Le traitement BigData

Dans le monde d'aujourd'hui de multiples acteurs de la technologie numérique produisent des quantités infinies de données. Capteurs, réseaux sociaux ou e-commerce, ils génèrent tous de l'information qui s'incrémente en temps réel selon les "3 V" de Gartner : en Volume, en Vitesse et en Variabilité. Afin d'exploiter efficacement et durablement ces données, il est important de respecter la dynamicité de leur évolution chronologique à travers 2 approches : le polymorphisme d'une part, au moyen d'un modèle dynamique capable de supporter le changement de type à chaque instant sans failles de traitement ; d'autre part le support de la volatilité par un modèle intelligent prenant en compte des donnés-clés seulement interprétables à un instant "t", au lieu de traiter toute la volumétrie des données actuelle et historique. L'objectif premier de cet ouvrage est de pouvoir établir par le biais de ces approches une vision intégratrice du cycle de vie des données qui s'établit selon 3 étapes, (1) la synthèse des données via la sélection des valeurs-clés des micro-données acquises par les différents opérateurs au niveau de la source, (2) la fusion en faisant le tri des valeurs-clés sélectionnées et les dupliquant suivant un aspect de dé-normalisation pour élaborer un traitement plus rapide des données et (3) la transformation en un format particulier de carte de cartes de cartes, par Hadoop dans le processus classique de MapReduce afin d'obtenir un graphe défini dans la couche applicative. Ce travail illustre par la suite le concept théorique par des exemples d'applications dans la vie quotidienne, notamment dans l'univers IoT. De ce fait 2 aspects sont mis en avant, (1) l'usage dans la sphère privée et (2) l'intégration dans le domaine professionnel. Dans ce contexte, des exemples concrets tels que la maison intelligente, la ville intelligente ou encore l'industrie 4.0, sont bien placés pour incarner le processus innovateur de modélisation intégratrice des données BigData.