1

Comprendre les origines et les enjeux du Big Data

• Origines du Big Data : croissance et diversité des données.
• Définition du Big Data.
• Création de valeur pour l'entreprise.
• Pourquoi la BI ne répond pas aux enjeux du Big Data ?

2

Traiter les données et les analyser

• Gérer les données structurées avec une plateforme dédiée.
• Gérer les données non structurées avec une plateforme Big Data interne ou externe.
• Les méthodes d'analyse des données pour le Big Data : le Datamining.
• Les méthodes de description.
• Les méthodes de classification.
• Les méthodes d'estimation.
• Les méthodes de prévision.
• La méthode de régression linéaire.

3

Identifier les cas d'usage liés au Big Data

• L'importance de la Data Visualisation, de l'Infographie et de l'Ergo Design.
• Mesurer l'e-réputation et la notoriété d'une marque.
• Mesurer l'expérience et la satisfaction client, optimiser le parcours client.
• Construire la segmentation client selon la valeur, le potentiel, le comportement et les besoins.
• Mesurer le ROI des influenceurs et l'efficacité des programmes Social Business.
• Identifier l'apport de valeur ajoutée des différents canaux digitaux.
• Optimiser le ROI des campagnes marketing.

4

Cadrer la stratégie Big Data

• Les facteurs clés du succès d'un projet Big Data.
• Les principaux risques à évaluer.
• Diagnostiquer la maturité dans l'entreprise et le changement potentiel.
• Définir les objectifs métiers et les usages cibles liés au Big Data.
• Piloter la stratégie et mettre en place une organisation adaptée.
• Construire un plan de veille technologique.
• Maîtriser l'écosystème technique, mobiliser et maintenir les compétences.