{"id":2759,"date":"2018-09-23T16:48:58","date_gmt":"2018-09-23T14:48:58","guid":{"rendered":"http:\/\/content-performance-marketing.com\/?p=2759"},"modified":"2018-09-23T16:48:58","modified_gmt":"2018-09-23T14:48:58","slug":"lexique-big-data-megadonnes-analytiques","status":"publish","type":"post","link":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques","title":{"rendered":"Lexique Big Data"},"content":{"rendered":"<h4>L\u2019<a href=\"https:\/\/actualiteinformatique.fr\/intelligence-artificielle\/qu-est-ce-que-intelligence-artificielle-ia\"><strong>Intelligence Artificielle<\/strong><\/a> et le <a href=\"https:\/\/actualiteinformatique.fr\/data\/definition-big-data\"><strong>Big Data<\/strong><\/a> ont conduit \u00e0 l\u2019\u00e9mergence de nombreux termes techniques que nous avons list\u00e9s dans un lexique big data.<\/h4>\n<p>Aujourd&rsquo;hui, la ma\u00eetrise de ce vocabulaire est essentielle pour une premi\u00e8re approche dans le domaine du marketing et de l\u2019e-commerce. Cependant, il peut s&rsquo;av\u00e9rer difficile de commencer quand on sait qu&rsquo;il y a tout un jargon \u00e0 apprendre ! Pour vous aider \u00e0 y voir plus clair, nous vous proposons de d\u00e9couvrir les termes incontournables de ce march\u00e9 \u00e0 travers notre lexique Big Data.<\/p>\n<h2><b>Algorithme<\/b><\/h2>\n<p>Un algorithme est une formule math\u00e9matique destin\u00e9e \u00e0 effectuer des analyses de donn\u00e9es ou \u00e0 cr\u00e9er un programme de calculs. Chaque suite d\u2019op\u00e9rations est \u00e9dit\u00e9e dans un langage donn\u00e9 (les plus connus : C, C++, Python ou encore R). En outre, il existe un certain nombre de r\u00e8gles bien d\u00e9fini\u00e9es \u00e0 suivre pour mener \u00e0 bien le traitement des donn\u00e9es et la d\u00e9tection de mod\u00e8les.<\/p>\n<p>D&rsquo;ailleurs, l\u2019algorithme figure parmi les concepts courants dans la sph\u00e8re de l\u2019intelligence artificielle. Il est consid\u00e9r\u00e9 comme le cerveau de la plateforme Big Data, et par cons\u00e9quent, est indispensable dans la cr\u00e9ation d\u2019un programme.<\/p>\n<h2><b>Analyse<\/b><\/h2>\n<p>C&rsquo;est le processus d\u2019interpr\u00e9tation et de structuration disponible sur une plateforme analytique. En somme, c&rsquo;est l&rsquo;analyse qui permet de prendre des d\u00e9cisions marketing r\u00e9fl\u00e9chies.<\/p>\n<p>Il en existe 3 cat\u00e9gories :<\/p>\n<ul>\n<li><b>L\u2019analyse descriptive<\/b> est une description objective et une d\u00e9composition des donn\u00e9es brutes. L&rsquo;objectif est d&rsquo;identifier les informations exploitables pour enrichir la base de donn\u00e9es de l\u2019entreprise.<\/li>\n<li><b>L\u2019analyse pr\u00e9dictive<\/b>\u00a0consiste \u00e0 \u00e9valuer les probabilit\u00e9s de r\u00e9ussite d\u2019un \u00e9v\u00e9nement et les tendances d\u2019une situation. Elle se base sur des donn\u00e9es statistiques et des mod\u00e9lisations pour pr\u00e9voir les diff\u00e9rents sc\u00e9narios \u00e0 venir.<\/li>\n<li><b>L\u2019analyse prescriptive<\/b>\u00a0aide \u00e0 trouver les solutions \u00e0 adopter. Par ailleurs, elle \u00e9value les impacts qu\u2019engendrerait une d\u00e9cision sur le d\u00e9veloppement de la soci\u00e9t\u00e9.<\/li>\n<\/ul>\n<p><img fetchpriority=\"high\" decoding=\"async\" class=\"aligncenter size-full wp-image-13393\" src=\"https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_1-1.png\" alt=\"Lexique Big Data : 210 milliards de dollards. C'est l'estimation du march\u00e9 du big data envisag\u00e9s \u00e0 l'\u00e9chelle mondiale en 2020.