Guide de la transition digitale en entreprise
Une quatrième révolution industrielle : l’expression employée pour qualifier la transition digitale parle d’elle-même.
En savoir plusCatégories
Types de contenu
Talend Products
Qu’est-ce qu’un data steward ?
Petite ou grande entreprise, vous savez combien il est facile d’accumuler des data et de se laisser déborder.
En savoir plus
Tout savoir sur l’intelligence des données
Identifier les informations pertinentes de la masse de données pour en extraire de la valeur : voilà le challenge auquel sont confrontées les entreprises actuellement. Selon l’ancienne CEO de Hewlett-Packard Carly Fiorina, “le but, c’est de transformer les données en informations et les informations en idées.” Une tâche simple en théorie.
En savoir plus
Cycle de vie des données : Définition et étapes
Découvrez les principales étapes du cycle de vie des données. De la collecte à la suppression des datas voici tout ce que vous devez savoir sur le DLM.
En savoir plus
Tout savoir sur l’ingestion des données à l’ère du Big Data
Aujourd’hui, les données, et notamment le Big Data, font partie du quotidien de toute organisation. Elles servent à des fins d’analyse, d’étude et sont désormais au cœur du processus décisionnel. Concrètement, elles aident les entreprises à prédire et anticiper les tendances de marché, mieux comprendre les besoins des consommateurs, optimiser leurs plans d’action marketing ou encore améliorer le fonctionnement organisationnel.
En savoir plus
Tout savoir sur l’analyse prédictive et ses applications stratégiques
Optimisez votre processus décisionnel via des modèles et patterns grâce à la logique prédictive, combinaison gagnante entre Big Data, Machine Learning et IA.
En savoir plus
Quelle est la différence entre le data mining et le machine learning ?
Le machine learning et le data mining aident les organisations à prendre le virage de la Business Intelligence en permettant une prise de décision éclairée et objective, pilotée par la data.
En savoir plus
Qu’est-ce que l’analyse prescriptive et à quoi sert-elle ?
L’analyse prescriptive est un modèle analytique étroitement liée à l’informatique décisionnelle ou Business Intelligence, aux Big Data ainsi qu’à l’intelligence artificielle. Mais qu’est-ce que l’analyse prescriptive ? A quoi sert-elle exactement ? Et comment peut-elle être mise en place dans une organisation ?
En savoir plus
Les enjeux de la traçabilité à l’ère du Big Data
Utilisez le data lineage pour assurer la traçabilité de vos données dans un environnement Big Data et les utiliser au mieux dans votre organisation.
En savoir plus
Comment gérer au mieux la traçabilité de ses données ?
Découvrez les bonnes pratiques et les enjeux d’un management optimal de la traçabilité de vos données en entreprise afin d’optimiser votre processus décisionnel.
En savoir plus
Mettre en place la gouvernance des données grâce au Big Data
Disponibilité des données, sécurité, intégrité… L’explosion du volume des données a confronté les entreprises à de nouveaux challenges. Les informations ont atteint aujourd’hui un tel niveau qu’on ne parle plus simplement de gouvernance des données, mais de gouvernance Big Data. Alors, qu’est-ce que la gouvernance Big Data ? Et comment peut-elle maximiser les résultats business de votre entreprise ?
En savoir plus
Quelles différences entre le Big Data et la Business Intelligence ?
Bon nombre d’entreprises s’aident de la data pour automatiser leurs procédures et maximiser leur performance. L’enjeu : recueillir la donnée et surtout, la délivrer sous la bonne forme, à la bonne personne et au bon moment. La Business Intelligence, ou informatique décisionnelle, correspond à un ensemble d’outils et de procédés permettant de capturer et valoriser les données afin de les mettre à disposition d’une organisation.
En savoir plus
Explication du concept des 5 V du Big Data
Le Big Data fait désormais partie du quotidien de toutes les entreprises. Il est essentiel de maîtriser les principes et caractéristiques clés du Big Data. Ces principes sont traduits en un concept communément appelé « les 5 V du Big Data ».
