1. Organisé par Yves Le Cléach,
IBM France Lab
Bluemix : accélérateur de vos projets
Big Data & Analytics
15 Avril 2015
Présentation disponible sur Slideshare : IBM France Lab

2. #bluemix
§ Introduction aux services Big Data et Analytics
§ par Jean-­Bernard Moulin, IBM S&D Big Data & Analytics technical leader,
IBM France
§ Démonstration « Datamine your body in the Cloud »
§ Par Benoît Barranco, Technical Leader Big Data et Analytics, Centre
d’Innovation Européen de Nice, IBM France
§ Démonstration « aPaaS on a PaaS & Big Data »
§ Par David Azoulay, fondateur de Simplicité Software, Partenaire Bluemix.
§ Questions / Réponses
§ Networking
Agenda : Soirée Big Data Analytics

3. #bluemix
§ Créé en 3 min avec Bluemix ! (WordPress)
§ Articles, Slides, Formation, et des Resources
§ Appel à contribution de la communauté
http://meetup-­paris.mybluemix.net/
Site Web du Bluemix Paris Meetup

4. Pour créer un compte Bluemix,
c’est simple et gratuit 30 jours sans CB!
Pour créer un compte Bluemix :
1. Entrer cette URL : ibm.biz/Meetup_Paris
2. Compléter les informations (email, password)
3. Valider votre compte (consulter votre boîte mail)
4. Se Connecter sur bluemix.net (email+password)

5. #bluemixhttp://oc.cm/1OvJxwT

6. Jean-­Bernard MOULIN
IBM S&D Big Data & Analytics technical leader
Introduction aux services Big Data &
Analytics dans Bluemix
15 Avril 2015

7. Agenda
• Rappel des principales fonctionnalités nécessaires dans une plate-­forme
Big Data & Analytique
• Les fonctions disponibles dans le catalogue Bluemix
• En quoi est-­ce un réel accélérateur aux projets Big Data & Analytiques

8. Exemple 1 : Sources traditionnelles & Analyse des données structurées,
pour construction de rapports et tableaux de bord
Sources
traditionnelles
Dataware-­‐
house
&
Datamarts
Gouvernance de l’information
et Référentiels
Que s’est-­‐il
passé ?
Tableau de
bord,
rapports,
simulations
Sources
de données
Acquisition
Transformation

9. Exemple 2 : Sources variées de données (faible volume) & Analyse
Prédictive pour actions dans les applications et processus
Sources
traditionnelles
Gouvernance de l’information
et Référentiels
Que risque-­‐
t-­‐il
d’arriver?
Analyse
prédictive
Sources
de données
Applications
Gestion des
campagnes
Gestion
& optim.
des infra.
Finance
Nouvelles
sources
Capteurs
Open data
Media
sociaux
Voix, video
Documents,
mails
Logs
Web
Dataware-­‐
house
&
Datamarts
Que s’est-­‐il
passé ?
Tableau de
bord,
rapports
Transformation
Acquisition
Mettre en
oeuvre les
actions
Quelles
décision
dois-­‐je
prendre ?
Aide à prise
de décision

10. Sources
traditionnelles
Gouvernance de l’information
et Référentiels
Que risque-­‐
t-­‐il
d’arriver?
Analyse
prédictive
Sources
de données
Applications
Gestion des
campagnes
Gestion
& optim.
des infra.
Finance
Nouvelles
sources
Capteurs
Open data
Media
sociaux
Voix, video
Documents,
mails
Logs
Web
Dataware-­‐
house
&
Datamarts
Que s’est-­‐il
passé ?
Tableau de
bord,
rapports
Transformation
Acquisition
Mettre en
oeuvre les
actions
Mettre en
oeuvre les
actions
Gestion des
campagnes
Dataware-­‐
house
&
Datamarts
Que s’est-­‐il
passé ?
Tableau de
bord,
rapports
CRM
Exemples
Optimisationdes
durées / montant de
garantie des
nouveaux véhicules
grâce à l’analysedes
données historiques
des véhicules.
Scoring,
Segmentation
Clients
Optimisation de
campagnes
marketing
Optimisation
des offres
Maintenance
prédictive
Mise en place d’un
système de
monitoring sur des
véhicules de
transport de minerais
Anticipation des
alertes
Gestion de
la fraude
Ventes
Lutte contre la
fraude au
remboursement
des soins de
santé
.
Exemple 2 : Sources variées de données (faible volume) & Analyse
Prédictive pour actions dans les applications et processus

