BIG DATA ANALYTICS

PROF. MABROUK
Pr.mabrouk.fpt@gmail.com

2022-2023
BIG DATA ANALYTICS
• BIG Data ?
• BIG Data Analytics : Pour quel intérêt ?
• Types d’analyse
• Etapes d’analyse
• Technologies et Outils utilisés
• Domaines d’application
• Etudes de cas
• Tendances en matière d'analyse
• Développement de projet Big Data Analytics
Qu'est-ce que Big Data?
 Qu'est-ce que Big Data

• Méga-données

• Grosses données

• Données massives

2,5 trillions d’octets de

données tous les jours
 Qu'est-ce que Big Data?

D’où proviennent-elles ces données ?

Qu'est-ce que Big Data?
 Capacité de Stocker, Traiter et
Analyser des données massives ?
Classic Tools
for
Big Data?
Traitement
Stockage

Analyse
 Caractéristiques de Big Data
Le Volume

2008 1 minutes
• e-mails,
•tweets,
= •photos, vidéos,
•les données des capteurs
•Etc..
La nuit des temps Maintenant Zettabytes
ou
SGBD Traditionnels Big Data Brontobytes

C’est trop important pour être stocké ou analysé de façon « traditionnelle »

 Big Data : Utiliser des systèmes distribués
Caractéristiques de Big Data

Seulement le volume ?!
Caractéristiques de Big Data
 Caractéristiques de Big Data

Analyser les données pendant qu’elles sont générées,

sans avoir à les analyser dans des bases de données

Vitesse de génération
des nouvelles données
Propagation des
données sur Internet

Détection de fraudes
bancaires
Analyser les réseaux
sociaux
 Caractéristiques de Big Data
BD relationnelle : Des données structurées: Tables
BIG Data : Des données moins structurées:
Fichiers texte, photos, contenu vidéo, etc…

Outils BIG Data : possibilité d'utiliser et

d'analyser une grande variété de données Différents types de données que nous pouvons utiliser
 Caractéristiques de Big Data
 Gros volumes de données :
Manque de qualité et d’exactitude
Qualité et la précision sont moins vérifiables
Exemples : les tweets avec les hashtags, les abréviations, les fautes de frappe, le langage familier,…

Fiabilité et l’exactitude du contenu

 Caractéristiques de Big Data

Transformer des grosses données en valeur

Valeur est un V qui signifie Very important !

Les entreprises évaluent tout d’abord la rentabilité

de BIG Data
Pourquoi Big Data Analytics?
 Pourquoi Big Data Analytics?

Explosion des données

L’explosion des données est les principales raisons

qui a participé à l’apparition de la technologie Big Data
 Pourquoi Big Data Analytics?

1. Rendre l'organisation plus intelligente et plus efficace

 Pourquoi Big Data Analytics?

2. Optimiser les opérations commerciales en analysant

le comportement du client
 Pourquoi Big Data Analytics?

3. Réduction des coûts

EXPOSÉS : THÈMES
1
Big Data Analytics

2 6
Types d'analyses Cas d’utilisation

3 7
Étapes de l'analyse Tendances

4 8
Outils utilisés Projet Big Data

5 9
Domaines Problématiques
 1
THÈME N°1 Big Data Analytics

1. Qu'est-ce que Big Data Analytics?

2. Pourquoi Big Data Analytics?
 2
THÈME N°2 Types d'analyses

Types d'analyses de données

volumineuses
 THÈME N°3

Types d'analyses de données volumineuses

 THÈME N°3

Types d'analyses de données volumineuses

 THÈME N°3

Types d'analyses de données volumineuses

 THÈME N°3

Types d'analyses de données volumineuses

 THÈME N°3

Types d'analyses de données volumineuses

 3
THÈME N°2 Étapes de l'analyse

Étapes de l'analyse de données

volumineuses
 THÈME N°2
Étapes de l'analyse de données
volumineuses
 4
THÈME N°4 Outils utilisés

Outils utilisés dans l'analyse de

données volumineuses
 THÈME N°4
Outils utilisés dans l'analyse de données
volumineuses
 5
THÈME N°5 Domaines

Big Data Analytics dans

différents domaines
 THÈME N°4
Big Data Analytics dans différents
domaines
 6
THÈME N°6 Cas d’utilisation

Big Data Analytics : Etudes de cas

 THÈME N°6
Big Data Analytics : Etudes de cas
 THÈME N°6
Big Data Analytics : Cas d’utilisation
THÈME N°7
Tendances en matière d'analyse
de données massives
 THÈME N°7
Tendances en matière d'analyse de
données massives
1. Chiffre d'affaires du Big Data
 THÈME N°7
Tendances en matière d'analyse de
données massives
2. Carrière dans Big Data Analytics
 Tendances en matière d'analyse de
données massives

3. Ensemble de compétences
THÈME N°8
Développement de projet Big
Data Analytics
THÈME N°9
Big Data Analytics :
Problématiques
EXPOSÉS : THÈMES
Chaque groupe doit :
1. Préparer les 9 thèmes 2. Présenter le thème choisi
(Rapport) (Exposé)

?
Thème choisi
EXPOSÉS : DATES IMPORTANTES

14/11/2022 Envoi de tous les rapports

17/11/2022 Présentation des Thèmes 1 & 2

24/11/2022 Présentation des Thèmes 3 & 4.1

01/12/2022 Présentation des Thèmes 4.2 & 5

08/12/2022 Présentation des Thèmes 6 & 7

15/12/2022 Présentation des Thèmes 8 & 9