LIVRE BLANC. Les données sociales : De nouvelles perspectives pour les systèmes d information décisionnels?

Dimension: px
Commencer à balayer dès la page:

Download "LIVRE BLANC. Les données sociales : De nouvelles perspectives pour les systèmes d information décisionnels?"

Transcription

1 LIVRE BLANC Les données sociales : De nouvelles perspectives pour les systèmes d information décisionnels?

2 Préambule A propos de Logica Business Consulting Le Groupe Logica est un acteur européen majeur des services informatiques qui réunit personnes dans 36 pays, dont collaborateurs en France. Son activité englobe le conseil en management, l intégration de systèmes et l outsourcing de processus métier et IT. Logica travaille en étroite collaboration avec ses clients afin de les aider à libérer leur potentiel pour devenir plus productifs, accélérer leur croissance et mieux gérer les risques. Logica s appuie sur ses connaissances approfondies des secteurs, son excellence en matière de technologie et de production ainsi que sur son expertise en matière de delivery pour aider ses clients à se positionner en tête de leurs marchés respectifs. Logica Business Consulting, quatrième acteur du conseil en France, se positionne avec une approche «catalyseur des idées et des énergies» pour accompagner les grandes entreprises et organisations dans l'amélioration de leurs performances opérationnelles. Ses consultants se différencient par l équilibre de leurs compétences sur les volets métiers, fonctionnels et technologiques. Au sein de cette entité, l équipe BI adopte une posture de conseil vis-à-vis du marché global de la Business Intelligence et n hésite pas à se positionner sur des sujets d innovation tels que les réseaux sociaux. De manière générale, ses consultants expérimentés accompagnent les clients sur des problématiques d organisation, d urbanisation et de pilotage de la performance mais fournissent également une expertise technologique avancée. Logica est coté à la Bourse de Londres et d'amsterdam (LSE : LOG ; Euronext : LOG). Pour plus d informations, consultez le site 2

3 Objet du Livre Blanc La Business Intelligence a atteint une grande maturité dans la valorisation des informations structurées et internes à l entreprise. L intégration de données externes et, plus récemment, le croisement de données structurées et non structurées ont considérablement enrichi les environnements décisionnels. Ces dernières années, l émergence fulgurante des medias sociaux et des technologies du web 2.0 en général, constitue de nouvelles sources de données et donne de nouvelles perspectives à la Business Intelligence de demain. Il est question ici des données que nous appellerons sociales. Issues des interactions entre les personnes, les données sociales caractérisent l activité des individus au sein d un réseau social. Même si la notion de réseau social est loin d être un néologisme et bien que l analyse des réseaux sociaux soit une discipline vieille de plus de 50 ans, l explosion des outils de réseau social, appelés médias sociaux, produit aujourd hui des gisements de données sociales sans précédent que l entreprise doit apprendre à valoriser. En effet, que les données proviennent d un media social d entreprise ou d un media social public tel que Facebook, Twitter ou LinkedIn, leur analyse apporte de l information sociale à forte valeur ajoutée sur les interactions entre les collaborateurs de l entreprise, les interactions entre les clients ou les fournisseurs, et de manière générale, les interactions entre les acteurs de l écosystème de l entreprise étendue. Chiffres clés 400 millions de comptes actifs Facebook dont 16 en France 105 millions d utilisateurs Twitter 70 millions d utilisateurs LinkedIn 456% de croissance pour les ventes de solutions de medias sociaux d entreprise d ici à 2013 (source Forrester) Les médias sociaux exploitent déjà cette information à des fins commerciales, en vendant des espaces publicitaires très ciblés aux entreprises et des accès «Premium» aux utilisateurs. Les consortiums sur les données ouvertes et interopérables se multiplient. D importants volumes de données sociales sont déjà disponibles sur les plateformes OpenSocial (Google), W3C, Open Mashup Alliance ou Linked Data. Autant d informations qui pourraient être valorisées dans un système d information décisionnel. Plus récemment, l ouverture d API (Application Programming Interface), permettant d interopérer avec les données ouvertes d un ou plusieurs medias sociaux, offre de nouvelles perspectives d exploitation des données sociales. 3

4 Intégrer des flux de données sociales dans le système d information décisionnel d entreprise serait-il la prochaine étape? Peut-on mettre les données sociales de l écosystème de l entreprise en résonance avec les environnements BI qu elle a déjà mis en place? Dans quels cas cela pourrait-il être pertinent et quelle en serait la valeur ajoutée pour l entreprise? Né d une réflexion interne sur le mariage Business Intelligence et réseaux sociaux, ce livre blanc vise à mesurer les opportunités et les enjeux de l exploitation des données sociales dans l environnement décisionnel. Figure 1 : De nouvelles perspectives pour la Business Intelligence Mots clés Business Intelligence, réseau social, réseau social d entreprise, médias sociaux, données sociales, information sociale 4

5 Précision Nous identifions comme important le fait de bien distinguer les termes de réseaux sociaux (interactions entre des personnes) et de medias sociaux (outillage informatique de ces réseaux sociaux). A la lumière de cette précision, nous pouvons cependant considérer que le terme Médias Sociaux est un synonyme de l acceptation usuelle du terme Réseaux Sociaux. Guide de lecture Ce document a été écrit avec la volonté de s adresser au plus grand nombre. Il ne requiert pas de bagage technique avancé et se veut compréhensible par tous. Cependant, à la suite de la première partie de définition des concepts de base manipulés dans le livre blanc, la seconde partie est plus théorique et s attache à démontrer la faisabilité de l intégration des données sociales dans le système d information décisionnel. Les lecteurs plus intéressés par l utilisation qui pourrait être faire des données sociales trouveront de nombreux axes de réflexion en lisant la dernière partie intitulée «l exploitation des données sociales dans un système d information décisionnel». Réagir au contenu En tant qu utilisateurs de plates-formes de Business Intelligence, Analyste, Décideur, Architecte, Directeur des Systèmes d Information, Expert de la Sécurité ou simple curieux... vos avis et commentaires nous intéressent. N hésitez pas à réagir au contenu de ce document. Pour contacter Logica Business Consulting Olivier Jacquemont, Manager de la division Business Intelligence

6 Table des matières PREAMBULE... 2 A PROPOS DE LOGICA BUSINESS CONSULTING... 2 OBJET DU LIVRE BLANC... 3 MOTS CLES... 4 PRECISION... 5 GUIDE DE LECTURE... 5 REAGIR AU CONTENU... 5 TABLE DES MATIERES... 6 TABLE DES ILLUSTRATIONS... 7 QUELQUES DEFINITIONS... 8 LA BUSINESS INTELLIGENCE... 8 DONNEES SOCIALES ET INFORMATION SOCIALE L ECOSYSTEME DE L ENTREPRISE ETENDUE LES DONNEES SOCIALES AU SEIN DE L ECOSYSTEME DE L ENTREPRISE.. 14 OU SE TROUVENT LES DONNEES SOCIALES? COMMENT LES INTEGRER AU SYSTEME BI? QUELLE VALEUR BRUTE PORTENT LES DONNEES SOCIALES? L EXPLOITATION DES DONNEES SOCIALES DANS UN SYSTEME D INFORMATION DECISIONNEL A L ORIGINE : VALORISER DES TICKETS D APPELS POUR MINIMISER L ATTRITION DANS LE SECTEUR DES TELECOMMUNICATIONS QUICKWIN : EXPLOITER LES DONNEES SOCIALES ISSUES DU RESEAU SOCIAL D ENTREPRISE ALLER PLUS LOIN : EXPLOITER DES DONNEES SOCIALES EXTERNES A L ENTREPRISE POINTS D ATTENTION ET PRECONISATIONS LE SOURCING ANALYSE SEMANTIQUE LA CONFIDENTIALITE LA PERTINENCE ET LA REPRESENTATIVITE DES DONNEES L APPROCHE LOGICA BUSINESS CONSULTING GLOSSAIRE

