Description

Ce stage vous permettra de comprendre les enjeux et les apports du Big Data ainsi que les technologies pour le mettre en oeuvre. Vous apprendrez à intégrer des volumétries massives de données structurées et non structurées via un ETL, puis à les analyser grâce à des modèles statistiques et des dashboards dynamiques.

À qui s'adresse cette formation ?

Dataminers, chargés d'études statistiques, développeurs, chefs de projet, consultants en informatique décisionnelle.

Les objectifs de la formation

Programme de la formation

• 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 .
  • ).
  • Exercice: Installation d'une plateforme Big Data complète via Cloudera et ses composants.
• Gérer les données structurées et non structurées
  • 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.
  • Exercice: Implémentation de flux de données massives.
• Les méthodes d'analyse des données pour le Big Data
  • Les méthodes d'exploration.
  • Segmentation et classification.
  • Estimation et prédiction.
  • L'implémentation des modèles.
  • Exercice: Mise en place d'analyses avec le logiciel R.
• Data visualisation et cas d'usage concrets
  • 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.
  • Exercice: Installation et utilisation d'un outil de Data Visualisation pour constituer des analyses dynamiques, récupération de données issues de réseaux sociaux et création d'analyse d'e-réputation.
• Conclusion
  • Ce qu'il faut retenir.
  • Synthèse des bonnes pratiques.
  • Bibliographie.