Yann Gourvennec, profile picture
Téléchargé parYann Gourvennec
PPTX, PDF8,906 vues

[Fr] Information builders - MDM et Big Data

Le document aborde l'importance du big data et du master data management (MDM) dans la stratégie des entreprises, en soulignant leur association comme essentielle pour optimiser la performance et la qualité des données. Il présente également des exemples concrets d'innovation et d'utilisation des données dans divers secteurs tels que la banque, l'assurance et la grande distribution. En outre, il traite des enjeux liés à la gouvernance des données et de la nécessité d'intégrer les grandes volumétries de données pour créer une valeur ajoutée.

Intégrer la présentation

Téléchargé 221 fois
Exploitez le Big Data dans le cadre de votre stratégie MDM Sam Berchiche Country Manager Information Builders Copyright 2007, Information Builders. Slide 1
Information Builders EXPERTISE  Logiciels et Services  Business Intelligence & Analytics  Intégration & Intégrité de données EXPERIENCE SOLIDE  38 années d’expérience  Tous secteurs, public & privé  Principal fournisseur de logiciels OEM COUVERTURE MONDIALE  Plus de 30 000 clients  Millions d’utilisateurs  1350 employés dans 60 filiales AMELIORATION CONTINUE  Ratio de 98% de succès  Haut degré de satisfaction client  Partenariat client à long terme 2
Quelques références françaises
Information Builders Les 3 fondamentaux de l’offre Business Intelligence Analytics Pilotage de la performance Gestion de qualité des données Gestion des données maîtres Gouvernance des données Automatisation des processus Intégration des données Suite d’adaptateurs universels 4
Agenda  Les nouveaux enjeux de l’EIM  Du Data Management à L’Information Gouvernance  Big Data :  Définition, cas d’usage  Composants clés d’un projet data  Comment engager le projet?  MDM et Big Data : l’association gagnante  Enjeux  Cas d’usage  Parcours multi-canal dans la banque  Recommandation temps réel dans le transport/tourisme  Architecture et composants technologiques  Démonstration de la solution Information Builders
Les enjeux de l’EIM et l’association gagnante MDM et Big Data Jean-Michel Franco Directeur Innovation Copyright 2007, Information Builders. Slide 6
Business & Decision : un groupe international de conseil et d’intégration de systèmes Créé en 1992 CA 2012 : 221,9 M€ 2 500 collaborateurs 16 pays 17 agences régionales 5 grands domaines d’expertise BI / EPM CRM E-BUSINESS BI & EPM Services Europe MarketScope Magic Quadrant for CRM Services Parmi les 7 grandes agences web et design en Europe du panel de Forrester EIM MDM / BRMS / Search / ECM CONSULTING AMOA / Conseil / Métaphora (gestion du changement) Exens (ERP) / BDU 7
Business & Decision et le MDM Spécialiste du MDM et de l’Information Management     Démarche de mise en œuvre éprouvée et souple  Approche agile dédiée au MDM, sur la base de sessions de travail collaboratives en ateliers dans le respect des coûts et des délais  Des consultants polyvalents pour mettre en œuvre la solution au plus près des besoins métiers Innovation, engagement , expertise     Une practice dédiée au Master Data Management 50 consultants en France, 80 dans le monde Veille technologique dédiée et relations partenaires fortes Forte synergie avec les autres activités du groupe 50 % des projets réalisés en mode forfait 90% de l’activité réalisée auprès d’une clientèle Grands Comptes Un engagement de bout en bout Connaissance pointue des solutions du marché, et co-création Une expertise déclinée sur tous les cas d’usage 8
Prêts pour transformer vos données en valeur ? Connaître son client Source : Faber Novel Elargir son offre produits & services Valoriser tout l’écosystème
De la rétention au partage de l’information Nouveau paradigme organisationnel et technologique Knowledge is Power Knowledge is Profit • Rétention et silos de données • Hétérogénéité et « best-of-breed » • Décentralisation et autonomie •Organisation verticale • Opacité • Communication et partage globaux • Mutualisation et rationalisation • Centralisation et collaboration • Organisation horizontale • Transparence La réponse se trouve dans les données – seulement si vous savez les exploiter 10
Des enjeux business de plus en plus précis et urgents L’exploitation du potentiel contenu dans vos données est nécessaire pour faire face aux grands enjeux des SI actuels : Convergence des SI Désimbrication du SI sur un marché régulé Conformité réglementaire Time to market Connaissance client Plateforme unifiée de gestion des données Dictionnaire Référentiel Qualité Intégration Entreprise étendue
De l’intégration de données à la gouvernance de l’information D’un modèle en silos, managé par l’IT (Data Management)… IT …vers un modèle plus fédéral, à responsabilités partagées (Information Governance) Métiers  Les métiers définissent leur besoin et utilisent l’information via des applications packagées  L’IT met en œuvre, opère et administre  Des conflits sur la pertinence et la qualité des données, l’autonomie, le time to market... Métiers  Les métiers définissent leur besoin, administrent les données, les documentent, parfois les assemblent et contribuent à leur mise en cohérence et leur entretien  L’IT accompagne, contrôle, déploie, délivre “comme un service”, sécurise et administre
Qu’est-ce que le Master Data Management ? Une Master Data est une donnée de référence commune aux organisations, processus et applications informatiques d’une entreprise. Une donnée est dite « Master Data » à condition d’être partagée au travers d’un système d’information Le Master Data Management vise à mettre en place les processus, organisations et outils pour rassembler, référencer, gérer, contrôler et partager de manière transverse les Master Data Les personnes (qui ?) Les choses (quoi ?) Les lieux Les (où ?) Lieux Organisations (comment ?) Règles de gestion Unités de mesure Clients Consommateurs Produits Points de Pays vente Services Les règles & standards Plans de comptes SLA 33% Fournisseurs 44% Assets 3% EntreBoutiques pots Entrepôts Filiales Filiales Employés Configurations Partenaires Patients Citoyens Usagers 21 % Calendrier Territoires Tarifs ImmoImmobilier bilier Organisation opérationnelle et juridique Codifications standard 13
