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 ?