Accueil > Big Data, IA > Big Data : enjeux et perspectives
Formation #BSI01

Formation Big Data : enjeux et perspectives

Durée : 3 jours

Code : BSI01


Prochaines dates programmées :

Du 03 au 05 Avril 2024

Du 12 au 14 Juin 2024

Du 07 au 09 Août 2024

Du 09 au 11 Oct. 2024

Du 04 au 06 Déc. 2024

Fin d'Inscription :
Le Bulletin d'Inscription doit être rempli, cacheté, signé et envoyé par email : Au minimum 15 JOURS OUVRÉS avant la date de formation.
Si vous avez un besoin URGENT et que vous souhaitez une date de formation plus proche que les sessions programmées (minimum 15 à 20 jours ouvrés à date de votre demande)

Objectifs

  • Connaître l'ensemble des concepts et enjeux du Big Data
  • Connaitre les informations essentielles pour lancer une initiative Big Data
  • Identifier et s’approprier les outils de l’écosystème Big Data
  • Comprendre le Big Data, son impact dans l’entreprise et dans les relations client prestataire
Programme
1/ Comprendre le Big Data
  • Introduction au Big Data
  • Les origines du Big Data
  • Les données au cœur des enjeux
  • Explosion du nombre de données
  • La place des objets connectés dans le Big Data
  • Données structurées, semi-structurées, non structurées
  • Comment disposer de données de « qualité » ?
  • Les limites des architectures actuelles
  • Définition d’un système Big Data
  • Les technologies concernées
  • Les outils
  • Les langages : Hortonworks, MapR, Cloudera, IBM Watson
  • Démystification du Big Data
  • Les acteurs principaux
  • Les différents métiers du Big Data
  • Différences entre BI, Big Data et Data Science
  • Exemples pratiques
2/ Enjeux et évolutions du Big Data
  • Les différentes sources de données
  • La diminution des coûts de stockage
  • L’augmentation des capacités de traitement des solutions éprouvées exploitées par des géants de l’Internet
  • L’avènement du Cloud Big Data (Data as a Service)
  • La qualité des données
  • Le traitement des données
  • La protection des données
  • L'image de la donnée
  • L'humanité des données
3/ Zoom sur le marché Big Data
  • Marché data au niveau mondial
  • Évolutions et les acteurs de la chaine de l’offre Big Data
  • Enjeux stratégiques et organisationnels
4/ Principaux cas d’usages d’analytiques
  • Description des 4 types d’analytiques fondamentales du Big Data
  • 5 usages populaires du Big Data en entreprise
5/ Sécurité éthique et enjeux juridiques du Big Data
  • Assurer la protection des données
  • Qualification complexe des données
  • La CNIL régule les données numériques
  • Sécurité des données et enjeux juridiques
  • Les informations sensibles, interdites de collecte
  • Les accords intra-pays
6/ Big Data et la performance de l’entreprise
  • En quoi Big Data est un enjeu de performance pour les entreprises?
  • Comment identifier les nouveaux leviers de performance ?
  • Chaîne des valeurs, développement des nouvelles activités…
  • Productivité et optimisation des dépenses
  • Comment accompagner les DSI dans le Big Data
  • Impacts sur les équipes en place
  • Apparition des nouveaux rôles/métiers (data scientists et CDO)
  • Compétences nouvelles à acquérir
7/ Les projets Big Data en entreprise
  • Spécificités d’un projet Big Data
  • Méthodologie/démarche de gestion d’un projet Big Data
  • Calcul du retour sur investissement d’un projet Big Data
  • Les étapes pour lancer un projet Big Data et les précautions à prendre
  • Facteurs clés de succès
  • Causes d'échec
  • L’innovation constante accélère le phénomène
  • Nouvelles technologies de transmission (vitesse de connexion accrue, mobiles en constante amélioration)
  • Objets connectés et domotique
  • Zoom sur le marché des biens et services proposés aux consommateurs
  • Fusionner les données exogènes et endogènes pour mieux comprendre les usagers
  • Méthodes de traitement de l’information : du traitement batch, au traitement temps réel
  • Architectures décisionnelles d’aujourd’hui
  • Les lacs de données (Datalake) en pleine émergence
8/ Architecture et infrastructure Big Data
  • Cohabitation des solutions SGBDR et NoSQL
  • Les outils permettant d’extraire les données (ETL)
  • La nécessité de “nettoyer” les données (dataquality)
  • Exemple de traitement avec un ETL dédié Big Data
  • L’apport d’un MDM (Master Data Manager)
  • Le stockage avec Hadoop (base de données Hbase, système de fichiers distribué HDFS)
  • Solutions Big Data alternatives (Sybase IQ, SAP Hana, Vectorwise, HP Vertica, etc.)
9/ L’analyse des données et la visualisation
  • Définition de l’analyse statistique
  • Requêter avec Hive
  • Analyser les données (Pig, Mahout, etc.)
  • Intégrer les données grâce à Sqoop
10/ Le développement d’applications Big Data
  • La philosophie de MapReduce (clef, valeur)
  • L’apport d’Apache Spark
  • Machine learning et prédiction des données (Scala, Spark MLibs, etc.)
  • Interconnexion avec les outils SPSS, R, SAS
11/ La visualisation des données (DATAVIZ)
  • Ce que les statistiques ne disent pas
  • Data visualisation et cas d'usage concrets
  • Quels graphes pour quels usages ?
  • Représentation de données complexes (encodage visuel, visualisation interactive)
  • Savoir communiquer sur les analyses de données (Data Storytelling)
  • Synthèse des principaux outils utilisés dans les projets
12/ Démonstration d’un environnement distribué HADOOP
  • Les moteurs de recherche de grande envergure
  • Présentation Lucene, Solr
  • Mécanisme de traitement
  • Gestion des journaux applicatifs
  • Mécanismes et architecture Apache Flume
  • La relation entre Cloud et Big Data
  • Motivation entre clouds publics et privés
  • Les clouds de stockage
  • Se reconcentrer sur les problématiques métiers, grâce aux services managés
Approche Pédagogique

Approche Pédagogique

  • Pédagogie très opérationnelle fondée sur l'alternance entre théorie et pratique
  • Cas pratiques
  • Remise d’outils
  • Echanges d’expériences
Public cible

Public cible

  • DSI
  • Directeurs techniques
  • Chefs de projets
  • Architectes
  • DBA
  • Ingénieurs systèmes et réseaux
  • Développeurs
  • Data scientists
  • Toute personne désirant disposer d’une vue globale et détaillée sur le Big Data
Dates

Dates

  • Du 03 au 05 Avril 2024
  • Du 12 au 14 Juin 2024
  • Du 07 au 09 Août 2024
  • Du 09 au 11 Oct. 2024
  • Du 04 au 06 Déc. 2024
  • Fin d'Inscription :
    Le Bulletin d'Inscription doit être rempli, cacheté, signé et envoyé par email : Au minimum 15 JOURS OUVRÉS avant la date de formation.