Mais le MDM ne suffit pas : les disciplines de l’EIM Documenter, éliminer les redondances de données Master Data Management Meta Data Management Améliorer la qualité des données clefs, et la certifier Transférer l’information, la sécuriser, assurer la traçabilité Rendre l’information clef disponible et accessible à tout moment Qualité de données Gouvernance des données Enterprise Information Integration, Info Lifecycle Management, Data Loss Prevention Data Services SOA, l’enterprise search, BI, portails d’entreprise
Quels types de données?  Les types de données : décrivent Méta données Données décisionnelles Données transactionnelles utilisent Données référentielles  Concrètement : Données transactionnelles Métadonnées Id Client Prénom Nom Produit Point de vente Date Montant 92584789 Denis ROBERT TXF98 24789 05/11/2011 429 $ 92585432 Jeanne FERRY TXF98-TT 24400 06/11/2011 419 $ …. Données référentielles Données décisionnelles scoring RFM CLV
De l’intégration de données à la gouvernance de l’information : Par où commencer ? Définir la plateforme Définir les responsabilités Engager les initiatives, domaine par domaine Produit Client Organisation Sites Cadrage plateforme -> Ateliers définition du besoin -> Proof of concept -> Roadmaps et budgets Schéma d’orga. -> Centre de compétences Information Governance -> Data Stewardships -> Centre de services Mise en œuvre « Fast delivery » -> Modélisation itérative -> Mapping de données -> Plan qualité de données
Big Data : définition Le Big Data vise à tirer un avantage concurrentiel au travers de méthodes de collecte, d’analyse et d’exploitation des données qu’on ne pouvait utiliser jusqu’à présent du fait des contraintes économiques, fonctionnelles et techniques liées aux volumétries, à la vitesse de traitement et à la variété des données à considérer. D’après “the 451 Group” et Gartner Source : Wall Street Journal “Les challenges incluent la collecte, la curation, le stockage, l’enrichissement, le croisement, la partage, l’analyse et la visualisation..” D’après Wikipedia
Nouvel enjeu : le principe de la longue traîne, appliqué à la gestion de l’information La gestion de l’information telle qu’on la connaît Popularité - Capital informationnel constitué sur la base des SI internes de l’entreprise - Information exploitée transversalement uniquement en temps différé - Information modélisée à priori La gestion de l’information telle qu’on la voudrait La gestion de l’information telle qu’on la connaît + informations générées par les humains + informations gérées par les machines + informations en « juste à temps » (vitesse) + informations modélisables, assemblables et extensibles au fil de l’eau (élasticité) Information disponible
Exemple d’innovation dans la distribution: Au plus près du terrain et de la demande client La grande distribution a été pionnière dans la mise en œuvre de data warehouse d’entreprise, notamment pour l’analyse des données de tickets de caisse. Mais, il devient nécessaire de tirer encore plus de valeur de ces données, d’approfondir les capacités d’analyse et de les rendre « actionnables » . Gestion plus fine et dynamique des prix de vente Personnalisation des offres pour les programmes de fidélité Gestion proactive des fraudes Ajustement de l’offre et de la demande, par zone géographique Gestion du online multi-canal (e-commerce, magasins, drive)
Exemple d’innovation dans les utilities : Le « Smart Watering » En France , 25% de l’eau injectée sur le réseau est perdue en fuites et fraudes. Le manque à gagner pour les citoyens s’élève à 2,4 milliards d’euros par an. (*) Les canaux numériques et l’Internet des objets ouvrent de nouvelles opportunités pour collecter/exploiter les données, et les mettre à la disposition de tous (*) Source : SIA conseil Informations en temps réel sur les débits et la qualité de l’eau Services à valeur ajoutée pour les consommateurs et les collectivités Détection au plus tôt des problèmes sur le réseau et en bout de chaîne Engagement commun au principe de consommation responsable Automatisation du processus de collecte
Exemple d’innovation dans le secteur de l’assurance Innover par de nouvelles offres Une start-up dédiée à l’assurance des exploitations agricoles face aux aléas du climat. La collecte d’un ensemble d’informations à un niveau très fin sur les températures, l’humidité, les précipitations… Gestion des sinistres totalement dématérialisée : paiement automatisé en fonction des conditions Un potentiel de déploiement sans limites géographiques, permettant d’atteindre des marchés inexploités D’énormes opportunités de transformation des bonnes pratiques dans l’agriculture et la gestion du climat
Exemple d’innovation dans le secteur de l’assurance Gestion des fraudes Appliquer les principes du Scoring Crédit pour analyser les déclarations de sinistre. Exploitation des données non structurées pour mettre en exergue les incohérences dans les déclarations. L’aide à la décision poussée sur le terrain au plus près des clients. Taux de succès des investigations : de 50 à 85% 25% des dossiers sont réglés dès la première étape, contre 4% auparavant Le scoring influence la suite du processus et améliore son efficacité (aide à la décision « actionnable »)
De la BI classique au Big Data A la recherche de la « longue traîne » Systèmes transactionnels Etendre les principes fondateurs des concepts du Data Warehouse et de l’Information Management Immédiateté Data Warehouse Big Data Précision Aller puiser la connaissance dans de nouvelles sources de données structurées Capteurs, Internet des objets Systèmes décisionnels d’entreprise Agilité Données externes Exploiter et fédérer les données « non structurées » Documents, contenu numérique riche… Données publiques du web et des réseaux sociaux
Big Data : pour quoi faire ?
Quelles catégories de solutions pour le Big Data ?
MDM et Big Data : l’association gagnante 26
Pourquoi le Big Data a-t-il besoin du MDM ? Exemple : la dématérialisation du Père Noël Extraction du contenu Gestion de la qualité Réconciliation avec les master data Enrichissement Id_Client Prénom Nom Produit Fournisseur Date Montant 92584789 Anne B. TXF98 Dell 24/12/2013 650 € 92584789 Anne B. AXC54 Maped 24/12/2013 2,44 € 92584789 Anne B. TRE56 Playmobil 24/12/2013 129,36 € …. 27
Pourquoi le MDM a besoin du Big Data ? Ex.: Du référentiel client à la vue client 360° temps réel Master Data Centre de contacts Données transactionnelles Face à face Customer Data Platform ROI Données décisionnelles (Boutique, agence…) SMS/Mail/Chat… Données de parcours Applications mobiles Données d’interactions Site Web 28