En savoir plus
Qu’est-ce qu’une data fabric ?
Comme pour tout nouveau terme technologique, vous vous demandez peut-être : « qu’est-ce qu’une data fabric ? » et « pourquoi en ai-je besoin ? »
En savoir plus
Qu’est-ce qu’un silo de données ?
En savoir plus sur les silos de données, et comment ils peuvent avoir un impact négatif sur votre entreprise.
En savoir plus
Tout comprendre des données structurées et non structurées
Les différences entre les données structurées et non structurées peuvent se résumer à leur format, stockage, type, schéma et à l’utilisateur auquel elles sont destinées.
En savoir plus
Quels sont les points de différence entre les Microservices et les SOA ?
Renseignez-vous sur les différences entre les deux afin de pouvoir déterminer ce qui convient le mieux à votre entreprise.
En savoir plus
Liste et explication des 16 techniques de forage de données
Découvrez les 16 techniques d’exploration de données, transformez les données brutes en insights exploitables et maximisez vos investissements.
En savoir plus
Différences entre le Big Data et le forage de données
Apparu à la fin des années 90, le terme Big Data a été créé en réponse à la croissance exponentielle des volumes de données de notre société. Un nom de plus en plus populaire, à tel point qu’il a tendance aujourd’hui à être confondu avec d’autres concepts, notamment celui du data mining. Big Data vs data mining, comment les différencier ?
En savoir plus
Savoir utiliser l’IA et le Big Data pour maximiser ses performances
De la logistique à la comptabilité, en passant par les ressources humaines, l’IA trouve sa place au cœur de tous les services. Alors, quels en sont les avantages, mais aussi les limites ? Quels enjeux business découlent de l’association du Big Data et de l’intelligence artificielle ?
En savoir plus
Quel lien entre Big Data et Machine Learning ?
Le Big Data fait désormais partie du quotidien des grand groupes pour optimiser leur efficacité opérationnelle et notamment commerciale.
En savoir plus
Tout savoir sur l’analyse des Big Data
Les ensembles de données volumineux, plus communément appelés Big Data, nécessitent un système analytique particulier pour être traitées, interprétées et utilisées dans une organisation. En effet, l’analyse de volumes de données massifs ne peut se faire en utilisant le processus traditionnel de gestion et traitement des données « classiques ». La mise en place d’un système Big Data Analytics est donc indispensable pour pouvoir tirer profits de tous les avantages de ces ensembles volumineux de datas et de cette mine d’or d’informations.
En savoir plus
Qu’est-ce qu’une architecture Big Data et pourquoi en avez-vous besoin ?
Le Big Data oblige les entreprises à adapter leurs systèmes existants pour pouvoir effectuer l’ingestion, le traitement, et l’analyse de données volumineuses. Et pour utiliser et gérer le Big Data dans son organisation, il est essentiel de penser à adapter la structure de son écosystème informatique destiné à manager, traiter et stocker ces données massives.
En savoir plus
Tout savoir sur l’exploration de données, ses avantages et sa mise en place
Le data mining n’est pas née lors de l’ère numérique. Ce concept existe depuis plus d’un siècle mais il est devenu réellement connu dans les années 1980. Depuis, un long chemin a été parcouru. Les entreprises utilisent désormais le data mining et le machine learning pour accomplir de nombreuses tâches, de l’amélioration du processus de vente à l’interprétation des données financières pour l’investissement.
En savoir plus
Différences entre lac de données et entrepôt de données
Les termes « data lake » et « data warehouse » sont utilisés très couramment pour parler du stockage des big data, mais ils ne sont pas interchangeables (et noter qu’il n’est pas d’usage de rendre ces termes par un équivalent français). Un data lake est un vaste gisement (pool) de données brutes dont le but n’a pas été précisé. Un data warehouse est un référentiel de données structurées et filtrées qui ont déjà été transformées dans un but spécifique.
En savoir plus