Recommandé
Recommandé
Contenu connexe
Tendances
Tendances (20)
Similaire à SITB15 - Qu'est qu'une Data Driven Company à l'heure de la digitalisation ?
Similaire à SITB15 - Qu'est qu'une Data Driven Company à l'heure de la digitalisation ? (20)
Plus de cyrilpicat
Plus de cyrilpicat (6)
Dernier
Dernier (6)
SITB15 - Qu'est qu'une Data Driven Company à l'heure de la digitalisation ?
- 1. 1 © OCTO 2015© OCTO 2015 Qu'est-ce qu'une « Data Driven Company » à l'heure de la digitalisation ? #SITB15 Conférence Swiss IT Business 22 avril 2015
- 2. 2 © OCTO 2015 Joseph Glorieux Directeur général OCTO Suisse jglorieux@octo.com Cyril Picat Consultant senior OCTO Suisse cpicat@octo.com
- 3. 3 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
- 4. 4 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
- 5. 5 © OCTO 20155 Une nouvelle révolution industrielle
- 6. 6 © OCTO 2015 S’ouvrir aux possibilités Crowd Sourcing Réseaux Sociaux Internet Des Objets Mobile Big Data OpenAPI OpenData Cloud USAGES TECHNOLOGIES Internet Des Objets = NEW BUSINESS MODELS DATA
- 7. 7 © OCTO 2015 Pourquoi parler de Data Driven ? Data Driven Company répond aux échecs de la BI et anticipe la désillusion du Big Data en réconciliant architectures, changement organisationnel et méthodologies Big Data
- 8. 8 © OCTO 2015 Data Driven - Une définition ? Continuellement améliorer l’ensemble des processus de l’entreprise par l’utilisation quantitative et qualitative de données tout le temps, partout et pour tout.
- 9. 9 © OCTO 2015 Une vision d’ensemble essentielle Méthodologies Stratégie Culture Organisation Métier RH Technologies
- 10. 10 © OCTO 2015 Culture - L’intuition ou les faits ?
- 11. 11 © OCTO 2015 W. Edwards Deming
- 12. 12 © OCTO 2015
- 13. 13 © OCTO 2015 “ It’s not about being the best. It’s about being be1er than you were yesterday ” Culture - L’amélioration continue
- 14. 14 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
- 15. 15 © OCTO 2015 Vision d’une entreprise ACTIVITÉS DE SUPPORT Système d’informationRH Stratégie Production Contrôle, risque management Pilotage financier ACTIVITÉS COEUR DE MÉTIER R&D Vente, distribution ACTIVITÉS DE PILOTAGE … Administration … Appros Planification Marke- ting SAV … Achat
- 16. 16 © OCTO 2015 Des métriques au service de…
- 17. 17 © OCTO 2015 Garbage in, Garbage out
- 18. 18 © OCTO 2015 La production de métriques
- 19. 19 © OCTO 2015 Dataviz et storytelling
- 20. 20 © OCTO 2015 Aller jusqu’au bout Valeur Ad-hoc, Drill downOù est le problème précisément? Combien de fois? Qu’est-ce qui s’est passé? Alerts, monitoring Qu’est de qu’il se passe? PrévisionQuel budget? Mode- lisation predictive Optimi- sation Pourquoi ça s’est passé comme ça? Machine learning Temps Qu’est qu’il pourrait arriver? Quels seraient les impacts ? Quels sont les signaux faibles? Quelles sont les tendances? Quel est le meilleur qui puisse arriver? Analyse statistique Reporting
- 21. 21 © OCTO 2015 Vérifier l’usage et la qualité, automatiser la production de métriques Vérifier l’utilisabilité (utilisation & production) Aller au bout de la promesse sur l’utilisation de la donnée avec la datascience notamment Sur le Data Driven actuel
- 22. 22 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
- 23. 23 © OCTO 2015 Conception de produit SUPPORT IT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
- 24. 24 © OCTO 2015 Découvrir simultanément les clients et le produit Produit Client
- 25. 25 © OCTO 2015 Learning Fast Build MeasureLearn Idea Data Product
- 26. 26 © OCTO 2015 Learning Fast Build MeasureLearn Idea Data Product Vous êtes tous une startup ! THE LEAN STARTUP
- 27. 27 © OCTO 2015 Le Minimum Viable Product (MVP) Validation du client Le MVP est la réalisation minimale qui permet à une équipe de collecter sur les clients le maximum d’enseignements validés, et ce avec un minimum d’effort.