Exemple d’innovation dans le secteur de l’hôtellerie : recommandations temps réel • Passer d’une économie de l’attention à une économie de l’intention • Tester le bien fondé des offres, les remettre en cause en permanence • Offrir le même niveau de service au travers des canaux d’interaction • Mieux “maîtriser” les recommandations associées aux hôtels du groupe et les interactions avec les promoteurs et détracteurs Améliorer le taux de transformation Capacité à tester les nouvelles offres, et de les retirer si peu d’efficacité Capacité d’écoute, de réactivité et d’« influence » sur les promoteurs et détracteurs Fédération de la connaissance client pour s’adapter aux changements d’organisation et intégrer les médias sociaux Offre et communication personnalisée pour chaque client
Exemple d’innovation dans le secteur de la banque : parcours multi-canal • Acquérir/Enrichir la connaissance Client • Proposer les meilleures offres en fonction du contexte • Gérer les parcours d’achat de bout en bout depuis la déclaration d’intention jusqu’à la transformation • Suivre en temps réel l’efficacité des offres Personnalisation des interactions avec les non clients en fonction de leur parcours sur le web Personnalisation des interactions avec les clients en fonction de leur profil et de leur parcours Capacité à suivre les parcours clients au travers des canaux online et offline Définition de nouveaux segments de clients par analyse des parcours d’achat
Et demain, vers les « predictive apps » : Une nouvelle génération d’applications qui anticipe le besoin utilisateur 31
Architecture technologique et démonstration Thomas Weber Ingénieur Avant-Vente Copyright 2007, Information Builders. Slide 32
Faire mieux avec moins, et plus rapidement Ressources et budget limités Plus de données, plus de sources 010101010101010101010101010 01010101010101010101010101 Real time data 01 1 010101010101010101010 0101010101010101010101010 Multiple databases Plus de types de restitution, pour un plus grand nombre d’utilisateurs, plus vite 1010 01010101010101010101 0101010101010101010 External sources 01 101 1 10 1 1 1 010 1 0 33
MDM et Big Data Acquisition, compréhension, stockage et traitement @Scale Data Sources Integration and Text Analytics Data Quality and Master Data Management Information Builders Information Assets: Reliable, Accurate, Timely, Meaningful Data Governance Social Media Structured Data Unstructured Data Partners Systems Downstream Apps Business Analytics Web Apps Portals 34
L’offre Information Builders Business Intelligence, Intégrité, Intégration Diffuser Qualifier Accéder 35
L’offre Information Builders Intégration Accéder 36
Intégration de données Connecteurs universels  Adaptateurs pré-packagés  RDBMS: Oracle, Teradata, SqlServer…  Applications: Peoplesoft, Siebel, SAP…  OLAP: SAP/BW, ESSBASE, SqlServer…  Mainframe: IMS, Remedy, C-ISAM…  Fichiers: Excel, Delimited…  Sources de données “NoSQL”  Facebook  Salesforce.com  MongoDB (JSON)  Hadoop/Hive/HDFS  GreenPlum , Vertica , ParAccel , 1010, Netezza
Intégration de données iWay Service Manager  Bus d’entreprise  Basé sur les standards  Intégration temps réel ou semi temps réel   en mode message  Services réutilisables  Orchestration Activity Monitoring intégré pour la gestion des exceptions, l’audit et la mesure des KPIs Complex Event Processing (CEP)  Stream Processing  Map/Reduce pour traitements parallélisés Fonctionnalités clés Traitement de requêtes Transformation de messages Sécurisation de messages Corrélation de messages Traitement d’événements Performance Management Déploiement à distance Routage de messages Change Data Capture 38
L’offre Information Builders Intégrité Qualifier Accéder 39
Capitaliser sur le MDM pour intégrer les Big Data… … et utiliser les Big Data pour enrichir le MDM Créer une vision globale au niveau de l’entreprise, provenant de données internes et externes 40
Capitaliser sur le MDM pour intégrer les Big Data… … et utiliser les Big Data pour enrichir le MDM Etape 3 : Interactions et Transactions Etape 1 : Master Data Fiche Signalétique Etape 4 : Indicateurs analytiques et de scoring Etape 2 : Méthodes de Contact étendues – Relations & Social Media 41
MDM et Big Data Gathering, Storing, Mastering and Processing @Scale Data Sources Integration and Text Analytics Data Quality and Master Data Management Information Builders Information Assets: Reliable, Accurate, Timely, Meaningful Data Governance Social Media Structured Data Unstructured Data Partners Systems Downstream Apps Business Analytics Web Apps Portals 42
iWay Master Data Center Gestion des données de référence  Référentiel MDM multi-domaines  Modèle de données totalement flexible  Règles de qualité de données embarquées nativement  Règles de qualité générées automatiquement en fonction du modèle de données implémenté  Connecteurs pour l’intégration de données  Déclaration et mapping des systèmes sources  Couche Web Services génériques  Gestionnaire d’événements Qualité de données et gestion du référentiel des données au sein d’une solution unique s’appuyant sur un référentiel de métadonnées commun.
Transactions, interactions et analyses Stockage de données en hautes volumétrie et performance  Compression  Performances  Calculs d’agrégation : SUM, COUNT, AVG…  Accélération des requêtes analytiques: de plusieurs minutes à quelques secondes  Scalabilité linéaire pour les requêtes ad-hoc de Data Mining et de Drill-down Avantages  Simplicité de mise en œuvre et de maintenance: pas d’index, pas de cube, pas de partitionnement, implémentation en quelques jours  Faible TCO: moins d’espace de stockage, moins de serveurs, moins de frais d’administration, pricing adaptable aux volumes 
Transactions, interactions et analyses Hyperstage Exemples de gains obtenus (sans administration requise) Mobile CDR Analysis SAS University Vehicle Registrations Hyperstage Oracle Hyperstage DB2 Hyperstage < 5 seconds 1.5 Minutes 0.5 – 2 seconds 1.5 Minutes >20 Minutes 2 seconds 8-40 Minutes Network Billing Banking Network Analysis DB2 Hyperstage SQL Server 20 Minutes 58 seconds 45:1 compression Up to 30 Minutes Hyperstage 23 seconds
L’offre Information Builders Business Intelligence Diffuser Qualifier Accéder 46
Moteur de Recherche Recherche full-text et Analyse de Sentiment
Analyse prédictive en temps réel Alertes, actions automatisées et applications adaptatives  Context monitor : sondes temps réel pour la capture des événements  Moteur d’analyse en temps réel  Réactions:  Proposition(s) d’action(s) / actions automatisées  Adaptation dynamique du format, des fonctionnalités et du contenu 48
Démonstration 49
Merci 50

