Introduction
aux données
massives
Par Fereshteh Mafakheri
Définition du Big Data
Le Big Data est un domaine dédié à l'analyse, au traitement
et au stockage de grandes collections de données provenant
fréquemment de sources disparates.
3
Exemples d'applications du traitement
du Big Data
Optimisation opérationnelle
Identification de nouveaux marchés
Prédictions précises
Détection des défauts et des fraudes
Amélioration de la prise de décision
Concepts et terminologie
1 Ensemble de données
2 Analyse de données
3 L’analytique de données
4 Caractéristiques du big data
5 Différents types de données
6 Cycle de vie de l’analyse du big data
5
Ensembles de données
1
Groupes de données
2 qui partagent le même
ensemble d'attributs ou
3 de propriétés
4
Source: Big Data Fundamentals by Thomas Erl
L’ analyse des données
1 Le processus qui consiste à
examiner et à interpréter des
2 données afin d'élaborer des
réponses à des questions
3
6
L'analytique de données
1 Une discipline qui comprend la gestion du cycle de vie complet des
données, qui englobe la collecte, le nettoyage, l'organisation, le stockage,
2 l'analyse et la gestion des données.
3
Analyse descriptive
4
Analyse diagnostique
5
Analyse prédictive
6
Analyse prescriptive
8
Analyse descriptive
1 L'analyse descriptive permet de répondre à la question
« Que s'est-il passé? »
2
3 Les applications :
• L'analyse des ventes
4 • L'étude de marché
5 • L'analyse financière
• L'analyse client
6 • La détection de fraude
9
Analyse diagnostique
1 L'analyse diagnostique permet de répondre à la question
« Pourquoi est-ce arrivé? »
2
3 Les applications :
• Examen de la demande du marché
4 • Expliquer le comportement des clients
5 • Identifier les problèmes technologiques
• Améliorer la culture d'entreprise
6
10
Analyse prédictive
1 L'analyse predictive permet de répondre à la question
« Que pourrait-il se passer dans le futur? »
2
3 Les applications :
• Prévision des flux de trésorerie futurs
4 • Prédire le comportement des clients
• Prévention des dysfonctionnements des machines
5
• Planifier les rendez-vous des patients
6
Analyse prescriptive
1 L'analyse prescriptive permet de répondre à la question
« Que devons-nous faire ensuite? »
2
3 Les applications :
• Décisions d'investissement
4 • Industrie du transport
• Recommandations algorithmiques
5
• Détection des fraudes
6
Caractéristiques du Big Data
2 Volume Vitesse Variété
3
6
Valeur Véracité
Volume
source: IDC Datasphere whitepaper – download here (PDF opens)
Vitesse
Source: Big Data Fundamentals by Thomas Erl
15
Variété
Source: Big Data Fundamentals by Thomas Erl
16
Véracité
1 La véracité est l'assurance de la qualité ou
de la crédibilité des données collectées.
2
6
17
Valeur
1 Les données qui ont une grande véracité et qui peuvent être analysées
rapidement ont plus de valeur pour une entreprise.
2
Source: Big Data Fundamentals by Thomas Erl
18
Les types de données
1 Les données structurées
2
Les données non structurées
3
Les données semi-structurées
4
6
19
Les données structurées
1 Une donnée qui a été prédéfinie et formatée selon une structure précise
avant d'être placée dans un Data Warehouse
2
3 Employé (e) Directeur Salaire ($)
Jason Peter 60000
4
Sylvie James 70000
5
6 Adam James 60000
Ex: Salaire < 70000 AND Manager = James
Les données non structurées
1 Une donnée stockée dans son format d'origine
et non traitée avant son utilisation
2
3 Exemples:
Des e-mails, des publications (posts) sur les
4
réseaux sociaux, des présentations, des chats…
5
6
21
Les données semi-structurées
1 Les données semi-structurées sont comme des
données intermédiaires entre les données structurées
2 et non structurées.
3
Exemple:
4
Les fichiers XML et JSON sont des formes courantes
5 de données semi-structurées.
L
6
Cycle de vie de l'analyse du Big Data
1. Évaluation de 6. Agrégation et
1 l'analyse de représentation des
rentabilité 4. Extraction des données
2
données
3
2. Identification des 7. Analyse des 9. Utilisation des
données données résultats de l'analyse
4 5. Validation et
nettoyage des
5 données
3. Acquisition et
8. Visualisation des
6 filtrage des données
données
Source: Big Data Fundamentals by Thomas Erl
23
Exemple : Extraction des données
Source: Big Data Fundamentals by Thomas Erl
24
Exemple : Agrégation et
représentation des données
1
6
25
Les techniques d'analyse des données
1 Analyse quantitative
Analyse qualitative
2
Extraction de données Classification (apprentissage automatique supervisé)
3
Analyse statistique
4 Apprentissage automatique
Analyse sémantique
5
Analyse visuelle Clustering (apprentissage automatique non supervisé)
6
Lectures
L'étude de cas disponible sur le site Athenap
Couderc, L. (2018). Data, big data, open data : de quoi parle-t-
on ?. Regards croisés sur l'économie, 23, 41-46.
Desrochers, P. (2021). Les données administratives publiques dans
l’espace numérique, Québec, PUQ.
Big Data Fundamentals: Concepts, Drivers & Techniques (2016), Erl, T,
Khattak, W & Buhler, P. Pearson; 1st edition, Chapitre 1 & 3.
Merci!