7 Table des illustrations FIGURE 1 : DE NOUVELLES PERSPECTIVES POUR LA BUSINESS INTELLIGENCE... 4 FIGURE 2 : PROCESSUS DE MISE A DISPOSITION DE L INFORMATION DANS UN SYSTEME BI FIGURE 3 : ECOSYSTEME DE L ENTREPRISE ETENDUE FIGURE 4 : PANORAMA DES SOURCES DE DONNEES DE L ECOSYSTEME DE L ENTREPRISE ETENDUE FIGURE 5 : REPRESENTATION D UN RESEAU SOCIAL SELON LA THEORIE DES GRAPHES FIGURE 6 : CORRESPONDANCE MATRICE - SOCIOGRAMME FIGURE 7 : L EXPLOITATION DES DONNEES SOCIALES DANS UN SYSTEME DECISIONNEL POUR MINIMISER LE CHURN FIGURE 8 : EXPLOITATION DES DONNEES SOCIALES DANS UN SYSTEME DECISIONNEL POUR AMELIORER LA PERFORMANCE DE SES EQUIPES COMMERCIALES FIGURE 9 : TABLEAU DE BORD DE SUIVI DE LA PERFORMANCE D UNE EQUIPE COMMERCIALE

8 Quelques définitions La Business Intelligence La Business Intelligence (BI), ou informatique décisionnelle, désigne les méthodes et outils d aide à la décision qui permettent à des analystes ou à des responsables de l entreprise de piloter leur activité en disposant en permanence des informations nécessaires à la prise de décision. Quelle est l évolution du chiffre d affaires sur le premier semestre? Est-elle alignée avec les objectifs fixés? Les résultats de mes équipes sont-ils homogènes? Quel est le produit responsable de ma croissance? Dois-je déclencher un plan d actions sur la région commerciale sur laquelle je rencontre des difficultés? Quelle est la tendance sur cette région depuis quelques années? A partir des données disponibles dans l entreprise, la Business Intelligence apporte aux décideurs les indicateurs clés qui leurs permettent de répondre à ces questions et de les accompagner dans le processus de décision. L objectif de ces outils est d être capable de réaliser des analyses détaillées sur les données de l entreprise pour expliquer des résultats, comprendre des phénomènes, détecter des tendances et même prédire l avenir! Voici les trois phases sur lesquelles repose la mise à disposition d informations clés à partir des différentes sources de données de l entreprise. La collecte des données de l entreprise L entreprise dispose aujourd hui de nombreuses sources de données hétérogènes qui peuvent être internes et/ou externes à l entreprise. On compte parmi elles, les données opérationnelles structurées issues des bases de données des systèmes ERP, CRM ou PLM et plus généralement de toutes les applications métiers. Ces données «classiques» de production, de vente ou de stock sont parfois complétées par les données non-structurées qui circulent dans l entreprise telles que les documents produits par les collaborateurs, les s et autres champs de textes. Aujourd hui, des systèmes décisionnels intègrent également des flux de données externes telles que des données économiques, financières, démographiques, sociales ou encore des données météorologiques, sur le trafic aérien qui permettent de comprendre des phénomènes qui dépassent parfois l entreprise. Une fois que le périmètre du système décisionnel a été défini, il s agît d intégrer les données pertinentes parmi les sources de données grâce à un outil d intégration de données appelé ETL (Extract, Transform, Load) 8

9 L intégration A la suite du processus de collecte d information, il s agît d unifier des données aux formats hétérogènes pour les intégrer dans l environnement décisionnel. L objectif étant d obtenir un ensemble cohérent de données qu il sera possible de croiser dans la phase de restitution. La diversité des données, des problématiques métiers et l explosion des volumes de données nécessite souvent d éclater «l entrepôt de données» (datawarehouse), qui rassemble toutes les données collectées, en «magasins de données» spécialisés (datamart). La restitution La phase de restitution correspond à la mise à disposition des informations de l environnement décisionnel. Selon les besoins métiers, cette restitution peut prendre les différentes formes suivantes : Reporting Le rapport est le mode de restitution le plus classique. Il permet de présenter des données de manière synthétique et lisible. Il s agît de rapports prédéfinis (ou statiques), mis à disposition des utilisateurs à travers un portail pour qu ils puissent les consulter et les rafraichir à tout moment. Reporting ad hoc Le reporting ad hoc s oppose au reporting classique puisqu il répond à un besoin d analyse interactive. Appelé en français, analyse à la demande, il permet de chercher de l information en effectuant des analyses successives, les résultats d une recherche influençant la recherche suivante. Tableau de bord Le tableau de bord est un mode de restitution dédié au pilotage de l activité. L intérêt est de rassembler un ensemble d indicateurs de performance dans une même fenêtre afin de suivre l évolution des résultats en un clin d œil. Il s agît de créer des vues personnalisées rassemblant tableaux, graphiques, jauges, qui répondent à des besoins métiers spécifiques. 9

10 Cube OLAP (OnLine Analytical Processing) Le cube OLAP répond aux besoins utilisateurs de réaliser des analyses quantitatives dynamiques selon plusieurs angles de vues, appelés dimensions. Il offre des possibilités de navigation dans les données et des fonctionnalités d analyse avancées qui en font le mode de restitution phare des environnements décisionnels d aujourd hui. L analyse multidimensionnelle permet, par exemple, de visualiser un résultat tel que le chiffre d affaires selon la dimension temps, la dimension géographie et la dimension produit. Ainsi, un dirigeant d entreprise a la possibilité de ventiler son chiffre d affaires sur les douze mois de l année ou sur les quatre trimestres, mais également sur les différentes régions du portefeuille puis sur les différents pays. S il a besoin de passer d un niveau agrégé à un niveau plus fin d analyse, il peut aussi ventiler le chiffre d affaires par produit. Figure 2 : Processus de mise à disposition de l information dans un système BI 10

11 Données sociales et information sociale Quelle est la différence? Les données sociales désignent les caractéristiques des interactions entre les personnes. L information sociale est la valeur qui peut être générée à partir de ces données brutes. Appliqué au monde de l entreprise, il s agît de l information valorisant les liens entre les différents acteurs de l écosystème de l entreprise étendue. Qui parle avec qui? Qui fait quoi? Qui échange quoi? Quelles sont les personnes influentes de mon réseau? Qui est au centre de mes réseaux? Les données sociales apportent les réponses aux premières questions alors que l information sociale découle de l analyse des données brutes pour répondre aux dernières. D où proviennent les données sociales? Les données sociales sont générées lors d une discussion orale, d une collaboration quelconque, d une communication téléphonique, d échanges s, ou, plus récemment, des interactions entre les utilisateurs à travers les technologies du Web 2.0 comme les réseaux sociaux. Même si les données sociales n émergent pas forcément de médias technologiques, seules les données sociales provenant d interactions outillées sont raisonnablement exploitables. Ainsi, nous nous limiterons aux sources de données informatiques, qu elles soient internes ou externes à l entreprise. Au sein de ces sources, voici les trois types de données que nous considérerons comme sociales : - Les caractéristiques des individus (Profils) - Les liens entre personnes (Relations) - Le contenu des échanges (Flux d information) 11

12 Médias Sociaux Alors que Twitter a enregistré une croissance au-delà des 500% en 2009, Facebook a annoncé récemment son ambition d atteindre le milliard d utilisateurs en Peut être plus important encore, le temps mensuel moyen passé sur les médias sociaux, intimement lié au contenu généré, était de 5h30 par personne en février dernier, en croissance de 60% sur un an (source Nielsen). Facebook a dépassé l audience de Google aux Etats-Unis en mars dernier. Médias Sociaux d Entreprise 2010 est considéré comme l an 1 des médias sociaux d entreprise. S ils sont déjà 67 millions d utilisateurs aujourd hui, ils seront 164 millions d ici à (source Radicati Group) (source ComScore) Le développement de médias sociaux grands publics tels que Facebook, Twitter, de réseaux professionnels tels que LinkedIn ou Viadeo et même de réseaux sociaux internes à l entreprise sont générateurs d un immense volume de données explicitement et exclusivement sociales. Ce capital d information sociale formelle, explicite, directe explose et portera bientôt sur la majeure partie de la population. On verra qu il s ajoute à d autres sources d information sociale plus informelles, implicites, indirectes. L entreprise devra rapidement apprendre à maitriser et à intégrer ce nouveau type de données afin d en profiter : "Le premier ROI de vos efforts de communication dans les médias sociaux n est autre que la pérennité de votre activité sur les 5 ans à venir " (Erik Qualman) 12