Contenu connexe

PDF
Big Data : concepts, cas d'usage et tendances
parJean-Michel Franco
 
PDF
Le Big Data au coeur de la stratégie des PME par où commencer ?
parSilicon Salad
 
PDF
Livre blanc big data écosystème français
parMatthias Fille
 
PDF
Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...
parRomain Fonnier
 
PPTX
DÉBAT SUR LA GOUVERNANCE DE DONNÈES
parAngelaPieruccini
 
PDF
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?
parZeenea
 
PDF
Master Data Management : quels outils ? quelles bonnes pratiques ?
parJean-Michel Franco
 
PDF
Matinale MDM 2013 Business & Decision
parJean-Michel Franco
 
Big Data : concepts, cas d'usage et tendances
parJean-Michel Franco
 
Le Big Data au coeur de la stratégie des PME par où commencer ?
parSilicon Salad
 
Livre blanc big data écosystème français
parMatthias Fille
 
Big data : quels enjeux et opportunités pour l'entreprise - livre blanc - Blu...
parRomain Fonnier
 
DÉBAT SUR LA GOUVERNANCE DE DONNÈES
parAngelaPieruccini
 
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?
parZeenea
 
Master Data Management : quels outils ? quelles bonnes pratiques ?
parJean-Michel Franco
 
Matinale MDM 2013 Business & Decision
parJean-Michel Franco
 

Tendances

PDF
Cas d’usage du Big Data pour la relation et l’expérience client
parJean-Michel Franco
 
PPTX
Machine intelligente d’analyse financiere
parSabrine MASTOURA
 
PPTX
Big Data Des méandres des outils au potentiel business
parMouhsine LAKHDISSI
 
PDF
Big Data Analytics
parSoft Computing
 
PDF
La valeur des Big Data sera dans leurs usages
parSAS FRANCE
 
PDF
Les 4 étapes clés pour transformer les données client en valeur
parJean-Michel Franco
 
PPTX
Programme Big Data
parLes Brigades du Marketing - www.lesbrigadesdumarketing.com
 
PDF
Data Visualisation, Business Intelligence et Big Data
parVincent Lagorce
 
PDF
I love BIG DATA
parReseau'Nable
 
PDF
Livre Blanc : comprendre les data-lakes
parConverteo
 
PDF
Mémoire de fin d'étude - La big data et les réseaux sociaux
parChloé Marty
 
PDF
Presentation Matinée Gouvernance des donnees
parMicropole Group
 
PDF
DATA FORUM MICROPOLE - 2015
parMicropole Group
 
PPTX
Memoire recherche
partmauriac
 
PDF
Workshop - Monétisation de la Donnée : Process & Exemples
parConverteo
 
PPT
Competitic big data et commerce
parCOMPETITIC
 
PPTX
Data forum 2016 - Presentation Micropole - Les tendances Data 2017
parMicropole Group
 
PDF
MDM et BI : practices similaires, complémentaires ou différentes ?
parJean-Michel Franco
 
PDF
Livre blanc data-lakes converteo 2018
parConverteo
 
PPTX
L'utilisation du Big Data en entreprise
parMathieu Lahaye
 
Cas d’usage du Big Data pour la relation et l’expérience client
parJean-Michel Franco
 
Machine intelligente d’analyse financiere
parSabrine MASTOURA
 
Big Data Des méandres des outils au potentiel business
parMouhsine LAKHDISSI
 
Big Data Analytics
parSoft Computing
 
La valeur des Big Data sera dans leurs usages
parSAS FRANCE
 
Les 4 étapes clés pour transformer les données client en valeur
parJean-Michel Franco
 
Programme Big Data
parLes Brigades du Marketing - www.lesbrigadesdumarketing.com
 
Data Visualisation, Business Intelligence et Big Data
parVincent Lagorce
 
I love BIG DATA
parReseau'Nable
 
Livre Blanc : comprendre les data-lakes
parConverteo
 
Mémoire de fin d'étude - La big data et les réseaux sociaux
parChloé Marty
 
Presentation Matinée Gouvernance des donnees
parMicropole Group
 
DATA FORUM MICROPOLE - 2015
parMicropole Group
 
Memoire recherche
partmauriac
 
Workshop - Monétisation de la Donnée : Process & Exemples
parConverteo
 
Competitic big data et commerce
parCOMPETITIC
 
Data forum 2016 - Presentation Micropole - Les tendances Data 2017
parMicropole Group
 
MDM et BI : practices similaires, complémentaires ou différentes ?
parJean-Michel Franco
 
Livre blanc data-lakes converteo 2018
parConverteo
 
L'utilisation du Big Data en entreprise
parMathieu Lahaye
 

En vedette

PDF
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
parJean-Michel Franco
 
PDF
Ebook - The Guide to Master Data Management
parHazelknight Media & Entertainment Pvt Ltd
 
PDF
La Gouvernance des Données
parSoft Computing
 
PPT
Gartner: Master Data Management Functionality
parGartner
 
PPT
Master Data Management
parSung Kuan
 
PDF
BigData_Chp1: Introduction à la Big Data
parLilia Sfaxi
 
PPTX
Big data - Cours d'introduction l Data-business
parVincent de Stoecklin
 
PPT
MDM Strategy & Roadmap
parvictorlbrown
 
PDF
Retail pro prism mobile pos
parGenie Technologies Incorporated
 
PDF
PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....
parMicrosoft Technet France
 
PDF
Open Goverment Data: What, why, how?
parChristian Villum
 
PDF
Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...
parGLDS
 
PDF
DATA FORUM MICROPOLE 2015 - Atelier Orchestra
parMicropole Group
 
PDF
Présentation Micropole - Pascal Anthoine - Forum MDM 2014
parMicropole Group
 
PPTX
Impact of BIG Data on MDM
parSubhendu Dey
 
PDF
Découvrir le web sémantique en 15 minutes (Decideo 2014)
parFrançois Belleau
 
PPTX
Data centric : une plate-forme orientée donnée au coeur de votre organisation
parJean-Michel Franco
 
PDF
Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...
parDATAVERSITY
 
PPTX
Big Data Analytics & Travel Industry – The Best Deal Around
parSPEC INDIA
 
PDF
Big & Open Data: Challenges for Smartcity
parVictoria López
 
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
parJean-Michel Franco
 
Ebook - The Guide to Master Data Management
parHazelknight Media & Entertainment Pvt Ltd
 
La Gouvernance des Données
parSoft Computing
 
Gartner: Master Data Management Functionality
parGartner
 
Master Data Management
parSung Kuan
 
BigData_Chp1: Introduction à la Big Data
parLilia Sfaxi
 
Big data - Cours d'introduction l Data-business
parVincent de Stoecklin
 
MDM Strategy & Roadmap
parvictorlbrown
 
Retail pro prism mobile pos
parGenie Technologies Incorporated
 
PC Management, MAM, MDM, EMM, Data and Files Management, Identity Management....
parMicrosoft Technet France
 
Open Goverment Data: What, why, how?
parChristian Villum
 
Cristal Digital Tuesdays - "Big Data Revolution" - Data and content, creating...
parGLDS
 
DATA FORUM MICROPOLE 2015 - Atelier Orchestra
parMicropole Group
 
Présentation Micropole - Pascal Anthoine - Forum MDM 2014
parMicropole Group
 
Impact of BIG Data on MDM
parSubhendu Dey
 
Découvrir le web sémantique en 15 minutes (Decideo 2014)
parFrançois Belleau
 
Data centric : une plate-forme orientée donnée au coeur de votre organisation
parJean-Michel Franco
 
