transform - france.emc.com · infrastructure big data moteurs d’analyse prédictive ... le big...

1 © Copyright 2012 EMC Corporation. Tous droits réservés.

TRANSFORM IT + BUSINESS + YOURSELF


AGIR SUR LE BIG DATA PASSEZ LA QUATRIEME VITESSE!

MOUNTAHA NDIAYE

CHANNEL SALES MANAGER – IIG FRANCE TRANSFORM

IT + BUSINESS + YOURSELF


personnellement? … une réalité !

Source : étude IDC Digital universe 2011


LA GESTION DE L’INFORMATION : UNE NOUVELLE ERE ?

Peter Hinssen, “The New Normal”


Transformation de l’entreprise



Créer de nouveaux vecteurs de croissance pour l’entreprise

« Réduction des coûts » ou « Innovation génératrice de valeur »


Gestion des risques

Création de relations

Protection des ressources

Vente de produits et services

Gestion de portefeuille

Fonctions métiers


Société de prêt hypothécaire

Compagnie d’assurance

Service d’assurance White Label

Partenaire

Processus métiers

Conseillers indépendants

Régulateur

Clients

Prêts immobiliers

Prêts personnels

Assurance habitation

Services métiers

Support produit

Reporting

Avec l’aimable autorisation de Derek Miers, Analyste principal, Forrester Research, 2012


Avec l’aimable autorisation de Derek Miers, Analyste principal, Forrester Research, 2012

Informations temps réel Vision 360°

Transformation de l’entreprise L’information temps réel est vitale


Big Data :: Information

Nouvelles opportunités de différenciation dans les processus métiers

Défi : comment en faire un atout dans l’entreprise

Données structurées Facturation télécoms

Points de vente au

détail

Réseaux sociaux

Parcours de navigation

Productivité

Données semi-structurées Séquençage

génétique

Données non structurées Données de localisation

Données sensorielles

Contenu Web Services de stockage

Prévisions de vente

Réseaux sociaux

Parcours de navigation

Productivité


VALEUR #1 Intégrer le big data aux

processus et supporter les prises de décisions


Nouvelles analyses disponibles plus rapidement, recommandations plus adaptées

Intégrer le big data aux processus métiers

Moins de 10 % des données disponibles

Rapports d’historique, incomplets,

incohérents, de type rétrospectif

Toutes les données de sources diverses

Recommandations corrélées

en temps réel, à visée prévisionnelle

La prise de décision aujourd’hui

Le Big Data bien compris



Analyse prédictive réactive Axée sur les utilisateurs et la productivité

2 Science de la donnée Collaboration Libre-service

Plate-forme de productivité analytique

Processus et outils agiles

3 Décisions en temps réel Nouvelles applications Monétisation des données

Entreprise prédictive axée sur les applications

Applications adaptées au Big Data

Toutes les données Réponses plus rapides Flexibilité et évolutivité 1

Infrastructure Big Data Axée sur les technologies

Moteurs d’analyse prédictive

Infrastructure de type cloud

Moteurs analytiques



Sources externes

Chargement, streaming, etc.

Acquérir Analyser Agir

xCP


De l’analyse à l’action: Documentum xCP

Décisions plus rapides et plus adaptées

Fournit les données les plus récentes

Permet des décisions en contexte

Piste d’audit complète

Idéal pour l’audit informatique

Réduit les risques liés à l’information

Simple à créer

Outil pour les non-programmeurs

Modélisation de processus par glisser/déplacer


Le Big Data transforme le secteur des banques de détail

« Nous avons mis à profit le système de calcul de rentabilité pour analyser les

données historiques et établir un nouvel ensemble d’hypothèses pour nos

responsables des prêts. »

• Réduction du taux d’attrition de la clientèle

– Contacts clients proactif

• Augmentation des revenus par client

– Recommandations de produits basées sur les tendances d’achat

• Amélioration de l’efficacité opérationnelle

– Effectif des succursales adapté aux types de clientèle


Niveau de risque d’une souscription lors de l’utilisation du Big Data

FAIBLE

ÉLEVÉ

Ris

que lié

à la s

ouscri

ption

Sources de données utilisées dans le traitement d’une demande de prêt et le processus de souscription