13 L Ecosystème de l entreprise étendue L écosystème de l entreprise étendue correspond au réseau de l ensemble des individus en lien plus ou moins direct avec l entreprise. Les personnes en lien direct avec l entreprise sont les personnes dont la relation avec l entreprise est clairement identifiée. C est l ensemble des collaborateurs, partenaires et fournisseurs mais aussi les clients et les prospects clairement identifiés par l entreprise. Pour compléter notre écosystème, les personnes en lien indirect avec l entreprise sont les individus avec qui l entreprise a des intérêts communs sans pour autant être en relation direct avec eux. Il s agît des clients et prospects non-identifiés (issus des canaux de distribution indirects), d experts dans le même domaine que l entreprise, de personnes influentes dans le secteur d activité de l entreprise ou tout simplement de personnes s intéressant à l entreprise. C est typiquement la population que l on retrouve sur les médias sociaux grand-publics. Cette dimension de l entreprise étendue a toute son importance dans notre problématique puisque l acquisition et l exploitation d information sociale dans un système décisionnel pourrait être le moyen de se rapprocher efficacement de ce réseau «indirect». Réseau étendu Concurrents, Prospects Clients, Partenaires, Fournisseurs Collaborateurs Figure 3 : Ecosystème de l entreprise étendue 13

14 Les données sociales au sein de l écosystème de l Entreprise Où se trouvent les données sociales? Les données sociales se trouvent dans de nombreuses sources de l entreprise. En effet, à partir du moment où une source contient au moins un des trois types d information sociale suivants et qu elle entre dans le périmètre de l environnement décisionnel, elle pourra servir à enrichir le modèle de données. Rappel des trois types de données sociales : - Les caractéristiques des individus (Profils) - Les liens entre personnes (Relations) - Le contenu des échanges (Flux d information) Voici un panorama des sources de l écosystème de l entreprise. Les dimensions interne/externe et structuré/non-structuré permettent d évaluer la complexité d intégration de ces données dans le système décisionnel. Les sources internes et structurées étant les plus simples alors que les sources externes et non-structurées sont les plus complexes. Figure 4 : Panorama des sources de données de l écosystème de l entreprise étendue 14

15 Comment les intégrer au système BI? Collecte des données Parmi les différentes sources de données sociales, l enjeu est de collecter uniquement les données qui apportent de la valeur dans l environnement décisionnel. L homogénéisation des données permet ensuite de les agréger pour créer le mix de données sociales («mashup») le plus approprié. Alors que l entreprise a un accès direct à ses propres données internes, qu elles soient structurées ou non, les données externes et notamment sociales ne sont pas toujours facilement accessibles. Il existe plusieurs méthodes d extraction des données sociales externes dont voici les principales : Le crawling : Le crawling est une méthode d exploration des ressources du web. Initialement destinée aux moteurs de recherche pour indexer le web, elle peut également être appliquée à l extraction des données sociales contenues dans les pages des médias sociaux. A partir de quelques points d entrées dans un réseau social, le crawling permet d explorer le réseau de manière récursive en allant d individu en individu par l intermédiaire des liens. API (Application Programming Interface) et mashup : Les API, interface de programmation en français, sont destinées à faciliter l interopérabilité des applications informatiques. Cela correspond à l ensemble des fonctions, procédures, classes et protocoles qui régit la communication avec une application. L utilisation de plusieurs API permet aux utilisateurs de créer des mashup de données (agrégation de données provenant de sources externes hétérogènes) et de les intégrer à l environnement décisionnel. Dans l ère Web 2.0, de nombreux outils et projets cherchent à faciliter l accès direct aux données notamment sociales des réseaux les plus célèbres : o o OpenSocial est un ensemble d'api développé par Google afin d unifier l interopérabilité avec tous les réseaux sociaux en ligne partenaires. OpenSocial donne notamment accès aux données MySpace, Friendster et Orkut. OpenData, LinkedData et Open Mashup Alliance sont des initiatives internationales en plein essor, pour l adoption de langages ouverts facilitant l interopérabilité des données du web et notamment des données sociales. Alors que les deux premières cherchent respectivement à définir des bonnes pratiques d ouverture des données et des méthodes pour lier les informations du web entre elles, la troisième promeut la création de mashup d entreprise. 15

16 o o Graph API et OpenGraph Protocol sont les outils Facebook qui permettent d interagir simplement avec les données Facebook en accédant directement aux données. Twitter API est l équivalent Twitter qui donne accès aux nombreux flux d information de cette plateforme de réseaux sociaux. Intégration des données Principe de modélisation Une fois que les données sociales ont été collectées et homogénéisées, il s agît de les modéliser de manière logique pour agréger les différentes sources de données sur un même modèle. Dans le cas de l analyse des réseaux sociaux, l idéal est de collecter l information sous forme matricielle (relationnelle) et de la visualiser sous forme graphique. Cela fait appel à deux principes de modélisation. D une part, la théorie des graphes dont le mathématicien Euler est à l origine (XVIIIe siècle) - s est imposée comme la principale méthode de représentation des réseaux sociaux. A côté de cela, le modèle de données relationnel sous forme matricielle facilite la manipulation et l exploitation d importants volumes de données sociales. Pour aller plus loin dans la modélisation des données sociales, il existe également des ontologies issues des techniques d analyse sémantique. Certains modèles ontologiques permettent de structurer les termes et les concepts de champs d informations hétérogènes pour pouvoir les exploiter. o La Théorie des graphes La théorie des graphes a deux avantages qui en font le modèle incontournable de représentation des réseaux sociaux. Le premier avantage est qu elle facilite la visualisation de la structure du réseau (nœuds et liens), son exploration et la mise en évidence de ses propriétés structurales. Le second avantage est qu elle comporte un ensemble de concepts formels qui permet de qualifier, de distinguer et de classer les structures relationnelles par rapport à une multitude de propriétés fondamentales de distribution et d agencement des liens sociaux au sein des réseaux. L utilisation de la théorie des graphes dans la représentation des réseaux sociaux donne naissance aux sociogrammes. 16

17 Sociogramme G (V, E) V : Ensemble des nœuds E : Ensemble des liens Ordre = 12 Diamètre = 5 Densité = 17/(12*11) = 0,13 Figure 5 : Représentation d un réseau social selon la théorie des graphes Voici les principaux concepts manipulés dans la théorie des graphes, déclinés pour la représentation des réseaux sociaux : - Un nœud (ou sommet) est l unité de base des réseaux. Dans un réseau social, il représente un individu. - Un lien (ou arrête) est une connexion entre 2 nœuds. On parle de lien orienté lorsque le lien a une direction (d un nœud vers un autre) et à l inverse, on parle de lien non-orienté lorsque le lien est bidirectionnel. - Un sociogramme correspond à un ensemble de nœuds et de liens. - Un lien pondéré est un lien auquel on associe un poids. - Un lien étiqueté est un lien auquel on associe un label. - Un chemin est une séquence de liens qui relie 2 nœuds. - Un chemin orienté est un chemin qui respecte l orientation des liens. - Une géodésique est l un des plus courts chemins entre 2 nœuds. - Un graphe est connexe lorsqu il existe un chemin entre toutes les paires de nœuds. Voici les indicateurs de base qui en découlent : - Le degré d un nœud est le nombre de liens qui en partent où y arrivent - La longueur d un chemin géodésique est appelé distance géodésique. - Le diamètre d un graphe est la longueur du chemin géodésique le plus long de ce graphe - L ordre d un graphe correspond au nombre de nœuds de ce graphe - La densité d un graphe correspond au rapport entre le nombre de liens et le nombre maximum de liens possible. Lorsque la densité est égale à 1, cela signifie que toutes les relations possibles existent. On parle alors de graphe complet ou de clique. o Les matrices Lorsque le nombre de nœuds et de liens est trop important, la visualisation et le calcul des concepts d ordre, de densité, de distance géodésique ou de diamètre deviennent très complexes. Pour cela, la matrice est l objet mathématique qui complète le mieux la théorie des graphes en facilitant la manipulation des concepts cités précédemment. La 17

