fbpx
i

Class aptent taciti sociosqu
ad litorato rquent per conubia nostra

icone-cours-time-80

4h

icone-cours-level-intermediaire-80

niveau
intermédiaire

puis 25€ /mois

icone-cours-time-80

4h

icone-cours-level-intermediaire-80

niveau
intermédiaire

puis 25€ /mois

icone-cours-time-80

4h

icone-cours-level-intermediaire-80

niveau
intermédiaire

puis 25€ /mois

Quels sont les techniques et les moyens possibles pour interroger son gisement ?

Comment peut-on visualiser ses informations ? Quels outils permettent de mettre en valeur ses données, tout en permettant d'avoir une forte interaction ?

Quelles sont les différences avec la BI 'traditionnelle' ?

 

C'est ce que nous allons voir dans ce module.

Part #1 - Introduction aux techniques d’analyse

Aller au-delà d’une simple mise en page des données !
L’analyse de données va permettre par exemple de mettre en évidence une situation que l’on avait imaginée, mais dont on n’est pas sûr, ou bien de faire surgir une ou plusieurs informations dont on avait peu ou pas connaissance.

Dans la continuité de cette action, la Data Visualisation (ou DataViz) va mettre en exergue ces informations, à travers les KPI, mais aussi les dimensions.

Part #2 - Objectifs et ambitions

La DataVisualisation (ou Dataviz) va permettre une mise en valeur de ses données amenant à la prise de décision.
Cet acte peut se découper en plusieurs étapes-clés :

  • Préparation de ses données (ou DataCleansing).
    Cette étape consiste à définir les informations à présenter :

    • Des dimensions ou axes d’analyse. Ceux-ci sont les points d’entrée lors d’un reporting. Ils seront également utilisés pour filtrer tout type de restitution, comme un tableau, matrice, tableau croisé, graphique, etc.
    • Des KPI. Il s’agit là d’indicateurs-clés, correspondant à des mesures utilisées par les acteurs métiers.
      Sous forme numérique, on peut effectuer des calculs dessus (somme, moyenne, min, max, etc.).
    • Des agrégats. Il sont issus des calculs d’indicateurs. En croisant des KPI et des dimensions géographiques, temporelles ou organisationnelles, les agrégats permettent de retrouver une information, à partir de données brutes.
      Exemple : Nbre de pannes par mois, Nombre de clients par département, Chiffre d’Affaires mensuel par magasin, etc.

=> Pour obtenir ce travail préparatoire à la restitution, notons l’importance des tâches en amont. Celles-ci comprenant l’alimentation, la modélisation, le stockage des données.

Part #3 - Similitudes et écarts avec la BI

On trouve de nombreuses similitudes avec la BI.
Voici les points communs et différences principales.

  1. Similitudes :

    Tous les points vus précédemment peuvent être cités à la fois en Bi ‘classique’ et en BigData, à savoir :

    • Préparer la donnée.
      Même si en BI elle est encore d’avantage fait en amont, il est évidemment pertinent de préparer au mieux sa donnée BigData.
    • Mise en évidence de la qualité des données au sein de l’entreprise.
    • Permet une correction des process métier
    • Faire un état des lieux de l’activité
    • Mettre à disposition du métier, et s’affranchir ainsi de l’IT pour une consultation de ses informations.
    • Interagir avec ses données.
      En mettant en place le Drill/Down, qui permet de naviguer d’un niveau à un autre.
      Par exemple, passer d’une année, à un trimestre, puis à un mois, etc.
    • Décider, piloter, acter
    • Suivre l’évolution concrète de ses actions. En constatant l’évolution des indicateurs mis en place.

Certificat de réussite