Informatica Presents: 10 Best Practices for Successful MDM Implementations fr...
parDATAVERSITY
 
Big Data Analytics & Travel Industry – The Best Deal Around
parSPEC INDIA
 
Big & Open Data: Challenges for Smartcity
parVictoria López
 

Similaire à [Fr] Information builders - MDM et Big Data

PDF
Exploitez le Big Data dans le cadre de votre stratégie MDM
parJean-Michel Franco
 
PDF
Matinale du MDM 2014
parBusiness & Decision
 
PDF
Matinale du MDM 2011
parBusiness & Decision
 
PDF
Mdm entrepot_de_donnees_-_wiki
parMichel Bruley
 
PDF
Pilotage & Performance 2012
parBusiness & Decision
 
PDF
Bank insight n°7 - La valorisation de la donnée
parWavestone
 
PDF
Matinales du MDM 2011
parJean-Michel Franco
 
PDF
Matinale du MDM 2012
parBusiness & Decision
 
PDF
DATA FORUM MICROPOLE 2015 - Information Builders
parMicropole Group
 
PDF
PdfHandler
parDavid Jonglez
 
PDF
Informatica - le MDM nouvelle génération - Data forum MICROPOLE 2016
parMicropole Group
 
PDF
Présentation Micropole 3eme Forum MDM - 19 novembre 2014
parMicropole Group
 
PDF
Matinales performance 2010
parJean-Michel Franco
 
PDF
Matinale du MDM 2012
parBusiness & Decision
 
PPTX
Decizia Décisionnel et Pilotage Courte
parDecizia
 
PDF
BIG DATA AS A STRATEGY : CUSTOMER EXPERIENCE AND ANALYTICS
parJawad Jari, Enterprise Architect
 
PDF
Enjeux du Numérique - S1 - Notion de transformation digitale
parFlicien3
 
PDF
Mettre en Oeuvre une Plateforme d'Intégration et de Gestion des Informations ...
parMicrosoft Décideurs IT
 
PDF
Gestion des données clients et leur exploitation, un enjeu dans la transforma...
parPitney Bowes
 
PDF
Tendances BI et EPM 2011 (Matinales performance Business & Decision) [french]
parJean-Michel Franco
 
Exploitez le Big Data dans le cadre de votre stratégie MDM
parJean-Michel Franco
 
Matinale du MDM 2014
parBusiness & Decision
 
Matinale du MDM 2011
parBusiness & Decision
 
Mdm entrepot_de_donnees_-_wiki
parMichel Bruley
 
Pilotage & Performance 2012
parBusiness & Decision
 
Bank insight n°7 - La valorisation de la donnée
parWavestone
 
Matinales du MDM 2011
parJean-Michel Franco
 
Matinale du MDM 2012
parBusiness & Decision
 
DATA FORUM MICROPOLE 2015 - Information Builders
parMicropole Group
 
PdfHandler
parDavid Jonglez
 
Informatica - le MDM nouvelle génération - Data forum MICROPOLE 2016
parMicropole Group
 
Présentation Micropole 3eme Forum MDM - 19 novembre 2014
parMicropole Group
 
Matinales performance 2010
parJean-Michel Franco
 
Matinale du MDM 2012
parBusiness & Decision
 
Decizia Décisionnel et Pilotage Courte
parDecizia
 
BIG DATA AS A STRATEGY : CUSTOMER EXPERIENCE AND ANALYTICS
parJawad Jari, Enterprise Architect
 
Enjeux du Numérique - S1 - Notion de transformation digitale
parFlicien3
 
Mettre en Oeuvre une Plateforme d'Intégration et de Gestion des Informations ...
parMicrosoft Décideurs IT
 
Gestion des données clients et leur exploitation, un enjeu dans la transforma...
parPitney Bowes
 
Tendances BI et EPM 2011 (Matinales performance Business & Decision) [french]
parJean-Michel Franco
 

Plus de Yann Gourvennec

PPTX
[Fr] 2022 09 27 - SSF - vendre incertitude.pptx
parYann Gourvennec
 
PDF
Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...
parYann Gourvennec
 
PDF
Visionary Marketing Business Cases - 2014-2020
parYann Gourvennec
 
PDF
Perspectives - livre blanc - numero 1 - un autre regard sur le digital
parYann Gourvennec
 
PPTX
[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation
parYann Gourvennec
 
PDF
[Fr] le marketing client sur le grill - extrait - WEBER Stephen France
parYann Gourvennec
 
PDF
La grande enquête sur la vague des technologies marketing (livre blanc Mapp)
parYann Gourvennec
 
PDF
Marketing d’influence : enseignements sur la beauté par Traackr
parYann Gourvennec
 
PDF
[Fr] Commerce Physique vs Commerce digital
parYann Gourvennec
 
PDF
[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA
parYann Gourvennec
 
PDF
[Fr] méthodologie - le rapport du martien - audit de votre capital digital
parYann Gourvennec
 
PDF
[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B
parYann Gourvennec
 
PDF
[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...
parYann Gourvennec
 
PDF
[En] 5 key success factors for content marketing in 2017 and beyond
parYann Gourvennec
 
PDF
Infographic about infographics
parYann Gourvennec
 
PDF
Social Media Listening : du bruit au signal (Livre Blanc)
parYann Gourvennec
 
PDF
Charte graphique
parYann Gourvennec
 
PDF
[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space
parYann Gourvennec
 
PPTX
[Fr] Usage du mail au travail : le syndrome du Hamster
parYann Gourvennec
 
PDF
Rapport McKInsey 2014 - impact du digital
parYann Gourvennec
 
[Fr] 2022 09 27 - SSF - vendre incertitude.pptx
parYann Gourvennec
 
Les tendances du marketing en 2021 -#inspirationsmarketing - Commundi x Strat...
parYann Gourvennec
 
Visionary Marketing Business Cases - 2014-2020
parYann Gourvennec
 
Perspectives - livre blanc - numero 1 - un autre regard sur le digital
parYann Gourvennec
 
[GEM] Advanced Master's Digital Business Strategy - 2019-2020 presentation
parYann Gourvennec
 
[Fr] le marketing client sur le grill - extrait - WEBER Stephen France
parYann Gourvennec
 
La grande enquête sur la vague des technologies marketing (livre blanc Mapp)
parYann Gourvennec
 
Marketing d’influence : enseignements sur la beauté par Traackr
parYann Gourvennec
 
[Fr] Commerce Physique vs Commerce digital
parYann Gourvennec
 
[Fr] (Extrait) observatoire commerce mobile juin 2017 - MMA
parYann Gourvennec
 
[Fr] méthodologie - le rapport du martien - audit de votre capital digital
parYann Gourvennec
 
