prévision de panne Provisionning Identification de comportements anormaux Identification des root causes d’incident…

Je le fais déjà non?

Oui mais limité par :   Hétérogénéité des plateformes de supervision   Volume de données (pas d’historique)

Mieux piloter mon infrastructure

47

© OCTO 2015

Prévision : utilisation du hardware selon des scénarios business

(1) Réalisation d’un modèle Yt^ ≈ 68.6X1,t + 39.8X2,t + 0.31X3,t – 823.9XWE,t + µ^t

with µ^t = 0.57µ^t-1 + et, et èN(0,σ²)

Modèle expliquant la consommation CPU en fonction du volume d’activité de production manuelle,

automatique, le débit de l’usine et les saisonnalités liées au weekend

(2) Contrôle de la stabilité structurelle du modèle au fil des nouvelles observations

(3) Utilisation du modèle pour simuler l’impact de différents scénarios sur le système IT

48

© OCTO 2015

Processus de contrôle : detection de comportements anormaux sur des series

Détection dynamique de points atypiques dans l’évolution d’une série temporelle (pics d’activité, changements de tendance, de saisonnalités)

Méthode déployée sur des variables IT (CPU use, DBtime, temps de réponse…), puis portée à un niveau fonctionnel (activité business)

51

© OCTO 2015

Une révolution technologique en marche

Application orientée Flux évènementiel

(streaming)

Application orientée Transaction

(TPS)

Application orientée Stockage (IO bound)

Application orientée Calculs

(CPU bound)

NoSQL

In-memory

Grid - GPU

Streaming

53

© OCTO 2015

Le data lake

Stockage non structuré Stockage semi-structuré (NoSQL)

Stockage structuré (ex. relationnel)

Requêtage interactif

Traitements analytiques

Traitements de flux Machine Learning

Base de données

Fichiers bruts

Logs applicatifs

Données externes, OpenAPI

Messages & Evénements

DW d’entreprise

Système opérationnel

Reporting, requêtes

Données externes, OpenAPI

Messages & Evénements

DAT

A LA

KE

INGESTION

PUBLICATION

54

© OCTO 2015

Big Data VS Small Data

Etre Datadriven ce n’est pas processer des Pétas de données

Vous n’imaginez pas tout ce que l’on peut faire avec un pc portable et excel

56

© OCTO 2015

De nombreuses librairies, de mieux en mieux intégrées, puissantes, et faciles d’utilisation

Une démocratisation de l’analytics et de la dataviz

61

© OCTO 2015

Des nouveaux profils?

EDW Hadoop Datalake

Dev Hadoop et intégra@on de données

Data Scien@sts et Data Engineers

Devops et archis transverses

Applications

63

© OCTO 2015

“By 2018, the United States alone could face a shortage of 140,000 to 190,000 people with deep analy@cal skills As well as 1.5 million managers and analysts with the know-‐how to use the analysis of big data to make effec@ve decisions.”

McKinsey Global Ins@tute – Mai 2011 Big data: The next fron@er for innova@on, compe@@on, and produc@vity

65

© OCTO 2015

Bâtir une DSI « data-ready » à l'ère digitale…

Org

anis

atio

n Méthodes

de travail

Business Model

…C’est travailler sa capacité d’exécution

DSI

SITB15 - Qu'est qu'une Data Driven Company à l'heure de la digitalisation ?

Data & Analytics

Transcript of SITB15 - Qu'est qu'une Data Driven Company à l'heure de la digitalisation ?