Big Data, méthodes et solutions pour l’analyse des données massives

Comprendre les concepts et les enjeux du Big Data

Origines et définition du Big Data : la BI face à la croissance et à la diversité des données.
Les chiffres clés du marché dans le monde et en France.
Les enjeux du Big Data : ROI, organisation, confidentialité des données.
Un exemple d’architecture Big Data.

Les technologies du Big Data

Description de l’architecture et des composants de la plateforme Hadoop.
Les modes de stockage (NoSQL, HDFS).
Principes de fonctionnement de MapReduce.
Présentation des distributions principales du marché et des outils complémentaires (Hortonworks, Cloudera, MapR, Aster).
Installer une plateforme Hadoop.
Présentation des technologies spécifiques pour le Big Data (Talend, Tableau, Qlikview …).

Gérer les données structurées et non structurées

Principes de fonctionnement de Hadoop Distributed File System (HDFS).
Importer des données externes vers HDFS.
Réaliser des requêtes SQL avec HIVE.
Utiliser PIG pour traiter la donnée.
Utiliser un ETL pour industrialiser la création de flux de données massives.
Présentation de Talend For Big Data.

Les méthodes d’analyse des données pour le Big Data

Les méthodes d’exploration.
Segmentation et classification.
Estimation et prédiction.
L’implémentation des modèles.

Data visualisation et cas d’usage concrets

Les outils de restitution du marché.
Méthodologie de mise en forme des rapports.
Apport du Big Data pour le « Social Business ».
Mesurer l’e-réputation et la notoriété d’une marque.
Mesurer l’expérience et la satisfaction clients, optimiser le parcours client.

Conclusion

Ce qu’il faut retenir.
Synthèse des bonnes pratiques.
Bibliographie.