\" width=\"1200\" height=\"628\" srcset=\"https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_1-1.png 1200w, https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_1-1-300x157.png 300w, https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_1-1-1024x536.png 1024w, https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_1-1-768x402.png 768w\" sizes=\"(max-width: 1200px) 100vw, 1200px\" \/><\/p>\n<h2><b>Batch<\/b><\/h2>\n<p>Le batch processing\u00a0 &#8211; ou traitement par lots &#8211; est un syst\u00e8me qui permet de g\u00e9rer un grand volume de donn\u00e9es dans une plateforme Big Data. A l\u2019inverse du streaming qui ex\u00e9cute les op\u00e9rations de mani\u00e8re instantan\u00e9,il faut un d\u00e9clencheur pour activer le batch. Il peut s&rsquo;agir d&rsquo;un horaire ou d&rsquo;une condition (nombre de giga-octets, de lignes ou toutes autres instructions). En g\u00e9n\u00e9ral, l&rsquo;ex\u00e9cution se fait selon un calendrier horaire.<\/p>\n<p>Cinq crit\u00e8res d\u00e9finissent la qualit\u00e9 et la valeur des informations recueillies. On les appelle les 5 V :<\/p>\n<ul>\n<li>Le volume<\/li>\n<li>La v\u00e9locit\u00e9<\/li>\n<li>La vari\u00e9t\u00e9<\/li>\n<li>La variabilit\u00e9<\/li>\n<li>La v\u00e9racit\u00e9<\/li>\n<\/ul>\n<h2><b>Smart data<\/b><\/h2>\n<p>La smart data (ou \u00ab\u00a0donn\u00e9e intelligente\u00a0\u00bb) d\u00e9signe les donn\u00e9es pertinentes \u00e0 haute valeur ajout\u00e9e qui sont issues des op\u00e9rations de tri des donn\u00e9es \u00e9manant du Big Data. Il est g\u00e9n\u00e9ralement pr\u00e9f\u00e9rable de se concentrer sur ces donn\u00e9es pour \u00e9viter le gaspillage des ressources humaines, techniques et financi\u00e8res.<\/p>\n<p>C&rsquo;est la raison pour laquelle les entreprises doivent les prioriser : elles sont utilisables imm\u00e9diatement et \u00e9vitent de perdre du temps.<\/p>\n<h2><b>Cassandra\u00a0<\/b><\/h2>\n<p>Il s&rsquo;agit d&rsquo;un syst\u00e8me de gestion de base de donn\u00e9es (SGBD) NoSQL destin\u00e9 au traitement de donn\u00e9es volumineuses stock\u00e9es sur des serveurs dispers\u00e9s. Ce framework est propos\u00e9 en open source et figure dans le top 10 des plus utilis\u00e9s dans le secteur du deep learning. Il fonctionne avec le langage CQL (Cassandra Query Language).<\/p>\n<h2><b>Cloud<\/b><\/h2>\n<p>Le cloud computing ou l\u2019informatique en nuage est un type d\u2019organisation souple con\u00e7ue pour pouvoir acc\u00e9der \u00e0 distance aux donn\u00e9es partag\u00e9es d\u2019un serveur.<\/p>\n<p>Les entreprises y ont recours pour simplifier leurs \u00e9changes entre les collaborateurs ou les clients.<\/p>\n<p>Le Cloud se d\u00e9cline de trois mani\u00e8res :<\/p>\n<ul>\n<li><strong><a href=\"https:\/\/actualiteinformatique.fr\/cloud\/definition-cloud-prive\">Le Cloud priv\u00e9 <\/a> ou Cloud d\u2019entreprise<\/strong>. C&rsquo;est un mode d\u2019h\u00e9bergement sur-mesure, accessible par un r\u00e9seau priv\u00e9 et dont les informations sont r\u00e9serv\u00e9es \u00e0 un public restreint.<\/li>\n<\/ul>\n<p>Puisque les donn\u00e9es stock\u00e9es sont plus ou moins confidentielles, ce syst\u00e8me est devenu tr\u00e8s pris\u00e9 dans la structure interne d\u2019une entreprise. Qui plus est, il constitue une solution fiable et s\u00e9curis\u00e9e gr\u00e2ce \u00e0 des certifications ISO renouvelables. G\u00e9n\u00e9ralement chaque ann\u00e9e, en fonction de la dur\u00e9e du contrat sign\u00e9 avec le fournisseur.<\/p>\n<ul>\n<li><strong><a href=\"https:\/\/actualiteinformatique.fr\/cloud\/definition-cloud-public\">Le Cloud public<\/a> ou mutualis\u00e9. <\/strong>\u00a0Il s&rsquo;agit du mode d\u2019h\u00e9bergement standard, accessible par internet.<\/li>\n<\/ul>\n<p>Pour ce type de cloud, les informations sont stock\u00e9es \u00e0 distance et r\u00e9parties entre plusieurs serveurs. Cela explique pourquoi, il est possible d\u2019y stocker un volume cons\u00e9quent de donn\u00e9es. Le service est rapide mais sa personnalisation et quasiment impossible. Cependant, le fournisseur met l\u2019infrastructure \u00e0 la disposition de plusieurs clients, ce qui peut augmenter les risques li\u00e9s \u00e0 la s\u00e9curit\u00e9.