Your SlideShare is downloading. ×

Business Analytics pour le Big Data

395
views

Published on

Les entreprises actuelles n'ont jamais collecté autant de données. La majorité des données sont difficiles à analyser, pourtant les éclairages qu'elles contiennent peuvent être très précieux...

Les entreprises actuelles n'ont jamais collecté autant de données. La majorité des données sont difficiles à analyser, pourtant les éclairages qu'elles contiennent peuvent être très précieux...

Published in: Technology

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
395
On Slideshare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
21
Comments
0
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Business Analytics IBM Software Big Data Business Analytics pour le Big Data Libérer la valeur pour générer la performance
  • 2. 2 Business Analytics pour le Big Data Introduction Les entreprises actuelles n’ont jamais collecté autant de données. La majorité des données sont difficiles à analyser, pourtant les éclairages qu’elles contiennent peuvent être très précieux. Les nouvelles technologies pour la gestion, l’exploration et l’analyse des données ont fait de telles avancées qu’il est désormais possible pour les entreprises de toutes tailles d’exploiter le big data. Il existe des désaccords sur la définition du terme big data. Certains observateurs incluent les sources de données nouvellement utilisables et massives ainsi que les technologies de stockage, de gestion, de gouvernance et d’analyse associées dans leur définition.1 D’autres considèrent les données comme étant distinctes des technologies permettant aux entreprises de les explorer et de les utiliser dans leur prise de décision. Différences mises à part, il existe un vaste consensus parmi les analystes et les dirigeants sur le fait que l’application de l’analyse au big data devient un impératif métier pour un grande nombre d’entreprises dans leur volonté de rester compétitives. Ce livre blanc traite en grande partie de la façon dont les solutions d’analyse supportent l’utilisation du big data dans la prise de décision à tous les niveaux. Il décrit les avantages de l’analyse du big data, puis présente certains des défis qu’elle implique. Enfin, il offre une vue d’ensemble de la façon dont les technologies IBM pour l’analyse métier permettent de relever ces défis et aident les clients à fournir l’analyse aux utilisateurs et aux systèmes professionnels pour l’obtention de meilleurs résultats dans toute l’entreprise. Sommaire 2 Introduction 3 Extraction d’éclairages à partir du big data 4 Les défis de l’analyse du big data 5 IBM Business Analytics pour le big data 10 Conclusion
  • 3. IBM Software 3 Si faire appel au big data présente de nombreux avantages, son analyse comporte de réelles difficultés en partie dues à ses caractéristiques uniques. Les termes les plus souvent associés auBig data sont le volume, la variété, la vitesse et la véracité. • Le volume fait référence à la quantité de données générées, proche de 2 zettaoctets en 2011, selon IDC3 et allant passer à un volume estimé à 35 zettaoctets d’ici 2020 • La variété indique que les analystes traitent désormais le texte, les images et d’autres données non structurées ou semi- structurées, outre les données figurant dans des bases de données structurées ou dans d’autres systèmes de fichiers numériques. • La vitesse reflète le fait qu’avec des milliards de capteurs collectant en permanence des données sur tous les domaines, de la météo à l’utilisation du réseau électrique, aux transactions financières en passant par les achats individuels et les habitudes de conduite, le flux de données ne s’arrête jamais et grâce aux capacités réseau améliorées d’aujourd’hui, elles arrivent plus vite que jamais. • La véracité correspond au fait qu’une grande partie de ces données peut être incomplète ou sembler contradictoire, ce qui nécessite de nouvelles techniques offrant des éclairages fiables en dépit de ce manque de précision. Les sections ci-après de ce livre blanc traitent des trois défis clés associés à l’analyse du big data et de la façon dont les solutions IBM aident les entreprises à les relever. Extraction d’éclairages à partir du big data Les données sont souvent décrites comme étant une ressource naturelle vitale, quelquefois comme étant le « nouveau pétrole »,2 l’analyse étant la « raffinerie » transformant le pétrole en carburant. Ce dernier représentant les éclairages permettant aux entreprises de savoir quelle action effectuer. Le facteur déterminant à cet égard est de fournir cette connaissance aux personnes ou systèmes adéquats en temps voulu pour faire la