Telecharger La Révolution Big data Gratuit

La Révolution Big data : Les données au coeur de la transformation de l'entreprise
Auteur: Cointot, Jean-Charles, Eychenne, Yves | Editeur: Dunod | PDF | 2014 | 103 Mb

Qu est-ce que le big data ? Le big data est constitué par toutes les données que nous générons à chaque instant, dont le volume global croît exponentiellement. De l historique de navigation aux localisations GPS, jusqu au rythme cardiaque, à la météo et au solde des comptes courants, ces données récoltées par les mobiles, applications et autres objets connectés génèrent de nouveaux usages pour les États et les entreprises.
Le big data, pour quoi faire ? Les entreprises doivent apprendre à maîtriser ces flux d information, pour réinventer leurs relations avec le consom acteur, leurs produits et services ainsi que leurs organisations. Aujourd hui, comme demain, la donnée, c est de l argent.
Le big data, comment ? Ce livre explore les fondamentaux du big data et ses outils, son exploitation dans l entreprise, son impact sur les métiers et sa valeur pour l entreprise. Il est illustré par de nombreux exemples et cas concrets dans diverses industries.

Issues de nos réseaux sociaux, de notre téléphone mobile, de notre passage en caisse, de l'utilisation d'une carte de transport, les données sont partout. Gilles Babinet montre que les techniques de Big Data peuvent être utilisées pour développer des outils marketing perfectionnés, améliorer la prise en charge médicale, permettre aux villes de mieux gérer leurs ressources ou encore allier productivité agricole et développement durable. Les données pourraient bien être l'une des énergies motrices de la nouvelle révolution globale en cours.
Pourtant, de nombreuses questions se posent. Sommes-nous sur le point d'entrer dans une société semblable à celle que décrit George Orwell dans 1984 ? Quels facteurs permettraient à une société démocratique et respectueuse des libertés individuelles de bénéficier de cette nouvelle technologie ? Gilles Babinet fait toute la lumière sur ces questions en rappelant que ce ne sont pas les technologies qui façonnent l'humanité, mais bien l'usage que l'on choisit collectivement d'en faire.
Préface d'Erik Orsenna de l'Académie française.

La révolution du merchandising : La nécessaire transformation du secteur retail
Eyrolles (17 avril 2015) | ISBN: 2212561725 | Français | PDF | 139 pages | 102 MB

-Un secteur en transition pour répondre aux nouveaux modes de consommation.
-Un ouvrage axé sur les évolutions et les bonnes pratiques du secteur retail.
-Des acteurs au coeur du mouvement en cours, pour une nouvelle révolution du secteur.

Le merchandising est au seuil de sa 4e révolution. Après le merchandising d'organisation (gestion des emplacements produits dans les linéaires), de séduction (amélioration de l'apparence des linéaires), de théâtralisation (mise en scène de l'offre dans les magasins) qui est encore en cours, se prépare le merchandising omni-canal, qui sera l'enjeu de ces prochaines années.

Vecteur essentiel de la transformation du secteur retail, le merchandising est de plus en plus sollicité pour répondre aux besoins liés au développement de l'offre multicanal, du big data, et pour améliorer avec la Supply Chain, la rentabilité des mètres carrés et stimuler les ventes tous canaux.

Big Data : opportunité ou menace pour l'assurance ?
REVUE BANQUE (18 février 2016) | ISBN: 2863257277 | Français | PDF | 150 pages | 102 MB

Le Big Data désigne l’ensemble des procédures de recueil et de traitement d’informations « high volume, high velocity and high variety » que les nouvelles technologies rendent disponibles à ceux qui sauront les sélectionner et les exploiter. Le Big Data est à la fois une opportunité – que les assureurs doivent utiliser car il impacte tous les éléments de la chaîne de valeur de l’industrie d’assurance – et une révolution qui remet en cause les conditions d’exercice de tous les métiers.
Pour l’assurance, souvent prisonnière de « l’asymétrie d’information » sur le risque, mieux connu du client que de l’assureur, cette marée d’informations modifie en profondeur les métiers de prise et de gestion de risques, la tarification, l’assurabilité, mais aussi l’organisation des métiers et des entreprises. Ce sont ces impacts potentiels des nouvelles sources d’information que les auteurs souhaitent montrer dans une suite de monographies sur chacun des éléments de la chaîne de valeur de l’assurance.
Ils proposent une appréciation de la faisabilité de ces évolutions, en évaluant les effets économiques du Big Data sur les pratiques de marché, sur les coûts de la gestion des risques, sur l’organisation des entreprises et sur les architectures de systèmes d’information. Ils veulent mesurer l’ampleur du « choc » que peut être le Big Data sur le business model de l’assurance. Tout en reconnaissant l’importance théorique et l’amplitude d’une quasi-inversion de l’asymétrie d’information, ils n’en négligent pas les difficultés éthiques liées à la disponibilité très facilitée d’une masse considérable d’informations personnelles liées à la vie privée des clients. Enfin, ils alertent sur les risques de faible retour sur investissement de politiques extensives d’utilisation du Big Data, alors même que d’autres impératifs immédiats pour la gestion des entreprises s’imposent à elles (Solvency II, notamment).