[Fr] Rapport d'étude simplifié Opinionway sur le content marketing en B2B
parYann Gourvennec
 
[Fr] Square d'Orléans, la nouvelle Athènes romantique - demeure parisienne de...
parYann Gourvennec
 
[En] 5 key success factors for content marketing in 2017 and beyond
parYann Gourvennec
 
Infographic about infographics
parYann Gourvennec
 
Social Media Listening : du bruit au signal (Livre Blanc)
parYann Gourvennec
 
Charte graphique
parYann Gourvennec
 
[Fr] Usage du mail au travail Sondage visionary marketing thalesalenia space
parYann Gourvennec
 
[Fr] Usage du mail au travail : le syndrome du Hamster
parYann Gourvennec
 
Rapport McKInsey 2014 - impact du digital
parYann Gourvennec
 

[Fr] Information builders - MDM et Big Data

  • 1.
    Exploitez le BigData dans le cadre de votre stratégie MDM Sam Berchiche Country Manager Information Builders Copyright 2007, Information Builders. Slide 1
  • 2.
    Information Builders EXPERTISE  Logicielset Services  Business Intelligence & Analytics  Intégration & Intégrité de données EXPERIENCE SOLIDE  38 années d’expérience  Tous secteurs, public & privé  Principal fournisseur de logiciels OEM COUVERTURE MONDIALE  Plus de 30 000 clients  Millions d’utilisateurs  1350 employés dans 60 filiales AMELIORATION CONTINUE  Ratio de 98% de succès  Haut degré de satisfaction client  Partenariat client à long terme 2
  • 3.
  • 4.
    Information Builders Les 3fondamentaux de l’offre Business Intelligence Analytics Pilotage de la performance Gestion de qualité des données Gestion des données maîtres Gouvernance des données Automatisation des processus Intégration des données Suite d’adaptateurs universels 4
  • 5.
    Agenda  Les nouveauxenjeux de l’EIM  Du Data Management à L’Information Gouvernance  Big Data :  Définition, cas d’usage  Composants clés d’un projet data  Comment engager le projet?  MDM et Big Data : l’association gagnante  Enjeux  Cas d’usage  Parcours multi-canal dans la banque  Recommandation temps réel dans le transport/tourisme  Architecture et composants technologiques  Démonstration de la solution Information Builders
  • 6.
    Les enjeux del’EIM et l’association gagnante MDM et Big Data Jean-Michel Franco Directeur Innovation Copyright 2007, Information Builders. Slide 6
  • 7.
    Business & Decision: un groupe international de conseil et d’intégration de systèmes Créé en 1992 CA 2012 : 221,9 M€ 2 500 collaborateurs 16 pays 17 agences régionales 5 grands domaines d’expertise BI / EPM CRM E-BUSINESS BI & EPM Services Europe MarketScope Magic Quadrant for CRM Services Parmi les 7 grandes agences web et design en Europe du panel de Forrester EIM MDM / BRMS / Search / ECM CONSULTING AMOA / Conseil / Métaphora (gestion du changement) Exens (ERP) / BDU 7
  • 8.
    Business & Decisionet le MDM Spécialiste du MDM et de l’Information Management     Démarche de mise en œuvre éprouvée et souple  Approche agile dédiée au MDM, sur la base de sessions de travail collaboratives en ateliers dans le respect des coûts et des délais  Des consultants polyvalents pour mettre en œuvre la solution au plus près des besoins métiers Innovation, engagement , expertise     Une practice dédiée au Master Data Management 50 consultants en France, 80 dans le monde Veille technologique dédiée et relations partenaires fortes Forte synergie avec les autres activités du groupe 50 % des projets réalisés en mode forfait 90% de l’activité réalisée auprès d’une clientèle Grands Comptes Un engagement de bout en bout Connaissance pointue des solutions du marché, et co-création Une expertise déclinée sur tous les cas d’usage 8
  • 9.
    Prêts pour transformervos données en valeur ? Connaître son client Source : Faber Novel Elargir son offre produits & services Valoriser tout l’écosystème
  • 10.
    De la rétentionau partage de l’information Nouveau paradigme organisationnel et technologique Knowledge is Power Knowledge is Profit • Rétention et silos de données • Hétérogénéité et « best-of-breed » • Décentralisation et autonomie •Organisation verticale • Opacité • Communication et partage globaux • Mutualisation et rationalisation • Centralisation et collaboration • Organisation horizontale • Transparence La réponse se trouve dans les données – seulement si vous savez les exploiter 10
  • 11.
    Des enjeux businessde plus en plus précis et urgents L’exploitation du potentiel contenu dans vos données est nécessaire pour faire face aux grands enjeux des SI actuels : Convergence des SI Désimbrication du SI sur un marché régulé Conformité réglementaire Time to market Connaissance client Plateforme unifiée de gestion des données Dictionnaire Référentiel Qualité Intégration Entreprise étendue
  • 12.
    De l’intégration dedonnées à la gouvernance de l’information D’un modèle en silos, managé par l’IT (Data Management)… IT …vers un modèle plus fédéral, à responsabilités partagées (Information Governance) Métiers  Les métiers définissent leur besoin et utilisent l’information via des applications packagées  L’IT met en œuvre, opère et administre  Des conflits sur la pertinence et la qualité des données, l’autonomie, le time to market... Métiers  Les métiers définissent leur besoin, administrent les données, les documentent, parfois les assemblent et contribuent à leur mise en cohérence et leur entretien  L’IT accompagne, contrôle, déploie, délivre “comme un service”, sécurise et administre
  • 13.
    Qu’est-ce que leMaster Data Management ? Une Master Data est une donnée de référence commune aux organisations, processus et applications informatiques d’une entreprise. Une donnée est dite « Master Data » à condition d’être partagée au travers d’un système d’information Le Master Data Management vise à mettre en place les processus, organisations et outils pour rassembler, référencer, gérer, contrôler et partager de manière transverse les Master Data Les personnes (qui ?) Les choses (quoi ?) Les lieux Les (où ?) Lieux Organisations (comment ?) Règles de gestion Unités de mesure Clients Consommateurs Produits Points de Pays vente Services Les règles & standards Plans de comptes SLA 33% Fournisseurs 44% Assets 3% EntreBoutiques pots Entrepôts Filiales Filiales Employés Configurations Partenaires Patients Citoyens Usagers 21 % Calendrier Territoires Tarifs ImmoImmobilier bilier Organisation opérationnelle et juridique Codifications standard 13
  • 14.