différence. C’est là que le logiciel IBM Business Analytics intervient. Les entreprises implémentant des initiatives de big data peuvent commencer par combiner les données qu’elles collectent déjà ; par exemple, les données issues de systèmes transactionnels, de planification des ressources de l’entreprise et de gestion de relation clientèle internes, avec de nouveaux types de données qui étaient auparavant non disponibles ou inutilisables pour la prise de décision métier. Ces types de données incluent des données de capteur de machine et RFID semi-structurées, des données textuelles non structurées, des données de média sociaux, ainsi que des données stockées dans de nouveaux systèmes conçus pour une analyse optimisée de sources de données importantes et complexes. En combinant l’analyse de ces big data avec leur analyse traditionnelle, les entreprises leader peuvent : • Disposer de nouveaux éclairages et de nouvelles possibilités, pour faire ce qui était impossible auparavant • Améliorer les processus et les performances, pour exécuter les initiatives en cours plus efficacement • Créer des opportunités de revenu, pour générer de nouveaux modèles métier et de nouvelles façons d’utiliser les données afin de générer de la trésorerie Ces opérations améliorent grandement la capacité des entreprises à être compétitives. Toutefois, elles nécessitent une analyse spécifiquement adaptée aux caractéristiques uniques du big data ; une analyse pouvant fournir des éclairages à tous, pas seulement aux utilisateurs chevronnés, de sorte que les décisions et actions puissent être optimisées de façon cohérente à tous les niveaux de l’entreprise.
  • 4. 4 Business Analytics pour le Big Data En général, les défis liés à l’analyse du big data sont scindés en trois catégories principales : • Ceux associés à l’ accès à des volumes importants de données de différents types et issues de diverses nouvelles sources • Ceux associés à l’ interaction avec les données pour mettre au jour des schémas et des tendances utiles • Ceux liés à la réalisation d’analyse avancéeet ce de façon adaptable, pour satisfaire les besoins d’obtention d’éclairages en temps voulu et à leur intégration dans l’analyse en cours Si les entreprises sont expérimentées en matière de création, de maintenance et de mise à niveau d’entrepôts de données, rendre des données utilisables pour l’analyse nécessite des investissements importants en infrastructure et en personnel ayant les compétences pour assurer la maintenance et la mise à jour de ces entrepôts de données. En raison du volume et de la vitesse de génération des sources de big data, ainsi que de la nécessité d’une analyse rapide, il est peu pratique de créer un entrepôt de données important avant de procéder à celle-ci. Dans certains cas, une exploration et une reconnaissance peuvent être requises pour comprendre quelles parties des données sont pertinentes. Dans de nombreux cas, l’analyse doit être effectuée à la fois sur les données des entrepôts existants et sur celles qui sont stockées dans des systèmes spécialisés comme ceux basés sur Hadoop. Les défis de l’analyse du big data Les nouveaux modes de fonctionnement présentent toujours des difficultés et l’application de l’analyse au big data ne fait pas exception. Certaines entreprises essaient encore de déterminer quelles nouvelles sources de données apporteront le meilleur éclairage sur leurs problèmes métier. D’autres découvrent qu’elles ont implémenté des projets de big data ah hoc sans plan global d’optimisation de l’impact de ces opérations. Dans certains cas, des outils et des techniques semblant prometteurs se sont avérer comporter des coûts cachés ou présenter des défauts. Par exemple, des systèmes spécialisés, comme ceux s’appuyant sur Apache™ Hadoop® , peuvent ne pas disposer des outils de gestion adéquats ou nécessiter que le personnel ait des compétences de programmation pour extraire des informations. La transformation du secteur de la santé grâce à l’analyse Premier Healthcare Alliance dessert plus de 2500 hôpitaux américains et plus de 73000 autres sites du secteur de la santé. Grâce au logiciel IBM Business Analytics, elle a entrepris une initiative révolutionnaire en combinant des informations auparavant cloisonnées issues d’un grand nombre de sources différentes pour aider les hôpitaux, les médecins et d’autres prestataires de santé à faire quelque chose qui n’était pas possible auparavant,, à savoir identifier via un réseau les traitements les plus bénéfiques pour les patients. En un projet, les 157 hôpitaux participants ont sauvé environ 24 800 vies tout en réduisant leurs dépenses de 2,85 milliards de dollars.