<\/p>\n<ul>\n<li><strong><a href=\"https:\/\/actualiteinformatique.fr\/cloud\/definition-cloud-hybride\">Le Cloud Hybride<\/a><\/strong> est le m\u00e9lange de Cloud Priv\u00e9 et Public. Il permet \u00e0 l\u2019entreprise de s\u00e9curiser ses donn\u00e9es importantes en laissant un acc\u00e8s libre aux informations moins critiques. Dans ce cas, la soci\u00e9t\u00e9 utilise plusieurs syst\u00e8mes de clouds.<\/li>\n<\/ul>\n<p><img decoding=\"async\" class=\"aligncenter wp-image-13397 size-full\" src=\"https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_3-1.png\" alt=\"Lexique Big Data : Les solutions de Big Data et d'Analytiques repr\u00e9senteront 44% du march\u00e9 du cloud d'ici 2022 selon les estimations d'IDC (2019). \" width=\"1200\" height=\"628\" srcset=\"https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_3-1.png 1200w, https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_3-1-300x157.png 300w, https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_3-1-1024x536.png 1024w, https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_3-1-768x402.png 768w\" sizes=\"(max-width: 1200px) 100vw, 1200px\" \/><\/p>\n<h2><a href=\"https:\/\/actualiteinformatique.fr\/data\/definition-metier-data-steward\"><b>Data Steward<\/b><\/a><\/h2>\n<p>Le Data Steward est la personne charg\u00e9e de l\u2019organisation et de la collecte de donn\u00e9es int\u00e9ressantes. Il est souvent consid\u00e9r\u00e9 comme le gardien et le responsable de ces informations. La coordination de ces derni\u00e8res devra donner de la valeur ajout\u00e9e aux processus de collecte et aboutir \u00e0 une strat\u00e9gie de d\u00e9veloppement op\u00e9rationnelle.<\/p>\n<h2><a href=\"https:\/\/actualiteinformatique.fr\/data\/definition-metier-data-protection-officer\"><b>Data Privacy Officer (DPO)<\/b><\/a><\/h2>\n<p>Le Data Privacy Officer (DPO) se charge de v\u00e9rifier la conformit\u00e9 des informations collect\u00e9es vis-\u00e0-vis de la loi.<\/p>\n<p>Aussi appel\u00e9 D\u00e9l\u00e9gu\u00e9 \u00e0 la Protection des Donn\u00e9es en Fran\u00e7ais, ce m\u00e9tier est devenu indispensable pour les soci\u00e9t\u00e9s manipulant un grand nombre de donn\u00e9es, et cela d\u00fb au R\u00e8glement Europ\u00e9en sur la Protection des Donn\u00e9es (RGPD) entr\u00e9 en vigueur en 2018.<\/p>\n<p>Son r\u00f4le est donc de conseiller et d&rsquo;informer les salari\u00e9s sur les r\u00e9glementations et les lois sur la protection de la vie priv\u00e9e, s&rsquo;assurer de la conformit\u00e9 de l&rsquo;entreprise par rapport \u00e0 celles-ci, mais aussi g\u00e9rer les processus de donn\u00e9es internes et leur bonne ex\u00e9cution.<\/p>\n<h2><b>Data lake (lac de donn\u00e9es)<\/b><\/h2>\n<p>Le lac de donn\u00e9es est la source dans laquelle l\u2019entreprise puise les informations pertinentes qui peuvent lui \u00eatre utiles. Ces donn\u00e9es, structur\u00e9es ou non, proviennent de tous les partenaires de la soci\u00e9t\u00e9. Elles sont stock\u00e9es sur syst\u00e8me de fichier distribu\u00e9 HDFS et sont uniquement accessibles aux entit\u00e9s qui les ont fournies. Les informations y sont pr\u00e9sent\u00e9es sous tous les formats et sont g\u00e9n\u00e9ralement publi\u00e9es brutes ou peu trait\u00e9es.<\/p>\n<h2><b>Data Mining<\/b><\/h2>\n<p>Le data mining est le processus permettant de faciliter l\u2019extraction des donn\u00e9es mais aussi leur analyse. Le but est de d\u00e9terminer les probabilit\u00e9s de r\u00e9ussite d\u2019une strat\u00e9gie. Les Data Miners utilisent des programmes d\u2019exploitations de donn\u00e9es fonctionnant avec des m\u00e9thodes automatiques ou semi-automatiques pour garantir la qualit\u00e9 des r\u00e9sultats.