    Mais le MDMne suffit pas : les disciplines de l’EIM Documenter, éliminer les redondances de données Master Data Management Meta Data Management Améliorer la qualité des données clefs, et la certifier Transférer l’information, la sécuriser, assurer la traçabilité Rendre l’information clef disponible et accessible à tout moment Qualité de données Gouvernance des données Enterprise Information Integration, Info Lifecycle Management, Data Loss Prevention Data Services SOA, l’enterprise search, BI, portails d’entreprise
  • 15.
    Quels types dedonnées?  Les types de données : décrivent Méta données Données décisionnelles Données transactionnelles utilisent Données référentielles  Concrètement : Données transactionnelles Métadonnées Id Client Prénom Nom Produit Point de vente Date Montant 92584789 Denis ROBERT TXF98 24789 05/11/2011 429 $ 92585432 Jeanne FERRY TXF98-TT 24400 06/11/2011 419 $ …. Données référentielles Données décisionnelles scoring RFM CLV
  • 16.
    De l’intégration dedonnées à la gouvernance de l’information : Par où commencer ? Définir la plateforme Définir les responsabilités Engager les initiatives, domaine par domaine Produit Client Organisation Sites Cadrage plateforme -> Ateliers définition du besoin -> Proof of concept -> Roadmaps et budgets Schéma d’orga. -> Centre de compétences Information Governance -> Data Stewardships -> Centre de services Mise en œuvre « Fast delivery » -> Modélisation itérative -> Mapping de données -> Plan qualité de données
  • 17.
    Big Data :définition Le Big Data vise à tirer un avantage concurrentiel au travers de méthodes de collecte, d’analyse et d’exploitation des données qu’on ne pouvait utiliser jusqu’à présent du fait des contraintes économiques, fonctionnelles et techniques liées aux volumétries, à la vitesse de traitement et à la variété des données à considérer. D’après “the 451 Group” et Gartner Source : Wall Street Journal “Les challenges incluent la collecte, la curation, le stockage, l’enrichissement, le croisement, la partage, l’analyse et la visualisation..” D’après Wikipedia
  • 18.
    Nouvel enjeu :le principe de la longue traîne, appliqué à la gestion de l’information La gestion de l’information telle qu’on la connaît Popularité - Capital informationnel constitué sur la base des SI internes de l’entreprise - Information exploitée transversalement uniquement en temps différé - Information modélisée à priori La gestion de l’information telle qu’on la voudrait La gestion de l’information telle qu’on la connaît + informations générées par les humains + informations gérées par les machines + informations en « juste à temps » (vitesse) + informations modélisables, assemblables et extensibles au fil de l’eau (élasticité) Information disponible
  • 19.
    Exemple d’innovation dansla distribution: Au plus près du terrain et de la demande client La grande distribution a été pionnière dans la mise en œuvre de data warehouse d’entreprise, notamment pour l’analyse des données de tickets de caisse. Mais, il devient nécessaire de tirer encore plus de valeur de ces données, d’approfondir les capacités d’analyse et de les rendre « actionnables » . Gestion plus fine et dynamique des prix de vente Personnalisation des offres pour les programmes de fidélité Gestion proactive des fraudes Ajustement de l’offre et de la demande, par zone géographique Gestion du online multi-canal (e-commerce, magasins, drive)
  • 20.
    Exemple d’innovation dansles utilities : Le « Smart Watering » En France , 25% de l’eau injectée sur le réseau est perdue en fuites et fraudes. Le manque à gagner pour les citoyens s’élève à 2,4 milliards d’euros par an. (*) Les canaux numériques et l’Internet des objets ouvrent de nouvelles opportunités pour collecter/exploiter les données, et les mettre à la disposition de tous (*) Source : SIA conseil Informations en temps réel sur les débits et la qualité de l’eau Services à valeur ajoutée pour les consommateurs et les collectivités Détection au plus tôt des problèmes sur le réseau et en bout de chaîne Engagement commun au principe de consommation responsable Automatisation du processus de collecte
  • 21.
    Exemple d’innovation dansle secteur de l’assurance Innover par de nouvelles offres Une start-up dédiée à l’assurance des exploitations agricoles face aux aléas du climat. La collecte d’un ensemble d’informations à un niveau très fin sur les températures, l’humidité, les précipitations… Gestion des sinistres totalement dématérialisée : paiement automatisé en fonction des conditions Un potentiel de déploiement sans limites géographiques, permettant d’atteindre des marchés inexploités D’énormes opportunités de transformation des bonnes pratiques dans l’agriculture et la gestion du climat
  • 22.
    Exemple d’innovation dansle secteur de l’assurance Gestion des fraudes Appliquer les principes du Scoring Crédit pour analyser les déclarations de sinistre. Exploitation des données non structurées pour mettre en exergue les incohérences dans les déclarations. L’aide à la décision poussée sur le terrain au plus près des clients. Taux de succès des investigations : de 50 à 85% 25% des dossiers sont réglés dès la première étape, contre 4% auparavant Le scoring influence la suite du processus et améliore son efficacité (aide à la décision « actionnable »)
  • 23.
    De la BIclassique au Big Data A la recherche de la « longue traîne » Systèmes transactionnels Etendre les principes fondateurs des concepts du Data Warehouse et de l’Information Management Immédiateté Data Warehouse Big Data Précision Aller puiser la connaissance dans de nouvelles sources de données structurées Capteurs, Internet des objets Systèmes décisionnels d’entreprise Agilité Données externes Exploiter et fédérer les données « non structurées » Documents, contenu numérique riche… Données publiques du web et des réseaux sociaux
  • 24.
    Big Data :pour quoi faire ?
  • 25.
    Quelles catégories desolutions pour le Big Data ?
  • 26.
    MDM et BigData : l’association gagnante 26
  • 27.
    Pourquoi le BigData a-t-il besoin du MDM ? Exemple : la dématérialisation du Père Noël Extraction du contenu Gestion de la qualité Réconciliation avec les master data Enrichissement Id_Client Prénom Nom Produit Fournisseur Date Montant 92584789 Anne B. TXF98 Dell 24/12/2013 650 € 92584789 Anne B. AXC54 Maped 24/12/2013 2,44 € 92584789 Anne B. TRE56 Playmobil 24/12/2013 129,36 € …. 27
  • 28.
    Pourquoi le MDMa besoin du Big Data ? Ex.: Du référentiel client à la vue client 360° temps réel Master Data Centre de contacts Données transactionnelles Face à face Customer Data Platform ROI Données décisionnelles (Boutique, agence…) SMS/Mail/Chat… Données de parcours Applications mobiles Données d’interactions Site Web 28
  • 29.
