data forum micropole 2015 - atelier talend
TRANSCRIPT
1©2015 Talend Inc
Maintenance prédictive, personnalisation des interactions clients, optimisation de la supply chain : quand Spark et Hadoop s'immiscent dans les activités opérationnelles de l’entreprise
Jean-Michel Franco – Directeur marketing produit - @jmichel_franco
2
Les entreprises orientées données…
· 23 fois plus d’acquisition de clients
· 6 fois plus de fidélisation clients
· 19 fois plus rentables
McKinsey’s DataMatics 2013 Survey - Using customer analytics to boost corporate performance
Dynamiser l’entreprise par ses Données
3
ABOUT TALEND
Faits et chiffres
• Créé en 2006
• 500+ employés dans 7 pays
• 1700+ clients
• 2M+ téléchargement open source
• 108% CAGR
2007 2008 2209 2010 2011 2012 2013 2014
CLOUD INTEGRATIO
N
DATA INTEGRATION
BIG DATA INTEGRATION
MASTER DATA MANAGEMENT
APPLICATION INTEGRATION
Talend en bref
Data Fabric
4
Réussir les transitions de l’expérimentation à la transformation digitale
Trajectoires d’adoption pour le Big Data
Experimentation Analytique Data driven
Valeur
Seuil de rentabilité
Proof of concept
Projetapprouvé
Généra-lisation
Transfor-mation
+
+Data Fabric+
Big data
“Ne cédez pas à la mode “data scientist”. Ayez une vision plus globale
& commencez dès à présent à opérationnaliser le big data”
5
Le Big Data pour mieux servir le client connecté
Exemple de Cas d’usage Mettre en place la Customer Data Platform
Les enjeux :
• Améliorer les taux de transformation tout au long du parcours client• Améliorer le service client et personnaliser chaque interaction• Mesurer avec plus de précision l’efficacité des promotions et services
La démarche :
• Créer la vue unique et opérationnelle du client multi-canal• Collecter et connecter les données d’interaction/transaction • Enrichir avec l’analytique• Intégrer les points de contacts client en temps réel
La plate forme :
• Master Data Management pour la vue client consolidée• Big Data et machine learning pour la vue 360°enrichie• Intégration temps réel aux applications digitales et point de vente
6
Personnaliser le parcours santé
L’enjeu : Transformer le parcours santé en une expérience personnalisée et plus efficace grâce aux données et à l’analytique
Pourquoi Talend :Une offre de Master Data Management dans le cloud, prête pour le Big Data, pour comprendre le contexte de chaque patient et l’orienter vers le bon service
Valeur : Temps et efforts pour intégrer chaque nouveau client diminués de 75% grâce à la standardisation et la réutilisation des sources de données We are smart, passionate people, committed
to creating a better healthcare experience and better outcome
7
Pourquoi Spark et Talend ?
Quelle plate-forme pour opérer votre transformation par les données ?
Spark Streaming
ArchitectureLambda
In Memory
MachineLearning
Pas de codeMigration en 1 click
Analyser avant d’agir, au bon moment
Transformer les données en décisions,
prescriptions et actions
Rester à la pointe de la technologie sans efforts
Supprimer les temps de latence quels que soient
les traitements à appliquer
Exploiter la donnée dès qu’elle vient
8
Disposer de l’information en juste à temps
Supprimer les temps de latence grâce à l’in-memory
Case d’usage : Vers une approche plus dynamique du pricing
Pourquoi Spark et Talend :
· Développer rapidement des traitements massifs de données et augmenter leur fréquence d’exécution
Augmentation de la performance des traitements batch Utilisation du caching et du partitionnementTirer partie de la mémoire pour accélérer drastiquement les temps de traitement
Résultats : · Des ventes augmentées de 9%, · Des rotations de stocks améliorées de 6% · Une profitabilité améliorée de 5%.
http://www.blue-yonder.com/blog-e/2014/05/07/dynamic-pricing-critical-todays-multichannel-retailer/
9
Avantage : Transformer les données de l’Internet des Objets en décisions puis actions prises en temps réel grâce à une seule solution
z NoSQLMessaging rapide, Ingestion à haut débit, Traitement
de données
Les usages de Spark Streaming pour l’Internet des Objets
Exploiter la donnée dès qu’elle vient
AMQP
10
Les apports de l’architecture Lambda
Analyser avant d’agir, au bon moment
Mobile
Sensors
Web
Mobile App
Analytic App
Web App
Streaming
Batch
Query
Transform
Cleanse
Govern
Transform
Cleanse
Govern
Spark Streaming/Kafka
Spark
Spark SQL
11
Passer de l’analyse prédictive vers l’analyse prescriptive avec MLlib
• Cas d’usage typique : personnalisation et recommandation temps réel
• Bénéfices (source Venture Beat Survey) :
• Cas 1 : contenu personnalisé sur site web pour un nombre de page vues augmenté de 300 %
• Cas 2 : taux de conversion augmenté de 219%.
Transformer les données en Décisions, Actions & Prescriptions
Don-nées
IntégrerAppren
dre
Agir avec
clairvo-yance
Valeur
Alimenter l’apprentissage
Appliquer le modèle
Talend Big Data Integration& Quality
Machine learning et
analyse prédictive
Talend Real Time Big
Data integration
Puissance de traitement des
données dans SparkMLlib et Spark R
Spark streaminget modèle de machine
learning opérationnalisé
Solution
12
Ne partez pas du principe que vous pourrez porter facilement vos
applications existantes sur Spark depuis un autre modèle de
programmation, comme MapReduce. Evoluer
vers Spark nécessite une ré-implémentation
complète, et les coûts peuvent
outrepasser les bénéfices.
Rester à la pointe de technologie sans efforts
Nick Heudecker
What Apache Spark Means for Big Data
Gartner Research G00271327
February 25, 2015
13
Passer de MapReduce vers Spark en un clic grâce à Talend !
PerformanceMapReduce
(fonctionnement surdisque)
UnClic
PerformanceSpark
(fonctionnement en mémoireet sur disque)
5Xplus
rapide
14
Tenez vous prêts pour le « Next Big Thing »
UnClick
SparkNext Big Thing
Next Big Thing la prochaineinnovation
15
Découvrez Spark et le machine learning avec la nouvelle sandbox Talend
Créer un flux de données en streaming
avec Kafka
Créer un modèle de recommendation avec
Spark ML LIB
Créer une application Spark pour la
recommandation en temps réel
16
Questions & Réponses
http://fr.talend.com/En savoir +