Please enable JavaScript.
Coggle requires JavaScript to display documents.
BIG DATA De la donnée à la décision - Coggle Diagram
BIG DATA
De la donnée à la décision
CONTEXTE & PROBLÉMATIQUE
Application de livraison
Objectif A : réduire les retards
Objectif B : améliorer les recommandations de restaurants
Données disponibles
Commandes : date, heure, contenu, statut
Adresses : départ, destination, zones
Horaires : préparation, retrait, livraison
Itinéraires : distance, durée, trafic éventuel
Évaluations : notes et avis des clients
CHAÎNE DE TRAITEMENT DES DONNÉES
1 — COLLECTE
Récupérer commandes, adresses et horaires
Collecter itinéraires, durées et évaluations
Respecter la finalité de la collecte
2 — STOCKAGE
Centraliser dans une base de données ou un entrepôt
Organiser les données et gérer les accès
Prévoir sauvegardes et sécurité
3 — PRÉPARATION & NETTOYAGE
Supprimer les doublons
Corriger les erreurs et uniformiser les formats
Traiter les valeurs manquantes
Vérifier la fiabilité et la fraîcheur
4 — ANALYSE
Calculer les taux et durées de retard
Comparer les résultats par zone, heure et restaurant
Étudier les préférences et notes des clients
Détecter tendances et facteurs explicatifs
5 — DÉCISION
Transformer les résultats en actions concrètes
Suivre les effets et ajuster les décisions
QUALITÉ, PROTECTION & ÉTHIQUE
Qualité des données
Exactitude : adresses et horaires corrects
Complétude : limiter les informations manquantes
Cohérence : uniformiser formats et unités
Actualité : maintenir les données à jour
Protection des données
Adresses et habitudes = données personnelles
Collecter uniquement les données nécessaires
Informer les utilisateurs et respecter leurs droits
Sécuriser les données et limiter leur conservation
Éthique
Repérer les biais dans les recommandations
Éviter les résultats discriminatoires
ORGANISATION & NOTIONS À MOBILISER
Notions du chapitre 1
Cycle de vie des données
Analyse et création de valeur
Applications et enjeux du Big Data
Organisation
Travail en équipe
40 minutes de préparation
5 minutes de restitution par équipe
OBJECTIFS DE L'ANALYSE
Comprendre les retards
Repérer où et quand les retards surviennent
Identifier les facteurs : distance, heure, restaurant, itinéraire
Comparer durée prévue et durée réelle
Personnaliser les recommandations
Comprendre les goûts et habitudes des clients
Analyser les notes, avis et commandes
Proposer des restaurants pertinents
DÉCISIONS & CRÉATION DE VALEUR
Décision A — Réduire les retards
Prévoir davantage de livreurs aux heures de forte demande
Ajuster les délais estimés selon les données réelles
Recommander des itinéraires plus efficaces
Décision B — Recommander de meilleurs restaurants
Suggérer des restaurants adaptés aux goûts du client
Tenir compte des notes, commandes et préférences
Écarter les suggestions peu pertinentes
Valeur créée : livraisons plus ponctuelles, meilleure expérience et recommandations pertinentes
LIVRABLE — CE QU'IL FAUT PRÉSENTER
Un schéma clair : Collecte → Stockage → Préparation → Analyse → Décision
Les données utilisées à chaque étape
Deux exemples de décisions concrètes et justifiées
Au moins un enjeu de qualité ou de protection des données
FIL CONDUCTEUR
DONNÉES → INFORMATION → ANALYSE → DÉCISION → VALEUR