  • 5. IBM Software 5 Le deuxième défi, consistant en la capacité d’interagir avec le big data pour découvrir des schémas et des tendances utiles, est en lien direct avec le volume d’informations contenu dans le big data. Cet "obstacle" entrave la perception du « signal », à savoir les schémas et les tendances pertinents pour le sujet métier en question. De nouvelles techniques de visualisation sont requises, pouvant guider les analystes durant l’exploration des données, particulièrement car la meilleure visualisation peut ne pas être celle qu’ils connaissent. Le troisième défi, l’application de l’analyse avancée, nécessite que les entreprises examinent leur infrastructure technologique et leurs processus métier.Les algorithmes mathématiques avancés jouent un plus grand rôle au niveau de la complexité du big data. Si d’autres types de données, comme du texte, doivent être intégrés dans l’analyse, des outils et des techniques supplémentaires peuvent être requis ; toutefois, pour être exhaustif, les résultats de l’analyse de texte doivent être combinés à ceux obtenus de l’analyse de données structurées. Les entreprises doivent aussi développer des processus et des protocoles de sorte que les résultats de l’analyse effectuée sur le big data soient comparables dans le temps et imbriquées dans les systèmes et processus opérationnels. Une question connexe est la véracité des données. Bien évidemment, les données issues de plusieurs sources sont souvent incohérentes. Il existe des différences en matière de formats, de définitions, d’architecture, d’exhaustivité et de précision des données. Les outils de nettoyage de données traditionnels ne sont pas conçus pour gérer de telles situations. Toutefois, l’analyse peut être utilisée pour indiquer les valeurs manquantes afin que les données soient plus exhaustives. Et de nouvelles techniques, comme l’analyse des entités, peuvent être utilisées pour résoudre les incohérences des données afin que les analyses puissent être effectuées et fournir des résultats valides. IBM Business Analytics pour le big data IBM connaissait les défis inhérents à l’analyse du big data et a créé un portefeuille de produits Business Analytics pour permettre aux entreprises de les surmonter. Avec ses fonctionnalités d’analyse prédictive avancée, ce portefeuille permet aux entreprises de mettre au jour des informations figurant en filigrane dans le big data, puis de les utiliser pour anticiper et façonner les résultats métier. Les entreprises peuvent mieux aligner leurs informations avec leurs objectifs métiers. La solution IBM Big Data and Analytics associe les fonctionnalités du Business Analytics à la plateforme de big data d’entreprise d’IBM, comme le montre la Figure 1, ci-dessous. La plateforme de big data inclut des solutions pour l’intégration et la gouvernance des informations, la gestion des entrepôts de données, l’informatique en flux et une solution Hadoop d’entreprise. Elle inclut aussi des systèmes spécialisés et des solutions d’infrastructure, comme la famille de produits IBM PureSystems™ et les solutions IBM Smart Cloud pour les implémentations cloud. Une évaluation plus précise des risques liés au crédit Equifax est leader international en solutions d’informations commerciales et de consommation. Grâce au logiciel IBM Business Analytics, Equifax a développé une technique propriétaire pour regrouper plusieurs modèles de risque en un seul score. La technique évalue et combine les dimensions importantes de différents modèles de risques en un seul score, qui est 30 à 50 % plus précis, en fonction du type de risque. Grâce à cette nouvelle technique, Equifax obtient de meilleures réponses, que ses clients peuvent utiliser pour prendre de meilleures décisions sur leurs relations client.