18 représentation matricielle correspond au modèle de données relationnel et permet donc de représenter l information sociale dans un format plus conventionnel. Parmi les matrices, on distingue les matrices d adjacence et les matrices d incidence : - Les matrices d adjacence sont des matrices carrées qui ont les mêmes ressources en ligne qu en colonne. Les matrices d adjacence servent à représenter les liens qu il existe entre les nœuds. La valeur contenue dans la case A ij indiquant le poids de la relation entre le nœud i et le nœud j. - A l inverse, une matrice d incidence contient des objets différents en ligne et en colonne. La valeur contenue dans la case A ij indiquant la relation entre l objet i et l objet j. Voici la matrice d adjacence correspondant au sociogramme précédent (Figure 5). Figure 6 : Correspondance Matrice - Sociogramme o Les ontologies La limite des techniques de modélisation précédentes réside dans la représentation du contenu des échanges entre les individus d un réseau. En effet, la valorisation du contenu participatif du web 2.0 tel que celui des posts, des commentaires ou des tweets, nécessite de le rendre accessible et compréhensible par une suite logicielle pour automatiser leur traitement. On parle de sémantisation du contenu. Il existe pour cela un ensemble de modèles ontologiques qui permettent de représenter tous les types de données sociales pour les rendre exploitables par une solution informatique comme une solution de Business Intelligence. Le modèle ontologique le plus connu est FOAF (Friend Of A Friend). Il sert à modéliser précisément les profils des utilisateurs, leur activité et leurs relations avec d autres utilisateurs. D autres modèles ontologiques comme Relationship, SIOC (Semantically-Interlinked Online Communities), SKOS (Simple Knowledge Organisation System), SKOT 18

19 (Social Semantic Clouds of Tags) et MOAT permettent d aller plus loin en modélisant le contenu et la signification des interactions participatives entre les utilisateurs 2.0. Quelle valeur brute portent les données sociales? Une fois intégrées et modélisées, les données sociales peuvent être manipulées pour générer un certain nombre d indicateurs qui serviront de base à l analyse et à l exploitation des données sociales. Une grande partie de ces indicateurs est issue des théories d analyse des réseaux sociaux. L Analyse des Réseaux Sociaux (ARS) L ARS est basée sur la théorie des réseaux, la théorie des graphes et l analyse sociologique. Cette discipline très universitaire, dont le précurseur serait Georg Simmel ( ), est bien antérieure à l apparition des technologies de l information et du Web 2.0. Cependant, les méthodes de collecte, d intégration et de modélisation des données sociales décrites précédemment permettent d appliquer facilement les théories d ARS à notre modèle de données. Depuis Georg Simmel, de nombreux scientifiques, mathématiciens, informaticiens ou sociologues ont travaillé à la qualification des réseaux sociaux. C est à eux que l on doit les concepts, indicateurs et algorithmes qui aident à qualifier un réseau. Voici les quelques concepts d ARS qui complètent les concepts issus de la théorie des graphes : - Un trou structurel correspond à l absence de lien entre deux nœuds. Les personnes proches d un trou structurel sont les personnes les mieux informées et le plus rapidement. Ce sont les personnes les plus susceptibles d avoir de bonnes idées. - La résistance d un réseau social se réfère à l impact du retrait de nœuds ou de liens au sein du réseau. Le retrait d un nœud ou d un lien stratégique peut par exemple scinder un réseau en deux. - Les composants, cliques, ou cycles sont des structures de sousensembles d un réseau. Outre les indicateurs d ordre, de diamètre, de densité, ou de degré, énoncés dans le paragraphe précédent, il existe également les indicateurs suivants : - Centralité o De degré : Valorise les nœuds ayant le plus de liens. o D intermédiarité : Valorise les nœuds rapprochant les autres nœuds (intermédiaires). Lorsqu un nœud est le seul à rapprocher deux autres nœuds, il détient le contrôle de l information circulant entre ces deux nœuds. o De proximité : Valorise les nœuds les plus proches des autres nœuds. o De vecteur : Valorise les nœuds ayant les voisins les plus centraux. o De prestige : Valorise les nœuds ayant le plus de liens entrants. 19

20 - Coefficient de clustering : Mesure la probabilité que deux nœuds reliés à un même nœud soient reliés entre eux. Ces indicateurs de base sont utilisés dans le système d information décisionnel pour créer des variables plus spécifiques qui répondent aux besoins de l entreprise. Quelques indicateurs sociaux essentiels Dans le cadre de l analyse du réseau social de l entreprise, voici les 6 indicateurs les plus utilisés : Sens des échanges (unilatéralité ou réciprocité) Volume des échanges Fréquence des échanges Diversité des échanges Rôle des acteurs Niveau de cohésion Web sémantique Les technologies de web sémantique et les méthodes de modélisation ontologiques citées précédemment rendent le contenu participatif non-structuré exploitable par le système d information décisionnel pour qu il entre dans la prise de décision. Des solutions de «text mining», mêlant intelligence artificielle et linguistique, sont capables de valoriser instantanément ce contenu en pondérant sa pertinence, en évaluant le ton des messages (positif, négatif ou neutre), et en extrayant les informations essentielles. Dans le cas de la valorisation d un commentaire Facebook, l analyse du ton et du contenu de ce dernier ainsi que des réactions des autres utilisateurs permet non seulement de scorer l intérêt du commentaire mais également l influence de celui qui l a écrit. La puissance de ces outils permet de prendre en charge d importants flux de données non-structurées en provenance de médias sociaux pour le restituer sous la forme souhaitée par les utilisateurs du système décisionnel. 20

Introduction à la B.I. Avec SQL Server 2008

Introduction à la B.I. Avec SQL Server 2008 Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide

Plus en détail

En route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille moyenne

En route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille moyenne Présentation du produit SAP s SAP pour les PME SAP BusinessObjects Business Intelligence, édition Edge Objectifs En route vers le succès avec une solution de BI intuitive destinée aux entreprises de taille

Plus en détail

Chap 3 : La connaissance du client. I. Les fondements de la connaissance du client. Les principales évolutions sont résumées dans le tableau suivant :

Chap 3 : La connaissance du client. I. Les fondements de la connaissance du client. Les principales évolutions sont résumées dans le tableau suivant : Chap 3 : La connaissance du client I. Les fondements de la connaissance du client A. D une société de consommation à une société de consommateurs Depuis les années 1980, les mutations sociales ont eu d

Plus en détail

DATA QUERY : MODÉLISATION AVANCÉE DE VOS DONNÉES

DATA QUERY : MODÉLISATION AVANCÉE DE VOS DONNÉES Online Intelligence Solutions DATA QUERY : MODÉLISATION AVANCÉE DE VOS DONNÉES Marion JOFFRE, Chef de produit marketing WHITE PAPER Table des matières CONTEXTE 3 Un suivi précis et détaillé de l ensemble

Plus en détail

SOCIAL CRM: DE LA PAROLE À L ACTION

SOCIAL CRM: DE LA PAROLE À L ACTION LIVRE BLANC SOCIAL CRM: DE LA PAROLE À L ACTION Découvrez comment le Social CRM peut travailler pour vous LIVRE BLANC SOCIAL CRM: DE LA PAROLE À L ACTION 2 À PROPOS Au cours des dernières années, vous

Plus en détail

Chapitre 9 : Informatique décisionnelle

Chapitre 9 : Informatique décisionnelle Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle

Plus en détail

Entrepôt de données 1. Introduction

Entrepôt de données 1. Introduction Entrepôt de données 1 (data warehouse) Introduction 1 Présentation Le concept d entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon. Il s agissait de constituer une base de

Plus en détail

Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie

Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Découvrir les stratégies ayant fait leurs preuves et les meilleures pratiques Points clés : Planifier