- 28. 28 © OCTO 2015 Le MVP Zappos Validation du client
- 29. 29 © OCTO 2015 L’obsession de la mesure Découverte du produit Objectif : apprendre de l’usage et de l’impact de chaque fonctionnalité Hypothèse : Le mobile va générer des usages supérieurs à ceux du web Apprentissage : > 60% des lectures : on investi sur les fonctionnalités de la version mobile <= 60% des lectures : on continue à se concentrer sur la version web Objectif chiffré : • Le mobile génère 60% des lectures sur la plateforme • Les utilisateurs sont enthousiastes sur le mobile http://elCurator.net
- 30. 30 © OCTO 2015 Amélioration de la connaissance clients SUPPORT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE Marke- ting
- 31. 31 © OCTO 2015 Le marketing client - 2 évolutions majeures Le modèle de définition du client majoritairement identitaire n’est plus suffisant Identité Usage ? Relation ? Nom, prénom, adresse, CSP, etc. Comment utilise-t-il mes produits et services ? Quel est son parcours digital ? Avec qui est-il en contact ? Qu’est-ce qui l’influence ? Qui influence-t-il ? Les utilisateurs ont un comportement multicanal Comment enrichir la donnée client identitaire par une vision comportementale multicanale ?
- 32. 32 © OCTO 2015 Deux exemples classiques Base des logs web et mobile – Parcours client Analyse prédictives – Potentiel d’achat, risque de désinscription Offres, réductions, publicité Réagir commercialement en temps réel Analyse des centres d’intérêts et des parcours clients
- 33. 33 © OCTO 2015 Analyse de « signaux faibles » SUPPORT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
- 34. 34 © OCTO 2015 Exemple de prédiction des dépenses de santé Analyse sémantique du domaine de la santé, et exploitation des données web: Google trends, forums spécialisés Prédiction des dépenses en optique grâce aux séries temporelles des signaux faibles sur la toile: nombre de requêtes, nombre de messages Croisement des données client et exogènes
- 35. 35 © OCTO 2015 Chacun de vos domaines métier où vous estimez que les actes d’achats de vos clients sont influencés par la sphère digitale est candidat à ce type d’étude
- 36. 36 © OCTO 2015 Ressources humaines SUPPORT RH ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
- 37. 37 © OCTO 2015 Projet Oxygen @Google Analyse de l’impact du management, et des qualités d’un bon manager Étude d’un an basé sur les évaluations, des sondages et les promotions. Plus de 10,000 observations des comportements de managers au total.
