Qu'est-ce que Windows Embedded ? BackgroundArchitectureLibrairiesFontionnalitésDétailsQ&A.
SITB15 - Qu'est qu'une Data Driven Company à l'heure de la digitalisation ?
-
Upload
cyrilpicat -
Category
Data & Analytics
-
view
66 -
download
0
Transcript of 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
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
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
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
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
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
23
© OCTO 2015
Conception de produit
SUPPORT IT
ACTIVITÉS COEUR DE MÉTIER
ACTIVITÉS DE PILOTAGE
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
ACTIVITÉS COEUR DE MÉTIER
ACTIVITÉS DE PILOTAGE
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
ACTIVITÉS COEUR DE MÉTIER
ACTIVITÉS DE PILOTAGE
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
ACTIVITÉS COEUR DE MÉTIER
ACTIVITÉS DE PILOTAGE
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
ACTIVITÉS COEUR DE MÉTIER
ACTIVITÉS DE PILOTAGE
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
ACTIVITÉS COEUR DE MÉTIER
ACTIVITÉS DE PILOTAGE
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
46
© OCTO 2015
Utilisation des ressources (CPU) – ce que je sais faire
Batch processing
breakdown
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)
49
© 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
50
© OCTO 2015
Architecture et technologies
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
52
© OCTO 2015
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
55
© OCTO 2015
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
57
© OCTO 2015
Processus et méthodologie
58
© OCTO 2015
Cycles courts
Appren@ssage, améliora@on
Mesure systéma@que
NOUVELLES METHODES
59
© OCTO 2015
Organisation et capital humain
60
© OCTO 2015
Désiloter?
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
62
© OCTO 2015
Le data scientist
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
64
© 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
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
66
© OCTO 2015
“SoYware is ea@ng the world” Marc Andreessen
Merci