Enjeux et perspectives du Big Data

Big Data : Enjeux et opportunités / évloution des données

• Le Big Data et ses 4 grands défis : volume, variété, vélocité, véracité.
• Données massives : Web, réseaux sociaux,Open Data, capteurs, données industrielles.
• Ouverture des données publiques : le mouvement Open Data.
• Variété, distribution, mobilité des données sur Internet.
• Vélocité et flux continus de données.
• Le Edge Computing, vers une informatique de flux

Les enjeux pour les entreprises

• Le processus de création de valeur grâce au Big Data
• Véracité des données provenant de sources variées pour la prise de décision.
• Analyses complexes sur Big Data, Big Analytics.
• Production d'informations en temps réel à partir de Big Data.
• Réactivité : traitement de flux de données en temps réel, Complex Event Processing (CEP).
• Définir sa stratégie de déploiement : Cloud, "on-premise" ou hybride

Opportunités offertes par les progrès matériels

• Le stockage : Disques durs HDD vs SSD "on premise" et stockage objet ou bloc dans le Cloud.
• L'impact de la baisse du coût de la mémoire : l'avènement du traitement de données in-memory
• Couplage CPU/GPU pour une meilleure optimisation du calcul parallèle.
• Les stratégies de stockage disque en réseau NAS/SAN/Isilon (stockage élastique) : Quels impacts sur les architectures de gestion de données ?
• Les architectures massivement parallèles (MPP) vs Hadoop
• Les appliances.

Compréhension des technologies utilisées / Motiviation

• Le théorème CAP (Consistency, Availability, Partition tolerance) : analyse et impact.

La pile logicielle Big Data (la "STACK HADOOP")

• Les fondamentaux des Big Data
• L'organisation fonctionnelle et les principaux composants : stockage, organisation, traitement, intégration, outils d'analyse.
• La gestion de clusters.
• Les "design pattern" d'Hadoop (architectures Lambda, Kappa, Omega, etc.), pour répondre à quels usages
• Comparaison avec les SGBD relationnels.

Les différentes méthodologies adatpées au Big Data

• Gouvernance des projets
• Organisation et rôles
• Les grands principes des méthodes agiles
• Le design thinking pourquoi est-il adapté aux enjeux du Big data ?
• Les méthodes de développement
• Les impacts sur l'organisation d'une DSI (privilégier la conception collaborative)
• Intégrer les métiers dès la phase de conception
• Définir les différents ateliers (modeling, intercation design, prototypage)

La sécurité du Big Data

• Les 5 cercles de défense du Big Data
• Sécurité périmétrique
• Gestion des authentifications
• Gestion des autorisations
• Sécurité du système d'exploitation

Utilisation de la cryptographie

• Comprendre les fondamentaux (cryptographie, cryptanalyse, kleptographie, etc.).
• Les trois approches de gestion des clés de chiffrement dans une architecture Big Data.
• Les enjeux du chiffrement homomorphe.
• Les outils de data management de la donnée
• Les bonnes pratiques en matière de chiffrement et les recommandations de l'ANSSI et de l'ENISA.

Autres techniques de protection des données

• Comprendre le cycle de vie des données dans une architecture Big Data.
• Les outils en charge de la gouvernance et du cycle de vie des données
• La classification des données. L'importance de la classification dans les projets Big Data.
• L'anonymisation et la pseudonymisation des données.

Éthique et enjeux juridiques / Principes généraux de conformité et de responsabilités

• Responsabilités sur le plan Informatique et Libertés
• Responsabilités sur le plan identités
• Responsabilités sur le plan régulation
• Responsabilités sur le plan économique
• Responsabilités sur le plan sécurité
• Responsabilités sur le plan patrimoine
• Responsabilités sur le plan de l'archivage
• Responsabilités sur le plan ressources humaines

Cas d'usage, retours d'expérience

• Méthodologie pour aider l'entreprise à devenir Data Centric, c'est-à-dire en partant de zéro, comment se former, se transformer, choisir sa distribution Hadoop, l'installer, la paramétrer, préparer la gouvernance et préparer les premiers usages.