Idc big data dk

617 views
510 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
617
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
24
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Idc big data dk

  1. 1. Big Data : faire face au délugede données non structuréesDidier KRAINCDirecteur Généralhttp://www.idc.fr/www.idc.com 1e Février 2012Copyright 2012 IDC. Reproduction is forbidden unless authorized. All rights reserved.
  2. 2. Le phénomène Big Data Une terminologie « marketing » … qui identifie un phénomène et une problématique bien réels. Définition: phénomène qui fait référence à des technologies, outils, processus et procédures accessibles, permettant à une organisation de créer, manipuler et gérer de très larges quantités de données, afin de faciliter la prise de décision rapide.Google Trends sur le terme « Big Data » - Octobre 2011 Les objectifs:  Gérer des données hétérogènes, provenant de sources multiples, de format souvent structuré et non structuré.  Traiter de haut volume (en taille et/ou en fréquence) de données qui sont dynamiques et changeantes  Gérer les contenus imprévisibles, sans structure ou schéma apparent  Permettre un accès, une analyse et une récupération en temps réel, ou quasi temps réel ©2012 IDC 2
  3. 3. Big Data, Information Management et3ème plateforme industrielle Transformation des industries Social Big data/ business analytics Trillions Réseau Applis Services mobile et appareils Cloud d"objets connectés" mobiles Milliards Millions dApplications dUtilisateurs 2011 LAN/ Client - Internet Serveur Centaines de Millions PC Dizaine de milliers dutilisateurs dapplications 1986 Millions Milliers dutilisateurs dApplications©2012 IDC 3
  4. 4. Quelques chiffres du marché +7 zettaoctets Volume de données Coût relatif du Go créées et répliquées (échelle 1/7000) 1,2 zettaoctets 130 exaoctets 2005 2010 2015 1 zettaoctets = 1 trillion de Go = 1.000.000.000.000.000.000.000 octets 20 millions 1 milliard d’utilisateurs d’Internet de smart mobile; 500,000 applications meters aux pour téléphones mobiles US 50 millions de 1.2 milliards de téléphones serveurs mobiles; 220 million smart dont la phones moitié virtuels©2012 IDC 4
  5. 5. Les cas d’utilisations Diagnostiques médicaux Développement pharmacologique Détection des fraudes Détection du terrorisme E-reputation et suivi du consommateur Veille et alerte produit rapide Réduction du taux de désabonnement Publicité et conseils personnalisés en temps réel Support aux services d’urgences (face à l’excès d’information)©2012 IDC 5
  6. 6. Business CasesUn distributeur d’envergure mondial a mis en place des outils de statistiques et de scoring pour gérer ses assortiments et ses promotions. Les données sont disponibles mondialement à J+1 pour une base de 75 To hors tickets de caisses.Un éditeur de jeux vidéo qui, grâce à l’analyse des données comportementales captées sur les pages vues de son site, déduit les préférences de jeux de chacun des visiteurs. Il multiplie par 500 le taux de transformation de sa newsletter commerciale en envoyant un email personnalisé à chaque membre au regard des pages qu’il avait visitées.Le New York Times a utilisé Hadoop pour générer les PDF de 11 millions darticles publiés entre 1851 et 1922, et lemploie désormais pour lanalyse de texte et le web mining.La chaîne de librairies Barnes & Noble lutilise pour comprendre les comportements dachats de ses clients sur ses divers canaux de distribution.Disney teste la technologie avec des objectifs similaires en sappuyant sur des ressources dans le cloud et sur des serveurs inutilisés en raison de ses efforts de virtualisation.McAfee fait appel aux technologies Big Data pour détecter des corrélations parmi les spams.Les Giants de San Francisco (équipe de baseball) a mis en place une tarification dynamique permettant de modifier le prix des billets en fonction de la demande, et ce, jusqu’à la dernière minute. L’idée étant d’adapter les tarifs à la demande pour éviter la mévente et mieux exploiter les phénomènes d’enchères (qui profitent plutôt au marché noir). Une tarification dynamique qui a permis une augmentation du chiffre d’affaires du club de 6 % en 2010.©2012 IDC 6
  7. 7. A problématique différente, solution différenteAnalyse de très gros volume de Hadoop MapReducedonnées, dont la nature et le formatchangentGrand volume des données de petite Stockage et mise en cache destaille à conserver sur une longue blocs de données définis par lespériode + de nombreux processus applications + réseau de capacitésactifs en load-balacingPartage de données en réseau, avec Bases de données orientées objetune garantie de récupération et decohérence des donnéesRéseau d’informations et de relations Base de données graphiquescomplexes entre de grands volumesd’entités distinctesGrand volume de données stables et Base de données relationnelles +définies, issues de processus solutions analytiquesmétiers, de transaction ou reporting ©2012 IDC 7
  8. 8. Merci Didier Krainc Directeur Général 13, rue Paul Valéry IDC France 75116 Paris France dkrainc@idc.com Fax : +33 1 56 26 26 70 Direct : +33 1 56 26 26 61 http://www.idc.fr/©2012 IDC 8

×