Des bases pour la performance et le Big Data
En quelques années, le volume des données brassées par les entreprises a considérablement augmenté. Émanant de sources diverses (transactions, comportements, réseaux sociaux, géolocalisation...), elles sont souvent structurées autour d'un seul point d'entrée, la clé, et susceptibles de croître très rapidement. Autant de caractéristiques qui les rendent très difficiles à traiter avec des outils classiques de gestion de données. Par ailleurs, l'analyse de grands volumes de données, ce qu'on appelle le Big Data, défie également les moteurs de bases de données traditionnels.
C'est pour répondre à ces différentes problématiques que sont nées les bases de données NoSQL (Not Only SQL), sous l'impulsion de grands acteurs du Web comme Facebook ou Google, qui les avaient développées à l'origine pour leurs besoins propres. Grâce à leur flexibilité et leur souplesse, ces bases non relationnelles permettent en effet de gérer de gros volumes de données hétérogènes sur un ensemble de serveurs de stockage distribués, avec une capacité de montée en charge très élevée. Elles peuvent aussi fournir des accès de paires clé-valeur en mémoire avec une très grande célérité. Réservées jusqu'à peu à une minorité, elles tendent aujourd'hui à se poser en complément du modèle relationnel qui dominait le marché depuis plus de 30 ans.
Du choix de la base NoSQL à sa mise en oeuvre
Cet ouvrage d'une grande clarté dresse un panorama complet des bases de données NoSQL, en analysant en toute objectivité leurs avantages et inconvénients. Dans une première partie, il présente les grands principes de ces bases non relationnelles : interface avec le code client, architecture distribuée, paradigme MapReduce, etc.
Il détaille ensuite dans une deuxième partie les principales solutions existantes (les solutions de Big Data autour de Hadoop, MongoDB, Cassandra, Couchbase Server...), en précisant spécificités, forces et faiblesses de chacune. Complétée par une étude de cas réel, la dernière partie du livre est consacrée au déploiement concret de ces bases : dans quel cas passer au NoSQL ? quelle base adopter selon ses besoins ? quelles données basculer en NoSQL ? comment mettre en place une telle base ? comment la maintenir et superviser ses performances ?

À qui s'adresse cet ouvrage ?
Aux experts en bases de données, architectes logiciels, développeurs...
Aux chefs de projet qui s'interrogent sur le passage au NoSQL

Big Data et machine learning : Manuel du data scientist
Dunod (18 février 2015) | ISBN: 2100720740 | Français | PDF | 240 pages | 102 MB

Cet ouvrage s'adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l'entreprise, qu'ils soient data scientists, DSI, chefs de projets ou spécialistes métier.

Le Big Data s'est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel grâce à l'exploitation de leurs donnéesclients, fournisseurs, produits, processus, machines, etc.

Mais quelle solution technique choisir ? Quelles compétences métier développer au sein de la DSI ?

Ce livre est un guide pour comprendre les enjeux d'un projet Big Data, en appréhender lesconcepts sous-jacents (en particulier le machine learning) et acquérir les compétencesnécessaires à la mise en place d'un data lab.

Il combine la présentation :

-de notions théoriques (traitement statistique des données, calcul distribué.) ;
-d'outils (écosystème Hadoop, Storm.) ;
-d'exemples de machine learning ;
-d'une organisation typique d'un projet de data science.