  • 6. 6 Business Analytics pour le Big Data Les récentes améliorations apportées à cette plateforme accroissent de façon spectaculaire les performances pour les entreprises ayant des données stockées dans des bases de données IBM DB2, notamment celles utilisant le logiciel de business intelligence IBM Cognos, IBM InfoSphere Streams et celles explorant le potentiel d’Hadoop pour simplifier leurs initiatives sur le big data. Le logiciel IBM Business Analytics offre aux entreprises de nouvelles façons de combiner l’analyse du big data avec l’analyse traditionnelle, particulièrement dans trois domaines : l’accès au big data, l’interaction visuelle avec lui pour mettre au jour des schémas et des tendances, puis l’application d’une analyse évolutive pour satisfaire les exigences du big data et des performances métier. Accès en toute confiance au big data Le logiciel IBM Business Analytics permet aux entreprises d’accéder à des données de différents types et issues de diverses sources. Si ces données résident dans des bases de données relationnelles, des systèmes basés sur Hadoop et si elles se trouvent dans ou en dehors d’un pare-feu, elles peuvent être assemblées et analysées pour obtenir une vue plus complète des conditions métier. Quelles que soient les sources de données choisies, avec le logiciel IBM Business Analytics, les utilisateurs bénéficieront d’une interface visuelle unifiée. De plus, les fonctionnalités d’analyse au sein de la plateforme de business intelligence d’IBM Cognos permettent aux entreprises d’optimiser l’accès à de grands volumes de données dans des entrepôts ou dans des bases de données externes via une accélération en mémoire, un traitement en base de données et une reconnaissance des agrégats. Les données « au repos » peuvent être stockées soit dans des entrepôts de données traditionnels ou dans des systèmes spécialisés conçus pour gérer de grands volumes de données structurées et non structurées. Par exemple, IBM InfoSphere BigInsights™ , qui est l’implémentation d’IBM d’un système Figure 1 : la solution IBM Big Data and Analytics. Pour un traitement plus détaillé des produits contenant la plateforme IBM pour le big data, téléchargez le livre blanc « Architecting a Big Data Platform for Analytics » à l’adresse www.ibmbigdatahub.com La solution IBM Big Data and Analytics SERVICES DE CONSULTING et D’IMPLEMENTATION Ventes Marketing Finance Opérations IT Risque RH Secteur SOLUTIONS ANALYSE Pilotage de la performance Analyse du risque Gestion des décisions Analyse du contenu Business Intelligence et Analyse Prédictive PLATEFORME DE BIG DATA Intégration et Gouvernance des informations SECURITE, SYSTEMES, STOCKAGE et CLOUD Gestion de contenu Système Hadoop Informatique en flux Entrepôt de données
  • 7. IBM Software 7 Hadoop professionnel et d’IBM PureData™ System for Analytics, un système conçu pour adapter l’analyse du big data. Les produits IBM Business Analytics sont optimisés pour tirer parti de ces systèmes ; de plus, IBM a optimisé le mode d’accès aux informations Hadoop pour offrir une efficience analytique accrue. Les données « en mouvement », comme celles liées aux comportements de trading du marché financier, les balises RFID surveillant les chaînes d’approvisionnement ou les données issues de capteurs de machines dans les paramètres de fabrication peuvent être analysées via IBM InfoSphere Streams, un produit spécifiquement conçu pour rechercher continuellement des schémas dans ce type de données pour automatiser des décisions en temps réel. Par exemple, les modèles prédictifs IBM peuvent être imbriqués dans le traitement Streams pour identifier les schémas avant que les données ne soient stockées. Les résultats peuvent alors être visualisés en temps réel via IBM Cognos Real Time Monitoring, ou des actions peuvent être automatiquement lancées. Après avoir accédé au big data et l’avoir analyséen combinaison avec des sources de données traditionnelles, les analystes utilisant les produits IBM Business Analytics peuvent créer des tableaux de bord interactifs ou des rapports précis au pixel prêt et les distribuer efficacement à tous dans l’entreprise pour une analyse plus poussée, même sur les dispositifs mobiles. Les analystes peuvent aussi générer des modèles prédictifs pour déterminer précisément ce qui risque de se passer dans le futur, puis déployer ces modèles pour optimiser et automatiser la prise de décision. La Figure 2 illustre comment les produits IBM Business Analytics supportent l’analyse de données, qu’il s’agisse de flux, de données stockées dans des bases de données traditionnelles ou dans des systèmes spécialisés comme Hadoop. Figure 2 : Ce graphique identifie les sources de big data et de données d’entreprise que le logiciel IBM Business Analytics peut combiner, couvrant les données « en mouvement » et celles « au repos ». Pour plus d’informations sur les versions des sources de données, reportez-vous aux exigences système Cognos ou SPSS sur le site ibm.com. Les produits IBM Business Analytics pour l’analyse du big data Cognos Insight Cognos BISPSS Modeler Cognos RTM IBM Business Analytics Analyse en temps réel Analyse prédictive Reporting/Tableaux de bord d’analyse Exportation et exploration Analyse des données des média sociaux SPSS Social Media Analytics Plateforme de Big Data d’IBM Autres sources de Big Data Sources de données d’entreprise
