1508SG097-Infographie Analytics3-300915 17h45.ai
Transcription
1508SG097-Infographie Analytics3-300915 17h45.ai
Comment la science des données permet-elle la création de valeur ? Histoire de la data 1 1 Antiquité La donnée, un outil régalien Dès les premières sociétés organisées, les « États » ont cherché à recenser les biens et les personnes pour lever des armées et l’impôt ; les commerçants, quant à eux, ont commencé à compter leurs biens et leurs pièces, pour gérer leurs stocks et leur comptabilité. 2 2 Levée des 1 impôts 1 Organisation du commerce Comptabilité Recensement Levée des armées Business intelligence Reporting réglementaire Ère moderne Contrôle de Suivi des ventes gestion 2 2 Mesure des risquess Démocratisation de l’usage de la donnée Avec la révolution industrielle, apparaît la notion de loi statistique, et avec elle le paradigme des sondages et celui de la modélisation, qui permettent d’observer les phénomènes, mais également de les expliquer et de les prévoir. Les entreprises passent de la simple comptabilité au contrôle de gestion, au pilotage de la performance et à la business intelligence. Pilotage de la performancee Objets connectés Ad exchange 3 3 Quantified détection des fraudes self Smart alarming Monde du Digital smart cities Santé connectée smart La donnée, un outil de transformation et d’innovation Avec la révolution numérique, la statistique est devenue data science. Et la donnée est devenue big data. Elle devient progressivement un élément central de la transformation de ce monde, et des innovations qui structurent sa mutation. grids Usine Revenue management numérique 0 0 0 0 1 0 D’où viennent les données ? 3 3 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 1 1 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 1 0 1 1 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 Smart mobility ty 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 2020 2020 40 40 zettaoctets zettaoctets11s 20h de vidéos mises en ligne par minute 700 milliards de minutes d’utilisation par mois 72.9 commandes par seconde 2.9 millions mails envoyés par seconde 500 millions tweets par jour 2012 2.8 zettaoctets Que fait un data scientist ? 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 “Scientifique & technophile” Exploration Recherche, collecte et traitement des données 0 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 Statistiques Analyse, modélisation mathématique avancée et prévision Technologie 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 1 0 0 0 1 0 1 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 1 0 0 1 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 1 0 0 1 1 0 1 0 1 1 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 “Innovateur & marketeur” Interprétation Optimisation du traitement de la donnée, représentation visuelle interactive Business strategy Identification, des besoins/opportunités métiers Architecture, développement d’applications innovantes Innovation Création de nouveaux produits, design de nouveaux services À quoi sert l’analytics ? Application Au service de l’entreprise Performance marketing et commerciale Performance financière et contrôle de gestion Efficacité opérationnelle de la production Prévention des risques et fiabilisation des données Enrichissement et pilotage de la relation clients Prévision d’activité et élaboration budgétaire Optimisation de la chaîne logistique Modélisation et prévention des risques financiers Revenue management et mix-marketing Planification des besoins et optimisation des achats Gestion et optimisation des ressources humaines Anticipation et monitoring des risques de fraude Conception produit et stratégie commerciale Pilotage de la performance et contrôle de gestion Maintenance prédictive et smart alarming Quantification des risques opérationnels Prévisions et pilotage de la force de vente Audit et analyse de déviations de processus Gestion de réseaux complexes & smart grids Détection de signaux faibles d’intrusion Au service de la sphère publique Maîtrise budgétaire et efficacité de l’action publique Innovation et amélioration de la qualité des services publics Transparence des marchés et protection du citoyen Prévision de demande et gestion budgétaire des ressources Prévision de fréquentation et gestion des services aux guichets Transparence et efficience des marchés complexes Détection et prévention de la fraude sociale et fiscale Transport intelligent et outils de mobilité connectée Lutte contre la contrefaçon, le terrorisme et la cyber-criminalité Smart grids et consommation responsable Personnalisation et amélioration de l’offre et de la qualité de soins Sécurité connectée des personnes et des biens Evaluation quantitative des politiques publiques Digitalisation des services publics et gestion personnalisée Monitoring et prévention des risques environnementaux 63% 57% 45% 18% Deux tiers des entreprises françaises considèrent que le big data est un concept intéressant mais encore trop vague pour constituer un levier de croissance Des entreprises n’ont pas encore étudié les opportunités éventuelles liées au big data pour leur activité Près de la moitié des entreprises interrogées (45%) reconnaissent que les données clients qu’elles collectent ne sont pas assez exploitées Des entreprises ont des plans d’action big data en cours de déploiement. 1. 1 zettaoctet = 1021 octets. Source : IDC-EMC, “Extracting value from chaos”, juin 2011 2. EY, “(big) data : où en sont les entreprises françaises ?”, novembre 2014 © EY 2015 Où en est le big data en France2 ?