Véritable manuel pratique, ce livre s'adresse à toute personne amenée à travailler avec les données (chefs de projets, CDO, Architectes, Ingénieurs Data ou même Data Scientists) qui souhaite étendre ses connaissances autour de la gestion de données ou qui rencontre des besoins ponctuels sur des opérations à réaliser. L'objectif est de présenter tous les concepts et notions utiles dès lors que l'on est impliqué dans un projet de données. Chaque chapitre peut être lu indépendamment des autres et des exemples viennent étayer les propos de l'auteur.

Le lecteur commence avec une clarification indispensable des différents concepts qui gravitent autour de la donnée. Cette entrée en matière permet de démontrer que la donnée est une notion plus complexe qu'on ne le pense. Le livre aborde ensuite le stockage des données ce qui amène naturellement à la notion d'intégration de ces données et à ses impacts sur le Système d'Information.

La donnée étant mouvante, l'auteur expose ensuite les moyens à mettre en place pour une gouvernance de données efficace mais aussi pour mieux gérer son cycle de vie de manière globale. Cela permet au lecteur de mieux comprendre comment définir un cadre qui sera contrôlé et maîtrisé et d'expliquer en quoi les entreprises qui mettent en oeuvre le Data Fabric ou le Data Mesh sont à même de proposer des services de données pertinents. Le livre détaille ensuite les méthodes d'analyse et de visualisation de données qui permettent de déceler des problèmes de qualité de données nécessitant ensuite de les nettoyer, les transformer et les valoriser en information de confiance.

Le lecteur sera finalement invité à mettre un pied dans le monde de l'IA et de l'IA générative sur laquelle cette deuxième édition met un coup de projecteur. Les principes et grandes notions autour du Machine Learning et du Deep Learning sont expliqués avec simplicité afin que le lecteur puisse mieux comprendre comment les algorithmes fonctionnent grâce aux données. Pour terminer, l'auteur explique comment les grandes architectures de données (Data warehouse, Data Lake, Modern Data Stack, Data Hub et EDI) fonctionnent en détaillant leurs principes et leurs différences. Lire la suite Fermer

La Business Intelligence (BI) est née d'une exigence de plus en plus pressante : la capacité à analyser un volume de données de plus en plus important - parfois aux limites de ce que peut supporter un tableur - et une lecture optimisée des indicateurs et des informations. Autrefois encadré par des couches intermédiaires et des acteurs souvent informaticiens, c'est aujourd'hui, avec Power BI Desktop de Microsoft, l'ère de la BI en libre-service qui s'ouvre : un accès direct aux sources de données, avec ce que cela exige d'attention, un outil capable de brasser des volumes d'informations bien au-delà d'Excel, et de les restituer sous une forme visuelle claire et efficace.

Ce livre sur Power BI Desktop est destiné à l'utilisateur d'Excel qui souhaite pousser l'analyse de données dans un environnement familier, comme au spécialiste des bases de données qui veut en exploiter les ressources et diffuser l'information. Né de l'expérience de Microsoft dans le domaine des bases de données, dans la continuité d'Excel et de ses compléments (Power Query, Power Pivot), Power BI Desktop est un outil complet de préparation des données et de leur exploitation (qui repose sur le langage DAX) grâce aux langages M.

Toutes les étapes nécessaires à l'élaboration d'un reporting efficace sont abordées : de la connexion aux données et de leur préparation, phase préliminaire de première importance, à l'analyse du besoin qui détermine de manière très concrète la construction du rapport ; de la maîtrise de l'éventail des visuels et de leurs interactions à une approche résolument pragmatique et immédiatement utile du langage essentiel DAX ; et jusqu'à la diffusion du rapport, l'ouvrage dévoile et structure les ressources de l'outil Power BI Desktop pour en faire un révélateur de vos données.