  • 8. 8 Business Analytics pour le Big Data Ces visualisations sont complétées par des fonctionnalités de reconnaissance intelligente guidant les utilisateurs vers la visualisation la plus appropriée pour leurs données, révélant ainsi des informations qui auraient sinon été difficiles à détecter dans des ensembles de données importants et complexes. IBM a réalisé un investissement important dans les technologies de visualisation et continue à le faire. Des techniques avancées continuent à être imbriquées dans des solutions d’analyse, facilitant l’exploration par les utilisateurs d’ensembles de données encore plus importants avec davantage de facilité et de confiance. L’analyse des média sociaux est un outil puissant pour mettre au jour les sentiments des clients dispersés sur d’innombrables sources en ligne. Comme le système Hadoop d’IBM, l’analyse textuelle et les fonctionnalités de création de tableaux de bord, IBM SPSS Social Media Analytics utilise les visualisations pour personnaliser les campagnes, prévoir le comportement des clients et identifier les personnes ayant une influence dans l’espace des média sociaux, comme le montre la Figure 3. Interaction visuelle avec le big data Pour explorer efficacement le big data et mettre au jour les éclairages y figurant, disposer de fonctionnalités de visualisation évoluées est essentiel. Les visualisations permettent aux utilisateurs de s’axer sur les types de données ou les parties d’ensembles de données méritant une exploration plus poussée. Le big data étant incohérent par définition, des schémas étant masqués par des masses de détails, ces fonctionnalités sont essentielles pour détecter des signaux subtils. Les visualisations dans le logiciel IBM Business Analytics ne sont pas des graphiques circulaires, en barres ou en nuage de points ; il s’agit de nouveaux modes de présentation des données où les schémas se détachent clairement. Plans des services publics pour le futur Réseaux de distribution d’électricité intelligent, énergie renouvelable, véhicules électriques : ce sont quelques-uns des changements qui refaçonnent les secteurs de l’énergie et des services publics. Un service public d’Amérique du Nord utilise le logiciel IBM Business Analytics pour analyser les données en continu issues de capteurs de réseau en quasi temps réel et une planification de scénarios sophistiqués pour mettre au jour de nouveaux flux de revenus. . Elle peut ainsi prendre de meilleures décisions, comme la façon d’intégrer des sources d’énergie renouvelable dans son portefeuille tout en répondant aux besoins des clients en matière d’énergie fiable. Figure 3 : IBM SPSS Social Media Analytics présente des visualisations qui transforment les interactions avec les média sociaux en éclairages exploitables. Visualisation de schémas dans les média sociaux
  • 9. IBM Software 9 Le choix d’une analyse de big data évolutive Les volumes de données ayant beaucoup augmenté et les ensembles de données étant devenus plus complexes, les algorithmes d’analyse prédictive exploitant la puissance mathématique et informatique pour détecter des schémas sont devenus des outils indispensables. Ces algorithmes évolués doivent s’adapter efficacement de sorte que les entreprises puissent détecter des connexions et des relations dans des ensembles de données encore plus importants avec une précision encore accrue. Les solutions IBM Business Analytics offrent des techniques d’analyse prédictive avancée pour la prévision, le regroupement et la catégorisation des données, ainsi que certaines autres qui sont critiques pour travailler avec le big data. Par exemple, l’analyse des entités peut être utilisée pour résoudre certaines des incohérences pouvant être visibles dans le big data et améliorer sa véracité. D’autres algorithmes sont conçus pour analyser les concepts et les informations masquées dans le texte. Sont également importants les algorithmes pouvant permettre de comprendre les relations entre les données des réseaux sociaux et révéler les personnes influentes clés et la façon dont elles affectent le comportement des autres personnes. Etendre ces techniques d’analyse avancée implique souvent de « rapprocher l’analyse des données ». A savoir, exécuter des algorithmes et des procédures sur des données résidant dans une base de données, éviter le transfert des données vers l’outil de modélisation analytique ou prédictive et utiliser un traitement multicoeur pour accélérer l’analyse. Les solutions IBM Business Analytics s’intègrent à plusieurs moteurs de bases de données incluant l’analyse en base de données ; les performances s’en trouvent grandement accrues. Des services basés sur l’analyse Une filiale à cent pour cent de Merck, Telerx, fournit des services de centre d’appel en matière d’assistance client, principalement aux clients dans les secteurs pharmaceutiques et des biens de grande consommation. Disposant de données sur le comportement des consommateurs sur plus de 30 ans, Telerx a choisi une solution IBM Business Analytics pour améliorer ses activités en cours. Elle utilise ce logiciel sur des données textuelles issues des média sociaux et de commentaires de clients non sollicités pour développer des modèles prédictifs plus précis que ses clients peuvent utiliser pour affiner leurs opérations marketing.
