la stratégie big data de la banque de france
TRANSCRIPT
![Page 1: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/1.jpg)
Valéry SIMONChef du Service Architecture, Industrialisation et RéalisationBanque de France
La stratégie Big Data de la Banque de France
![Page 2: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/2.jpg)
Agenda
La Banque de France en bref
Les enjeux du Big Data pour la BDF
Pourquoi MongoDB ?
De premières expériences probantes
Du Big Data au DaaS
![Page 3: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/3.jpg)
La Banque de France en bref• 3 missions principales :
• Stratégie monétaire,
• Stabilité financière,
• Services à l’économie
• Une stratégie ambitieuse pour une Banque :• + performante
• + innovante
• + visible* Gartner
![Page 4: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/4.jpg)
#MDBW16
Les enjeux du Big Data pour la Banque de France
> Du SID au SIO d’aide à la décision> Des sources de données nombreuses, hétérogènes et de moins en moins structurées> Des cas d’usage business ne pouvant plus être servi par une BI « traditionnelle »
![Page 5: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/5.jpg)
#MDBW16
Les enjeux du Big Data pour la Banque de FranceLes cas d’usage : > Prévisions court terme et rapports d’alerte > Études statistiques > Analyses prédictives > Évaluer les personnes morales et physiques > Intégrer de nouvelles données pour de l’exploration
![Page 6: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/6.jpg)
Pourquoi MongoDB sur les besoins de bases orientées documents ?
MongoDB est idéale pour une application opérationnelle qui demande l’un de ces points: > Un développement agile : schéma flexible et un Time To Delivery court > Une base de données facilement scalable (volumétrie et performances) > Une haute disponibilité
![Page 7: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/7.jpg)
Customers
MongoDB Office
Support
MongoDB User Groups
20+ Millions de téléchargements
![Page 8: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/8.jpg)
![Page 9: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/9.jpg)
Pourquoi MongoDB version Enterprise ?
Choix de partir vers 2 environnements de production (critique et non critique) et une infra mutualisée en intégration et développement.Le tout sur la version Enterprise pour : > OPS Manager : Automatisation (déploiements, upgrade, maintenance) ; Monitoring (métriques et alertes disponibles en temps réel) ; Optimisation des requêtes (suggestion automatisée des index) ; Backup (Gestion simplifiée) > Connecteur BI : Permet de lancer des requêtes SQL ou des outils BI sur les données dans MongoDB
![Page 10: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/10.jpg)
De premières expériences probantes
MUSES : une première source d’inspiration métier MMSR : une première expérience internationale réussie SIRCE2 : un premier cas précis interne BDF pour ouvrir un sujet beaucoup plus étendu
![Page 11: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/11.jpg)
De premières expériences probantes
11
INTEGRATION DE DONNEES
VUES METIERS
TRANSVERSE : DATA MANAGEMENT, SECURITE, TRACABILITE
Streaming (fil de l’eau)
USAGES DES DONNEES
Analyse batch
InteractifSearch Engine
Temps réel
DATA LAKE - DATALAB
HDFS : système de fichiers distribué
Analyse interactive Analyse prédictive
Data Management Habilitations : Ranger, Shield, LDAP, Knox Audit : Ranger Cryptage : Encryption
EXPLOITATION
Supervision : Ambari,Nagios, Ganglia, Marvel
Ordonnancement ELT
DEVELOPPEMENT
Ingestion (batch)
SOURCE DE DONNEES
InteractifNoSQL
Batch
API
Sqoop
Flume
Pig
Logstash
Storm
Flume
Hive
TOM
Pig
WebHDFS
Flux externes ou internes vers MongoDB
Mapping document/objet en développements spécifiques
Utilisation ELK pour analyse de log
![Page 12: La stratégie Big Data de la Banque de France](https://reader034.vdocuments.net/reader034/viewer/2022042723/58d194761a28ab29318b6301/html5/thumbnails/12.jpg)
Merci. www.mongodb.com