Big Data & analyse de données : révolution ou évolution ?
Michel Bruley
Certes, la mise à disposition rapide d’un grand volume de données variées de qualité … est de nature à profondément améliorer les analyses de données en général et les études quantitatives en particulier. Cependant, nous avons affaire, plus à une évolution qu’à une révolution, car l’approche Big Data ne transforme pas radicalement la façon de faire des analyses de données et la plupart des savoir-faire antérieurs restent nécessaires.
Ci-dessous quelques-uns de mes articles pour aller plus loin sur ce sujet :
Big Data, la fin des analyses qualitatives ?
Pour aller des Big Data aux solutions, il faut savoir identifier les problèmes
De l’analyse à l’action : 50 nuances à prendre en compte
Seul l'apprentissage automatique permettra à de nombreuses entreprises de valoriser leurs Big Data
De la difficulté, des échecs et de l’importance des projets Big Data / Intelligence Artificielle
Big Data : à propos des études bidon qui rapportent gros notamment en pharmacie
> A LIRE EN CE MOMENT SUR DECIDEO
-
MongoDB for Startups s'élargit pour offrir aux fondateurs un démarrage plus rapide et plus intelligent dès le lancement
-
Une étude Riverbed révèle que les entreprises du secteur industriel ont doublé leurs investissements dans l'IA, mais que seulement 37 % d'entre elles sont pleinement préparées sa mise en œuvre
-
L’écart d’exécution de l’IA : pourquoi la majorité des entreprises peinent encore à produire des résultats
-
Compliance : Altares lance la première IA dédiée au traitement des faux positifs
-
Impossible de stopper le shadow AI : voici comment en faire une force
-
Seules 7 % des entreprises considèrent que leurs données sont entièrement prêtes pour l’IA, selon une nouvelle enquête menée par Cloudera et Harvard Business Review Analytic Services
-
Denodo Platform 9.4 accélère la transition vers une IA agentique opérationnelle et performante
-
Sauvegarder, c’est gouverner : la donnée au cœur de la résilience numérique
-
La moitié des entreprises françaises s’efforcent de développer des capacités IA agentiques fiables, mais le talent, le coût et la réglementation/l’éthique restent des obstacles
-
Pourquoi ne devrait-on plus avoir peur de l’optimisation mathématique ?