Comment la science des données permet-elle la création de valeur?

Comment la science des données permet-elle la création de valeur ? Histoire de la data 1 Antiquité 1 La donnée, un outil régalien Levée Dès les premières sociétés organisées, les « États » ont Organisation du des cherché à recenser les biens et les personnes pour lever commerce 1 des armées et l’impôt ; les commerçants, quant à eux, Comptabilité impôts 1 ont commencé à compter leurs biens et leurs pièces, Recensement pour gérer leurs stocks et leur comptabilité. Levée des armées Business intelligence Ère moderne Reporting réglementaire 2 2 2 2 Contrôle de Démocratisation de l’usage de la donnée Suivi des Mesure ventes gestion des risques Avec la révolution industrielle, apparaît la notion de loi statistique, et s avec elle le paradigme des sondages et celui de la modélisation, qui Pilotage de la performance permettent d’observer les phénomènes, mais également de les expliquer e 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. Objets connectés Ad exchange 3 Monde du Digital Quantified 3 3 selfdétection des fraudes 3 La donnée, un outil Smart alarming smart cities de transformation et d’innovation Avec la révolution numérique, la statistique est Santé connectéesmart devenue data science. Et la donnée est devenue Revenue big data. Elle devient progressivement un grids élément central de la transformation de ce managementUsine Smart monde, et des innovations qui structurent sa mobility mutation. numérique ty 00 00 00 00 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 1 0 1 1 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 0 0 0 1 0 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 1 1 1 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1 0 1 0 0 0 1 0 1 0 D’où viennent 1 0 0 1 0 0 les données ? 40 40 1 zettaoctets111 2020zettaoctets 2020 sss 20h de vidéos mises en ligne 700 milliards de par minute minutes d’utilisation 72.9 commandes par mois par seconde 2.9 millions mails 500 millions envoyés par seconde tweets par jour 2012 2012 2.8 zettaoctets 2.8 zettaoctets Que fait un data scientist ? 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1 1 1 1 1 0 1 1 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 1 0 1 0 0 0 0 0 1 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 00 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 00 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 00 0 0 0 1 1 0 0 1 1 1 0 1 0 0 0 0 0 0 00 0 1 0 0 0 0 0 1 0 0 0 1 0 1 0 11 1 1 0 0 0 1 00 1 0 0 0 1 0 1 0 00 1 0 0 0 1 0000 0000 “Scientifique 0 0011 00 00 0 0 & technophile” 00 001100 11 1100 10 10 0 00 000011 000000 0 0 1 0 00110000 00 00 0 0 00 Exploration 0000 11 001100 11 0000 00 01 0 “Innovateur 0 00 00 000000 000000 0 0 0 Recherche, collecte 0 000000 00 00 0 1 0 & marketeur” et traitement des 0 00 0000 00 00 0 0 00 données 00 00 0011 0011 01 10 0 Interprétation 11 0000 0 0 1 00 000000 00 0 Optimisation du traitement de Statistiques 1100 00 la donnée, représentation 000011 0011 visuelle interactive Analyse, modélisation 000000 00 mathématique avancée 110000 0000 et prévision 000000 00 Business strategy 0000 0000 Identification, des 11 11 besoins/opportunités métiers Technologie 0000 0000 Architecture, développement Innovation d’applications innovantes Création de nouveaux produits, design de nouveaux services À quoi sert Application l’analytics ? Au service de l’entreprise Performance marketing Performance financière Efficacité opérationnelle Prévention des risques et commerciale et contrôle de gestion de la production et fiabilisation des données Enrichissement et Prévision d’activité et Optimisation Modélisation pilotage de la relation élaboration budgétaire de la chaîne logistique et prévention clients des risques financiers Revenue management Planification des besoins Gestion et optimisation Anticipation et mix-marketing et optimisation des des ressources et monitoring achats humaines des risques de fraude Conception produit et Pilotage de la Maintenance prédictive Quantification des stratégie commerciale performance et et smart alarming risques opérationnels contrôle de gestion Prévisions et pilotage Audit et analyse de Gestion de réseaux Détection de signaux de la force de vente déviations de processus complexes & smart grids faibles d’intrusion Au service de la sphère publique Maîtrise budgétaire et Innovation et amélioration Transparence des marchés efficacité de l’action publique de la qualité des services et protection du citoyen publics Prévision de demande Prévision de Transparence et et gestion budgétaire fréquentation et gestion efficience des marchés des ressources des services aux guichets complexes Transport intelligent et Lutte contre la Détection et prévention de outils de mobilité contrefaçon, le la fraude sociale et fiscale connectée terrorisme et la cyber-criminalité Smart grids et Personnalisation et Sécurité connectée des consommation amélioration de l’offre et personnes et des biens responsable de la qualité de soins Evaluation quantitative Digitalisation des services Monitoring et prévention des politiques publics et gestion des risques publiques personnalisée environnementaux 2 Où en est le big data en France ? 63% 57% 45% 18% Deux tiers des entreprises Des entreprises n’ont Près de la moitié des Des entreprises ont françaises considèrent que pas encore étudié les entreprises interrogées des plans d’action big le big data est un concept opportunités (45%) reconnaissent que les data en cours de intéressant mais encore trop éventuelles liées au big données clients qu’elles déploiement. vague pour constituer un data pour leur activité collectent ne sont pas assez levier de croissance exploitées © EY 2015 21 1. 1 zettaoctet = 10 octets. Source : IDC-EMC, “Extracting value from chaos”, juin 2011 2. EY, “(big) data : où en sont les entreprises françaises ?”, novembre 2014

Next in

Next in