  • 10. 10 Business Analytics pour le Big Data Les ajouts les plus récents au portefeuille IBM Business Analytics sont IBM SPSS Analytic Server et IBM SPSS Analytic Catalyst. Analytic Server offre une structure exploitant le puissance des systèmes de fichiers distribués et des bases de données comme Hadoop pour exécuter des analyses sur le big data, permettant à IBM SPSS Modeler d’utiliser des algorithmes analytiques sophistiqués sur des données très importantes, rapidement et de façon très évolutive. IBM SPSS Analytic Catalyst est un outil d’analyse qui rend l’analyse prédictive et la reconnaissance plus accessibles que jamais aux analystes métier. IBM SPSS Analytic Catalyst utilise des techniques d’automatisation avancées pour révéler des éclairages clés et les relations les plus intéressantes statistiquement dans le big data ; il fournit des résultats sous la forme de visualisations interactives dotés de résumés en langage simple, ne nécessitant pas de compétences de programmation ni de connaissances poussées des statistiques. Conclusion L’analyse est indispensable pour tirer de la valeur du big data. Grâce aux technologies avancées désormais disponibles pour analyser le big data, les entreprises peuvent : • Mieux comprendre la dynamique de leur entreprise en accédant au big data, en le visualisant et en l’analysant, puis en intégrant les résultats à leurs analyses d’informations traditionnelles. • Réagir plus vite, puisque de nouvelles perspectives sur les opérations quotidiennes peuvent être obtenues en utilisant une analyse évolutive sur des grands volumes de données et/ ou en analysant des flux de données en temps réel ou quasi temps réel. • Donner des réponses plus complètes et précises, car toutes les données, pas seulement un échantillon, sont analysées et parce que l’analyse de davantage de types de données, comme le texte ou les données semi-structurées, peut fournir du contexte aux données traditionnelles. • Automatiser et optimiser la prise de décision, en fonction d’informations plus précises obtenues de l’analyse du big data. • Réduire les coûts informatiques, en faisant appel à des technologies IBM hautement performantes supportant la combinaison de l’analyse de données traditionnelle et des analyses de données figurant dans des systèmes moins coûteux comme ceux basés sur Hadoop. Le big data offre clairement aux entreprises de réels avantages. Bien que l’exploitation de ces importantes nouvelles ressources de données comporte de nombreuses difficultés, un nombre croissant d’entreprises les surmontent grâce à IBM Business Analytics.
  • 11. IBM Software 11 Banques – elles s’axent davantage sur leurs clients via l’analyse de diverses nouvelles sources de données pour créer une connaissance différenciée de ceux-ci, informer les stratégies les concernant et optimiser l’interaction avec eux pour en tirer un avantage concurrentiel. Assureurs – ils optimisent la gestion des demandes d’indemnisation en accédant à des sources de données internes et externes pour comprendre rapidement la probabilité de fraude. Ils peuvent ainsi accélérer la gestion des demandes simples et enquêter rapidement sur celles qui sont complexes ou probablement frauduleuses. Gouvernement – les entités recherchent des anomalies dans les soumissions concernant les programmes sociaux et les impôts. Elles peuvent mettre au jour des schémas de risque et de fraude plus rapidement que jamais, puis déterminer les meilleures mesures à prendre. Fabricants et grossistes – ils détectent des signes de problèmes liés à la chaîne d’approvisionnement plus rapidement et peuvent donc tirer parti de différentes approches logistiques pour éviter les coûts élevés liés aux retards au niveau des matières premières, des surstocks ou des ruptures de stock. Des sociétés aussi différentes que les hôtels, les sociétés de télécommunications, les détaillants et les restaurants voient plus clairement les préférences des clients et créent une base de clientèle plus fidèle et rentable. Les villes et les services publics évaluent plus précisément l’utilisation publique des services essentiels et peuvent donc optimiser les mécanismes de