L'approche est à la fois méticuleuse, car chaque étape du parcours est riche de multiples possibilités, et pédagogique, avec la volonté de souligner un cheminement clair vers la construction d'un rapport ou tableau de bord efficace. Ce livre couvre différents scénarios de connexion à vos sources de données (fichier Excel, base de données, dossiers...), il vous permettra d'acquérir les bons réflexes lors du travail de préparation des données, notamment en fonction de la source, mais aussi de découvrir la facilité de sa mise en oeuvre ; il vous guidera pour apprendre à choisir le bon visuel pour faire passer la bonne information et éviter la surcharge ; vous comprendrez les ressorts fondamentaux du calcul dans Power BI pour construire vos indicateurs. En définitive, l'objectif est que vous puissiez prendre plaisir à découvrir et continuer d'explorer cet outil conçu pour vous permettre d'éclairer d'une lumière nouvelle l'information dont vous disposez.
Lire la suite Fermer

La data science, ou science des données, est la discipline qui traite de la collecte, de la préparation, de la gestion, de l'analyse, de l'interprétation et de la visualisation de grands ensembles de données complexes. Elle n'est pas seulement concernée par les outils et les méthodes pour obtenir, gérer et analyser les données ; elle consiste aussi à en extraire de la valeur et de la connaissance.

Cet ouvrage présente les fondements scientifiques et les composantes essentielles de la science des données, à un niveau accessible aux étudiants de master et aux élèves ingénieurs.
Notre souci a été de proposer un exposé cohérent reliant la théorie aux algorithmes développés dans ces domaines. Il s'adresse aux chercheurs et ingénieurs qui abordent les problématiques liées à la science des données, aux data scientists de PME qui utilisent en profondeur les outils d'apprentissage, mais aussi aux étudiants de master, doctorants ou encore futurs ingénieurs qui souhaitent un ouvrage de référence en data science.
Lire la suite Fermer

Dans tous les métiers en lien avec le numérique, il est aujourd'hui nécessaire de savoir exploiter les données pour les représenter et ainsi mieux les analyser. Google Data Studio (ou GDS) est l'outil le plus simple et le plus ludique à utiliser pour gérer, visualiser et présenter ses données à travers des rapports graphiques et visuels.

L'objectif de ce livre est de vous apprendre à construire pas à pas vos rapports afin que vous puissiez mettre rapidement en pratique les conseils et les recommandations qui s'y trouvent. Il est destiné à tous ceux qui utilisent de près ou de loin les données dans un contexte commercial et marketing : chef d'entreprise, commercial, professionnel du marketing et du digital, responsable financier...

Les premiers chapitres sont destinés à la compréhension et à la présentation des enjeux de la donnée. Nous avons pris le temps de détailler toutes les subtilités autour de ce domaine d'avenir que sont les disciplines et métiers de la donnée.

Les chapitres suivants vont vous permettre de découvrir l'interface puis d'exploiter pas à pas les fonctionnalités de Google Data Studio : connecteurs, sources de données, représentation graphique, mise en forme... L'ensemble des fonctionnalités de cet outil, pensé et construit pour être ergonomique et facile à prendre en main, sont abordées.

Un chapitre est dédié à des sujets plus complexes tels que l'utilisation des champs calculés, des expressions régulières, des thèmes afin de vous permettre d'aller plus loin dans la mise en forme et l'utilisation des dimensions et des statistiques sur Google Data Studio. Il présente également les outils qui vous permettront d'élargir vos connaissances à savoir la communauté et le blog GDS.

Le livre se termine par une mise en pratique réalisée pas à pas permettant la réalisation de tableaux de bord marketing web et SEO exploitant les données issues de Google Analytics.
Lire la suite Fermer

Le manuel d'apprentissage de référence.
Cet ouvrage est un manuel d'apprentissage technique qui a été rédigé pour toute personne souhaitant développer des compétences sur une ou plusieurs technologie(s) de l'écosystème Hadoop. Il permet d'utiliser de façon professionnelle 18 technologies clés de l'écosystème Hadoop : Spark, Hive, Pig, Impala, ElasticSearch, HBase, Lucene, HAWQ, MapReduce, Mahout, HAMA, Tez, Phoenix, YARN, ZooKeeper, Storm, Oozie et Sqoop.

