Telecharger Data Gratuit
 |
Depuis des milliers d'années, nous collectons de l'information et utilisons des algorithmes. Mais récemment, la récolte a littéralement explosé : les technologies numériques nous permettent de créer, stocker, transformer et transmettre des données dans des quantités et à une vitesse de plus en plus considérables.
Ordinateurs, téléphones, objets connectés, réseaux sociaux... Chacun de nous contribue activement, consciemment ou non, à bâtir un nouveau continent, la Terra Data, la "terre des données". Entre promesses et menaces, quelle société se dessine derrière cette avalanche d'information ?
Cet ouvrage nous invite à découvrir ces nouveaux territoires, pour agir en faveur d'une utilisation des données responsable et humaniste. Internautes, ingénieurs, consommateurs, citoyens : ces enjeux nous concernent tous !
Des bases pour la performance et le Big Data
En quelques années, le volume des données brassées par les entreprises a considérablement augmenté. Émanant de sources diverses (transactions, comportements, réseaux sociaux, géolocalisation...), elles sont souvent structurées autour d'un seul point d'entrée, la clé, et susceptibles de croître très rapidement. Autant de caractéristiques qui les rendent très difficiles à traiter avec des outils classiques de gestion de données. Par ailleurs, l'analyse de grands volumes de données, ce qu'on appelle le Big Data, défie également les moteurs de bases de données traditionnels.
C'est pour répondre à ces différentes problématiques que sont nées les bases de données NoSQL (Not Only SQL), sous l'impulsion de grands acteurs du Web comme Facebook ou Google, qui les avaient développées à l'origine pour leurs besoins propres. Grâce à leur flexibilité et leur souplesse, ces bases non relationnelles permettent en effet de gérer de gros volumes de données hétérogènes sur un ensemble de serveurs de stockage distribués, avec une capacité de montée en charge très élevée. Elles peuvent aussi fournir des accès de paires clé-valeur en mémoire avec une très grande célérité. Réservées jusqu'à peu à une minorité, elles tendent aujourd'hui à se poser en complément du modèle relationnel qui dominait le marché depuis plus de 30 ans.
Du choix de la base NoSQL à sa mise en oeuvre
Cet ouvrage d'une grande clarté dresse un panorama complet des bases de données NoSQL, en analysant en toute objectivité leurs avantages et inconvénients. Dans une première partie, il présente les grands principes de ces bases non relationnelles : interface avec le code client, architecture distribuée, paradigme MapReduce, etc.
Il détaille ensuite dans une deuxième partie les principales solutions existantes (les solutions de Big Data autour de Hadoop, MongoDB, Cassandra, Couchbase Server...), en précisant spécificités, forces et faiblesses de chacune. Complétée par une étude de cas réel, la dernière partie du livre est consacrée au déploiement concret de ces bases : dans quel cas passer au NoSQL ? quelle base adopter selon ses besoins ? quelles données basculer en NoSQL ? comment mettre en place une telle base ? comment la maintenir et superviser ses performances ?
À qui s'adresse cet ouvrage ?
Aux experts en bases de données, architectes logiciels, développeurs...
Aux chefs de projet qui s'interrogent sur le passage au NoSQL
Christophe Brasseur - Data Management : Qualité des données et compétivité
2005 | ISBN: 2746212102 | Français | 166 pages | PDF | 3.46 MB
Ce livre synthétique analyse les enjeux de la qualité des données et les bonnes pratiques de Data Management (gestion des données).
Les systèmes d'information regorgent de données obsolètes, incorrectes ou incomplètes. Il est fréquent de constater qu'un même client ou un même produit soit enregistré plusieurs fois, souvent de façon différente, au sein de la même base de données. Par ailleurs, certains dirigeants se plaignent que leur système d'information délivre une quantité de données détaillées d'un faible intérêt et ne fournit pas les informations utiles.
La mauvaise qualité des données est néfaste à l'entreprise : performance, réactivité, coûts, image sont directement concernés. Comment tirer profit du système d'information si le contenu n'est pas fiable ?
Pour être menées efficacement, les tâches opérationnelles tout comme celles de pilotage et de management nécessitent des informations de qualité. Des méthodes adaptées permettent de satisfaire ce besoin devenu aujourd'hui indispensable aux entreprises gagnantes.
Issues de nos réseaux sociaux, de notre téléphone mobile, de notre passage en caisse, de l'utilisation d'une carte de transport, les données sont partout. Gilles Babinet montre que les techniques de Big Data peuvent être utilisées pour développer des outils marketing perfectionnés, améliorer la prise en charge médicale, permettre aux villes de mieux gérer leurs ressources ou encore allier productivité agricole et développement durable. Les données pourraient bien être l'une des énergies motrices de la nouvelle révolution globale en cours.
