2017 | 2018 | |
---|---|---|
Vision & Stratégie (Facilitation) | ||
Modernisation de l'entrepôt de données - Vision
|
No | Yes |
Analyse de rentabilisation des initiatives Data Lake et d’Intelligence Artificielle (IA)
|
No | Yes |
Stratégie des données
|
Yes | Yes |
Gouvernance et Architecture des données (Guidage) | ||
Stratégie de gouvernance des données
|
No | Yes |
Gestion des données
|
No | Yes |
Modernisation de l’entrepôt de données – Architecture et Gouvernance
|
No | Yes |
Gestion des données de référence – Architecture et Gouvernance Pour les actifs de données de base (clients, fournisseurs, produits, etc.), identifier avec les parties prenantes:
|
No | Yes |
Architecture du “Data Lake” Définition des zones du « Data Lake » pour couvrir les différents types d'analytiques ainsi que la gouvernance, gestion de données, exploration et opérationnalisation dans un contexte bimodal
|
No | Yes |
Modèle de données d'entreprise conceptuel (CEDM)
|
Yes | Yes |
Modèle de données d'entreprise dimensionnel (DEDM)
|
Yes | Yes |
Qualité des données Sous-ensemble de la gestion de données traitant de l'intégrité, de l'exactitude, de la disponibilité, de l'accessibilité, de la couverture, de la conformité et de l'actualité
|
Yes | Yes |
Entrepôt de données et « Data Mart » Architecture de données et modélisation + gouvernance des données couvrant l'entrepôt de données et les datamarts en respectant les standards d’Inmon / de Kimball ou hybride
|
Yes | Yes |
Chaîne de valeur données et analytiques (Exécution) | ||
Capturer et gérer les données nécessaires aux opérations Operations | ||
Gestion des données de référence - Exécution
|
Yes | Yes |
Collecter et organiser pour l’analytique | ||
IoT et autre ingestion en temps réel
|
No | Yes |
Migration du traitement ETL vers Hadoop / Spark
|
No | Yes |
Génération automatisée d’ETL à partir de gabarits
|
No | Yes |
Concevoir et implanter un « Data Lake » avec niveau de gouvernance approprié
|
No | Yes |
ETL Type d'intégration de données qui fait référence aux trois étapes (extraire, transformer, charger) utilisées pour fusionner des données provenant de plusieurs sources. Extract, Load, Transform (ELT) est une approche alternative, mais connexe, conçue pour transférer le traitement dans la base de données afin d’améliorer les performances.
|
Yes | Yes |
Analyser (incl. ML/DL/NLP & IA) | ||
Descriptif Interprétation des données historiques pour mieux comprendre les changements survenus dans une entreprise (le quoi). L'analyse descriptive décrit le passé en utilisant une période de temps pour établir des comparaisons. Les indicateurs financiers les plus souvent rapportés sont le produit d'analyses descriptives, telles que les modifications tarifaires d'un exercice à l'autre, la croissance des ventes d'un mois à l'autre, le nombre d'utilisateurs ou le revenu total par abonné
|
Yes | Yes |
Diagnostic L’interprétation des données historiques permet de comprendre pourquoi cela s’est passé et s’appuie généralement sur les capacités OLAP permettant le découpage, le forage et le pivotement. Des fonctionnalités supplémentaires telles que, mais sans s'y limiter, aux prévisions ainsi qu’à l’analyse du panier de marché ont également été intégrées aux outils OLAP
|
Yes | Yes |
Prédictif
|
Yes | Yes |
Prescriptif Recommander le meilleur chemin à suivre, en fonction de multiples contraintes, objectifs et métriques (que dois-je faire) en appliquant des algorithmes mathématiques et informatiques
|
Yes | Yes |
IA & Big Data - Conseil aux exécutifs Ceci est un mandat de consultation. L’objectif de cette offre est de guider et d’éduquer les CIO et les CDO en matière d’IA et de Big Data. Le public cible est constitué des entreprises qui ont du mal à positionner la variété de concepts, technologies, cadres de modèles IA, distributions Hadoop, offres cloud, applications diverses et spécialisation en IA, services cognitifs, PNL, apprentissage en profondeur, etc.
|
No | Yes |
Louer un scientifique des données
|
No | Yes |
Déployer | ||
Tableau de bord et rapports Visualiser les informations sous forme de tableaux de bord et / ou de rapports, inclus les présentations multidimensionnelles
|
Yes | Yes |
Modèles et algorithmes – déploiement en processus / application
|
No | Yes |
Analytiques appelables
|
No | Yes |
Contrôler | ||
Surveillance de l'ingestion et de l'intégration des données Via des tableaux de bord et l’utilisation d’alertes, il surveille les aspects liés à l'intégration et à l'intégration de la chaîne de valeur données et analytiques pour informer de l'état des données/information
|
Yes | Yes |
Surveillance de la performance des modèles Cette surveillance détecte la dégradation de modèles AI afin d’éventuellement les supprimer ou de les remplacer par d'autres versions ou de nouveaux modèles AI
|
No | Yes |
Plateformes de données et d'analyse analytiques (fournir des capacités) | ||
Analyse de volumes pour le dimensionnement des plates-formes de données et analytiques
|
No | Yes |
Installation des distributions Hadoop / Spark
|
No | Yes |
Architecture Big Data (incl. Lamda, Kappa, …)
|
No | Yes |
Sécuriser une plateforme Hadoop / Spark La sécurisation d’un cluster Hadoop inclut: Kerberos, le chiffrement au repos / en mémoire / en mouvement, les profils d’accès, authentification, zones, machine virtuelle à distance, test de pénétration, gestion de clé, gestion de métadonnées, journalisation, stratégies
|
No | Yes |
Recommandations sur les plateformes de données et analytiques
|
No | Yes |
Architecture technique des plateformes de données et analytiques
|
No | Yes |
Formation
KPI offre actuellement une formation à Cognos et s'étendra à d’autres domaines de l’offre KPI Analytics & Big Data
|
Yes | Yes |