distribution et éviter des goulots d’étranglement dangereux. Comme c’est le cas avec un grand nombre d’initiatives métier, quand une entreprise décide qu’elle a besoin d’étendre sa portée analytique pour y inclure le big data, il n’existe pas de solution universelle simple. Le logiciel IBM Business Analytics permet aux entreprises de bâtir sur des initiatives analytiques existantes pour solutionner les difficultés les plus urgentes que présente l’analyse du big data et transformer leur mode de fonctionnement, afin de surpasser les attentes et la concurrence. À propos d’IBM Business Analytics Les logiciels IBM Business Analytics fournissent des informations orientées données pour aider les organisations à travailler de manière plus intelligente et à surpasser leurs concurrents. Le portefeuille de produits, très complet, inclut des solutions de Business Intelligence, d’analyse prédictive, d’aide à la décision, de pilotage de la performance et de gestion des risques. Les solutions IBM Business Analytics aident les entreprises à identifier et à visualiser les tendances et les schémas présents dans certains secteurs (comme l’analyse client) qui peuvent avoir un effet déterminant sur leurs performances. Elles leur permettent de comparer des scénarios, d’anticiper des menaces et des opportunités potentielles, de mieux planifier, budgétiser et prévoir leurs ressources, d’équilibrer le rapport entre les risques potentiels et les retours sur investissements prévus, et de respecter les réglementations. En élargissant l’utilisation de l’analyse, les organisations peuvent adapter leurs décisions tactiques et stratégiques afin d’atteindre leurs objectifs. Pour plus d’informations, visitez le site ibm.com/business-analytics/fr Demander à être appelé Pour être contacté ou pour poser une question, accédez au site ibm.com/business-analytics/fr Un représentant IBM vous répondra sous deux jours ouvrés.
  • 12. Compagnie IBM France 17 Avenue de l’Europe 92 275 Bois-Colombes Cedex La page d’accueil d’IBM est accessible à l’adresse suivante : ibm.com IBM, le logo IBM, ibm.com, DB2, Big Insights, InfoSphere, PureSystems, PureData, Cognos et SPSS sont des marques d’International Business Machines Corp., réparties dans le monde entier. Les autres noms de produits et de services peuvent être des marques d’IBM ou d’autres sociétés. Une liste actualisée de toutes les marques d’IBM est disponible sur la page Web « Copyright and trademark information » à l’adresse suivante : ibm.com/legal/copytrade.shtml Le présent document contient des informations qui étaient en vigueur et valides à la date de la première publication et qui peuvent être modifiées par IBM à tout moment. Toutes les offres mentionnées ne sont pas distribuées dans tous les pays où IBM exerce son activité. Les données de performances et les exemples de clients ne sont présentés qu’à des fins d’illustration. Les performances réelles peuvent varier en fonction des configurations et des conditions d’exploitation spécifiques. Il est de la responsabilité de l’utilisateur d’évaluer et de vérifier lui-même le fonctionnement des produits ou logiciels non IBM avec les produits ou logiciels IBM. LES INFORMATIONS DU PRÉSENT DOCUMENT SONT FOURNIES "EN L’ÉTAT" ET SANS GARANTIE EXPLICITE OU IMPLICITE D’AUCUNE SORTE. IBM DÉCLINE NOTAMMENT TOUTE RESPONSABILITÉ RELATIVE À CES INFORMATIONS EN CAS DE CONTREFAÇON AINSI QU’EN CAS DE DÉFAUT D’APTITUDE À L’EXÉCUTION D’UN TRAVAIL DONNÉ. Les produits IBM sont garantis conformément aux dispositions des contrats au titre desquels ils sont fournis. Toute instruction relative aux intentions d’IBM pour ses opérations à venir est susceptible d’être modifiée ou annulée sans préavis, et doit être considérée uniquement comme un objectif. 1 Converting Big Data Hype into Big Value with Analytics, Colin White, BI Research, 2012. 2 http://www.forbes.com/sites/perryrotella/2012/04/02/is-data-the-new-oil/ ©2012-2013 Forbes.com LLC™ 3 http://www.datacenterknowledge.com/archives/2011/06/28/digital- universe-to-add-1-8-zettabytes-in-2011/ ©2006-2013 Data Center Knowledge © Copyright IBM Corporation 2013 Pensez à recycler ce document YTW03329-FRFR-01