1. Big Analytics : les usages avant tout
Jérôme Cornillet SAS
Mercredi 6 juin 2012
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

2. SAS 6 juin 2012 IDC Le décisionnel en action
Big Analytics : les usages avant tout
Si les Big Data ont conquis rapidement l’espace médiatique, le thème est abordé quasiment
exclusivement sous l’angle des problématiques techniques liées à leur stockage. Pourtant, même si
celles-ci ont leur importance, il nous semble plus intéressant de nous attacher à d’autres aspects,
comme les différents usages potentiels des entreprises. En effet, quelle est l’utilité de données certes
bien stockées mais sous-utilisées ?
Cette présentation sera illustrée des premiers retours d’expérience dans différents secteurs d’activité
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

3. Big Data Eléments de contexte
Les 3 V
Mettre des flux Twitter dans nos SI !
Baisse du coût de la mémoire
Baisse du coût des machines
Nouveaux acteurs du stockage de données
Nouvelles architectures décisionnelles
Le 4ème V
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

4. THE CHALLENGE?
VOLUME
VARIETY
DATA SIZE
VELOCITY
VALUE
TODAY THE FUTURE
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

5. Le nouveau paysage du stockage décisionnel
2011 Competitors & Hadoop
• Greenplum MapR (May ‘11)
• IBM Big Insights (May ‘11)
• Microsoft and Hadoop (Oct ‘11)
• SAP Sybase IQ & Hadoop (November ‘11)
Hadoop
Microsoft PDW Cost per Terabyte
Oracle
2012 Competitors & Hadoop
Greenplum
• Teradata Partners w. Hortonworks (Feb ‘12) Teradata
• Oracle & Cloudera Appliance (Jan ’12) Vertica
$- $20 000 $40 000 $60 000 $80 000 $100 000
Today 2009
Copyright © 2012, SAS Institute Inc. All rights reserved.

6. Big Analytics Créer de l’information sur des données volumineuses et diverses
Exploration
Modélisation prédictive
Prévision
Optimisation
Analyse textuelle
Réseaux et médias sociaux
Au cœur du SID
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

7. C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

8. Bank of America
http://www.sas.com/success/bofagrid.html
The solution has reduced the banking group's probability
of loan default calculation time from 96 hours to just four
and reduced its scoring routine of 400,000 loans from
three hours to 10 minutes. Processing time for any given
project has been reduced by 90 percent, is three times
faster, yields timely decisions around defaults, helps
Grid Computing minimizes losses and can handle new growth
opportunities for bank's loan portfolio
Equilibrage de charge
Extensibilité
Haute disponibilité
Traitement parallélisé
Without SAS, processing times would be longer, hedging
decisions would be delayed and, ultimately, the bank
would be behind the market.”
Russell Condrich
Senior Vice President, Corporate Investment Group
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

9. Catalina Marketing
http://www.sas.com/success/catalina.html
Catalina delivers incentives that consumers redeem at eight
times the level of traditional program methods; many programs
boast consumer response rates as high as 25 percent; the time
that it takes to model and analyze data related to 250 million
transactions processed per week has been reduced from over
In-Database a month to just days with the addition of SAS Enterprise Miner.
Déléguer une partie des
traitements à « l’appliance »
“We've been helping our clients reach the right people with the
right messages for 25 years, but with the predictive capabilities
Permettre de faire évoluer « en
we have with SAS, we're able to do it with more precision than
douceur » les SID anyone else in the market.”
Eric Williams
Executive Vice President and Chief Information Officer
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

10. High-Performance Analytics
In-Memory Analytics
Exécuter en mémoire et en
parallèle les traitements simples
et complexes.
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

11. Data viz et
exploration
analytique en
Client de client web
consultation
sur iPad
Accélérateur du
processus
analytique
In-Memory Analytics
Exécuter en mémoire et en SAS® LASR™ In Memory
parallèle les traitements simples
et complexes. Technology
Persistance des
données :
Teradata
EMC-Greenplum
Hadoop
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

12. SAS HIGH-
PERFORMANCE
ANALYTICS
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

13. Big Analytics Suis-je concerné?
Facteurs clés de décision
Inflation de données, en volume ou en variété
Besoin d’analytique aujourd’hui et surtout demain
Pour faire face aux besoins de haute performance
• Utilisation d’un parc matériel existant
 Grid computing
• Achat d’une appliance (TD, GP, NZ…)
 In-Database
• Mise en place d’un environnement Hadoop
 SAS
• Nouvelle machine, de la mémoire
 In-Memory Analytics
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

14. Livre blanc en téléchargement : Analytics In Memory - L’architecture Big Data de SAS
Plus d’informations : www.sas.com/france/hpanalytics
Me contacter : jerome.cornillet@sas.com -- 02 51 84 23 37
C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .

15. C op yr i g h t © 2 0 1 2 , S A S I n s t i t u t e I n c . A l l r i g h t s r es er v e d .
SAS.com