exit

Information et communication   > Accueil   > Revue

Des données à la décision

From Data to Decision




FromD2D - © ISTE Ltd

Objectifs de la revue

Aims and scope

Collecter la donnée ne suffit pas : que nous racontent les données ?

 

L’analyse et la gestion des données est un processus qui tend à transformer la donnée en lui donnant du sens, en une information sur laquelle l’humain peut se baser pour prendre des décisions effectives. Nous savons que la donnée n’est que le point de départ. Les données nécessitent d’être analysées, transformées en information et rendues accessibles à l’utilisateur. La donnée doit aussi répondre à des besoins variables et des profils, et être compréhensible par diverses audiences. La valeur de la donnée réside dans l’histoire qu’elle raconte. La revue Des données à la décision concerne tous les aspects liés à la gestion, la modélisation, l’analyse et l’exploration des données, dans tous les contextes, comme une base pour la prise de décision.

Collecting data is not enough. What stories do the data tell?

 

Data analytics and management is the process of turning data into meaningful information that humans can use to make effective decisions. Raw data is only the starting point. The data need to be analyzed, turned into information and made accessible to users, and the data also needs to meet varying needs and profiles, and be understandable to different audiences. The value of the data comes from the stories it tells. The journal From Data to Decision concerns all aspects related to managing, modeling, analyzing and exploiting data, in any context, as a basis for decision making.

Numéros parus

2020

Volume 20- 3

Numéro 1

2018

Volume 18- 2

Numéro 1

2017

Volume 17- 1

Numéro 1

Derniers articles parus

Du traitement des données à la création de valeur : comprendre les pratiques professionnelles des réutilisateurs des données ouvertes
Valentyna Dymytrova, Françoise Paquienséguy

A partir d’une enquête de terrain menée en France en 2017, cet article identifie différentes formes de réutilisation des données ouvertes et analyse les chaînes de traitement sur lesquelles elles se fondent. En décryptant ces chaînes et les outils mobilisés par trois catégories de réutilisateurs professionnels (développeurs, data scientists et data journalists), les auteurs discutent leurs liens avec la chaîne de création de valeur. Les pratiques et les attentes professionnelles y sont abordées, en termes de plus-value générée par les données, de modèle économique (le courtage informationnel) mais aussi de prestations de services innovants. Cet article est partiellement issu des travaux de l’ANR OpenSensingCity.


Utilisation de l’intégrale de Choquet dans un système de recommandation objet basé sur un filtrage actif multicritères, mise en oeuvre et perspectives : Application à la recommandation de jeans
Christophe Terrien

Bien qu’ancienne, l’intégrale de Choquet fait l’objet d’une littérature récente et abondante en recherche opérationnelle. Ces travaux ouvrent des perspectives d’applications intéressantes dans le domaine marketing, notamment dans la mise en oeuvre des systèmes de recommandations s’appuyant sur des critères multiples. L’intégrale de Choquet est intéressante dans l’élaboration d’un modèle d’attitude car elle permet de prendre en compte les relations de dépendance entre critères. Ce papier propose une utilisation pratique de l’intégrale de Choquet dans un configurateur de choix ou configurateur de recommandations basé sur un filtrage actif multicritères.


Données image et décision : détection automatique de variations dans des séries temporelles par réseau de Kohonen
Birgitta Dresp-Langley, John Mwangi Wandeto, Henry Okola Nyongesa

The quantization error (QE) from Self-Organizing Map (SOM) output after learning is exploited in these studies. SOM learning is applied on time series of spatial contrast images with variable relative amount of white and dark pixel contents, as in monochromatic medical images or satellite images. It is proven that the QE from the SOM output after learning provides a reliable indicator of potentially critical changes in images across time. The QE increases linearly with the variability in spatial contrast contents of images across time when contrast intensity is kept constant. The hitherto unsuspected capacity of this metric to capture even the smallest changes in large bodies of image time series after using ultra-fast SOM learning is illustrated on examples from SOM learning studies on computer generated images, MRI image time series, and satellite image time series. Linear trend analysis of the changes in QE as a function of the time an image of a given series was taken gives proof of the statistical reliability of this metric as an indicator of local change. It is shown that the QE is correlated with significant clinical, demographic, and environmental data from the same reference time period during which test image series were recorded. The findings show that the QE from SOM, which is easily implemented and requires computation times no longer than a few minutes for a given image series of 20 to 25, is useful for a fast analysis of whole series of image data when the goal is to provide an instant statistical decision relative to change/no change between images.

Comité de rédaction


Rédactrice en chef

Florence SEDES
​IRIT, ​Université Paul Sabatier, Toulouse
florence.sedes@irit.fr
 


Membres du comité

Aurélie BERTAUX
Laboratoire d’Electronique
Informatique et Image
Chalon-sur-Saône
aurelie.bertaux@u-bourgogne.fr


Oscar DIAZ
Université du pays Basque
Saint Sébastien
Espagne
oscar.diaz@ehu.es


Agnès FRONT
Université Grenoble Alpes
agnes.front@imag.fr


Sergio ILARRI
Université de Saragosse
Espagne
silarri@unizar.es


Elisabeth MURISASCO
Université du Sud Toulon-Var
murisasco@univ-tln.fr


  Proposer un article