Formation - Big Data - L'essentiel

1 - Exemples d'usage pertinent du Big Data

• Usages du Big Data chez les géants de l'Internet
• Usages du Big Data dans les entreprises traditionnelles
• Exemples de complexité technique et organisationnelle
• 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
• Causes d’échec et d’insatisfaction des projets Big Data : confusion entre la BI évoluée, le Big Data adapté aux entreprises et le Big Data dans sa conception originelle (vélocité, véracité, valeur...)

2 - Définition commune du Big Data selon les grands acteurs du marché

• Concept et apports
• Architecture technique de l’écosystème de la chaine des valeurs d’une solution de Big Data
• Caractéristiques techniques des 3V de Gartner et les variantes d’usage (Véracité, Valeur, Validité...)
• Collecte et traitement des données structurées, semi-structurées et non-structurées
• Création et Transformation des données en informations

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

• Principe
• Scalabilité horizontale et verticale
• 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 organisations

4 - Technologies de référence du Big Data à connaître

• Traitement des données par les clusters (Hadoop)
• Stockage et traitement des données dans le Data Lake, le Lake House : précautions à prendre
• Différents types de base des données NoSQL selon les usages
• 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
• Algorithmes et modèles d’IA et Machine Learning pour l'analyse avancée et automatisée

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

• Données : la matière première pour construire le Big Data
• Création des données de qualité
• Définition et consolidation de la valeur des données
• Enrichissement des données brutes avec l'Open Data
• Gouvernance des données pour le maintient de la pertinence des données et Rôle primordial du MDM (Master Data Management)

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, IDA et DLP...)
• Recommandations de sécurité dans la manipulation des données
• Recours aux technologies d'IA/ML et Cybersécurité pour faire face aux fonctionnalités spécifiques des plateformes de traitement Big Data

9 - Impacts du Big Data à anticiper

• Adaptation des bonnes pratiques actuelles à l’environnement Big Data
• 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
• Progression des activités numériques de l'entreprise