Méthodes d’analyses de données massives – Big Data

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 ...).

• 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'exploration.
• Segmentation et classification.
• Estimation et prédiction.
• L'implémentation des modèles.

• 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.