Plus en détail

LIVRE BLANC AMÉLIOREZ VOS PERFORMANCES MARKETING ET COMMERCIALES GRÂCE À UNE GESTION DE LEADS OPTIMISÉE

LIVRE BLANC AMÉLIOREZ VOS PERFORMANCES MARKETING ET COMMERCIALES GRÂCE À UNE GESTION DE LEADS OPTIMISÉE AMÉLIOREZ VOS PERFORMANCES MARKETING ET COMMERCIALES GRÂCE À UNE GESTION DE LEADS OPTIMISÉE 2 A PROPOS Pourquoi la gestion des leads (lead management) est-elle devenue si importante de nos jours pour les

Plus en détail

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1

JASPERSOFT ET LE PAYSAGE ANALYTIQUE. Jaspersoft et le paysage analytique 1 JASPERSOFT ET LE PAYSAGE ANALYTIQUE Jaspersoft et le paysage analytique 1 Ce texte est un résumé du Livre Blanc complet. N hésitez pas à vous inscrire sur Jaspersoft (http://www.jaspersoft.com/fr/analyticslandscape-jaspersoft)

Plus en détail

Des données à la connaissance client. A la découverte de la plateforme de connaissance client knowlbox

Des données à la connaissance client. A la découverte de la plateforme de connaissance client knowlbox Des données à la connaissance client A la découverte de la plateforme de connaissance client knowlbox Livre blanc mai 2013 A l heure du Big Data, les entreprises s interrogent davantage sur leurs données.

Plus en détail

IBM Social Media Analytics

IBM Social Media Analytics IBM Social Media Analytics Analysez les données des média sociaux afin d améliorer vos résultats commerciaux Les points clés Développez votre activité en comprenant le sentiment des consommateurs et en

Plus en détail

Business Intelligence

Business Intelligence avec Excel, Power BI et Office 365 Téléchargement www.editions-eni.fr.fr Jean-Pierre GIRARDOT Table des matières 1 Avant-propos A. À qui s adresse ce livre?..................................................

Plus en détail

QU EST-CE QUE LE DECISIONNEL?

QU EST-CE QUE LE DECISIONNEL? La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce

Plus en détail

Evry - M2 MIAGE Entrepôt de données

Evry - M2 MIAGE Entrepôt de données Evry - M2 MIAGE Entrepôt de données Introduction D. Ploix - M2 Miage - EDD - Introduction 1 Plan Positionnement du BI dans l entreprise Déclinaison fonctionnelle du décisionnel dans l entreprise Intégration

Plus en détail

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise.

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service

Plus en détail

et les Systèmes Multidimensionnels

et les Systèmes Multidimensionnels Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées

Plus en détail

IBM Content Analytics Libérer l Information

IBM Content Analytics Libérer l Information IBM Content Analytics Libérer l Information Patrick HOFLEITNER patrick_hofleitner@fr.ibm.com Août 2011 TABLE DES MATIERES RESUME...3 INTRODUCTION...4 LA PROBLEMATIQUE...5 1 L EXPLOSION DU CONTENU NON-STRUCTURE...5

Plus en détail

Marketing comportemental. Guide méthodologique de mise en œuvre

Marketing comportemental. Guide méthodologique de mise en œuvre Marketing comportemental Guide méthodologique de mise en œuvre Sommaire Présentation...3 Les limites du marketing de masse ou du marketing «produit»...5 L idéal marketing : délivrer le bon message au bon

Plus en détail

ecrm : Multiplicité des données clients D où proviennent les informations et quelles sont-elles?

ecrm : Multiplicité des données clients D où proviennent les informations et quelles sont-elles? ecrm : Multiplicité des données clients D où proviennent les informations et quelles sont-elles? Livre Blanc Cabestan Des sources de données disparates Il existe autant d'approches pour reconnaître un

Plus en détail

Les solutions SAS pour les Petites et Moyennes Entreprises

Les solutions SAS pour les Petites et Moyennes Entreprises BROCHURE SOLUTION Les solutions SAS pour les Petites et Moyennes Entreprises Sur un marché aussi compétitif que celui des Petites et Moyennes Entreprises, le temps et l efficacité sont deux valeurs prioritaires

Plus en détail

Solution. collaborative. de vos relations clients.

Solution. collaborative. de vos relations clients. Solution collaborative de vos relations clients. Le Collaborative Relationship Management : une autre vision du CRM L un des enjeux majeurs dans les relations qu une entreprise entretient avec ses clients

Plus en détail

Campagne de Communication Prévisionnelle. Web Intelligence & Réputation Internet

Campagne de Communication Prévisionnelle. Web Intelligence & Réputation Internet Campagne de Communication Prévisionnelle Web Intelligence & Réputation Internet 1 Sommaire 1. Introduction... 3 2. Détail de la prestation de gestion de réputation online... 5 2.1 Sélection des mots, thématiques

Plus en détail

Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON

Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON L analytique joue un rôle désormais primordial dans la réussite d une entreprise. Les pouvoirs qu elle délivre sont incontestables, cependant

Plus en détail

Économie et réseaux sociaux

Économie et réseaux sociaux Économie et réseaux sociaux Forum financier belge Louvain-la-Neuve 23/10/2012 Économie et réseaux sociaux Olivier de Wasseige @defimedia.be Plus de 7 internautes sur 10 sont membres d au moins un réseau

Plus en détail

Accélérer l agilité de votre site de e-commerce. Cas client

Accélérer l agilité de votre site de e-commerce. Cas client Accélérer l agilité de votre site de e-commerce Cas client L agilité «outillée» devient nécessaire au delà d un certain facteur de complexité (clients x produits) Elevé Nombre de produits vendus Faible

Plus en détail

Big Data : une complexité réduite pour un retour sur investissement plus rapide

Big Data : une complexité réduite pour un retour sur investissement plus rapide Big Data : une complexité réduite pour un retour sur investissement plus rapide Copyright 2013 Pentaho Corporation. Redistribution autorisée. Toutes les marques commerciales sont déposées par leur propriétaire

Plus en détail

DIGITAL MINDS. Chapitre 7, Les médias sociaux. 12 Clés pour Développer votre Business sur le Web. 2014 WSI. All rights reserved.

DIGITAL MINDS. Chapitre 7, Les médias sociaux. 12 Clés pour Développer votre Business sur le Web. 2014 WSI. All rights reserved. DIGITAL MINDS 12 Clés pour Développer votre Business sur le Web Chapitre 7, WSI We Simplify the Internet Leader mondial en Stratégie Marketing sur Internet Siège social, Toronto, Canada Présent dans plus

Plus en détail

Le décisionnel plus que jamais au sommet de l agenda des DSI

Le décisionnel plus que jamais au sommet de l agenda des DSI Le décisionnel plus que jamais au sommet de l agenda des DSI 9 juin 2011 www.idc.com Cyril Meunier IDC France Research & Consulting Manager Copyright 2008 IDC. Reproduction is forbidden unless authorized.

Plus en détail

Business Intelligence avec Excel, Power BI et Office 365

Business Intelligence avec Excel, Power BI et Office 365 Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10

Plus en détail

Votre Infrastructure est-elle? Business Intelligence. Améliorer la capacité d analyse et de décision de vos équipes

Votre Infrastructure est-elle? Business Intelligence. Améliorer la capacité d analyse et de décision de vos équipes Votre Infrastructure est-elle? Business Intelligence Améliorer la capacité d analyse et de décision de vos équipes Sommaire Introduction : Les domaines d application de la Business Intelligence p. 4 Vue

Plus en détail

CULTIVATEUR DE DONNÉES 4.0 FAITES FRUCTIFIER VOS DONNÉES, RÉCOLTEZ DU ROI. DU BIG DATA AU SMART DATA

CULTIVATEUR DE DONNÉES 4.0 FAITES FRUCTIFIER VOS DONNÉES, RÉCOLTEZ DU ROI. DU BIG DATA AU SMART DATA CULTIVATEUR DE DONNÉES 4.0 FAITES FRUCTIFIER VOS DONNÉES, RÉCOLTEZ DU ROI. DU BIG DATA AU SMART DATA CULTIVER SON CAPITAL CLIENTS, RECRUTER, FIDÉLISER ET RÉCOLTER DU ROI! La société Base Plus cultive depuis

Plus en détail

Le "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique

Le tout fichier Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché

Plus en détail

Business Intelligence

Business Intelligence Pour aller plus loin Tous les détails de l offre Microsoft Business Intelligence : www.microsoft.com/france/decisionnel Contact Microsoft France : msfrance@microsoft.com Business Intelligence Votre Infrastructure

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 3 - Data

BI = Business Intelligence Master Data-ScienceCours 3 - Data BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage

Plus en détail

Prospection clientèle : comment utiliser Twitter pour générer des leads?