Pourtant, de nombreuses questions se posent. Sommes-nous sur le point d'entrer dans une société semblable à celle que décrit George Orwell dans 1984 ? Quels facteurs permettraient à une société démocratique et respectueuse des libertés individuelles de bénéficier de cette nouvelle technologie ? Gilles Babinet fait toute la lumière sur ces questions en rappelant que ce ne sont pas les technologies qui façonnent l'humanité, mais bien l'usage que l'on choisit collectivement d'en faire.
Préface d'Erik Orsenna de l'Académie française.
Seolius Europe, David Licoppe, "Le Big SEO Data didactique"
2016 | PDF/EPUB | 55 pages | ASIN: B01GOEQI92 | French | 102 MB
La pratique de l'Inbound Marketing ou marketing entrant est une technique de marketing qui permet de faire venir le client à soi plutôt que d'aller le chercher comme dans les formes classiques. Les effets d'une campagne de SEO - Search Engine Optimization - sur la visibilité d'un site web ne sont plus à démontrer. Pourtant, des démarches complémentaires peuvent y être jointes pour amplifier davantage l'écho du site auprès des internautes. L'Inbound Marketing regroupe ainsi différents outils de marketing relationnel dont la finalité est de pousser les clients à recourir de manière spontanée aux services d'une entreprise par l'intermédiaire de son site.
Sommaire du Seolius'Mag N°2
- L'efficacité grâce à l'Inbound Marketing couplé au SEO
- Introduction au Big SEO Data Didactique
- Big SEO Data Didactique dans son ensemble
- Les origines du Not Provided, la révélation
- Les solutions au Not Provided et ses lacunes
- Le TOP50 des sites de presse et leurs fakes
- Classement des sites de presse et leurs portées
- 1min30, un concept inédit en Inbound Marketing
- Les 30 bourdes d'un manager d'une boite de comm'
- Créer une véritable stratégie de contenu pertinente
Data Science : fondamentaux et études de cas - Eyrolles
Nous vivons une époque très excitante, qui ramène l'analyse de données et les méthodes quantitatives au coeur de la société. L'aboutissement de nombreux projets de recherche, la puissance de calcul informatique disponible et des données à profusion permettent aujourd'hui d'incroyables réalisations, grâce au travail des data scientists.
Un livre de référence pour les data scientists
La data science est l'art de traduire des problèmes industriels, sociaux, scientifiques, ou de toute autre nature, en problèmes de modélisation quantitative, pouvant être résolus par des algorithmes de traitement de données. Cela passe par une réflexion structurée, devant faire en sorte que se rencontrent problèmes humains, outils techniques/informatiques et méthodes statistiques/algorithmiques. Chaque projet de data science est une petite aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à une réponse formelle et précise, qui aura des conséquences réelles sur le quotidien d'un nombre plus ou moins important de personnes.
Éric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils vous feront visiter les vastes espaces de la data science moderne, de plus en plus présente dans notre société et qui fait tant parler d'elle, parfois par l'intermédiaire d'un sujet qui lui est corollaire, les big data.
Des études de cas pour devenir kaggle master
Loin des grands discours abstraits, les auteurs vous feront découvrir, claviers à la main, les pratiques de leur métier de data scientist chez OCTO Technology, l'un des leaders français du domaine. Et vous mettrez également la main à la pâte : avec juste ce qu'il faut de théorie pour comprendre ce qu'impliquent les méthodes mathématiques utilisées, mais surtout avec votre ordinateur personnel, quelques logiciels gratuits et puissants, ainsi qu'un peu de réflexion, vous allez participer activement à cette passionnante exploration !
À qui s'adresse cet ouvrage ?
Aux développeurs, statisticiens, étudiants et chefs de projets ayant à résoudre des problèmes de data science.
Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art du machine learning.
Data-driven Organization Design - Sustaining the Competitive Edge Through Organizational Analytics
Kogan Page Ltd; Édition 1 (3 octobre 2015) | ISBN: 0749474416 | Français | PDF | 368 pages | 129 MB
Data is changing the nature of competition. Making sense of it is tough. Taking advantage of it is tougher. There is a business opportunity for organizations to use data and analytics to transform business performance. Organizations are by their nature complex. They are a constantly evolving system made up of objectives, processes designed to meet those objectives, people with skills and behaviours to do the work required, and all of this organised in a governance structure. It is dynamic, fluid and constantly moving over time. Using data and analytics you can connect all the elements of the system to design an environment for people to perform; an organization which has the right people, in the right place, doing the right things, at the right time. Only when everyone performs to their potential, do organizations have a hope of getting and sustaining a competitive edge. Data-driven Organization Design provides a practical framework for HR and Organization design practitioners to build a baseline of data, set objectives, carry out fixed and dynamic process design, map competencies, and right-size the organization. It shows how to collect the right data, present it meaningfully and ask the right questions of it. Whether looking to implement a long term transformation, large redesign, or a one-off small scale project, this book will show you how to make the most of your organizational data and analytics to drive business performance.