<\/p>\n<p>Les domaines d&rsquo;application du data mining sont nombreux, que ce soit dans le Marketing ou les Ventes par exemple, mais aussi sur certaines verticales comme le Retail, la Sant\u00e9, ou encore les T\u00e9l\u00e9coms&#8230;<\/p>\n<h2><b>Data Miner<\/b><\/h2>\n<p>Le Data Miner ou Data Scientist est un statisticien charg\u00e9 de l\u2019analyse des donn\u00e9es, qui \u00e9manent du data mining. Son but est d\u2019optimiser ces donn\u00e9es au maximum.<\/p>\n<p>L\u2019analyse pertinente de ces informations garantit une progression constructive de la soci\u00e9t\u00e9 sur le long terme. Le Data Miner doit, de ce fait, comprendre les enjeux du Big Data et faire preuve d\u2019une grande m\u00e9ticulosit\u00e9.<\/p>\n<h2><b>Data Engineer<\/b><\/h2>\n<p>Le Data Engineer travaille en \u00e9troite collaboration avec le Data Scientist. Si ce dernier est charg\u00e9 de l\u2019\u00e9tude les donn\u00e9es, le data engineer, quant \u00e0 lui, fait en sorte que les informations arrivent de mani\u00e8re fluide aupr\u00e8s de ceux qui doivent les traiter. Son planning est donc compos\u00e9 de d\u00e9veloppement d\u2019applications, de semi-analyse des donn\u00e9es et de r\u00e9solution d\u2019\u00e9ventuel bug.<\/p>\n<h2><b>Data Warehouse<\/b><\/h2>\n<p>Consid\u00e9r\u00e9 comme un entrep\u00f4t de donn\u00e9es, le data warehouse est une concentration de serveurs destin\u00e9s \u00e0 stocker les informations plus ou moins confidentielles qui peuvent influencer les d\u00e9cisions des dirigeants. Pour \u00eatre efficaces, elles sont r\u00e9guli\u00e8rement mises \u00e0 jour et bien structur\u00e9es de mani\u00e8re \u00e0 simplifier leur manipulation. En r\u00e9sum\u00e9, les donn\u00e9es sont extraites, puis \u00e9pur\u00e9es ou transform\u00e9es, cod\u00e9es et synchronis\u00e9es.<\/p>\n<p>Enfin, le data warehouse peut \u00eatre interne, externe ou partag\u00e9 avec un acc\u00e8s prot\u00e9g\u00e9.<\/p>\n<h2><b>Deep Learning<\/b><\/h2>\n<p>Le deep learning, \u00e9galement appel\u00e9 \u00ab\u00a0apprentissage profond\u00a0\u00bb en Fran\u00e7ais, est un sous-domaine du machine learning, lui-m\u00eame un sous-domaine de l&rsquo;intelligence artificielle.<\/p>\n<p>Inspir\u00e9 du syst\u00e8me neuronal humain, le deep learning est lui-m\u00eame bas\u00e9 sur un syst\u00e8me de couches de neurones artificiels. Ce syst\u00e8me est aujourd\u2019hui tr\u00e8s r\u00e9pandu pour r\u00e9pondre aux probl\u00e9matiques de reconnaissances faciales, la traduction automatique, la reconnaissance automatique d\u2019images, l&rsquo;am\u00e9lioration des agents conversationnels, l&rsquo;identification de pi\u00e8ces d\u00e9fectueuses, et tant d&rsquo;autres encore&#8230; Et oui, les cas d&rsquo;application ne manquent pas !<\/p>\n<p>C\u00f4t\u00e9 s\u00e9curit\u00e9 \u00e9galement, le deep learning joue un r\u00f4le important. En effet, c&rsquo;est bel et bien cette technologie qu&rsquo;on utilise pour prot\u00e9ger les donn\u00e9es stock\u00e9es dans nos ordinateurs et smartphones.<\/p>\n<h2><b>Donn\u00e9es structur\u00e9es<\/b><\/h2>\n<p>Il s\u2019agit de lots d\u2019informations d\u00e9taill\u00e9es avec tous les \u00e9l\u00e9ments n\u00e9cessaires pour faciliter la lecture comme les titres, les sous-titres et les diff\u00e9rents balisages. Afin de les rendre plus compr\u00e9hensibles, il est possible d&rsquo;accompagner ces donn\u00e9es avec des images.<\/p>\n<p>Ici, le r\u00f4le du Data Scientist est primordial car, une de ses missions principales est d&rsquo;assurer la structuration de ces donn\u00e9es ! Et qui dit \u00ab\u00a0donn\u00e9es structur\u00e9es\u00a0\u00bb dit aussi prise de d\u00e9cision facilit\u00e9e.