    Exemple d’innovation dansle secteur de l’hôtellerie : recommandations temps réel • Passer d’une économie de l’attention à une économie de l’intention • Tester le bien fondé des offres, les remettre en cause en permanence • Offrir le même niveau de service au travers des canaux d’interaction • Mieux “maîtriser” les recommandations associées aux hôtels du groupe et les interactions avec les promoteurs et détracteurs Améliorer le taux de transformation Capacité à tester les nouvelles offres, et de les retirer si peu d’efficacité Capacité d’écoute, de réactivité et d’« influence » sur les promoteurs et détracteurs Fédération de la connaissance client pour s’adapter aux changements d’organisation et intégrer les médias sociaux Offre et communication personnalisée pour chaque client
  • 30.
    Exemple d’innovation dansle secteur de la banque : parcours multi-canal • Acquérir/Enrichir la connaissance Client • Proposer les meilleures offres en fonction du contexte • Gérer les parcours d’achat de bout en bout depuis la déclaration d’intention jusqu’à la transformation • Suivre en temps réel l’efficacité des offres Personnalisation des interactions avec les non clients en fonction de leur parcours sur le web Personnalisation des interactions avec les clients en fonction de leur profil et de leur parcours Capacité à suivre les parcours clients au travers des canaux online et offline Définition de nouveaux segments de clients par analyse des parcours d’achat
  • 31.
    Et demain, versles « predictive apps » : Une nouvelle génération d’applications qui anticipe le besoin utilisateur 31
  • 32.
    Architecture technologique et démonstration ThomasWeber Ingénieur Avant-Vente Copyright 2007, Information Builders. Slide 32
  • 33.
    Faire mieux avecmoins, et plus rapidement Ressources et budget limités Plus de données, plus de sources 010101010101010101010101010 01010101010101010101010101 Real time data 01 1 010101010101010101010 0101010101010101010101010 Multiple databases Plus de types de restitution, pour un plus grand nombre d’utilisateurs, plus vite 1010 01010101010101010101 0101010101010101010 External sources 01 101 1 10 1 1 1 010 1 0 33
  • 34.
    MDM et BigData Acquisition, compréhension, stockage et traitement @Scale Data Sources Integration and Text Analytics Data Quality and Master Data Management Information Builders Information Assets: Reliable, Accurate, Timely, Meaningful Data Governance Social Media Structured Data Unstructured Data Partners Systems Downstream Apps Business Analytics Web Apps Portals 34
  • 35.
    L’offre Information Builders BusinessIntelligence, Intégrité, Intégration Diffuser Qualifier Accéder 35
  • 36.
  • 37.
    Intégration de données Connecteursuniversels  Adaptateurs pré-packagés  RDBMS: Oracle, Teradata, SqlServer…  Applications: Peoplesoft, Siebel, SAP…  OLAP: SAP/BW, ESSBASE, SqlServer…  Mainframe: IMS, Remedy, C-ISAM…  Fichiers: Excel, Delimited…  Sources de données “NoSQL”  Facebook  Salesforce.com  MongoDB (JSON)  Hadoop/Hive/HDFS  GreenPlum , Vertica , ParAccel , 1010, Netezza
  • 38.
    Intégration de données iWayService Manager  Bus d’entreprise  Basé sur les standards  Intégration temps réel ou semi temps réel   en mode message  Services réutilisables  Orchestration Activity Monitoring intégré pour la gestion des exceptions, l’audit et la mesure des KPIs Complex Event Processing (CEP)  Stream Processing  Map/Reduce pour traitements parallélisés Fonctionnalités clés Traitement de requêtes Transformation de messages Sécurisation de messages Corrélation de messages Traitement d’événements Performance Management Déploiement à distance Routage de messages Change Data Capture 38
  • 39.
  • 40.
    Capitaliser sur leMDM pour intégrer les Big Data… … et utiliser les Big Data pour enrichir le MDM Créer une vision globale au niveau de l’entreprise, provenant de données internes et externes 40
  • 41.
    Capitaliser sur leMDM pour intégrer les Big Data… … et utiliser les Big Data pour enrichir le MDM Etape 3 : Interactions et Transactions Etape 1 : Master Data Fiche Signalétique Etape 4 : Indicateurs analytiques et de scoring Etape 2 : Méthodes de Contact étendues – Relations & Social Media 41
  • 42.
    MDM et BigData Gathering, Storing, Mastering and Processing @Scale Data Sources Integration and Text Analytics Data Quality and Master Data Management Information Builders Information Assets: Reliable, Accurate, Timely, Meaningful Data Governance Social Media Structured Data Unstructured Data Partners Systems Downstream Apps Business Analytics Web Apps Portals 42
  • 43.
    iWay Master DataCenter Gestion des données de référence  Référentiel MDM multi-domaines  Modèle de données totalement flexible  Règles de qualité de données embarquées nativement  Règles de qualité générées automatiquement en fonction du modèle de données implémenté  Connecteurs pour l’intégration de données  Déclaration et mapping des systèmes sources  Couche Web Services génériques  Gestionnaire d’événements Qualité de données et gestion du référentiel des données au sein d’une solution unique s’appuyant sur un référentiel de métadonnées commun.
  • 44.
    Transactions, interactions etanalyses Stockage de données en hautes volumétrie et performance  Compression  Performances  Calculs d’agrégation : SUM, COUNT, AVG…  Accélération des requêtes analytiques: de plusieurs minutes à quelques secondes  Scalabilité linéaire pour les requêtes ad-hoc de Data Mining et de Drill-down Avantages  Simplicité de mise en œuvre et de maintenance: pas d’index, pas de cube, pas de partitionnement, implémentation en quelques jours  Faible TCO: moins d’espace de stockage, moins de serveurs, moins de frais d’administration, pricing adaptable aux volumes 
  • 45.
    Transactions, interactions etanalyses Hyperstage Exemples de gains obtenus (sans administration requise) Mobile CDR Analysis SAS University Vehicle Registrations Hyperstage Oracle Hyperstage DB2 Hyperstage < 5 seconds 1.5 Minutes 0.5 – 2 seconds 1.5 Minutes >20 Minutes 2 seconds 8-40 Minutes Network Billing Banking Network Analysis DB2 Hyperstage SQL Server 20 Minutes 58 seconds 45:1 compression Up to 30 Minutes Hyperstage 23 seconds
  • 46.
    L’offre Information Builders BusinessIntelligence Diffuser Qualifier Accéder 46
  • 47.
    Moteur de Recherche Recherchefull-text et Analyse de Sentiment
  • 48.
    Analyse prédictive entemps réel Alertes, actions automatisées et applications adaptatives  Context monitor : sondes temps réel pour la capture des événements  Moteur d’analyse en temps réel  Réactions:  Proposition(s) d’action(s) / actions automatisées  Adaptation dynamique du format, des fonctionnalités et du contenu 48
  • 49.
  • 50.