1

Comprendre les concepts clés et les enjeux du big data

• Les origines du big data.
• La valeur de la donnée : un changement d'importance.
• La donnée en tant que matière première.
• Les chiffres clés du marché dans le monde et en France.
• Les enjeux du big data : ROI, organisation, confidentialité des données.

2

Technologies du big data

• Architecture et composants de la plateforme Hadoop 2.
• Les modes de stockage (NoSQL, HDFS).
• Fonctionnement de MapReduce et Yarn...
• Principales distributions Hadoop : Hortonworks, Cloudera, MapR...
• Les technologies : Spark, Storm, Databrick, Machine Learning Azure...
• Démarche d'installation d'une plateforme Hadoop.
• Présentation des technologies spécifiques pour le big data (Talend, Tableau, QlikView...).

3

Traitement des données big data

• Fonctionnement de Hadoop Distributed File System (HDFS).
• Importer des données vers HDFS.
• Traitement des données avec PIG.
• Requêtes SQL avec HIVE.
• Création de flux de données massives avec un ETL.

4

Méthodes d'analyse et traitements des données pour le big data

• Les méthodes d'exploration.
• Segmentation et classification.
• machine learning, estimation et prédiction.
• Le temps réel, l'intelligence artificielle.
• L'implémentation des modèles.

5

Data visualisation, représenter des données de façon visuelle

• Principales solutions du marché.
• Aller au-delà des rapports statiques.
• La data visualisation et l'art de raconter des chiffres de manière créative et ludique.
• Mesurer l'e-réputation, la notoriété d'une marque, l'expérience et la satisfaction clients...

6

Conclusion

• Les conditions du succès.
• Synthèse des meilleures pratiques.
• Bibliographie.