L'ouvrage permet d'initier les débutants pour les emmener vers une utilisation professionnelle de ces technologies. Pour faciliter la compréhension de l'ouvrage, chaque chapitre s'achève par un rappel des points clés et un guide d'étude qui permettent au lecteur de consolider ses acquis. Des compléments web sont également disponibles en téléchargement sur le site www.editions-eyrolles.com/dl/0067478.

Au fil de la lecture de cet ouvrage, vous allez comprendre les approches conceptuelles de chacune de ces technologies pour rendre vos compétences indépendantes de l'évolution d'Hadoop. Vous serez finalement capable d'identifier les portées fonctionnelle, stratégique et managériale de chacune de ces technologies.

À qui cet ouvrage s'adresse-t-il ?
Aux consultants BI/big data, data scientists, chargés d'études et chefs de projets data.
Aux étudiants désireux de s'orienter vers le big data.
Plus généralement, à tout professionnel souhaitant prendre le virage du big data ou souhaitant valoriser les données de son entreprise.
Lire la suite Fermer

R est un langage de développement conçu pour manipuler d'importants volumes de données. R pour les data sciences est le premier ouvrage dédié à ce nouveau langage de programmation populaire grâce au Big data.

Nous vivons une époque très excitante, qui ramène l'analyse de données et les méthodes quantitatives au coeur de la société. L'aboutissement de nombreux projets de recherche, la puissance de calcul informatique disponible et des données à profusion permettent aujourd'hui d'incroyables réalisations, grâce au travail des data scientists.
Un livre de référence pour les data scientists:
La data science est l'art de traduire des problèmes industriels, sociaux, scientifiques, ou de toute autre nature, en problèmes de modélisation quantitative, pouvant être résolus par des algorithmes de traitement de données. Cela passe par une réflexion structurée, devant faire en sorte que se rencontrent problèmes humains, outils techniques/informatiques et méthodes statistiques/algorithmiques. Chaque projet de data science est une petite aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à une réponse formelle et précise, qui aura des conséquences réelles sur le quotidien d'un nombre plus ou moins important de personnes.
Éric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils vous feront visiter les vastes espaces de la data science moderne, de plus en plus présente dans notre société et qui fait tant parler d'elle, parfois par l'intermédiaire d'un sujet qui lui est corollaire, les big data.
Des études de cas pour devenir kaggle master:
Loin des grands discours abstraits, les auteurs vous feront découvrir, claviers à la main, les pratiques de leur métier de data scientist chez OCTO Technology, l'un des leaders français du domaine. Et vous mettrez également la main à la pâte : avec juste ce qu'il faut de théorie pour comprendre ce qu'impliquent les méthodes mathématiques utilisées, mais surtout avec votre ordinateur personnel, quelques logiciels gratuits et puissants, ainsi qu'un peu de réflexion, vous allez participer activement à cette passionnante exploration !
À qui s'adresse cet ouvrage ?
Aux développeurs, statisticiens, étudiants et chefs de projets ayant à résoudre des problèmes de data science.
Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art du machine learning.
Lire la suite Fermer

Ecrit par deux experts renommés, Foster Provost et Tom Fawcett, cet ouvrage introduit les principes fondamentaux de la data science et guide le lecteur à "penser" les données dans le but de les extraire plus facilement pour développer la valeur d'une entreprise. Ce guide vous permet également de comprendre les différentes techniques de data mining utilisées de nos jours. Elaboré à partir d'un cours enseigné depuis plus de dix ans par Foster Provost à la New York University, cet ouvrage propose des exemples concrets de problèmes de données rencontrés au sein d'une entreprise.
Il vous permettra entre autres de : Comprendre comment travailler au sein d'une entreprise avec des data scientist - et comment en tirer un avantage compétitif Traiter les données moyennant un juste investissement pour en tirer un gain réel Faire en sorte d'analyser les problèmes d'une entreprise d'un point de vue data-statistique Comprendre les principaux fondamentaux de l'extraction de données Appliquer les principes de la data science pour recruter de meilleurs candidats.
Lire la suite Fermer

Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation...).
Cette cinquième édition, actualisée et augmentée de 90 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au text mining, objet d'un chapitre complètement remanié. Nombre de ses outils appartiennent à l'analyse des données et à la statistique « classiques » (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, régression clusterwise...) mais certains sont plus spécifiques au data mining, comme les réseaux de neurones, les algorithmes génétiques, les SVM, les arbres de décision, les forêts aléatoires, le boosting et la détection des règles d'associations. Les avancées les plus récentes du machine learning et les applications les plus actuelles des Big Data sont présentées, qui vont des algorithmes de reconnaissance d'image aux méthodes de plongement de mots en text mining. Les chapitres sur les réseaux de neurones et les SVM sont illustrés par la reconnaissance de l'écriture manuscrite.
Ces outils sont disponibles dans des logiciels de plus en plus puissants et complets, à commencer par le logiciel libre R, que nous comparons en détail aux logiciels SAS et IBM SPSS dans un chapitre spécifique. Ces logiciels sont utilisés pour illustrer par des exemples précis les explications théoriques données.
Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels. Un chapitre est consacré à une étude de cas complète de credit scoring, de l'exploration des données jusqu'à l'élaboration de la grille de score.
Lire la suite Fermer

Cet ouvrage montre comment appliquer les méthodes de machine learning aux Big Data, et comment appliquer les méthodes plus spécifiques de deep learning aux problèmes plus complexes relevant de l'intelligence artificielle, tels que la reconnaissance d'image et le traitement du langage naturel.
Ces méthodes sont ensuite mises en oeuvre avec trois des principales bibliothèques d'apprentissage profond : MXNet, PyTorch et Keras-TensorFlow.

Un livre à la fois théorique et pratique.
Cet ouvrage a pour ambition de couvrir un large spectre du domaine des data sciences. Il va plus loin qu'un simple tour sur les algorithmes d'apprentissage automatique et s'attaque aux autres aspects, malheureusement négligés mais fondamentaux pour tout data scientist :

Concepts généraux mais poussés, dont la maîtrise est indispensable ;
Algorithmes d'apprentissage automatique les plus connus ;
Aspects liés à l'exploration des données ;
Mesures de performances et d'autres métriques utilisées par les algorithmes ;
Différents concepts fondamentaux en mathématiques à connaître pour mieux explorer et comprendre les données ;
Notions importantes des big data ;
études de cas pratiques en langage Python.
La première partie de ce livre est théorique et adopte un format questions/réponses qui présente plusieurs avantages, dont la possibilité pour le lecteur de lire distinctement chacune des questions pour parfaire son savoir. Un autre point fort de cette structure est qu'elle incite à entrer dans un dialogue. Ainsi, grâce aux questions posées, le lecteur est poussé vers une réflexion où il confronte ses réponses à celles données par le livre.

La deuxième partie est pratique et propose deux exemples d'implémentation de modèles d'apprentissage automatique. Vous y trouverez des codes écrits en Python et un aperçu de différentes difficultés que peut rencontrer un spécialiste lors de l'exercice de son métier.

À qui s'adresse cet ouvrage ?
Le présent ouvrage est adapté à toute personne ayant une certaine maîtrise de la data science et du Machine Learning. Il aidera notamment à se rappeler des concepts importants, mais suppose que le lecteur soit initié sur le sujet. Il sera particulièrement utile à ceux qui veulent se préparer pour un concours, un examen ou un entretien.
Lire la suite Fermer

"La conception des algorithmes : une science !
L'algorithmique est l'art et la science de concevoir des algorithmes corrects et efficaces. Pour beaucoup d'informaticiens, c'est l'aspect artistique qui prédomine : on cherche l'idée lumineuse, la structure cachée, la réponse astucieuse. Mais la conception des algorithmes est d'abord une science dont il faut posséder les bases et les techniques avant d'exprimer sa créativité. Ce livre invite le lecteur à une approche rigoureuse de la construction d'algorithmes. Il explique comment la même idée peut se retrouver dans plusieurs algorithmes correspondant à des problèmes différents. Il donne les outils pour analyser rationnellement un problème, le classer dans une famille de méthodes et produire une solution exacte.