- 38. 38 © OCTO 2015 Recrutement @OCTO Facematch crowdsourcés sur les profils LinkedIn du réseau des OCTOs Scoring des profils et détection de leads de recrutement
- 39. 39 © OCTO 2015 Gestion du patrimoine SUPPORT IT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
- 40. 40 © OCTO 2015 Le problème Features and functions used in a typical system
- 41. 41 © OCTO 2015 Application Valeur DetteTCO Valorisation de patrimoine : Valeur – TCO - Dette
- 42. 42 © OCTO 2015 Sur quelle application continuer à investir? Valeur/Dette Quelle application rationaliser? Valeur/TCO Comment réduire les coûts du SI? TCO/Dette Pour répondre à ces questions :
- 43. 43 © OCTO 2015 Contact Channel FactoriesElectronic Channel Operation and Contract Management CRM Referentials Deliver y Enterprise Management & Control xxx XXXXXX xxx xxx XXX xxx XXX XXX XXX XXX XXX xxx xxxxxx xxxxxx xxx XXX XXX xxx xxx xxx xxx xxx xxx xxx xxx xxx xxx XXXXXX xxx XXX XXX) XXX Valeur TCO Dette Neutre Conséquent Peu endetté Très endetté Marginal
- 44. 44 © OCTO 2015 Prédictif IT SUPPORT IT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
- 45. 45 © OCTO 2015 Prévision de panne Provisionning Identification de comportements anormaux Identification des root causes d’incident… Je le fais déjà non? Oui mais limité par : Hétérogénéité des plateformes de supervision Volume de données (pas d’historique) Mieux piloter mon infrastructure
- 46. 46 © OCTO 2015 Utilisation des ressources (CPU) – ce que je sais faire Batch processing breakdown
- 47. 47 © OCTO 2015 Prévision : utilisation du hardware selon des scénarios business (1) Réalisation d’un modèle Yt^ ≈ 68.6X1,t + 39.8X2,t + 0.31X3,t – 823.9XWE,t + µ^t with µ^t = 0.57µ^t-1 + et, et èN(0,σ²) Modèle expliquant la consommation CPU en fonction du volume d’activité de production manuelle, automatique, le débit de l’usine et les saisonnalités liées au weekend (2) Contrôle de la stabilité structurelle du modèle au fil des nouvelles observations (3) Utilisation du modèle pour simuler l’impact de différents scénarios sur le système IT
- 48. 48 © OCTO 2015 Processus de contrôle : detection de comportements anormaux sur des series Détection dynamique de points atypiques dans l’évolution d’une série temporelle (pics d’activité, changements de tendance, de saisonnalités) Méthode déployée sur des variables IT (CPU use, DBtime, temps de réponse…), puis portée à un niveau fonctionnel (activité business)
- 49. 49 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
- 50. 50 © OCTO 2015 Architecture et technologies
- 51. 51 © OCTO 2015 Une révolution technologique en marche Application orientée Flux évènementiel (streaming) Application orientée Transaction (TPS) Application orientée Stockage (IO bound) Application orientée Calculs (CPU bound) NoSQL In- memory Grid - GPU Streaming
- 52. 52 © OCTO 2015
- 53. 53 © OCTO 2015 Le data lake Stockage non structuré Stockage semi-structuré (NoSQL) Stockage structuré (ex. relationnel) Requêtage interactif Traitements analytiques Traitements de flux Machine Learning Base de données Fichiers bruts Logs applicatifs Données externes, OpenAPI Messages & Evénements DW d’entreprise Système opérationnel Reporting, requêtes Données externes, OpenAPI Messages & Evénements DATALAKE INGESTION PUBLICATION
- 54. 54 © OCTO 2015 Big Data VS Small Data Etre Datadriven ce n’est pas processer des Pétas de données Vous n’imaginez pas tout ce que l’on peut faire avec un pc portable et excel
- 55. 55 © OCTO 2015
- 56. 56 © OCTO 2015 De nombreuses librairies, de mieux en mieux intégrées, puissantes, et faciles d’utilisation Une démocratisation de l’analytics et de la dataviz
- 57. 57 © OCTO 2015 Processus et méthodologie
- 58. 58 © OCTO 2015 Cycles courts Appren@ssage, améliora@on Mesure systéma@que NOUVELLES METHODES
- 59. 59 © OCTO 2015 Organisation et capital humain
- 61. 61 © OCTO 2015 Des nouveaux profils? EDW Hadoop Datalake Dev Hadoop et intégra@on de données Data Scien@sts et Data Engineers Devops et archis transverses Applications
- 62. 62 © OCTO 2015 Le data scientist
- 63. 63 © OCTO 2015 “By 2018, the United States alone could face a shortage of 140,000 to 190,000 people with deep analy@cal skills As well as 1.5 million managers and analysts with the know-‐how to use the analysis of big data to make effec@ve decisions.” McKinsey Global Ins@tute – Mai 2011 Big data: The next fron@er for innova@on, compe@@on, and produc@vity
- 64. 64 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
- 65. 65 © OCTO 2015 Bâtir une DSI « data-ready » à l'ère digitale… Organisation Méthodes detravail Business Model …C’est travailler sa capacité d’exécution DSI
- 66. 66 © OCTO 2015 “SoYware is ea@ng the world” Marc Andreessen Merci