Prospection clientèle : comment utiliser Twitter pour générer des leads? Know everything before everyone #twlyon2015 Prospection clientèle : comment utiliser Twitter pour générer des leads? PRÉSENTATION Jean-Christophe Gatuingt @gatuingt Plateforme de veille Twitter pour les

Plus en détail

Solution. collaborative. de vos relations clients.

Solution. collaborative. de vos relations clients. Solution collaborative de vos relations clients. Le Collaborative Relationship Management : une autre vision du CRM L un des enjeux majeurs dans les relations qu une entreprise entretient avec ses clients

Plus en détail

Transformation IT de l entreprise DU CONCRET POUR TRANSFORMER LES BIG DATA EN VALEUR

Transformation IT de l entreprise DU CONCRET POUR TRANSFORMER LES BIG DATA EN VALEUR Transformation IT de l entreprise DU CONCRET POUR TRANSFORMER LES BIG DATA EN VALEUR S elon IDC, la quantité d informations stockées et traitées continue d augmenter chaque année de plus 50%. Comment extraire

Plus en détail

transformer en avantage compétitif en temps réel vos données Your business technologists. Powering progress

transformer en avantage compétitif en temps réel vos données Your business technologists. Powering progress transformer en temps réel vos données en avantage compétitif Your business technologists. Powering progress Transformer les données en savoir Les données sont au cœur de toute activité, mais seules elles

Plus en détail

Assurer l avenir de votre activité grâce à l open marketing. Par David Mennie, Senior Director, Product Marketing, Acquia

Assurer l avenir de votre activité grâce à l open marketing. Par David Mennie, Senior Director, Product Marketing, Acquia Assurer l avenir de votre activité grâce à l open marketing Par David Mennie, Senior Director, Product Marketing, Acquia Table des matières Le Marketing à l ère de l ouverture 3 L émergence du marketeur

Plus en détail

Réussir la transformation. Ensemble. Les défis de l expérience client différenciante. Delivering Transformation. Together.

Réussir la transformation. Ensemble. Les défis de l expérience client différenciante. Delivering Transformation. Together. Réussir la transformation. Ensemble. Les défis de l expérience client différenciante Delivering Transformation. Together. Sopra Steria Consulting est l activité Conseil du Groupe Sopra Steria. Présent

Plus en détail

Panorama des outils de veille. Myriel Brouland I-Expo 17 Juin 2009

Panorama des outils de veille. Myriel Brouland I-Expo 17 Juin 2009 Panorama des outils de veille Myriel Brouland I-Expo 17 Juin 2009 1 La veille s est affirmée en tant que discipline : Elle s inscrit dans un démarche d optimisation du management de l information au sein

Plus en détail

Les clients puissance cube

Les clients puissance cube LETTRE CONVERGENCE Les clients puissance cube L intelligence artificielle au service du marketing des services N 28 To get there. Together. A PROPOS DE BEARINGPOINT BearingPoint est un cabinet de conseil

Plus en détail

Le terme «ERP» provient du nom de la méthode MRP (Manufacturing Ressource Planning) utilisée dans les années 70 pour la gestion et la planification

Le terme «ERP» provient du nom de la méthode MRP (Manufacturing Ressource Planning) utilisée dans les années 70 pour la gestion et la planification Séminaire national Alger 12 Mars 2008 «L Entreprise algérienne face au défi du numérique : État et perspectives» CRM et ERP Impact(s) sur l entreprise en tant qu outils de gestion Historique des ERP Le

Plus en détail

Ici, le titre de la. Tableaux de bords de conférence

Ici, le titre de la. Tableaux de bords de conférence Ici, le titre de la Tableaux de bords de conférence pilotage d entreprise, indicateurs de performance reporting et BI quels outils seront incontournables à l horizon 2010? Les intervenants Editeur/Intégrateur

Plus en détail

Le Cloud et le Big Data annoncent le retour en grâce de la donnée consommateur

Le Cloud et le Big Data annoncent le retour en grâce de la donnée consommateur Le Cloud et le Big Data annoncent le retour en grâce de la donnée consommateur Better connections. Better results. Livre Blanc Acxiom Le Cloud et le Big Data annoncent le retour en grâce de la donnée consommateur

Plus en détail

Livre blanc. 4 clés pour personnaliser l expérience web des clients

Livre blanc. 4 clés pour personnaliser l expérience web des clients Livre blanc 4 clés pour personnaliser l expérience web des clients Exploiter toute la valeur du site web Par de nombreux aspects, les responsables marketing web d aujourd hui ont les yeux bandés : ils

Plus en détail

Aujourd hui, un nombre croissant d entreprises ont choisi

Aujourd hui, un nombre croissant d entreprises ont choisi UN ETAT DES LIEUX : Analyse de la clientèle Une approche proactive de la fidélisation et de la rétention Sponsorisé par Un rapport de recherche exclusif Les chercheurs d UBM TechWeb ont réalisé une enquête

Plus en détail

Travailler avec les télécommunications

Travailler avec les télécommunications Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la

Plus en détail

Big Data et Marketing : les competences attendues

Big Data et Marketing : les competences attendues Big Data et Marketing : les competences attendues Laurence Fiévet Responsable Marketing Corporate Oney Banque Accord LA DYNAMIQUE DU MARKETING Selon la définition de Kotler et Dubois, «Le marketing est

Plus en détail

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE GUIDE COMPARATIF BUSINESS INTELLIGENCE www.viseo.com Table des matières Business Intelligence :... 2 Contexte et objectifs... 2 Une architecture spécifique... 2 Les outils de Business intelligence... 3

Plus en détail

LIVRE BLANC. Smart data, scoring et CRM automatisé : Comment acquérir, qualifier et convertir ses prospects en clients

LIVRE BLANC. Smart data, scoring et CRM automatisé : Comment acquérir, qualifier et convertir ses prospects en clients messaging LIVRE BLANC Smart data, scoring et CRM automatisé : Comment acquérir, qualifier et convertir ses prospects en clients SOMMAIRE Smart data, scoring et CRM automatisé : Comment acquérir, qualifier

Plus en détail

La gestion globale des contenus d entreprise

La gestion globale des contenus d entreprise Gonzague Chastenet de Géry La gestion globale des contenus d entreprise Le projet ECM, une nouvelle approche de la gestion de l information é d i t i o n s Les Editions de l ADBS publient des ouvrages

Plus en détail

SEARCH MARKETING DISPLAY & SOCIAL ADVERTISING

SEARCH MARKETING DISPLAY & SOCIAL ADVERTISING SEARCH MARKETING DISPLAY & SOCIAL ADVERTISING Mieux vaut faire une seule chose et la faire bien. Le cœur de métier d Ad s up est le Search Engine Advertising. Grâce à notre équipe expérimentée et au développement

Plus en détail

Stratégie webmarketing

Stratégie webmarketing Stratégie webmarketing OBJECTIFS - Comprendre et maîtriser les différents techniques et leviers de promotion online utilisés par les professionnels Chefs d entreprise, créateurs d entreprise, webmasters,

Plus en détail

n 7 OPTIMISATION DU TUNNEL DE COMMANDE Etes-vous sûrs d avoir déjà tout testé?

n 7 OPTIMISATION DU TUNNEL DE COMMANDE Etes-vous sûrs d avoir déjà tout testé? n 7 OPTIMISATION DU TUNNEL DE COMMANDE Etes-vous sûrs d avoir déjà tout testé? Le tunnel de commande, correspond aux différentes étapes que suit l acheteur, de son arrivée sur le site e-commerçant à la

Plus en détail

DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM

DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM DÉPLOIEMENT DE QLIKVIEW POUR DES ANALYSES BIG DATA CHEZ KING.COM Étude de cas technique QlikView : Big Data Juin 2012 qlikview.com Introduction La présente étude de cas technique QlikView se consacre au

Plus en détail

Le Social CRM comme levier de développement pour les entreprises

Le Social CRM comme levier de développement pour les entreprises Le Social CRM comme levier de développement pour les entreprises Cycle Innovation & Connaissance 57 petit déjeuner Jérôme SANZELLE, Allmyski 11 avril 8h30-10h SKEMA Animatrice : Valérie BLANCHOT COURTOIS

Plus en détail

Guide d accompagnement. Document réalisé par Softcomputing et Microsoft France.

