Big Data – L’essentiel

Objectifs & compétences

Comprendre le concept du Big Data
Être capable d'identifier l’écosystème et comprendre les technologies associées
Savoir anticiper son intégration dans les activités informatiques de l'entreprise
Être en mesure de l'exploiter dans le respect des règles de sécurité et de confidentialité

Public visé

Responsables de la DSI s'interrogeant sur les apports et le déploiement du Big Data
Chefs de projets, Responsables de métiers et consultants souhaitant aborder les projets
Toute personne impliquée dans la réflexion et l'étude du Big Data

Pré-requis

Connaissances sommaires en informatique

Programme

EXEMPLES D'USAGE PERTINENT DU BIG DATA
Réseaux sociaux : Google, Twitter, Youtube
Gestion des clients (CRM) : Vue 360° des clients / Multicanal
Sécurité informatiques (étude de logs) : identification des tentatives d'attaques
Analyse des logs d'Internet (Web)
Profiling d'individus : ADN numérique
Synthèse des critères de succès d'un projet Big Data et causes d'échec

DÉFINITION COMMUNE DU BIG DATA SELON LES GRANDS ACTEURS DU MARCHÉ
Caractéristiques techniques des 3V de Gartner (Vélocité, Variété et Volume) et les variantes (Véracité, Valeur, Validité....)
Collecte et traitement des données structurées, semi-structurées et non-déstructurées
Transformation des données en informations
Création de la valeur à partir des données / Exemple de monétisation
Exemple : gestion des données en cycles, de l'acquisition à la gouvernance

TECHNOLOGIES DE RÉFÉRENCE DU BIG DATA À CONNAÎTRE
Stockage des données à traiter : fichiers, blocs et objets
Différents types de base des données NoSQL (Not Only SQL)
Architecture de cluster et composants économiques
Traitement parallèle des données (Grid)
Hadoop : un modèle d'open source du Big Data adopté par les grands acteurs de l'informatique (IBM, Oracle, Microsoft, Amazone, EMC, Google...)
Principaux composants d'Hadoop : HDFS (Hadoop Distributes File System), MapReduce ...
Ecosystème et technologies associées à Hadoop : Pig, Flume, Zookeeper, H-BASE, Lucine, Hive, Oozie, Cassandra, Machine Learning...
Exemple de traitement en temps réel : traitement des données à la volée (Data Streaming)
Analyse de données (Data Analytics et Business Intelligent)

INTRODUCTION AUX ARCHITECTURES DES SOLUTIONS DE CALCUL DISTRIBUÉ
Stockage objets (pas de verrouillage de fichier dans la cadre des multiutilisateurs)
Serveurs NoSQL et HDFS (Fichiers distribués)
Scalabilité horizontale
Enjeux des architectures distribuées selon l'organisme CSA (Cloud Security Alliance) dédié au Big Data : Sécurité, gestion des données en grandes quantités
Limitations en termes d'usages (Analytiques)
Impacts des choix de technologies et d'architectures sur les usages (traitement des données en batch, temps réel, streaming ....)

PLATES-FORMES CLOUD PUBLIC BIG DATA APAAS (DATA AS A SERVICE) À EXPLOITER
IBM Analytics de la plate-forme Bluemix
Amazone Web Services (stockage des données et plates-formes d'analytiques)
Google Platform Big Data
Microsoft Azure Big Data
Points communs et différents entre les plates-formes Big Data

TROIS APPROCHES DE DÉPLOIEMENT DU BIG DATA : SUR SITE ET DANS LE CLOUD DAAS
Causes des nombreux échecs de projets Big Data selon des cabinets d'étude du secteur
Trois approches de déploiement "sur site" : Hadoop et son écosystème à télécharger, Big Data en versions distribuées et Data as a Service
Déploiement sur site : définition des objectifs, choix des solutions d'analyse et d'intégration, présentation des informations (Data Visualization) / revue des fournisseurs de composants Big Data
Déploiement sur site en version distribuée : Hortonworks, MapR, Cloudera, IBM
Déploiement dans les plates-formes Cloud Big Data et les précautions à prendre (métriques de qualité)

QUALITÉ DES DONNÉES
Les 11 principales étapes de traitement des données selon les organismes internationaux
Processus de qualification des données (temporel, contextuel, liens aux autres données...) / cadres juridiques (CNIL, usages libres, payants...), formats ouverts et propriétaires
Approche d'enrichissement avec l'Open Data / WiKiData.org

SÉCURITÉ DES DONNÉES ET CONFIDENTIALITÉ DU BIG DATA
Loi européenne et CNIL (protection de la vie privée)
Recommandation des bonnes pratiques de l'organisme international CSA (Cloud Security Alliance) pour le Big Data
Panorama des moyens conventionnels de sécurité des données et d'accès au Datacenter (cryptage et DLP : Data Lost Prevention....)

IMPACTS DU BIG DATA À ANTICIPER
Évolution des données (Internet des objets, mobilité...)
Impacts sur les compétences des équipes informatiques, de DRH, du Management...
Rôle de la DSI face à la montée du Big Data et des solutions numériques

Modalités

Méthodes