Un manuel de référence sur la construction raisonnée des algorithmes Dans chaque chapitre de ce livre, les bases théoriques et techniques sont rappelées et illustrées par des exemples. On y trouve ensuite un grand nombre d'exercices, accompagnés d'une correction minutieuse et complète. De la sorte, on y voit comment une démarche rationnelle permet d'atteindre une solution, exacte par construction, à travers une grande variété de cas. Après des rappels sur le raisonnement, les structures de données et la complexité, le livre parcourt les grandes méthodes de construction d'algorithmes : invariants, récursivité, essais successifs, méthodes PSEP, algorithmes gloutons, diviser pour régner, programmation dynamique. Au total, près de 150 exemples d'algorithmes sont ainsi analysés et construits rigoureusement.

Cet ouvrage, pour sa troisième édition, a été entièrement revu et corrigé. Nombre d'exercices ont été remaniés, certains assez largement, en visant une meilleure gradation des difficultés et une argumentation plus complète.

La 1re édition de Conception d'algorithmes a été finaliste du prix Roberval 2017.

À qui s'adresse ce livre ?
- Aux étudiants et enseignants en science informatique - Aux ingénieurs, enseignants-chercheurs, informaticiens et industriels."
Lire la suite Fermer

Comprendre les principes théoriques de la statistique est une chose ; savoir les mettre en pratique en est une autre, et le fossé peut être large entre les deux.
C'est pour aider le lecteur à le franchir que l'auteur a écrit un ouvrage de "travaux pratiques" de la statistique décisionnelle, qui fait suite à son ouvrage de cours, Data Mining et statistique décisionnelle, paru dans la même collection.

Un ouvrage de référence pour les (futurs) data scientists.

Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans la discipline sans comprendre la data science. Dans cet ouvrage, vous apprendrez comment fonctionnent les outils et algorithmes les plus fondamentaux de la data science, en les réalisant à partir de zéro.

Si vous êtes fort en maths et que vous connaissez la programmation, l'auteur, Joël Grus, vous aidera à vous familiariser avec les maths et les statistiques qui sont au coeur de la data science et à acquérir les compétences informatiques indispensables pour démarrer comme data scientist. La profusion des données d'aujourd'hui contient les réponses aux questions que personne n'a encore pensé à poser. Ce livre vous enseigne comment obtenir ces réponses.

Suivez un cours accéléré de Python.
Apprenez les fondamentaux de l'algèbre linéaire, des statistiques et des probabilités, et comprenez comment et quand les utiliser en data science.
Collectez, explorez, nettoyez, bricolez et manipulez les données.
Plongez dans les bases de l'apprentissage automatique.
Implémentez des modèles comme les k plus proches voisins, le Bayes naïf, les régressions linéaire ou logistique, les arbres de décision, les réseaux neuronaux et le clustering.
Explorez les systèmes de recommandation, le traitement du langage naturel, l'analyse de réseau, MapReduce et les bases de données.

À qui s'adresse cet ouvrage ?
Aux développeurs, statisticiens, étudiants et chefs de projet ayant à résoudre des problèmes de data science.
Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art de ce métier du futur.
Lire la suite Fermer

Une bible magistrale sur SAS.
Ce livre présente le socle de connaissances communes à tous les utilisateurs de SAS, le progiciel d'informatique décisionnelle le plus utilisé au monde. Il traite tout particulièrement des fonctionnalités de Base SAS, module au coeur du système SAS. Pédagogique et complet, il peut servir aussi bien de guide d'initiation pour les utilisateurs débutants que d'ouvrage de référence pour les plus expérimentés, et concerne aussi bien les utilisateurs de SAS Foundation que ceux de SAS Enterprise Guide, SAS Studio et SAS University Edition.

Cet ouvrage couvre les programmes des certifications SAS Certified Specialist: Base Programming Using SAS® 9.4 et Advanced Programming for SAS® 9.

