Méthodes    
  • ​Introduction

    Voici quelques questions à se poser avant la mise en oeuvre d’une plateforme Big Data :

    • le coût de la collecte de la donnée,
    • quelle est la plus-value ?
    • est-on prêt (conduite du changement, ...) ?
  • ​Cheminement analyse de données

    Voici une représentation simplifiée et parlante de la mise en œuvre de l’analyse des données d’une entreprise qui définit trois niveaux de progression et de maturité

    • descriptive Analytics : on tente de comprendre ce qui s’est passé 
    • predictive Analytics : on tente de prédire ce qui va se passer
    • prescriptive Analytics : on est en mesure de simuler et de prédire des comportements afin de prendre des décisions métier.

    CHEMINEMENT ANALYSE DE DONNÉES

    cheminement analyse de données

  • ​Impacts sur organisation

    Tous les impacts listés ci dessous ne sont pas directement lié au Big Data mais d’un mouvement plus large. Toutefois il s’agit d’un mode de fonctionnement que l’on devrait retrouver dans les entreprises axées sur le Big Data (ou dans les départements spécialisés pour les grandes entreprises).

     

      Organisation classique Organisation Big Data
    Émergence, opportunités Basées sur l’expression de besoin Basées sur les opportunités métier

    Organisation des développements

    Approche top-down Approche bottom-up
    Cohérence du SI

    Limitation de nombre de solutions voire un seule solution pour tous les besoins

    La meilleure solution pour chaque besoin

    Capitalisation Réutilisation de composants

    Composants et applications jetables

    Organisation

    Regroupement des compétences dans des pôles/divisions

    Approche pluridisciplinaire
    Support et licence

    Utilisation de solutions commerciales

    Utilisation de solutions Open Sources

    Montée en compétences

    Formation classique Hackathon, Coding Dojo, ...
    Organisation du SI Centrée sur les applications Centrée sur les données
    Préoccupations Centrées sur l’entreprise Centrées sur les clients

     

  • ​RoadMap

    ROADMAP

    RoadMap

     

  • ​Approche Bottom-Up

    Cette approche part du bas (la technique) pour aller vers le haut (l’organisation). Avec cette approche on va tout d’abord valider les choix techniques au moyen d’un POC et d’un cas d’utilisation jugé pertinent. On ne lance pas tout de suite les grands chantiers qui vont permettre de transformer l’entreprise et placer la donnée au cœur des problématiques de l’entreprise.

    Une fois la plateforme validée on peut enchaîner sur d’autres expérimentations sur des domaines annexes (analyse de la données, visualisation, ...) ou alors concrétiser rapidement un cas d’utilisation et ainsi apporter tout de suite de la valeur. Cette organisation est hautement itérative tant techniquement que fonctionnellement.

    La maîtrise technique des plateformes et l’analyse des données vont grandir conjointement au fur et à mesure de la complexification des cas d’utilisation. C’est évidemment la méthode qui apporte le plus rapidement des résultats et permet de gagner l’adhésion de tous au fur et à mesure. A l’opposé cette approche peut donner l’impression de naviguer à vue et la visibilité est limitée.

  • ​Approche Top-Down

    Complètement à l’opposé de la méthode précédente l’approche top down va d’abord impacter l’organisation de l’entreprise, la transformer, afin de lui permettre de lancer des projets Big Data. On va définir une stratégie Big Data pour l’entreprise complète, un planning de mise en oeuvre des objectifs concrets qui se traduisent souvent par de nouvelles offres pour l’entreprise ou bien l’amélioration des offres existantes.

    Cette approche va tout de suite mobiliser des équipes plus importantes au sein de l’entreprise. Avec cette approche les résultats concrets sont plus longs à obtenir (l’inertie est plus forte et l’effet tunnel réel). A l’opposé les objectifs, les responsabilités ainsi que les sponsors sont clairement identifiés.

  • ​Conseil pour l’expérimentation

    Cas d'utilisation :

    Choix du premier cas d'utilisation à implémenter :  Sélectionner le plus critique et le plus intéressant en terme de plus-value.

    Approche technique et généralisation :

     - Commencer petit et itérer,
    - Lors de cette phase d’expérimentation, n’hésitez pas à ne retenir que les solutions/concepts qui fonctionnent.

     

    Voici par exemple la démarche proposée par Ippon Technologies lors de la mise en œuvre d’un DataLab.

    DATALAB

    DATALAB

ECRIVEZ NOUS SI VOUS AVEZ UNE QUESTION SUR CE CHAPITRE
TéléchArgez-gratuitement-le-liVre-blAncTéléchArgez-gratuitement-le-liVre-blAncTéléchArgez-gratuitement-le-liVre-blAnc
Pdf 11.39Mo
loading
POSEZ-NOUS VOTRE QUESTION
loading