Traitement des prêts Niveau de risque

d’une souscription traditionnelle

UTILISATION DES DONNÉES TRADITIONNELLES UTILISATION DU BIG DATA

2 à 3 semaines UTILISATION DU BIG DATA

3 à 4 semaines AUJOURD’HUI

~30 % AMÉLIORATION DU

TEMPS DE FINALISATION

TEMPS MOYEN POUR FINALISER UN PRÊT IMMOBILIER

DEMANDE

ÉTAPE 1

PRÉ-APPROBATION

ÉTAPE 2

SOUSCRIPTION

ÉTAPE 3

FINALISATION

ÉTAPE 4


Assurance Auto

De 6 à 12 points de données

De 1 à 8 points de données

De 100 à 20 000 points de données

De 10 à 1 000 points de données

Demande d’assurance

ÉTAPE 1

Vérification de solvabilité

ÉTAPE 2

Intégration télématique

ÉTAPE 3 Vérification graphique

contexte social

ÉTAPE 4

0 %

100 %

100 %

Pourc

enta

ge d

e p

ert

es

Population (classée par risques prévisibles)

Source de modélisation : Progressive Investment Relation Meeting, juin 2010

ASSUREUR MULTIRISQUES TYPE AUJOURD’HUI ASSUREUR MULTIRISQUES AYANT RECOURS AU BIG DATA


Opportunité : offrez un GPS à votre activité Routage basé sur des objectifs / chemin optimal


Exemples de scénarios Big Data ASSURANCE AUTO

ASSURANCES MULTIRISQUES

TRAITEMENT DES PRÊTS SECTEUR BANCAIRE

ANALYSE PRÉDICTIVE DES RÉSEAUX INTELLIGENTS

SERVICES PUBLICS/ÉNERGIE

ANALYSE VIDÉO PRÉDICTIVE DISTRIBUTION

RÉPONSE PROACTIVE À L’URGENCE

SECTEUR DE LA SANTÉ

CONTRÔLE DE PROCESSUS STATISTIQUE EN TEMPS RÉEL

FABRICATION


Innovation génératrice de valeur

Ventes additionnelles/ Montée en gamme

Analyse de vastes Datasets pour la génération de leads

Identification des montées en gamme potentielles par les professionnels de l’information et en fonction de règles

Meilleure expérience et décisions plus efficaces

L’analyse prédictive des contenus apporte de meilleurs éléments d’appréciation aux professionnels de l’information

Approbations motivées par des informations plus précises, service de qualité supérieure, réduction du risque


VALEUR #2 Optimiser les processus grâce à

l’analyse prédictive


PROCESSUS

CONTENU

COLLABORATION

RÈGLES

PERSONNEL

DONNÉES

EN CONTEXTE CONTENU | PROCESSUS | ANALYSE PRÉDICTIVE | INTERACTIONS


Contenus et analyse prédictive en contexte


Nouvelle approche des analyses métiers

#2 analyse prédictive

Lente et réactive

Vision limitée

Référentiels fantômes hasardeux

Agile et proactive

Analyses approfondies et corrélations

Amélioration de la conformité

Limitée, prédéfinie Approfondie, itérative


xCP

TEMPS TOTAL DE NUMÉRISATION ?

QUELLE VALIDATION A ÉTÉ NÉCESSAIRE?

INFOS DEVIS (MARQUE, MODÈLE,

PRIX) ?

COMBIEN FAUT-IL DE DOCUMENTS

SUPPLÉMENTAIRES ?

1 2

3 4

RASSEMBLER DES DONNÉES À PARTIR DE NOMBREUX CAS

Scénario de l’approche


Greenplum

Scénario de l’approche

XCP GÉNÈRE UN NOUVEL

EXTRAIT DE PROCESSUS

SÉLECTIONNER L’EXTRAIT DE PROCESSUS APPROPRIÉ

xCP

DÉTERMINER LE CHEMIN OPTIMAL

AMÉLIORATION PERMANENTE DES

PROCESSUS


VALEUR #1 Intégrer le big data aux

processus et Supporter les prises de décisions


VALEUR #2 Optimiser les processus grâce à

l’analyse prédictive


Soure bpm bulletin


Le big data est une réalité pour les entreprise

Intégrer le big data aux processus pour optimiser les décisions

Optimiser l’analyse prédictive sur les processus grâce au big data

Évaluation de la transformation des processus impulsée par le Big Data


RDV dans l’espace vLab pour tester nos solutions !

vCD create a private

cloud AVAMAR 6.1 v1 SharePoint

RecoverPoint 3.5 Simulator

VMAX VSA 40K

VNX avec Integration VMware VPLEX

Data Mobility

VSPEX XenDesktop VNX

Isilon Configuration,

Management and SmartConnect

GREENPLUM Multi-node UAP v1.0


MERCI !

transform - france.emc.com · infrastructure big data moteurs d’analyse prédictive ... le big...

Documents