Lecture 2 - Analytics Overview Flashcards
Définir l’analytique
Le terme remplace la terminologie faisant référence aux composants individuels d’un système d’aide à la décision par un mot large faisant référence à l’intelligence d’affaires. Plus précisément, l’analyse est le processus de développement de décisions exploitables ou de recommandations d’actions basées sur des informations générées à partir de données historiques. Les élèves peuvent également se référer aux huit niveaux d’analyse et à ce langage descriptif plus simple: «examiner toutes les données pour comprendre ce qui se passe, ce qui va se passer et comment en tirer le meilleur parti».
Qu’est-ce que l’analyse descriptive? Quels sont les différents outils utilisés dans l’analyse descriptive?
L’analyse descriptive fait référence à la connaissance de ce qui se passe dans l’organisation et à la compréhension de certaines tendances et causes sous-jacentes de tels événements. Les outils utilisés dans l’analyse descriptive comprennent les entrepôts de données et les applications de visualisation.
En quoi l’analyse descriptive diffère-t-elle des rapports traditionnels?
L’analyse descriptive rassemble plus de données, souvent automatiquement. Il rend les résultats disponibles en temps réel et permet de personnaliser les rapports.
Qu’est-ce qu’un entrepôt de données? Comment la technologie d’entreposage de données peut-elle aider à permettre l’analyse?
Un entrepôt de données, présenté à la section 1.7, est le composant d’un système BI qui contient les données source. Comme décrit dans cette section, le développement d’un entrepôt de données comprend généralement le développement de l’infrastructure de données pour l’analyse descriptive, c’est-à-dire la consolidation des sources de données et la mise à disposition des données pertinentes sous une forme permettant des rapports et des analyses appropriés. Un entrepôt de données sert de base pour développer des rapports, des requêtes, des alertes et des tendances appropriés.
Qu’est-ce que l’analyse prescriptive? Quels types de problèmes peuvent être résolus par l’analyse prescriptive?
L’analyse prescriptive est un ensemble de techniques qui utilisent des données descriptives et des prévisions pour identifier les décisions les plus susceptibles de générer les meilleures performances. Habituellement, une organisation utilise des analyses prescriptives pour identifier les décisions ou les actions qui optimiseront les performances d’un système. Les organisations ont utilisé des analyses prescriptives pour fixer les prix, créer des plans de production et identifier les meilleurs emplacements pour des installations telles que les succursales bancaires.
Qu’est-ce que l’analyse prédictive? Comment les organisations peuvent-elles utiliser l’analyse prédictive?
Susceptible de se produire à l’avenir. Les entreprises utilisent l’analyse prédictive pour prévoir si les clients sont susceptibles de passer à un concurrent, ce que les clients sont susceptibles d’acheter, dans quelle mesure les clients sont susceptibles de répondre à une promotion et si un client est solvable. Les équipes sportives ont utilisé l’analyse prédictive pour identifier les joueurs les plus susceptibles de contribuer au succès d’une équipe
Définissez la modélisation du point de vue analytique.
Comme l’illustre le cas d’application 1.6, l’analyse utilise des données descriptives pour créer des modèles sur la façon dont les personnes, l’équipement ou d’autres variables fonctionnent dans le monde réel. Ces modèles peuvent être utilisés dans des analyses prédictives et prescriptives pour développer des prévisions, des recommandations et des décisions.
Qu’est-ce que l’analyse Big Data?
Le terme Big Data fait référence aux données qui ne peuvent pas être stockées dans une seule unité de stockage. En règle générale, les données arrivent sous de nombreuses formes différentes, qu’elles soient structurées, non structurées ou dans un flux. L’analyse Big Data est une analyse à une échelle suffisamment grande, avec un traitement suffisamment rapide, pour gérer ce type de données.
Quelles sont les sources du Big Data?
Les principales sources comprennent les flux de clics provenant de sites Web, les publications sur les médias sociaux et les données provenant du trafic, des capteurs et de la météo.
Quelles sont les caractéristiques du Big Data?
Aujourd’hui, le Big Data fait référence à presque tous les types de données volumineuses présentant les caractéristiques de volume, de vitesse et de variété. Les exemples incluent des données sur les recherches Web, telles que les milliards de pages Web recherchées par Google; des données sur le commerce financier, qui fonctionne en microsecondes; et des données sur les opinions des consommateurs mesurées à partir de publications sur les médias sociaux.
Quelle technique de traitement est appliquée pour traiter le Big Data?
Un ordinateur, même puissant, ne pouvait pas gérer l’ampleur du Big Data. Les Big Data peuvent être stockées par blocs de données sur différentes machines connectées par un réseau dans le système de fichiers distribués Hadoop. Le traitement et l’analyse du Big Data pour la valeur commerciale surchargent un seul ordinateur, de sorte que le paradigme de programmation MapReduce détermine qu’il est préférable de pousser le calcul vers les données au lieu de pousser les données vers un nœud informatique.
