DOCAPOSTE INSTITUTE : 02. Etat de l'art du Big Data

Présentation de l'Ecosystème Big Data

• Définition, enjeux et perspectives
• Qu'est-ce-que le Big Data et ses quatre dimensions : volume, vélocité, variété, véracité
• Quels sont les enjeux sociétaux et économiques : exemples d'amélioration de la performance et des résultats de l'entreprise grâce au Big Data
• Mesurer l'importance du Big Data au sein d'une entreprise : les enjeux, la place du Big data dans le-commerce, le-marketing et le-réputation
• Réussir à extraire des données utiles
• Intégrer le Big Data aux données traditionnelles
• Intégrer les critères légaux et éthiques : que peut-on collecter, stocker et analyser
• Intégrer les impacts organisationnels : apparition de nouveaux rôles /métiers

Panorama des techniques liées au Big Data

• Acquisition de la donnée
• L'enchaînement des opérations. 
• Le recueil des données : crawling, scraping
• La gestion de flux événementiel (Complex Event Processing, CEP)
• L'indexation du flux entrant
• L'intégration avec les anciennes données
• La qualité des données : un cinquième V ?
• Les différents types de traitement : recherche, apprentissage (machine learning, transactionnel, data mining)
• D'autres modèles d'enchaînement : Amazon, e-Santé
• Un ou plusieurs gisements de données ? De Hadoop à l'in-memory
• De l'analyse de tonalité à la découverte de connaissances.

Stockage de donnée du Big Data

• Analyser les caractéristiques de vos données
• Sélectionner les sources de données à analyser
• Définir le rôle et les caractéristiques des bases NoSQL
• Présenter un entrepôt Big Data
• Modèles de données : valeur clé, graph, document, famille de colonnes
• Système de fichiers distribués Hadoop (HDFS)
• Un éventail de bases de données : HBase, Cassandra, BigTable, DynamoDB, MongoDB, Redis, Riak, Neo4J
• Solution de recherche : Elastic Search
• Comment bien choisir un entrepot de données
• Choisir un entrepôt de données en fonction des caractéristiques de vos données
• Injecter du code dans les données, mettre en œuvre des solutions de stockage des données multilingues
• Choisir un entrepôt de données capable de s'aligner sur les objectifs de l'entreprise

Traitement du Big Data

• Intégrer différents entrepôts de données digitales
• Mapper les données avec le framework de programmation, se connecter aux données et les extraire de l'entrepôt de stockage, transformer les données à traiter
• Fractionner les données pour Hadoop MapReduce

Présentation d'autres Framework

• SPARK: l'alternative à Hadoop MapReduce
• KAFKA: le middleware de message distribué

Mise en œuvre et élaboration d'une stratégie dédiée au Big Data

• Définir les besoins en matière de Big Data
• Atteindre les objectifs grâce à la pertinence des données
• Évaluer les différents outils du marché dédiés au Big Data
• Répondre aux attentes du personnel de l'entreprise

Une méthode analytique innovante

• Identifier l'importance des traitements métier
• Cerner le problème
• Choisir les bons outils
• Obtenir des résultats exploitables

Mettre en œuvre une solution Big Data

• Bien choisir les fournisseurs et options d'hébergement
• Trouver le juste équilibre entre les coûts engendrés et la valeur apportée à l'entreprise
• Garder une longueur d'avance

Mesurer les enjeux de la protection des données

• Intégrer le droit comme outil de valorisation des bases de données
• Gérer la paternité des fichiers et des données
• Assurer la sécurité informatique des fichiers de données
• Assurer la sécurité juridique des fichiers de données : Cloud Computing
• Étude de cas : analyse de la protection des données de l'entreprise
• Mesurer les intérêts du big data et ses interactions avec le droit
• Les données issues de l'open data : droit sur les données, obligations et coût
• La réutilisation des données de l'open data : la licence
• Étude de cas : analyse de la licence proposée par ETATLAB
• Identifier les spécificités des données à caractère personnel
• Concevoir des systèmes d'information et des traitements conformes (privacy by design) via l'identification des critères d'une collecte et d'un traitement légal des données
• Appliquer les exigences de la qualité Informatique et libertés : proportionnalité, conservation, interconnexion, archivage
• L'information des personnes et les limites du détournement de finalité
• Assurer le droit des personnes sur leurs données
• Mesurer les risques posés par une exploitation non conforme à la loi Informatique et libertés
• Étude de cas : analyse des dernières sanctions de la CNIL