<\/p>\n<h2><b>Donn\u00e9es non structur\u00e9es<\/b><\/h2>\n<p>Les donn\u00e9s non structur\u00e9es sont un ensemble de donn\u00e9es brutes, sans formats pr\u00e9d\u00e9finis. Elles ne sont pas encore r\u00e9pertori\u00e9es dans les structures de stockages des entreprises. Il peut s&rsquo;agir d&rsquo;une part de donn\u00e9es textuelles (emails, documents textes, messages de logiciels instantat\u00e9s&#8230;) et d&rsquo;autres part d&rsquo;\u00e9l\u00e9ments multim\u00e9dias (fichiers audios, vid\u00e9os, images JPG, etc.).<\/p>\n<p>Ainsi, ces donn\u00e9es non structur\u00e9es peuvent s&rsquo;av\u00e9rer tr\u00e8s utiles, notamment pour toutes les activit\u00e9s de marketing relationnel et gestion de la relation client. En effet, elles permettent d&rsquo;analyser les interactions avec les clients et par la suite d&rsquo;am\u00e9liorer vos processus.<\/p>\n<h2><b>ETL (Extraction, Transform, Load)<\/b><\/h2>\n<p>Egalement connu sous l\u2019appellation de data pumping, l\u2019ETL est l\u2019outil qui assure la synchronisation des donn\u00e9es d\u2019une base \u00e0 une autre, de mani\u00e8re rapide et efficace. De plus, il fonctionne quel que soit le volume d&rsquo;informations.<\/p>\n<p>En plus du processus d\u2019extraction, cette solution Big Data permet d\u2019enrichir les donn\u00e9es et de nettoyer toutes celles dont l\u2019entreprise n\u2019a pas besoin.<\/p>\n<h2><b>Hadoop<\/b><\/h2>\n<p>Le hadoop est un ensemble de frameworks open source Java, d\u00e9di\u00e9 \u00e0 la cr\u00e9ation d\u2019applications Big Data. Ainsi, les applications d\u00e9velopp\u00e9es sont s\u00e9cables et distribu\u00e9es de mani\u00e8re \u00e0 faciliter leurs imbrications sur d\u2019autres frameworks. De par son concept, le hadoop est devenu incontournable dans le secteur du Machine Learning.<\/p>\n<h2><b>Hadoop Cluster<\/b><\/h2>\n<p>Le Hadoop Cluster est une partie int\u00e9grante de Hadoop et est m\u00eame consid\u00e9r\u00e9 comme son c\u0153ur. Il permet le stockage et l\u2019analyse rapide d\u2019un grand volume d\u2019informations. Qualitatif et efficace, ce syst\u00e8me open source peut aussi \u00eatre utilis\u00e9 dans les serveurs d\u2019entr\u00e9es de gammes, ce qui en fait un avantage certain pour les entreprises. Par ailleurs, les d\u00e9veloppeurs ont \u00e9galement recours \u00e0 ce syst\u00e8me pour booster la capacit\u00e9 de leur logiciel de traitement de donn\u00e9es classiques. D&rsquo;ailleurs, cet outil est particuli\u00e8rement pris\u00e9 des grands moteurs de recherches.<\/p>\n<h2><b>HDFS (Hadoop Distributed File System)<\/b><\/h2>\n<p>Le HDFS (Hadoop Distributed File System) est un outil de gestion open source qui assure la distribution des fichiers et garantit leur accessibilit\u00e9 ainsi que leur protection. Le syst\u00e8me est efficace, quelle que soit la qualit\u00e9 et les exigences du serveur. De cette mani\u00e8re, le HDFS\u00a0 assure aussi le bon fonctionnement des logiciels et applications d\u2019analyses.<\/p>\n<p><img decoding=\"async\" class=\"aligncenter size-full wp-image-13395\" src=\"https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_2-1.png\" alt=\"Lexique Big Data : Les solutions de Big Data et d'Analytiques repr\u00e9senteront 44% du march\u00e9 du cloud d'ici 2022 selon les estimations d'IDC (2019). \" width=\"1200\" height=\"628\" srcset=\"https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_2-1.png 1200w, https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_2-1-300x157.png 300w, https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_2-1-1024x536.png 1024w, https:\/\/oonay.com\/wp-content\/uploads\/2018\/09\/Lexique-Big-Data_2-1-768x402.png 768w\" sizes=\"(max-width: 1200px) 100vw, 