Formation - Big Data - L'essentiel

1 - Exemples d'usage pertinent du Big Data

• Réseaux : 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
• Compréhension des usages chez les géants de l'Internet et dans les entreprises
• Synthèse des critères de succès d'un projet Big Data et des causes d'échec

2 - 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 de processus : gestion des données en cycles, de l'acquisition à la gouvernance

3 - Introduction aux architectures des solutions de calcul distribué du Big Data

• Principe
• Scalabilité horizontale et verticale / Rupture technologique
• Architecture de cluster et composants économiques
• Traitement parallèle des données
• Enjeux de sécurité des architectures distribuées, lors de l'intégration dans le système informatique des entreprises

4 - Technologies de référence du Big Data à connaître

• Traitement des données par les superordinateurs ou noeuds/clusters (Hadoop)
• Usage des architectures existantes : avantages et inconvénients
• Stockage et traitement des données dans le Data Lake : précautions à prendre
• Différents types de base des données NoSQL
• Hadoop : un modèle de traitement distribué du Big Data adopté par les grands acteurs de l'informatique : HDFS, YARN, MapReduce...
• Ecosystème de Hadoop : Pig, Flume, Zookeeper, HBase, Oozie...
• Analyse de données : 4 types d'analytique
• Machine Learning / Intelligence artificielle pour l'analytique

5 - Approches de déploiement du Big Data

• Déploiement sur site : définition des objectifs, choix des solutions d'analyse et d'intégration, présentation des informations / revue des fournisseurs de composants Big Data
• Déploiement sur site en version distribuée
• Déploiement dans les plates-formes Cloud Big Data
• Précautions à prendre (métriques de qualité, système fermé ...)
• Difficultés techniques à anticiper
• Validation de la pertinence d'une plate-forme

6 - Synthèse des plates-formes Cloud public du Big Data Analytiques

• IBM Analytics
• Amazon Web Services
• Google Cloud Platform
• Microsoft Azure
• Points communs et différents entre les plates-formes Big Data

7 - Qualité des données

• Bonne pratique internationale de gouvernance des données
• Qualification des données (temporel, contextuel, liens aux autres données...) / cadres juridiques, formats ouverts et propriétaires
• Enrichissement avec l'Open Data / WiKiData

8 - Sécurité des données et confidentialité du Big Data

• Règlementation RGPD à respecter
• Recommandation des bonnes pratiques de l'organisme international CSA (Cloud Security Alliance) pour le Big Data
• Panorama des moyens techniques de sécurité des données et d'accès au Datacenter (cryptage et DLP : Data Lost Prevention...)
• Recommandations de sécurité dans la manipulation des données
• Recours aux technologies d'IA/ML et Cybersécurité

9 - Impacts du Big Data à anticiper

• Évolution des données (Internet des objets, mobilité...)
• Remise en question des bonnes pratiques actuelles
• Impacts sur les compétences des équipes informatiques en place
• Nouveaux métiers (Data Scientist, Data Steward...) et compétences nouvelles à acquérir
• Rôle de la DSI et de la Direction Numérique face à la montée du Big Data et des activités digitales de l'entreprise