Big Data et machine learning : Manuel du data scientist
Dunod (18 février 2015) | ISBN: 2100720740 | Français | PDF | 240 pages | 102 MB
Cet ouvrage s'adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l'entreprise, qu'ils soient data scientists, DSI, chefs de projets ou spécialistes métier.
Le Big Data s'est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel grâce à l'exploitation de leurs donnéesclients, fournisseurs, produits, processus, machines, etc.
Mais quelle solution technique choisir ? Quelles compétences métier développer au sein de la DSI ?
Ce livre est un guide pour comprendre les enjeux d'un projet Big Data, en appréhender lesconcepts sous-jacents (en particulier le machine learning) et acquérir les compétencesnécessaires à la mise en place d'un data lab.
Il combine la présentation :
-de notions théoriques (traitement statistique des données, calcul distribué.) ;
-d'outils (écosystème Hadoop, Storm.) ;
-d'exemples de machine learning ;
-d'une organisation typique d'un projet de data science.
Big Data : opportunité ou menace pour l'assurance ?
REVUE BANQUE (18 février 2016) | ISBN: 2863257277 | Français | PDF | 150 pages | 102 MB
Le Big Data désigne l’ensemble des procédures de recueil et de traitement d’informations « high volume, high velocity and high variety » que les nouvelles technologies rendent disponibles à ceux qui sauront les sélectionner et les exploiter. Le Big Data est à la fois une opportunité – que les assureurs doivent utiliser car il impacte tous les éléments de la chaîne de valeur de l’industrie d’assurance – et une révolution qui remet en cause les conditions d’exercice de tous les métiers.
Pour l’assurance, souvent prisonnière de « l’asymétrie d’information » sur le risque, mieux connu du client que de l’assureur, cette marée d’informations modifie en profondeur les métiers de prise et de gestion de risques, la tarification, l’assurabilité, mais aussi l’organisation des métiers et des entreprises. Ce sont ces impacts potentiels des nouvelles sources d’information que les auteurs souhaitent montrer dans une suite de monographies sur chacun des éléments de la chaîne de valeur de l’assurance.
Ils proposent une appréciation de la faisabilité de ces évolutions, en évaluant les effets économiques du Big Data sur les pratiques de marché, sur les coûts de la gestion des risques, sur l’organisation des entreprises et sur les architectures de systèmes d’information. Ils veulent mesurer l’ampleur du « choc » que peut être le Big Data sur le business model de l’assurance. Tout en reconnaissant l’importance théorique et l’amplitude d’une quasi-inversion de l’asymétrie d’information, ils n’en négligent pas les difficultés éthiques liées à la disponibilité très facilitée d’une masse considérable d’informations personnelles liées à la vie privée des clients. Enfin, ils alertent sur les risques de faible retour sur investissement de politiques extensives d’utilisation du Big Data, alors même que d’autres impératifs immédiats pour la gestion des entreprises s’imposent à elles (Solvency II, notamment).
Des bases pour la performance et le Big Data
En quelques années, le volume des données brassées par les entreprises a considérablement augmenté. Émanant de sources diverses (transactions, comportements, réseaux sociaux, géolocalisation...), elles sont souvent structurées autour d'un seul point d'entrée, la clé, et susceptibles de croître très rapidement. Autant de caractéristiques qui les rendent très difficiles à traiter avec des outils classiques de gestion de données. Par ailleurs, l'analyse de grands volumes de données, ce qu'on appelle le Big Data, défie également les moteurs de bases de données traditionnels.
C'est pour répondre à ces différentes problématiques que sont nées les bases de données NoSQL (Not Only SQL), sous l'impulsion de grands acteurs du Web comme Facebook ou Google, qui les avaient développées à l'origine pour leurs besoins propres. Grâce à leur flexibilité et leur souplesse, ces bases non relationnelles permettent en effet de gérer de gros volumes de données hétérogènes sur un ensemble de serveurs de stockage distribués, avec une capacité de montée en charge très élevée. Elles peuvent aussi fournir des accès de paires clé-valeur en mémoire avec une très grande célérité. Réservées jusqu'à peu à une minorité, elles tendent aujourd'hui à se poser en complément du modèle relationnel qui dominait le marché depuis plus de 30 ans.