Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision Les deux révisions suivantes
le_monde_merveilleux_du_big_data:services_et_metiers [2016/10/20 19:58]
superwiki
le_monde_merveilleux_du_big_data:services_et_metiers [2016/10/20 20:04]
superwiki
Ligne 4: Ligne 4:
 L’exploitation des données à grande échelle permettrait,​ selon les discours de ses promoteurs (et marketeurs),​ de proposer de nouveaux services plus efficaces, et d'​affiner les offres commerciales. Nous proposons ici une rapide caractérisation des nouveaux services que l'on peut tirer du Big Data. L’exploitation des données à grande échelle permettrait,​ selon les discours de ses promoteurs (et marketeurs),​ de proposer de nouveaux services plus efficaces, et d'​affiner les offres commerciales. Nous proposons ici une rapide caractérisation des nouveaux services que l'on peut tirer du Big Data.
  
-  - Une mise en **relation plus fine** de l’offre et de demande, et un recensement plus précis des besoins et ressources. La **personnalisation** des services (proposés aux clients et usagers) selon les profils constitués à partir des données recueillies ("​segmentation"​),​ permet en principe de mieux répondre aux préférences et besoins du consommateur (amélioration de la relation client),​tout en réduisant le coût des campagnes de publicité ​en les ciblant plus efficacement côté entreprises. +  - Une mise en **relation plus fine** de l’offre et de demande, et un recensement plus précis des besoins et ressources. La **personnalisation** des services (proposés aux clients et usagers) selon les profils constitués à partir des données recueillies ("​segmentation"​),​ permet en principe de mieux répondre aux préférences et besoins du consommateur (amélioration de la relation client),​tout en réduisant le coût des campagnes de communication ​en les ciblant plus efficacement côté entreprises ​(exemple d'​Amazon)
-  - **L’optimisation générale des processus** métiers. L’information collectée, transparente et utilisable à haute fréquence, synthétisée dans des **tableaux de bords** plus précis, permet d'​identifier rapidement les faiblesses dans l'​organisation,​ tout en améliorant la prise de décision (tout cela est bien entendu, source de productivité supplémentaire)... Toute la gestion des flux et des stocks est bouleversée ​amélioration ​(gestion des ressources humaines, gestion fine des stocks, logistique…). +  - **L’optimisation générale des processus** métiers. L’information collectée, transparente et utilisable à haute fréquence, synthétisée dans des **tableaux de bords** plus précis, permet d'​identifier rapidement les faiblesses dans l'​organisation,​ tout en améliorant la prise de décision (tout cela est bien entendu, source de productivité supplémentaire)... Toute la gestion des flux et des stocks est bouleversée ​avec des économies substantielles ​(gestion des ressources humaines, gestion fine des stocks, logistique…). 
-  -  Une nouvelle **capacité à prédire**. Le passage au **« machine learning »** avec des processeurs et des robots, qui développent une nouvelle forme d’intelligence moins procédurale,​ et plus « statistique » qui s'​appuie sur les corrélations découvertes,​ sans appliquer de principes préexistants permet en effet de proposer des prédictions plus précises. Les applications sont très nombreuses : les maisons « intelligentes » qui anticipent les besoins des utilisateurs,​ la gestion des flux routiers (par exemple, feux de croisements) ou des parcs automobiles (anticiper le moment du renouvellement,​ maintenance préventive...),​ les villes « intelligentes » et plus sécurisées ("​Smart cities"​),​ les services de police ou d'​incendie qui anticipent les lieux et moments des interventions,​ l'​amélioration de la mobilité, la détection des risques et des fraudes…+  -  Une nouvelle **capacité à prédire**. Le passage au **« machine learning »** avec des processeurs et des robots, qui développent une nouvelle forme d’intelligence moins procédurale,​ et plus « statistique » qui s'​appuie sur les corrélations découvertes,​ sans appliquer de principes préexistants permet en effet de proposer des prédictions plus précises. Les applications sont très nombreuses : les maisons « intelligentes » qui anticipent les besoins des utilisateurs,​ la gestion des flux routiers (par exemple, feux de croisements) ou des parcs automobiles (anticiper le moment du renouvellement,​ maintenance préventive...),​ les villes « intelligentes » et plus sécurisées ("​Smart cities"​),​ les services de police ou d'​incendie qui anticipent les lieux et moments des interventions,​ l'​amélioration de la mobilité, la détection des risques et des fraudes… ​Là encore, chaque source de gaspillage de ressources est impitoyablement écartée.
   - De nouveaux services et produits qui s'​appuient sur **les capteurs et objets connectés**. Ces capteurs intelligents entrainent une optimisation des performances dans de multiples domaines (dont le sport, la santé avec la progression des logiques préventives et prédictives,​ et l’automatisation croissante des diagnostics).   - De nouveaux services et produits qui s'​appuient sur **les capteurs et objets connectés**. Ces capteurs intelligents entrainent une optimisation des performances dans de multiples domaines (dont le sport, la santé avec la progression des logiques préventives et prédictives,​ et l’automatisation croissante des diagnostics).
-  -  + 
-***une infographie sur les attentes du Big data*** +**Une infographie sur les attentes du Big data** 
-{{:​le_monde_merveilleux_du_big_data:​bigdatachangelives.jpg|}}+{{ :​le_monde_merveilleux_du_big_data:​bigdatachangelives.jpg |}}
  
 ======De nouvelles techniques et métiers====== ======De nouvelles techniques et métiers======
Ligne 25: Ligne 25:
 ---- ----
 {{ :​le_monde_merveilleux_du_big_data:​data_jobs.jpg |}} {{ :​le_monde_merveilleux_du_big_data:​data_jobs.jpg |}}
-Source : +Source : DataCamp.com
 Le Data-mining consiste à extraire des informations utiles dans une masse de données, en utilisant des technologies particulières (Big analytics). Le Data-mining consiste à extraire des informations utiles dans une masse de données, en utilisant des technologies particulières (Big analytics).
 Le data-scientist est celui qui va mettre en œuvre ces technologies informatiques et statistiques. Le data-scientist est celui qui va mettre en œuvre ces technologies informatiques et statistiques.