Parmi les sujets développés :
- la création, la manipulation et la gestion des tables de données ;
- les procédures d'exploration des données : construction de tableaux, de rapports, de graphiques au moyen des procédures ODS Graphics ;
- la production de documents au format HTML, PowerPoint, RTF, XLSX ou PDF avec ODS ;
- la procédure PROC SQL et le langage SQL de SAS ;
- le langage macro spécifique à SAS.
Pour vous aider à bien assimiler tous les concepts, le livre comprend près de 500 programmes d'exemples, plus de 150 exercices et des liens vers une centaine d'articles en ligne.

Une 4e édition mise à jour et augmentée.
Enrichie de plus d'une centaine de pages, cette nouvelle édition propose des mises à jour importantes sur :
- les passerelles entre SAS et Excel ;
- l'optimisation des ressources ;
- la production de graphiques au moyen de PROC SGPLOT et PROC SGPANEL ;
- la création et gestion de vos tables au moyen de PROC SQL.
Le livre, qui porte essentiellement sur la version 9.4 de SAS, est également compatible avec les versions 9.2 et 9.3.

Ce livre a le soutien de SAS France.

À qui s'adresse cet ouvrage ?
Aux professionnels souhaitant découvrir ou approfondir leurs connaissances de la programmation SAS.
Aux étudiants qui débutent avec SAS ou qui souhaitent préparer les examens de certification SAS Certified Specialist: Base Programming Using SAS® 9.4 et Advanced Programming for SAS® 9.
Lire la suite Fermer

La conception des algorithmes : une science !
L'algorithmique est l'art et la science de concevoir des algorithmes corrects et efficaces. Pour beaucoup d'informaticiens, c'est l'aspect artistique qui prédomine : on cherche l'idée lumineuse, la structure cachée, la réponse astucieuse. Mais la conception des algorithmes est d'abord une science dont il faut posséder les bases et les techniques avant d'exprimer sa créativité. Ce livre invite le lecteur à une approche rigoureuse de la construction d'algorithmes. Il explique comment la même idée peut se retrouver dans plusieurs algorithmes correspondant à des problèmes différents. Il donne les outils pour analyser rationnellement un problème, le classer dans une famille de méthodes et produire une solution exacte.

Un manuel de référence sur la construction raisonnée des algorithmes.
Dans chaque chapitre de ce livre, les bases théoriques et techniques sont rappelées et illustrées par des exemples. On y trouve ensuite un grand nombre d'exercices, accompagnés d'une correction minutieuse et complète. De la sorte, on y voit comment une démarche rationnelle permet d'atteindre une solution, exacte par construction, à travers une grande variété de cas. Après des rappels sur le raisonnement, les structures de données et la complexité, le livre parcourt les grandes méthodes de construction d'algorithmes : invariants, récursivité, essais successifs, méthodes PSEP, algorithmes gloutons, diviser pour régner, programmation dynamique. Au total, près de 150 exemples d'algorithmes sont ainsi analysés et construits rigoureusement.

Cet ouvrage, pour sa deuxième édition, a été entièrement revu et corrigé. Nombre d'exercices ont été remaniés, certains assez largement, en visant une meilleure gradation des difficultés et une argumentation plus complète.

À qui s'adresse ce livre ?
Aux étudiants et enseignants en science informatique.
Aux ingénieurs, enseignants-chercheurs, informaticiens et industriels.
Lire la suite Fermer

Mieux identifier et fidéliser ses clients grâce aux outils de CRMDestiné aux décideurs, aux responsables fonctionnels (marketing, commercial) et aux chefs de projets informatique chargés de la mise en place de solutions CRM (Customer Relationship Management), cet ouvrage s'est imposé comme la référence en langue française sur la gestion de la relation client.Il explique en détail les techniques marketing utilisées pour mieux Identifier, cibler et fidéliser ses clients, et dresse un panorama des solutions disponibles : techniques et outils de segmentation et de scoring, de datawarehouse et de dataminlng, de gestion des campagnes marketing, d'automatisation des ventes, de gestion du service client, de personnalisation de sites Web, etc.Retours d'expérience et critères de réussite des projets CRMDans cette nouvelle édition, les auteurs tirent les leçons de plusieurs années marquées par la démesure et par un taux d'échec élevé dans les projets de CRM. ils proposent une démarche pragmatique de conduite de projet en identifiant précisément les facteurs de risque et les critères de réussite, et en mettant l'accent sur le contrôle du retour sur investissement. Cette deuxième édition propose également une analyse actualisée de la stratégie des différents acteurs du marché, qu'il s'agisse des éditeurs d'outils spécialisés, des éditeurs de suites CRM ou ERP (Siebel, Peoplesoft, SAP, Oracle...) ou du dernier venu sur ce secteur, Microsoft. Lire la suite Fermer

