Formation Data Sciences : concepts et technologies

Référence : PYDS000
Durée : 14 heures
Certification : Non
Eligible CPF : Non

RÉSUMÉ

L’objectif de cette formation est d’expliquer comment des entreprises, de toutes industries, de toutes tailles, dans tous les pays du monde, bâtissent de nouveaux modèles d’affaires en valorisant les données dont elles disposent déjà où qu’elles vont collecter. Et de prendre en main de manière pratique, les outils spécifiques au Big Data : ETL, Hadoop, Visualisation graphique...

CONNAISSANCES PREALABLES

1-Savoir manipuler un outil bureautique comme Excel et connaitre le fonctionnement d’un système de gestion de base de données (SGBD/R)

PROFIL DES STAGIAIRES

1-Toute personne amenée à participer à un projet Big Data (MOA, Chefs de projet, Développeurs, Analystes...)
2-Futurs Data Scientists, Data Analysts et Data Stewards
3-Spécialistes de la BI souhaitant intégrer une dimension Big Data dans leurs projets

OBJECTIFS

Disposer d’une vision claire du Big Data et de ses enjeux
Comprendre comment les entreprises les plus avancées, dans tous les secteurs, ont tiré profit de projets Big Data
Connaitre les informations essentielles pour lancer une initiative Big Data
Connaitre l’écosystème, les principales technologies et solutions associées au Big Data
Savoir mesurer les impacts de tels projets sur l’entreprise et son organisation

METHODES PEDAGOGIQUES

6 à 12 personnes maximum par cours, 1 poste de travail par stagiaire
Remise d’une documentation pédagogique papier ou numérique pendant le stage
La formation est constituée d’apports théoriques, d’exercices pratiques et de réflexions

METHODES D'EVALUATION DES ACQUIS

Auto-évaluation des acquis par le stagiaire via un questionnaire
Attestation de fin de stage adressée avec la facture

FORMATEUR

Consultant-Formateur expert Bigdata

CONTENU DU COURS Bigdata

1 - La définition du big data

Définition opérationnelle et commune selon les grands acteurs du marché et les instituts d’étude internationaux
Différence entre le Big Data et les systèmes existants de Business Intelligent (BI)
Phénomène Big Data

2 - Les origines du Big Data et les facteurs d'évolution du Big Data

L’avènement du Cloud Big Data (Data as a Service), l’Internet des Objets et de l’Open Data
L’augmentation des capacités de traitement des solutions éprouvées exploitées par des géants de l’Internet
La diminution des coûts de stockage, la virtualisation
La prolifération des données en provenance des réseaux sociaux, de l’Internet des objets, de l’Open Data…
Grandes entreprises utilisatrices du Big Data : Google, Facebook, Twitter
Collecte et traitement des données
Étapes de l’évolution du Big Data

3 - Le marché Big Data et les principaux cas d'usages d'analytiques

Marché data au niveau mondial
Évolutions et les acteurs de la chaine de l’offre Big Data
Enjeux stratégiques (création de la valeur et d’activités nouvelles dans les entreprises)
Description des 4 types d’analytiques fondamentales du Big Data
5 usages populaires du Big Data en entreprise
Exemples : profiling des consommateurs (360° du Client), sécurité informatique (préventions contre les attaques potentielles), maintenance préventive des équipements industriels, fraudes financières, d’aides sociales…

4 - Les freins et les challenges de sécurité, juridiques et techniques

Sécurité des données et enjeux juridiques (juridiction, corrélation interdite …)
Cadre juridique (CNIL/RGPD et PLA (Privacy Level Agreement))
Freins financiers et techniques face aux exigences des solutions de Big Data
État des lieux des projets : échecs et réussites (causes, facteurs clés de succès FCS)
Qualification complexe des données et de nombreux échecs de projets

5 - Les impacts du big data sur l'entreprise

Performance opérationnelle des activités de l’entreprise
Avantages concurrentiels
Modèle économique
Chaîne des valeurs

6 - Les impacts organisationnels

Compétences nouvelles à acquérir
Apparition des nouveaux rôles/métiers (data scientists et CDO)
Impacts sur les équipes en place (compétences en Big Data …)
Nouvelle organisation des équipes dans le cadre d’une coopération informatique/domaines d’affaires
Différence entre la DSI et la Direction Numérique

7 - Le projet Big Data et les technologies fondamentales des solutions

Méthodologie/démarche d’intégration de la gestion des données du Big Data dans la gestion des activités de l’entreprise
Calcul difficile du retour sur investissement d’un projet Big Data
Démarches recommandées pour lancer un projet Big Data : les étapes essentielles et les précautions à prendre
Critères d’évaluation d’une plate-forme de Big Data
Questions à poser aux prestataires et fournisseurs des plates-formes

8 - Bilan et perspectives

L’état de l’offre : solutions privées installées dans les entreprises et solutions proposées dans le Cloud (AWS, IBM, Google, Microsoft Azure…)
Choix stratégique d’usage des services du Cloud Big Data
Les perspectives comme l’implication de la virtualisation, l’usage intensif de l’Intelligence Artificielle et de la Machine Learning
CNIL et Intelligence Artificielle : cadrage