1200px\" \/><\/p>\n<section class=\"elementor-element elementor-element-31f125d9 elementor-section-boxed elementor-section-height-default elementor-section-height-default elementor-section elementor-top-section\" data-id=\"31f125d9\" data-element_type=\"section\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;}\">\n<div class=\"elementor-container elementor-column-gap-default\">\n<div class=\"elementor-row\">\n<div class=\"elementor-element elementor-element-1d00ffd0 elementor-column elementor-col-50 elementor-top-column\" data-id=\"1d00ffd0\" data-element_type=\"column\">\n<div class=\"elementor-column-wrap  elementor-element-populated\">\n<div class=\"elementor-widget-wrap\">\n<div class=\"elementor-element elementor-element-4fff4ec7 elementor-widget elementor-widget-theme-post-content\" data-id=\"4fff4ec7\" data-element_type=\"widget\" data-widget_type=\"theme-post-content.default\">\n<div class=\"elementor-widget-container\">\n<h3>Alors, avez-vous trouv\u00e9 ce lexique autour des notions cl\u00e9s du Big Data utile ? Pour aller plus loin, nous vous sugg\u00e9rons de lire notre article \u00ab\u00a0<a href=\"https:\/\/oonay.com\/le-big-data-pour-les-nuls\/\">Le Big Data pour les Nuls<\/a>\u00ab\u00a0.<\/h3>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n<section class=\"elementor-element elementor-element-2a0cfcc2 elementor-section-boxed elementor-section-height-default elementor-section-height-default elementor-section elementor-top-section\" data-id=\"2a0cfcc2\" data-element_type=\"section\" data-settings=\"{&quot;background_background&quot;:&quot;classic&quot;}\">\n<div class=\"elementor-container elementor-column-gap-default\">\n<div class=\"elementor-row\">\n<div class=\"elementor-element elementor-element-67846577 elementor-column elementor-col-100 elementor-top-column\" data-id=\"67846577\" data-element_type=\"column\">\n<div class=\"elementor-column-wrap  elementor-element-populated\">\n<div class=\"elementor-widget-wrap\">\n<div class=\"elementor-element elementor-element-f51ff5f elementor-widget elementor-widget-heading\" data-id=\"f51ff5f\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n<div class=\"elementor-widget-container\"><\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n","protected":false},"excerpt":{"rendered":"<p>L\u2019intelligence artificielleet lebig dataont conduit \u00e0 l\u2019\u00e9mergence d\u2019un lot de termes techniques dont la ma\u00eetrise est essentielle pour une premi\u00e8re approche r\u00e9ussie dans le domaine du marketing et de l\u2019e-commerce. Voici quelques vocabulaires cl\u00e9 pour comprendre les jargons et le contexte de lamachine learning.<\/p>\n","protected":false},"author":1,"featured_media":10795,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[1,13,20],"tags":[],"class_list":["post-2759","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-acquisition","category-contenu","category-performance"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v26.3 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Lexique Big Data - Oonay<\/title>\n<meta name=\"description\" content=\"D\u00e9couvrez notre lexique Big Data pour comprendre les termes techniques li\u00e9s \u00e0 l\u2019\u00e9mergence de l\u2019IA et l&#039;utilisation des m\u00e9gadonn\u00e9es.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Lexique Big Data - Oonay\" \/>\n<meta property=\"og:description\" content=\"D\u00e9couvrez notre lexique Big Data pour comprendre les termes techniques li\u00e9s \u00e0 l\u2019\u00e9mergence de l\u2019IA et l&#039;utilisation des m\u00e9gadonn\u00e9es.