11. Qu’ai-­je
appris ?
Quel est le
meilleur
choix?
(Systèmes
cognitifs)
Sources
traditionnelles
Dataware-­‐
house
&
Datamarts
Gouvernance de l’information
et Référentiels
Que risque-­‐
t-­‐il
d’arriver?
Analyse
prédictive
Mettre en
oeuvre les
actions
Que se
passe-­‐t-­‐il?
Découverte
et
Exploration
des
données
Que s’est-­‐il
passé ?
Tableau de
bord,
rapports
Zone de
travail
et de
découverte
des données
Nouvelles
sources
Capteurs
Open data
Analyse
temps réel
des flux de
données
Acquisition
Media
sociaux
Voix, video
Documents,
mails
Logs
Web
Applications
CRM
Gestion des
campagnes
Gestion
& optim.
des
Infra.
Finance
Transformation
Ingestion
Exemple 3 : Analyse de gros volume de données structurées et non structurées
pour améliorer les campagnes marketing

12. Qu’ai-­je
appris ?
Quel est le
meilleur
choix?
(Systèmes
cognitifs)
Sources
traditionnelles
Dataware-­‐
house
&
Datamarts
Gouvernance de l’information
et Référentiels
Que risque-­‐
t-­‐il
d’arriver?
Analyse
prédictive
Mettre en
oeuvre les
actions
Que se
passe-­‐t-­‐il?
Découverte
et
Exploration
des
données
Que s’est-­‐il
passé ?
Tableau de
bord,
rapports
Zone de
travail
et de
découverte
des données
Nouvelles
sources
Capteurs
Open data
Analyse
temps réel
des flux de
données
Acquisition
Media
sociaux
Voix, video
Documents,
mails
Logs
Web
Sources
de données
Applications
CRM
Gestion des
campagnes
Gestion
& optim.
des
infrastructures.
Finance
Transformation
Ingestion
Synthèse des principales fonctions d’une plate-­forme Analytique

13. Les challenges d’un projet Big Data & Analytique
§ Mise en œuvre rapide de l’infrastructure « juste »
nécessaire aux premières itérations métiers
− Disponibilité des serveurs et mise à disposition des logiciels
− Installation et configuration des serveurs et logiciels avec des ressources rares
pour certains domaines
§ Itération fréquente avec les métiers et prise en
compte rapide des demandes d’évolution pour les
itérations suivantes
− Nouvelles fonctions (fonctions analytiques, IoT, mobile, …)
− Plus de volume
− Nouveaux types de données (texte, voix, ..)
§ Avoir une approche «incubateur » avec une forte
capacité d’innovation

14. #bluemix
Navigation dans le catalogue Bluemix
&
Découverte des composants Big Data & Analytiques
disponibles dans Bluemix
DEMO

15. Le catalogue Bluemix pour l’analytique
DEMO

16. Le catalogue Bluemix pour l’analytique (Watson)
DEMO

17. Bluemix, un réel accélérateur pour vos projets Big Data &
Analytiques
• Mise à disposition dans Bluemix, des briques
analytiques nécessaires pour la construction d’une
solutions analytique
• Un choix étendu de fonctions analytiques et applicatives
(mobile, IoT, ..)
• Les toutes dernières innovations des laboratoires
disponibles dès maintenant pour innover avec les
métiers (services Watson,…)
Bluemix

18. BigData and Analytics
Internet Of Things &
Wearable Connected Devices
Benoît Barranco – barranco@fr.ibm.com

19. 2010 2020
We are here
VoIP
Enterprise
Data
Social Media
1023
Data from sensors & devices will dominate Big Data
Sensors
& Devices

22. Wearable Connected devices

23. $285, 000,000,000Healthcare provider value IoT technologies will add by
2020 Gartner, January 2014
The Human Side of Data
Driven by Record Keeping
Compliance and Regulation
Patient Care
150 Exabytes in the US alone
161061273600 GB
Healthcare Big Data is Overwhelming

25. Use case : Predict Heart failure
Historical patients : (30 000 records)
Currently monitored patient :

26. JDBC / BigSQL
MQTT
Cloudant sync
RJdbc

27. Let’s See it in Action

28. JDBC / BigSQL
MQTT
JDBC
JDBC
JDBC/BigSQL
SPSS
API
Cloudant sync

29. Sources & Links
IoT / Internet des Objets :
- ARM & IBM IoT starter kit :
https://developer.mbed.org/platforms/IBMEthernetKit/
- IoT distribution for Raspberry Pi
http://thethingbox.io/
- DIY IoT with Littlebits :
http://littlebits.cc/
BigData & Analytics:
- Watson Analytics « Free Version » :
http://watson.analytics.ibmcloud.com/
- Analytics blog : Analytics on Bluemix, Cognos BI and SPSS
http://bluemixanalytics.wordpress.com/

