Le 14 septembre 2017, nous avons publié une version actualisée de notre Politique de confidentialité. En utilisant video2brain.com vous vous engagez à respecter ces documents mis à jour. Veuillez donc prendre quelques minutes pour les consulter.

Les fondements du Big Data

Appréhender la véracité et la visibilité

TESTEZ LINKEDIN LEARNING GRATUITEMENT ET SANS ENGAGEMENT

Tester maintenant Afficher tous les abonnements
On associe parfois au Big Data deux V supplémentaires : la véracité et la visibilité. Dans cette vidéo, vous serez confronté aux défis de l'analyse et de l'affichage des données du Big Data.
05:09

Transcription

On ajoute parfois un ou deux V supplémentaires à nos trois V historiques de définition du Big Data. Le quatrième V, souvent la Véracité. Ça veut dire assez simplement qu'on peut analyser nos données. On peut analyser des volumes importants de données, mais comment est-ce qu'on va pouvoir s'assurer que notre analyse est correcte ? Premièrement, on analyse très peu de volumes de données pour l'instant. On considère qu'environ 5% du volume des données qui sont à notre disposition est réellement analysé. Lorsqu'on veut se servir du Big Data pour trouver des tendances ou faire des prédictions, on a à disposition des algorithmes, tout ce qu'on appelle du « machine learning » et qui permet de faire de la corrélation de données, d'extraire de ces données un certain sens, non pas par rapport à une réflexion, à une logique, mais par rapport à des informations quantitatives, ce qu'on appelle de la corrélation par rapport à la causalité. On a encore beaucoup de chemins à faire sur ce genre d'analyses et quelques résultats récents nous l'ont démontré. Est-ce que ça veut dire que cette approche est mauvaise ? Peut-être, mais ça veut peut-être aussi dire que les algorithmes eux-mêmes ne sont pas encore suffisamment précis ou qu'on ne sait pas encore bien les utiliser et qu'on analyse, peut-être, pas encore un volume suffisant de données. Comment est-ce qu'on trouve quelque chose de vrai à l'intérieur des données ? Ce n'est pas aussi facile que ca. Pour l'instant, on fait des tentatives pour y arriver, mais il y a beaucoup de choses à affiner, et sans doute, une approche beaucoup plus modeste, humble à avoir à ce sujet. Le dernier V, on parle de la Visibilité. C'est un défi qu'on avait aussi dans la « Business intelligence », dans l'analytique. On peut analyser nos données, on peut en tirer quelque chose, mais encore faut-il pouvoir le montrer à nos utilisateurs finaux, de la façon la plus claire, compréhensible et utile possible. Ça, c'est le travail notamment du « data scientist », d'analyser les données et ensuite, d'en faire quelque chose qui peut se transformer en une action pour, par exemple, les décideurs ou les utilisateurs finaux. Un exemple simple : Vous voulez utiliser du Big Data pour envoyer des informations sur une application de téléphone mobile utile à vos utilisateurs. Par exemple, utiliser des capteurs pour pouvoir informer un utilisateur et pour lui dire ce qu'il devrait faire pour améliorer sa santé, par exemple. La face de données, elle est importante, ses analyses doivent être faites avec des algorithmes corrects, et enfin, le résultat doit être montré de façon claire et précise à l'utilisateur. Donc, pour résumer sur ces V : On accumule des données, on a peu de données saisies maintenant, on a beaucoup plus de données qui viennent, comme je vous disais, de l'Internet des objets, de Capteurs, de ce qu'o appelle l'Internet industriel, des choses qui sont fabriquées par des machines, des informations qui viennent de machine. Et le défi de cette accumulation de données, c'est les traiter. On sait traiter bien des volumes moyens en des temps rapides et des données bien structurées, mais le vrai Big Data, c'est la masse de données non structurées qui s'accumulent, qui deviennent énormes et qu'il faut pouvoir traiter aussi vite que possible pour en tirer quelque chose d'utile. Quel type de traitement d'ailleurs ? Que peut-on faire de ce Big Data ? Beaucoup, beaucoup de choses. Quelques exemples parmi d'autres : Réservation automatique, ce qui est déjà proposé par des sociétés comme Microsoft ou Google. Analyse en temps réel de chat de conversation de comportement et lorsque, par exemple, Google comprend que sur votre téléphone vous êtes en train de dire que vous voudriez manger une pizza, il va vous proposer de faire des réservations automatiques et puis, par rapport à votre trajet quotidien, vous proposer des services, c'est fait par une analyse quantitative des données de ce que vous faites. Évidemment, on peut faire de la prédiction, c'est-à-dire analyser les tendances du moment ou de données passées et essayer d'utiliser ces enseignements pour prédire ce qui va se produire. C'est, peut-être, ce qu'on appelle du « Feedback ». Le « Feedback », c'est avoir un retour rapide sur ce qu'on est en train de faire. Par exemple, une analyse de flux trafic qui va permettre d'envoyer un « Feedback » à certains conducteurs de poids lourd, par exemple, pour leur dire attention, le trafic va s'engorger, etc. Je vous en ai parlé, l'Analyse d'images et de sons et un autre exemple, des Algorithmes de matching. On passe dans notre vie beaucoup de temps à chercher quelque chose. Les Algorithmes de matching peuvent nous permettre de mettre en contact des recruteurs avec des candidats qui conviennent, des fournisseurs avec des clients potentiels, sans parler des utilisations personnelles.

Les fondements du Big Data

Découvrez les enjeux, les outils et les possibilités du Big Data. Familiarisez-vous avec les concepts du Big Data et soyez en mesure de gérer d’importants volumes de données.

1h47 (26 vidéos)
Aucun commentaire n´est disponible actuellement
 
Spécial abonnés
Date de parution :13 juin 2017

Votre formation est disponible en ligne avec option de téléchargement. Bonne nouvelle : vous ne devez pas choisir entre les deux. Dès que vous achetez une formation, vous disposez des deux options de consultation !

Le téléchargement vous permet de consulter la formation hors ligne et offre une interface plus conviviale. Si vous travaillez sur différents ordinateurs ou que vous ne voulez pas regarder la formation en une seule fois, connectez-vous sur cette page pour consulter en ligne les vidéos de la formation. Nous vous souhaitons un excellent apprentissage avec cette formation vidéo.

N'hésitez pas à nous contacter si vous avez des questions !