Qu'est-ce que le $ @! est la découverte de données?

Le monde des affaires bourdonne sur la découverte de données. À première vue, cela semble être un terme simple, mais ce slogan signifie plus que «trouver des choses». Qu'est-ce que la découverte de données, vraiment? Et comment s'intègre-t-il dans le paysage moderne du mobile, de l'analytique et du big data?

La découverte de données, parfois appelée exploration de données, implique la collecte et l'analyse de données, puis la présentation des résultats dans des formats lisibles et utilisables. Dans les termes les plus élémentaires, la découverte de données est le processus de recherche de modèles dans les données et d'utilisation de ces modèles pour atteindre un objectif commercial particulier.

Bien sûr, la découverte de données ne se limite pas à faire correspondre des points. Les entreprises utilisent la découverte de données pour un large éventail d'objectifs et d'applications dans divers domaines - et dans un monde moderne et numérique, il y a plus de données à découvrir que jamais.

D'où vient la découverte des données?

Bien que la découverte de données soit relativement nouvelle dans le lexique «brûlant» des termes commerciaux numériques, les méthodes et stratégies ne sont pas si nouvelles. Le prédécesseur du terme, l'exploration de données, a été introduit dans les années 1990, mais les entreprises et les organisations utilisent une certaine forme de découverte de données depuis l'aube du commerce.

La découverte des données modernes en tant que stratégie d'entreprise est née de la montée des mégadonnées - un terme fourre-tout qui décrit la croissance exponentielle relativement récente de grands ensembles de données complexes où le volume d'informations exclut l'utilisation de bases de données traditionnelles et d'outils organisationnels pour extraire tout ce qui est utile.

Cependant, les mégadonnées sont un gros problème pour les entreprises d'aujourd'hui, car parmi tout cela, les données structurées et non structurées sont des modèles très utiles qui peuvent être utilisés pour améliorer les stratégies de marketing, le retour sur investissement et les bénéfices. Les plates-formes de découverte de données sont donc conçues pour donner aux organisations des moyens plus faciles de localiser, d'analyser et d'extraire les données pertinentes.

Comment fonctionne la découverte des données

Les plates-formes de découverte de données se composent généralement de plusieurs outils regroupés et fonctionnent conjointement pour extraire des données et les présenter de manière significative. Il existe plusieurs façons différentes pour ces outils de trouver et d'identifier les informations pertinentes, mais la plupart tournent autour de trois méthodes analytiques de base:

• Métadonnées: tout le contenu numérique contient des métadonnées, ou «données sur les données». Ces informations sont généralement cachées aux utilisateurs finaux, mais sont visibles sur le serveur principal. Les métadonnées sont généralement stockées à l'aide de tables et d'attributs de colonne - les outils de découverte de données utilisant des métadonnées rechercheraient donc des correspondances dans le nom de la colonne, la taille et le type de données.
• Étiquettes: dans de nombreux cas, les données sont générées et regroupées sous des étiquettes, ou balises, qui décrivent les données au sein de ce groupe. Ces balises peuvent être générées lors de la création des données, ou peuvent être ajoutées pour référence et informations supplémentaires. Les étiquettes ou balises sont similaires aux métadonnées, bien que moins formelles.
• Contenu: cette stratégie analyse les données elles-mêmes, plutôt que les étiquettes ou métadonnées attachées.

En règle générale, il y aura beaucoup plus de volume de données de contenu que de balises ou de métadonnées, ce qui signifie que l'identification des données par le contenu prend plus de temps et utilise des méthodes de découverte plus complexes. Cependant, l'analyse de contenu a également tendance à fournir des résultats relationnels plus riches et plus utiles.

Une fois les données analysées, d'autres outils de découverte de données peuvent être utilisés pour présenter les relations, les tendances ou les modèles découverts dans un format utile. Les graphiques, les tableaux et les graphiques sont des outils de présentation de base utilisés dans la découverte de données, mais les présentations plus complexes mais lisibles, telles que les infographies, gagnent en popularité auprès des analystes de données.

Que peut faire la découverte de données?

En termes d'utilisation pratique, les plateformes et outils de découverte de données sont presque illimités. Ces méthodes et stratégies sont le plus souvent utilisées par les organisations en contact avec les consommateurs dans presque tous les secteurs, y compris la vente au détail, les finances, les communications et le marketing, bien que les organisations à but non lucratif, les entreprises à entreprises et les agences gouvernementales utilisent également cette technologie.

La découverte de données permet à une organisation de trouver des relations entre des facteurs internes (tels que le prix, le positionnement du produit et la performance des employés) et des facteurs externes (tels que les données sur la concurrence, les indicateurs économiques et la démographie des clients). Ces relations aident les entreprises à illustrer et à définir les impacts des modifications apportées à un ou plusieurs facteurs sur les ventes, l'engagement client et les bénéfices.

Les outils utilisés dans la découverte de données offrent une image plus détaillée des facteurs d'influence et permettent aux entreprises d'affiner leurs stratégies marketing et leurs campagnes publicitaires avec des informations hautement ciblées. Le moteur de recommandation du service de streaming vidéo populaire Netflix est un bon exemple de technologie de découverte de données à l'œuvre. Le service utilise des données externes sur les historiques de visualisation des clients et des données internes sur le contenu multimédia de leur base de données pour faire des suggestions personnalisées de nouvelles vidéos susceptibles d'intéresser leurs clients.

Mais l'application potentielle de la découverte de données va au-delà des consommateurs de détail. Un exemple est le logiciel Advanced Scout, un programme utilisé par la National Basketball Association (NBA). Il analyse les mouvements des joueurs à partir d'enregistrements d'images de matchs de basket-ball pour aider les entraîneurs à développer des stratégies et à orchestrer les jeux.

À mesure que les plates-formes de découverte de données progressent et que la technologie devient plus abordable, de plus en plus d'organisations pourront utiliser ces outils pour mieux comprendre leurs clients et proposer des offres uniques et personnalisées qui améliorent le commerce pour tout le monde.