Des bases pour la performance et le Big Data
En quelques années, le volume des données brassées par les entreprises a considérablement augmenté. Émanant de sources diverses (transactions, comportements, réseaux sociaux, géolocalisation...), elles sont souvent structurées autour d'un seul point d'entrée, la clé, et susceptibles de croître très rapidement. Autant de caractéristiques qui les rendent très difficiles à traiter avec des outils classiques de gestion de données. Par ailleurs, l'analyse de grands volumes de données, ce qu'on appelle le Big Data, défie également les moteurs de bases de données traditionnels.
C'est pour répondre à ces différentes problématiques que sont nées les bases de données NoSQL (Not Only SQL), sous l'impulsion de grands acteurs du Web comme Facebook ou Google, qui les avaient développées à l'origine pour leurs besoins propres. Grâce à leur flexibilité et leur souplesse, ces bases non relationnelles permettent en effet de gérer de gros volumes de données hétérogènes sur un ensemble de serveurs de stockage distribués, avec une capacité de montée en charge très élevée. Elles peuvent aussi fournir des accès de paires clé-valeur en mémoire avec une très grande célérité. Réservées jusqu'à peu à une minorité, elles tendent aujourd'hui à se poser en complément du modèle relationnel qui dominait le marché depuis plus de 30 ans.

Des bases pour la performance et le Big Data
En quelques années, le volume des données brassées par les entreprises a considérablement augmenté. Émanant de sources diverses (transactions, comportements, réseaux sociaux, géolocalisation...), elles sont souvent structurées autour d'un seul point d'entrée, la clé, et susceptibles de croître très rapidement. Autant de caractéristiques qui les rendent très difficiles à traiter avec des outils classiques de gestion de données. Par ailleurs, l'analyse de grands volumes de données, ce qu'on appelle le Big Data, défie également les moteurs de bases de données traditionnels.
C'est pour répondre à ces différentes problématiques que sont nées les bases de données NoSQL (Not Only SQL), sous l'impulsion de grands acteurs du Web comme Facebook ou Google, qui les avaient développées à l'origine pour leurs besoins propres. Grâce à leur flexibilité et leur souplesse, ces bases non relationnelles permettent en effet de gérer de gros volumes de données hétérogènes sur un ensemble de serveurs de stockage distribués, avec une capacité de montée en charge très élevée. Elles peuvent aussi fournir des accès de paires clé-valeur en mémoire avec une très grande célérité. Réservées jusqu'à peu à une minorité, elles tendent aujourd'hui à se poser en complément du modèle relationnel qui dominait le marché depuis plus de 30 ans.
Du choix de la base NoSQL à sa mise en oeuvre
Cet ouvrage d'une grande clarté dresse un panorama complet des bases de données NoSQL, en analysant en toute objectivité leurs avantages et inconvénients. Dans une première partie, il présente les grands principes de ces bases non relationnelles : interface avec le code client, architecture distribuée, paradigme MapReduce, etc.
Il détaille ensuite dans une deuxième partie les principales solutions existantes (les solutions de Big Data autour de Hadoop, MongoDB, Cassandra, Couchbase Server...), en précisant spécificités, forces et faiblesses de chacune. Complétée par une étude de cas réel, la dernière partie du livre est consacrée au déploiement concret de ces bases : dans quel cas passer au NoSQL ? quelle base adopter selon ses besoins ? quelles données basculer en NoSQL ? comment mettre en place une telle base ? comment la maintenir et superviser ses performances ?

À qui s'adresse cet ouvrage ?
Aux experts en bases de données, architectes logiciels, développeurs...
Aux chefs de projet qui s'interrogent sur le passage au NoSQL

Capital Hors-Série N°11 - La révolution numérique
French | 116 pages | PDF | 102 MB

Capital c'est chaque mois des enquêtes sur les acteurs de l'économie, des analyses sur les stratégies d'entreprise, des dossiers sectoriels approfondis, et le décryptage de toute l'actualité économique. Capital est le magazine incontournable pour vous aider à mieux consommer et éviter les pièges de la consommation.

Au sommaire : 3D, Apple, bionique, e-commerce, Google, innovation, jeux d'argent en ligne, Lady Gaga, les mutations de la société, Microsoft, presse quotidienne, start-up.

.: Science & Vie Hors Série No.218 - La révolution du médicament :.

Quatre fois par an est publié un numéro de Science & Vie Hors-Série, célèbre mensuel de vulgarisation scientifique. En 160 pages et très peu de publicité, un thème spécifique de santé, aviation, automobile, astronomie. est abordé en détail sous divers angles, avec la participation de scientifiques et d'experts reconnus dans le domaine.

Cette nouvelle série d'archives numérisées couvre 4 années en 16 numéros, de mars 2000 à décembre 2003, et fait suite aux 21 années déjà publiées. (Re)découvrez avec nostalgie, curiosité, ou juste pour le plaisir de lire les thèmes scientifiques et techniques de ces numéros, tels qu'ils étaient perçus et développés en ce début du XXIe siècle!