30. 3
Books
IoT / Internet des Objets :
- Jeremy Rifkin : « The Marginal zero cost society »
Visualization:
- Stephen Few : « Show me the numbers »
- Tim Leong : « Super Graphic : A visual guide to the comic book universe »
Big Data :
- Robert D. Schneider : « Hadoop for Dummies »
Free download : https://ibm.biz/BdXDwa

31. Big Data & Analytics Days
▪ Introduction - The Path to New Value with IBM Big Data & Analytics
▪ Connecting our Bodies to the Cloud
▪ Demonstration - Avert Critical Health Conditions
Real-time streaming data combining the Internet of things with a connected device streaming data via a smartphone to the cloud to store data and perform analytical operations and analysis
▪ Technical breakdown
▪ The Big Data Market
▪ Illustrated Use Cases
▪ Into the future with Big Data Analytics and Watson Analytics (incl. Demonstration)
▪ Predictive Analytics with SPSS
▪ Hands on Labs
▪ Introduction to IBM BlueMix and the Lab Environment
▪ Lab 1 – Using the IBM BlueMix Hadoop service to Analyse Data
▪ Lab 2 – Creating an Internet of Things Application
▪ Lab 3 – Crete a Model to Predict Heart Failure with SPSS
▪ Summary and Next Steps

32. Workshop : IOT ( 1 day event )
1) IOT landscape
- DIY projects, Wearable devices, Smarter Cities…
2) Technical Architecture for IOT
- IOT Service, Hadoop, Analytics, Predictive modeling …
3) Collect your IOT data
- Bluemix, Node-Red, MqTT
4) Store your collected data
- Cloudant, Hadoop and DashDB
5) Report & Analyse
- Cognos MetaData modeling, Create an active Report.
6) Predictive analysis
- SPSS data preparation and predictive modeling
7) Wrap Up & Next steps
Physical IOT
Raspberry /IBM IOT
Virtual Machine
Cognos/SPSS
Coming SoonComing Soon

33. Sport Analytics, the future of the game ( 1 day event )
1) Sport Analytics landscape
- History, Consumers, filling the gap of actual solutions…
2) Analytics in Sport is a GAME CHANGER
- Discover new insight, empower physical trainers and Coaches, engage viewers…
3) The wearable revolution in sport
- Use cases : « Injury prevention model », « Customized training program » …
4) Analytics platform architecture for Sports
- Wearables, Opta data provider, realtime game & training analysis
Coming SoonComing Soon

34. APAAS ON PAAS & BIGDATA
Simplicité® on IBM Bluemix
David AZOULAY, founder & CMO
IBM Bluemix
Meetup
04/15/2014

35. § What is Simplicité® ?
§ Where to run Simplicité® ?
§ Why running Simplicité® on IBM Bluemix ?
§ Demo !
Agenda

36. What is Simplicité® ?
APIs
aPaaS
model-driven (DesOps) based
business backends
DevOps based
web/mobile/social frontends
PaaS
infrastructure
Businessrequirement
BigData and
analytics

37. Where to run Simplicité® ?
§ Simplicité® sandboxes are available on:
The IBM cloud marketplaceThe Bluemix service catalog
§ Simplicité® can also be run on your preferred cloud
infrastructure
(or on prem)

38. Wide choice of services to
bind to your Simplicité®
backend enterprise applications
and/or to your custom frontend apps
38
Why running Simplicité® on Bluemix ? (2/2)
DevOps tools and runtimes for
your custom frontend apps
(integrated to your Simplicité®
backend enterprise
applications)

39. Demo (1/2) – Business case
IoT
OpenData
(Paris Vélib
stations data)
Business application
backend
Business application
frontend
BigData
Analytics
Powered by

40. § Step #1:
Ø Get a blank Simplicité® sandbox on Bluemix
§ Step #2:
Ø Load a preconfigured demo backend business app on Simplicité® that
uses opendata datasets
§ Step #3:
Ø Deploy a basic NodeRED custom frontend on Bluemix, using
Simplicité® APIs
Demo (2/2) -­ Scenario

41. Simplicité Software
54 rue Réné Boulanger
75010 Paris, France
www.simplicitesoftware.com
contact@simplicitesoftware.com