Guide d accompagnement. Document réalisé par Softcomputing et Microsoft France. RESSOURCE PME Cahier des charges d un outil de gestion de la relation client (GRC) ou Customer Relationship Management (CRM) Guide d accompagnement. Ce document donne aux PME des clés pour mener à bien

Plus en détail

PLAN. Les systèmes d'information analytiques. Exemples de décisions

PLAN. Les systèmes d'information analytiques. Exemples de décisions Les systèmes d'information analytiques Dr A.R. Baba-ali Maitre de conferences USTHB PLAN Le cycle de decision Les composants analytiques ETL (Extract, Transform and Load) Entrepot de (Data warehouse) Traitement

Plus en détail

Guide de référence pour l achat de Business Analytics

Guide de référence pour l achat de Business Analytics Guide de référence pour l achat de Business Analytics Comment évaluer une solution de décisionnel pour votre petite ou moyenne entreprise : Quelles sont les questions à se poser et que faut-il rechercher?

Plus en détail

RESEAUX SOCIAUX : OUTILS DE PROSPECTION ET FIDELISATION?

RESEAUX SOCIAUX : OUTILS DE PROSPECTION ET FIDELISATION? Faut-il être présent sur les réseaux sociaux? De plus en plus d entreprises se posent la question. Considéré il y a encore peu comme un simple moyen d échange ou de prise de contact, le réseau social est

Plus en détail

Stratégies gagnantes pour la fabrication industrielle : le cloud computing vu par les dirigeants Dossier à l attention des dirigeants

Stratégies gagnantes pour la fabrication industrielle : le cloud computing vu par les dirigeants Dossier à l attention des dirigeants Stratégies gagnantes pour la fabrication industrielle : Dossier à l attention des dirigeants Centres d évaluation de la technologie inc. Stratégies gagnantes pour l industrie : Synthèse Jusqu ici, les

Plus en détail

Agenda de la présentation

Agenda de la présentation Le Data Mining Techniques pour exploiter l information Dan Noël 1 Agenda de la présentation Concept de Data Mining ou qu est-ce que le Data Mining Déroulement d un projet de Data Mining Place du Data Mining

Plus en détail

Présentation GRILOG. Février 2013

Présentation GRILOG. Février 2013 Présentation GRILOG Février 2013 Sujet / Agenda Comment maximiser ses performances commerciales et services à l aide d un CRM métier Editeur/intégrateur? Agenda: La filière de l édition de logiciel : Les

Plus en détail

Partie I Stratégies relationnelles et principes d organisation... 23

Partie I Stratégies relationnelles et principes d organisation... 23 Introduction......................................................................... 1 1. Définition........................................................................ 2 1.1 Le CRM comme processus

Plus en détail

LA STRATÉGIE «BIG DATA» DE ROULARTA MEDIA GROUP PREND DE L AMPLEUR GRÂCE À SELLIGENT TARGET

LA STRATÉGIE «BIG DATA» DE ROULARTA MEDIA GROUP PREND DE L AMPLEUR GRÂCE À SELLIGENT TARGET LA STRATÉGIE «BIG DATA» DE ROULARTA MEDIA GROUP PREND DE L AMPLEUR GRÂCE À SELLIGENT TARGET Le groupe, véritable machine à idées des médias, tire parti de l analyse comportementale pour optimiser son marketing

Plus en détail

Facebook ADS Du ciblage à la conversion

Facebook ADS Du ciblage à la conversion Facebook ADS Du ciblage à la conversion Mardi 18 Juin 2013 FACEBOOK ADS «LES PUBLICITES FACEBOOK : OPPORTUNITÉS DE TRAFIC ET DE CONVERSION» OBJECTIFS Pourquoi utiliser Facebook ADS? # 1 Recruter des fans

Plus en détail

Créer et animer une boutique en ligne avec Wordpress (environnement PC et MAC)

Créer et animer une boutique en ligne avec Wordpress (environnement PC et MAC) Créer et animer une boutique en ligne avec Wordpress (environnement PC et MAC) OBJECTIFS - Créer une boutique sous wordpress et la référencer. - Mise en place du contenu, des articles Une bonne connaissance

Plus en détail

.id. _la solution de pilotage de votre entreprise ERP / CRM / BPM. www.groupeid.ch. informatique & développement

.id. _la solution de pilotage de votre entreprise ERP / CRM / BPM. www.groupeid.ch. informatique & développement .id informatique & développement _la solution de pilotage de votre entreprise ERP / CRM / BPM marketing & crm \ ventes \ achats \ \ \ www.groupeid.ch Un outil performant basé sur des connaissances «métiers»

Plus en détail

Performance 2010. Eléments clés de l étude

Performance 2010. Eléments clés de l étude Advisory, le conseil durable Consulting / Operations Performance 2010 Eléments clés de l étude Ces entreprises qui réalisent deux fois plus de croissance. Une enquête sur les fonctions ventes et marketing.

Plus en détail

Les activités numériques

Les activités numériques Les activités numériques Activités de l entreprise et activités numériques de l entreprise convergent de plus en plus au sein de la chaîne de valeur, c est-à-dire la manière avec laquelle une entreprise

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Base de données clients outil de base du CRM

Base de données clients outil de base du CRM Base de données clients outil de base du CRM Introduction Objectifs SOMMAIRE Constitution de la base de données clients Alimentation Datamart et DataWarehouse Contenu Dimensions Exploitation de la base

Plus en détail

Trois méthodes éprouvées pour obtenir un meilleur retour sur investissement avec le data mining

Trois méthodes éprouvées pour obtenir un meilleur retour sur investissement avec le data mining Trois méthodes éprouvées pour obtenir un meilleur retour sur investissement avec le data mining Améliorez les résultats de votre entreprise Points clés Incorporez des types de données supplémentaires dans

Plus en détail

Entreposage, analyse en ligne et fouille de données

Entreposage, analyse en ligne et fouille de données Entreposage, analyse en ligne et fouille de données Houssem Jerbi IRIT - SIG/ED jerbi@irit.fr Journée COMPIL " Bases de Données" 14/12/2010 PLAN Introduction Bases de données Entrepôt de données Technologie

Plus en détail

Business & High Technology

Business & High Technology UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 8 : ID : Informatique Décisionnelle BI : Business Intelligence Sommaire Introduction...

Plus en détail

À PROPOS DE TALEND...

À PROPOS DE TALEND... WHITE PAPER Table des matières Résultats de l enquête... 4 Stratégie d entreprise Big Data... 5 Intégration des Big Data... 8 Les défis liés à la mise en œuvre des Big Data... 10 Les technologies pour

Plus en détail

L information et la technologie de l informationl

L information et la technologie de l informationl L information et la technologie de l informationl CRM & informatique décisionnelled CRM CRM & informatique décisionnelle. d 1 2 3 Les Les fondements managériaux managériaux du du CRM. CRM. Les Les fondements

Plus en détail

Le Display En Pleine Révolution

Le Display En Pleine Révolution Le Display En Pleine Révolution De l achat d espace publicitaire classique à la gestion d audience ciblée Better connections. Better results. Livre Blanc Acxiom Le Display En Pleine Révolution De l achat

Plus en détail

MyReport, une gamme complète. La Business Intelligence en toute simplicité : Concevez, partagez, actualisez! pour piloter votre activité au quotidien.