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques\" \/>\n<meta property=\"og:site_name\" content=\"Oonay\" \/>\n<meta property=\"article:published_time\" content=\"2018-09-23T14:48:58+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2048\" \/>\n\t<meta property=\"og:image:height\" content=\"1195\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"hamitso\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"hamitso\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"11 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#article\",\"isPartOf\":{\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques\"},\"author\":{\"name\":\"hamitso\",\"@id\":\"https:\/\/oonay.com\/fr\/#\/schema\/person\/504e3847bb336a29096b9c767182d111\"},\"headline\":\"Lexique Big Data\",\"datePublished\":\"2018-09-23T14:48:58+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques\"},\"wordCount\":2185,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/oonay.com\/fr\/#organization\"},\"image\":{\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#primaryimage\"},\"thumbnailUrl\":\"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg\",\"articleSection\":[\"Acquisition\",\"Contenu\",\"Performance\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques\",\"url\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques\",\"name\":\"Lexique Big Data - Oonay\",\"isPartOf\":{\"@id\":\"https:\/\/oonay.com\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#primaryimage\"},\"image\":{\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#primaryimage\"},\"thumbnailUrl\":\"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg\",\"datePublished\":\"2018-09-23T14:48:58+00:00\",\"description\":\"D\u00e9couvrez notre lexique Big Data pour comprendre les termes techniques li\u00e9s \u00e0 l\u2019\u00e9mergence de l\u2019IA et l'utilisation des m\u00e9gadonn\u00e9es.\",\"breadcrumb\":{\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#primaryimage\",\"url\":\"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg\",\"contentUrl\":\"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg\",\"width\":2048,\"height\":1195},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\/\/oonay.com\/fr\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Lexique Big Data\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/oonay.com\/fr\/#website\",\"url\":\"https:\/\/oonay.com\/fr\/\",\"name\":\"Oonay\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/oonay.com\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/oonay.com\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/oonay.com\/fr\/#organization\",\"name\":\"Pozey\",\"url\":\"https:\/\/oonay.com\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/oonay.com\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/oonay.com\/wp-content\/uploads\/2022\/11\/logo_rectangle.svg\",\"contentUrl\":\"https:\/\/oonay.com\/wp-content\/uploads\/2022\/11\/logo_rectangle.svg\",\"width\":382.33,\"height\":95.51,\"caption\":\"Pozey\"},\"image\":{\"@id\":\"https:\/\/oonay.com\/fr\/#\/schema\/logo\/image\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\/\/oonay.com\/fr\/#\/schema\/person\/504e3847bb336a29096b9c767182d111\",\"name\":\"hamitso\",\"sameAs\":[\"https:\/\/oonay.com\"],\"url\":\"https:\/\/oonay.com\/fr\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Lexique Big Data - Oonay","description":"D\u00e9couvrez notre lexique Big Data pour comprendre les termes techniques li\u00e9s \u00e0 l\u2019\u00e9mergence de l\u2019IA et l'utilisation des m\u00e9gadonn\u00e9es.