Datavisualisation

Qu'est-ce qu'une donnée ?

• Données structurées et données non-structurées
• Définition de la notion de Data Visualisation

Les Big Data : définitions

• Datawarehouse, Opendata, Cloud Computing, Data Center, Data Mining, etc.
• Les 5 V des Big Data (Volume, Vitesse, Variété, Valeur, Véracité).
• Les premiers enjeux du Big Data.

Où trouver les données ?

• Comment extraire de l'information des données brutes ?
• Préparation des données
• Corrections des données
• Extraction de l'information
• Evaluation de l'information
• Notions de stockage, de protection et de sauvegarde des données

Introduction à la visualisation en temps-réel

• Où trouver les outils de visualisation (logiciels payants ou en open source) ?
• Notion d'indicateur
• Importance du choix de l'indicateur
• Contre-exemples

Les indicateurs

• Indicateur uni-dimensionnel : mode, moyenne, médiane, écart-type, intervalle interquartile, moment centré d'ordre 4, Skewnes, Kurtosis, coefficient de variations
• Choix de la visualisation : boîte à moustache, bâtons, secteurs, histogrammes, diagrammes étoiles, cartographique
• Indicateur bi-dimensionnel : corrélation, Chi 2, coefficient d'association, copules, etc.).
• Choix de la visualisation : diagrammes de dispersion, droite de régression, Analyse Factorielle des Correspondances, etc.
• Indicateur spatial (corrélogrammes, semi-variogrammes), indicateur dynamique (semi-variogrammes temporels), indicateur spatial-dynamique.
• Choix des visualisations  : cartes issues du Krigeage, etc.
• Synthèse des différents types de visualisation et des choix possibles.

Cas pratique 1 : Données structurées en petit nombre

Cas pratique 2 : Données non structurées en petit nombre

Cas pratique 3 : Données provenant des Big Data (notamment question de la visualisation en temps-réel)