2035, Port de Vannes, à la terrasse d'un bar, le regard tourné vers la rive gauche, complètement reconstruite depuis quelques mois, Alann et son grand-père nous retracent, 50 ans d'histoire (de 1978 à 2035) de l'univers de la BI (Business Intelligence).
Venu s'inviter dès les années 80 dans le monde universitaire au sein du département STID de l'IUT de Vannes, l'acronyme « BI » inconnu du grand public, est bien présent dans notre vie quotidienne sans que nous le sachions vraiment.
La BI se dévoile tout au long du livre avec ses enjeux, ses fondateurs, ses personnages pionniers, son environnement spécifique, ses métiers, ses collaborations, ses projets, ses compétences, ses rencontres et ses départs, ses anecdotes, ses amitiés, ses succès ...
La BI nous aidera à nous projeter en 2035 pour nous faire découvrir les projets du futur. Lire la suite Fermer

Coffret de 3 livres de la collection Solutions Business : Power BI Desktop - De l'analyse de données au reporting (2e édition) Power BI Desktop - Renforcer, approfondir, explorer Le langage DAX - Maîtrisez l'analyse et la modélisation de données dans Power BI et ExcelLe premier livre de ce coffret détaille toutes les étapes nécessaires à l'élaboration d'un reporting efficace, de la connexion aux données et de leur préparation à la construction puis à la diffusion du rapport. Le second livre a comme objectif d'aller plus loin dans l'utilisation de Power BI Desktop et d'aborder cet outil, non pas comme un auxiliaire à Excel ou à d'autres applications, mais comme l'outil central d'analyse de l'information. Le troisième livre est un focus sur le langage DAX et doit vous permettre d'acquérir une très bonne maîtrise de ce langage à travers une alternance de bases théoriques indispensables pour comprendre le fonctionnement du DAX et de nombreux exercices de mise en pratique. Lire la suite Fermer

En Mars 2024, la commission de l'intelligence artificielle de l'état français recommande «lancer immédiatement un plan de sensibilisation et de formation de la nation sur l'IA». Cet ouvrage colle à cette démarche, il offre un panorama complet de l'IA, depuis ses fondations algorithmiques jusqu'à ses applications les plus avancées comme les TA génératives. Programmeurs, décideurs, étudiants, cadres, retraités trouveront de quoi alimenter leur curiosité. Le but étant de situer chaque besoin dans un vaste univers, dans un vaste vocabulaire et d'innombrables outils. Il devrait faire gagner du temps aux lecteurs pour se sensibiliser à ce thème qui va révolutionner notre avenir et celui de nos enfants.

Vous cherchez des instructions complètes pour manipuler, traiter, nettoyer et condenser des structures de données en Python ? Ce livre pratique regorge d'études de cas concrets qui proposent des solutions efficaces à toute une série de problèmes d'analyse de données à l'aide de plusieurs bibliothèques Python - comme NumPy, pandas, matplotlib et IPython.
Un livre de référence pour les développeurs big data Cet ouvrage est également une introduction efficace et moderne au calcul scientifique en Python dans les applications traitant de grandes quantités de données. Il est l'outil idéal des analystes qui découvrent Python et des programmeurs Python qui découvrent le calcul scientifique.
Utilisez le Shell interactif IPython comme environnement de développement principal.
Apprenez les fonctions élémentaires et avancées NumPy (Numerical Python).
Lancez-vous avec les outils d'analyse de données de la bibliothèque pandas.
Utilisez des outils très performants pour charger, nettoyer, transformer, fusionner et reformater vos données.
Créez des nuages de points et des représentations statiques ou interactives avec matplotlib.
Appliquez les ressources groupby de pandas pour tailler des cubes, découper et condenser vos jeux de données.
Manipulez des données de séries temporelles sous différents formats.
Apprenez à résoudre des problèmes d'audience web, de sciences sociales, de finances et d'économie grâce à des exemples détaillés.
Lire la suite Fermer

