 PRESENTATION
PRESENTATION DES DONNEES ("Un ordre doit être assez clair pour être compris par le plus bête et obéi par le plus paresseux")
Pour que l'information soit utile, il faut:
- bien sûr qu'elle soit juste et pertinente
- claire, facile à comprendre
- acceptable par une personne donnée, à un moment donné
- suffisamment persuasive (ou coercitive) pour inciter à l'adhésion puis l'action
l'accumulation de données qui font preuve et l'accumulation de données qui font sens par la perception de tendances, ruptures etc...
Enfin, l'information doit être mise à disposition à l'extérieur du service documentaire et rester diffusable dans l'espace et dans le temps.
Expliquer
La rhétorique de la clarté
La rhétorique de la conviction
La rhétorique de la persuasion
COMMUNICATION
LE DATA MINING (FORAGE DE DONNEES)
C'est une catégorie de logiciels destinés à extraire des significations à partir de masses de données (nombres, statistiques, faits). Ils sont assez "intelligents" pour repérer des structures, relations et des modèles de comportements ("patterns" ) significatifs
Alors que les banques de données classiques doivent recevoir des requêtes précises (il faut savoir ce que l'on cherche), le logiciel de data mining est capable de repérer ce qui compte grâce à des techniques statistiques et d'intelligence artificielle (réseaux neuronaux, arbres de décision) très élaborées.
Principaux fournisseurs de logiciels de data mining: Angoss,IBM, Informix, ISOFT, NeoVista, neuralWare, Oracle, SAS Institute, Sybase Thinking Machines
méthode de data mining:
- accumulation de données d'origine externe (statistiques démographies ou économiques, études de marchés)
- données internes: clientèle, facturations, incidents de paiement etc...
- pas forcément d'indexation des données mais traitement répété (crunching data) pour examiner toutes les relations possibles entre toutes les données possibles en fonction des divers attributs possibles.
- mise à jour des anomalies ou des groupements significatifs
- on peut en tirer des indications sur des tendances aux opportunités ou risques (petits faits "porteurs d'avenir") et la necessité de modifier les stratégies, structures, opérations de l'entreprise
Le coût de ces dispositifs est très élevé et ne se comprend que sous trois conditions:
- l'organisme utilisateur dispose d'une masse énorme de données (le "data warehouse")
- l'enjeu commercial et financier est essentiel.
- les capacités financières et techniques d'exploitation (matérielles, logicielles, humaines) sont disponibles
Critiques du data mining:
pour un coût très élevé, il fait souvent découvrir des évidences (les vieux sont âgés, les jeunes conducteurs de moto sont dangereux...) qu'une réunion de "brain storming", voire une simple réflexion créative aurait mise à jour.
l'inconvénient majeur parait être le fait que le data mining dépend beaucoup de données internes à l'entreprise.
Il analyse donc des clients, des procédures et des produits actuels (voire habituels) : comment vendre mieux et plus aux partenaires habituels
mais pas ceux de l'avenir proche qui dépendent bien davantage de facteurs d'environnement (social, politique, économique, technique). Une observation attentive de l'environnement international est donc indispensable (par ex. à partir de GEOSCOPIE).
|