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques","og_locale":"fr_FR","og_type":"article","og_title":"Lexique Big Data - Oonay","og_description":"D\u00e9couvrez notre lexique Big Data pour comprendre les termes techniques li\u00e9s \u00e0 l\u2019\u00e9mergence de l\u2019IA et l'utilisation des m\u00e9gadonn\u00e9es.","og_url":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques","og_site_name":"Oonay","article_published_time":"2018-09-23T14:48:58+00:00","og_image":[{"width":2048,"height":1195,"url":"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg","type":"image\/jpeg"}],"author":"hamitso","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"hamitso","Dur\u00e9e de lecture estim\u00e9e":"11 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#article","isPartOf":{"@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques"},"author":{"name":"hamitso","@id":"https:\/\/oonay.com\/fr\/#\/schema\/person\/504e3847bb336a29096b9c767182d111"},"headline":"Lexique Big Data","datePublished":"2018-09-23T14:48:58+00:00","mainEntityOfPage":{"@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques"},"wordCount":2185,"commentCount":0,"publisher":{"@id":"https:\/\/oonay.com\/fr\/#organization"},"image":{"@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#primaryimage"},"thumbnailUrl":"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg","articleSection":["Acquisition","Contenu","Performance"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques","url":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques","name":"Lexique Big Data - Oonay","isPartOf":{"@id":"https:\/\/oonay.com\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#primaryimage"},"image":{"@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#primaryimage"},"thumbnailUrl":"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg","datePublished":"2018-09-23T14:48:58+00:00","description":"D\u00e9couvrez notre lexique Big Data pour comprendre les termes techniques li\u00e9s \u00e0 l\u2019\u00e9mergence de l\u2019IA et l'utilisation des m\u00e9gadonn\u00e9es.","breadcrumb":{"@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#primaryimage","url":"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg","contentUrl":"https:\/\/oonay.com\/wp-content\/uploads\/2019\/05\/Lexique-Big-Data-1.jpg","width":2048,"height":1195},{"@type":"BreadcrumbList","@id":"https:\/\/oonay.com\/fr\/lexique-big-data-megadonnes-analytiques#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/oonay.com\/fr"},{"@type":"ListItem","position":2,"name":"Lexique Big Data"}]},{"@type":"WebSite","@id":"https:\/\/oonay.com\/fr\/#website","url":"https:\/\/oonay.com\/fr\/","name":"Oonay","description":"","publisher":{"@id":"https:\/\/oonay.com\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/oonay.com\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/oonay.com\/fr\/#organization","name":"Pozey","url":"https:\/\/oonay.com\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/oonay.com\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/oonay.com\/wp-content\/uploads\/2022\/11\/logo_rectangle.svg","contentUrl":"https:\/\/oonay.com\/wp-content\/uploads\/2022\/11\/logo_rectangle.svg","width":382.33,"height":95.51,"caption":"Pozey"},"image":{"@id":"https:\/\/oonay.com\/fr\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/oonay.com\/fr\/#\/schema\/person\/504e3847bb336a29096b9c767182d111","name":"hamitso","sameAs":["https:\/\/oonay.com"],"url":"https:\/\/oonay.com\/fr"}]}},"_links":{"self":[{"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/posts\/2759","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/comments?post=2759"}],"version-history":[{"count":0,"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/posts\/2759\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/media\/10795"}],"wp:attachment":[{"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/media?parent=2759"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/categories?post=2759"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/oonay.com\/fr\/wp-json\/wp\/v2\/tags?post=2759"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}