Data Visualisation

Programme

• 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)