"Ce qui ne se mesure pas ne s'améliore pas"

Parmi vos clients, lesquels génèrent la plus forte marge ? Disposez-vous d'éléments factuels vous permettant d'évaluer le niveau de satisfaction de vos clients ? Etes-vous en mesure d'estimer si l'activité avec vos clients stratégiques est en progression ou en perte de vitesse ?

Dans une entreprise, le système d'information constitue trop souvent une "boîte noire" ingurgitant une masse phénoménale d'informations. Les solutions de data warehouse permettent à l'entreprise de disposer d'une vision claire de ses activités et de leur rentabilité.

Data warehouse, ERP, gestion de la relation client, applications analytiques

Un ERP (Progiciel de gestion intégré) dispense-t-il de la mise en oeuvre d'un data warehouse ? Les données peuvent-elles être ensuite exploitées via des systèmes de gestion de la relation client, ou rendues accessibles à celui-ci via l'Internet et les nouveaux médias ? Cet ouvrage présente les principales applications qui s'appuient sur les architectures de data warehouse et explique leur complémentarité.

Conduire un projet de data warehouse

Plutôt que de proposer une solution standard "clés en main", les auteurs détaillent tous les éléments à prendre en considération dans un projet de data warehouse : convaincre les futurs bénéficiaires de son bien fondé, l'aligner sur les enjeux de l'entreprise, définir son périmètre, le
mettre en oeuvre (modélisation, acquisition et restitution de données, outils), puis l'exploiter et l'améliorer. Ces éléments pourront ensuite être adaptés, au cas par cas, à chaque entreprise.

À qui s'adresse ce livre ?


Aux décideurs qui souhaitent avoir une vision globale du data warehouse, de ses enjeux et des solutions disponibles ;
Aux fonctionnels, informaticiens et chefs de projets impliqués dans la mise en place de solutions de data warehouse. Lire la suite Fermer

Une approche centrée sur le cycle de vie dimensionnel

Le marché du data warehouse a dépassé le stade des
balbutiements. Rien qu'aux Etats-Unis, plus d'un millier
d'entrepôts de données de toutes sortes sont opérationnels
et en perpétuelle évolution, pour répondre aux besoins des
organisations qu'ils servent. L'approche en cycle de vie
dimensionnel remplace la perspective statique qui prévalait
il y a quelques années. Cet ouvrage aborde de facon
approfondie les techniques de modélisation dimensionnelle
et l'architecture en bus décisionnel qui permettent de
répondre aux besoins d'évolutivité des data warehouses
aujourd'hui.

Conduire un projet de data warehouse

Véritable "guide de terrain" alimenté par les 25 années
d'expertise de Ralph Kimball dans le domaine du data
warehouse, cet ouvrage met à la disposition des décideurs
tout un ensemble d'outils et de techniques pour concevoir,
développer et déployer un data warehouse au sein d'une
grande entreprise. Avec une approche résolument pratique,
Ralph Kimball livre dans cet ouvrage toutes les clés d'un
déploiement réussi. Chacune des étapes, de l'analyse au
déploiement effectif, en passant par la modélisation et la
conduite de changement, s'inscrit dans le cadre d'une
méthodologie claire et detaillée.

À qui s'adresse ce livre ?


Aux décideurs qui souhaitent avoir une vision globale
du data warehouse, de ses enjeux et des solutions
disponibles.
Aux fonctionnels, informaticiens et chefs de projets
impliqués dans la mise en place de solutions de data
warehouse. Lire la suite Fermer