MyReport, une gamme complète. La Business Intelligence en toute simplicité : Concevez, partagez, actualisez! pour piloter votre activité au quotidien. MyReportle reporting sous excel La Business Intelligence en toute simplicité : Concevez, partagez, actualisez! MyReport, une gamme complète pour piloter votre activité au quotidien. En rendant les données

Plus en détail

ANTICIPEZ ET PRENEZ LES BONNES DÉCISIONS POUR VOTRE ENTREPRISE

ANTICIPEZ ET PRENEZ LES BONNES DÉCISIONS POUR VOTRE ENTREPRISE ANTICIPEZ ET PRENEZ LES BONNES DÉCISIONS POUR VOTRE ENTREPRISE Editeur - Intégrateur de solutions de gestion Notre stratégie d édition et d intégration : un niveau élevé de Recherche & Développement au

Plus en détail

avec Etude exclusive Le Club des Annonceurs & l Institut QualiQuanti «Le Brand Content : au cœur du pilotage de la marque»

avec Etude exclusive Le Club des Annonceurs & l Institut QualiQuanti «Le Brand Content : au cœur du pilotage de la marque» avec Communiqué de presse Paris, le 22 octobre 2014 Etude exclusive Le Club des Annonceurs & l Institut QualiQuanti «Le Brand Content : au cœur du pilotage de la marque» «A l heure où la marque devient

Plus en détail

Présentation de la solution SAP Solutions SAP Crystal 2011. Une solution de Business Intelligence d entrée de gamme complète

Présentation de la solution SAP Solutions SAP Crystal 2011. Une solution de Business Intelligence d entrée de gamme complète Présentation de la solution SAP Solutions SAP Crystal Solutions SAP Crystal 2011 Une solution de Business Intelligence d entrée de gamme complète SOMMAIRE ^4 ^ 5 ^ 6 ^ 7 ^ 8 ^ 9 Créez les fondements de

Plus en détail

Le Tag Management à l ère du Smart Data

Le Tag Management à l ère du Smart Data Le Tag Management à l ère du Smart Data LE CAS CLIENT PAGES JAUNES Pages Jaunes est un chef de file des solutions de marketing et de medias numériques au Canada. En lui permettant de normaliser son acquisition

Plus en détail

MARKETING WEB. www.ziggourat.com - Tél : 01 44 61 96 00 N enregistrement formation : 11752861675

MARKETING WEB. www.ziggourat.com - Tél : 01 44 61 96 00 N enregistrement formation : 11752861675 www.ziggourat.com - Tél : 01 44 61 96 00 N enregistrement formation : 11752861675 N N N N N Séminaires Internet Executive Stratégie et Marketing sur Interet : synnthèse et tedances... 3 Stratégie cross-média

Plus en détail

Introduction Big Data

Introduction Big Data Introduction Big Data SOMMAIRE Rédacteurs : Réf.: SH. Lazare / F. Barthélemy AXIO_BD_V1 QU'EST-CE QUE LE BIG DATA? ENJEUX TECHNOLOGIQUES ENJEUX STRATÉGIQUES BIG DATA ET RH ANNEXE Ce document constitue

Plus en détail

Bénéfices pour votre organisation : une solution pouvant supporter vos besoins d affaires

Bénéfices pour votre organisation : une solution pouvant supporter vos besoins d affaires Pivotal CRM 6.0 Quelle que soit la tendance d évolution des marchés, faites de vos clients le moteur de votre réussite avec une meilleure maîtrise et une meilleure flexibilité et un coût de possession

Plus en détail

Thibault Denizet. Introduction à SSIS

Thibault Denizet. Introduction à SSIS Thibault Denizet Introduction à SSIS 2 SSIS - Introduction Sommaire 1 Introduction à SQL Server 2008 Integration services... 3 2 Rappel sur la Business Intelligence... 4 2.1 ETL (Extract, Transform, Load)...

Plus en détail

Groupe Eyrolles, 2004 ISBN : 2-212-11331-5

Groupe Eyrolles, 2004 ISBN : 2-212-11331-5 Groupe Eyrolles, 2004 ISBN : 2-212-11331-5 Table des matières Préface........................................................ V Remerciements................................................ VII Introduction...................................................

Plus en détail

Optimisez les coûts de possession de votre information et redonnez de la capacité d investissement au DSI

Optimisez les coûts de possession de votre information et redonnez de la capacité d investissement au DSI CGI Dbox Dites oui à notre solution exclusive de décommissionnement et réduisez les coûts tout en conservant l intégrité de votre patrimoine informationnel Optimisez les coûts de possession de votre information

Plus en détail

THE NEW STYLE OF SERVICE DESK, ANYTIME, ANYWHERE MARDI 11 FÉVRIER, DOMINIQUE DUPUIS, DIRECTRICE DE LA RECHERCHE

THE NEW STYLE OF SERVICE DESK, ANYTIME, ANYWHERE MARDI 11 FÉVRIER, DOMINIQUE DUPUIS, DIRECTRICE DE LA RECHERCHE THE NEW STYLE OF SERVICE DESK, ANYTIME, ANYWHERE MARDI 11 FÉVRIER, DOMINIQUE DUPUIS, DIRECTRICE DE LA RECHERCHE SOMMAIRE Les enquêtes du CXP SaaS / Cloud Mobilité Big Data Conclusion 2 SOMMAIRE Les enquêtes

Plus en détail

Les compétences clés en 2015 La révolution du Big Data souffle sur les métiers du commerce et du marketing

Les compétences clés en 2015 La révolution du Big Data souffle sur les métiers du commerce et du marketing Communiqué de presse Les compétences clés en 2015 La révolution du Big Data souffle sur les métiers du commerce et du marketing Paris, le 7 avril 2015 A la recherche de leviers permettant de soutenir le

Plus en détail

E-Guide COMMENT PRENDRE LA MAIN SUR LES PROJETS BIG DATA

E-Guide COMMENT PRENDRE LA MAIN SUR LES PROJETS BIG DATA E-Guide COMMENT PRENDRE LA MAIN SUR LES PROJETS BIG DATA M aintenant que vos projets analytiques sont en place, comment vous assurer que votre entreprise tire une réelle valeur métier de ces initiatives?

Plus en détail

CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2. Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP...

CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2. Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP... Table des matières CARTE HEURISTIQUE...1 LA CHAÎNE DÉCISIONNELLE...2 Collecte des données...2 Stockage des Données...3 Exploitation des Données...4 OLTP ET OLAP...6 OPÉRATIONS SUR LES CUBES...7 Exemple

Plus en détail

DOSSIER SOLUTION CA Service Assurance Mai 2010. assurez la qualité et la disponibilité des services fournis à vos clients

DOSSIER SOLUTION CA Service Assurance Mai 2010. assurez la qualité et la disponibilité des services fournis à vos clients DOSSIER SOLUTION CA Service Assurance Mai 2010 assurez la qualité et la disponibilité des services fournis à vos clients est un portefeuille de solutions de gestion matures et intégrées, qui contribue

Plus en détail

Marketing. en 12 étapes clés. Une introduction au Marketing Automation Comment délivrer le bon contenu au bon moment à son interlocuteur

Marketing. en 12 étapes clés. Une introduction au Marketing Automation Comment délivrer le bon contenu au bon moment à son interlocuteur Marketing Automation en 12 étapes clés Une introduction au Marketing Automation Comment délivrer le bon contenu au bon moment à son interlocuteur Marketing Automation : pourquoi cela fonctionne mieux qu

Plus en détail

SQL Server 2012 et SQL Server 2014

SQL Server 2012 et SQL Server 2014 SQL Server 2012 et SQL Server 2014 Principales fonctions SQL Server 2012 est le système de gestion de base de données de Microsoft. Il intègre un moteur relationnel, un outil d extraction et de transformation

Plus en détail

Eurateach labellisé par la région et le FAFIEC. Si vous remplissez les conditions suivantes : Votre entreprise compte moins de 250 salariés

Eurateach labellisé par la région et le FAFIEC. Si vous remplissez les conditions suivantes : Votre entreprise compte moins de 250 salariés > FORMATIONS CLES EN MAIN > FORMATIONS SUR MESURE Eurateach labellisé par la région et le FAFIEC Dans le cadre du Pacte Régional de Continuité Professionnelle signé par l Etat, la Région et les Partenaires

Plus en détail