[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-fr-114":3,"doc-seo-292505-114":48,"doc-detail-292505-fr":122},{"code":4,"msg":5,"data":6},0,"success",[7,13,18,21,24,28,32,36,40,44],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},67,"Document","Général",61,"general",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":16,"slug":17},66,"Art de vivre",60,"lifestyle",{"id":11,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":16,"slug":20},"Bande dessinée","comic",{"id":16,"doc_module":4,"doc_module_name":9,"category_name":22,"show_sort_weight":16,"slug":23},"Examen","exam",{"id":25,"doc_module":4,"doc_module_name":9,"category_name":26,"show_sort_weight":16,"slug":27},59,"Littérature","literature",{"id":29,"doc_module":4,"doc_module_name":9,"category_name":30,"show_sort_weight":16,"slug":31},64,"Recherche & Rapport","research-report",{"id":33,"doc_module":4,"doc_module_name":9,"category_name":34,"show_sort_weight":16,"slug":35},58,"Récits & Romans","story-novel",{"id":37,"doc_module":4,"doc_module_name":9,"category_name":38,"show_sort_weight":16,"slug":39},65,"Religion & Spiritualité","religion-spirituality",{"id":41,"doc_module":4,"doc_module_name":9,"category_name":42,"show_sort_weight":16,"slug":43},63,"Santé & Soins","healthcare",{"id":45,"doc_module":4,"doc_module_name":9,"category_name":46,"show_sort_weight":16,"slug":47},62,"Technologie","technology",{"code":4,"msg":49,"data":50},"ok",{"site_id":51,"language":52,"slug":53,"title":54,"keywords":55,"description":56,"schema_data":57,"social_meta":115,"head_meta":117,"extra_data":119,"updated_unix":121},114,"fr","mod-21-computer-science-challenges-of-big-data-storage-exploitation-and-valorization-of-massive-data","MOD 2.1 - Défis informatique du Big-Data - Stockage, Exploitation et Valorisation des Données Massives","","Supports pédagogiques “MOD 2.1 - Défis informatique du Big-Data” centrés sur le stockage, l’exploitation et la valorisation des données massives. Le document présente la définition et les enjeux du big data, avec des illustrations et le rappel que les données sont partout. Il introduit la pyramide Data-Information-Knowledge-Wisdom, la logique de la “Data” en Business Intelligence, les marchés, les sources d’exemples et les risques liés au déluge de données. Une citation de Chris Anderson et une définition opérationnelle du big data complètent la vue d’ensemble.",{"@graph":58,"@context":114},[59,76,97],{"@type":60,"itemListElement":61},"BreadcrumbList",[62,67,70,73],{"item":63,"name":64,"@type":65,"position":66},"https://docshare.wps.com","Home","ListItem",1,{"item":68,"name":9,"@type":65,"position":69},"https://docshare.wps.com/fr/document/",2,{"item":71,"name":46,"@type":65,"position":72},"https://docshare.wps.com/fr/document/technologie/",3,{"item":74,"name":54,"@type":65,"position":75},"https://docshare.wps.com/fr/document/mod-21-computer-science-challenges-of-big-data-storage-exploitation-and-valorization-of-massive-data/292505/",4,{"url":74,"name":54,"@type":77,"image":78,"author":83,"headline":54,"publisher":86,"fileFormat":89,"inLanguage":52,"description":56,"dateModified":90,"datePublished":91,"encodingFormat":89,"isAccessibleForFree":92,"interactionStatistic":93},"DigitalDocument",{"url":79,"@type":80,"width":81,"height":82},"https://docshare.wps.com/thumbnails/mod-21-computer-science-challenges-of-big-data-storage-exploitation-and-valorization-of-massive-data/292505.png","ImageObject",300,407,{"name":84,"@type":85},"Mabel","Person",{"url":63,"name":87,"@type":88},"DocShare","Organization","application/pdf","2026-09-29","2026-09-17",true,{"@type":94,"interactionType":95,"userInteractionCount":72},"InteractionCounter",{"@type":96},"ViewAction",{"@type":98,"mainEntity":99},"FAQPage",[100,106,110],{"name":101,"@type":102,"acceptedAnswer":103},"Quels éléments d’organisation le document prévoit pour le MOD 2.1 ?","Question",{"text":104,"@type":105},"Il prévoit 3 TPs de 4 heures, 8 interventions de 2 heures, une fiche de synthèse à rédiger, des dépôts associés (synthèses bibliographiques et CR de TP) et un examen programmé le 15 décembre à 14h.","Answer",{"name":107,"@type":102,"acceptedAnswer":108},"Comment le document explique la progression Data → Information → Knowledge → Wisdom ?",{"text":109,"@type":105},"Il indique que les données sont la matière brute pour les machines, que l’information apporte du sens, que l’information donne alors la connaissance, et que donner du sens à la connaissance conduit à la sagesse.",{"name":111,"@type":102,"acceptedAnswer":112},"Quelle perspective est proposée face au “déluge de données” pour la méthode scientifique ?",{"text":113,"@type":105},"Le document affirme que, avec suffisamment de données, les analyses de motifs et relations issues des données massives peuvent produire un savoir significatif, et qu’une meilleure manière de faire existerait, citant l’idée que la corrélation peut suffire sans hypothèses a priori.","https://schema.org",{"og:url":74,"og:type":116,"og:title":54,"og:site_name":87,"og:description":56},"article",{"robots":118,"canonical":74},"index,follow",{"doc_id":120,"site_id":51},292505,1790483810,{"code":4,"msg":5,"data":123},{"doc_id":120,"user_id":124,"nickname":84,"user_avatar":125,"doc_module":4,"category_id":45,"category_name":46,"doc_title":54,"doc_description":56,"doc_content":126,"file_id":127,"file_url":128,"file_type":129,"file_size":130,"view_count":72,"is_deleted":4,"is_public":66,"is_downloadable":66,"audit_status":66,"page_count":131,"language":132,"language_code":52,"site_id":51,"html_lang":52,"table_of_contents":133,"faqs":134,"seo_title":135,"seo_description":56,"update_tm":136,"read_time":137},7971474920318,"https://ap-avatar.wpscdn.com/avatar/74000ee537e6b0ca360?x-image-process=image/resize,m_fixed,w_180,h_180&k=1788430171632181674","MOD 2.1- « DÉFIS INFORMATIQUE DU BIG-DATA »  \nStockage, Exploitation et Valorisation des Données Massives  \nStéphane Derrode, [Dpt MI-](Dpt MI-stephane.derrode@ec-lyon.fr)[stephane.derrode@ec-lyon.fr](Dpt MI-stephane.derrode@ec-lyon.fr)  \nOrganisation du MOD  \n• Organisation  \n• 3 TPs de 4 heures (des mercredis après-midi entre octobre et début décembre) . CR à prévoir !  \n• 8 interventions de 2h (lundis matin à 8h)  \n• 1 fiche de synthèse à rédiger (description ci-après)  \n• 1 examen de 1h30 programmé le 15 décembre à 14h.  \n• Informations  \n• Page principale (slides, énoncés TP de S. Derrode , info pratiques) :  \n[http://perso.ec-lyon.fr/derrode.stephane/Teaching/ECL2A3A/ECL3A_MOD21/](http://perso.ec-lyon.fr/derrode.stephane/Teaching/ECL2A3A/ECL3A_MOD21/)  \n• Pedagogie3 :  \n• Dépôt de vos synthèses bibliographiques  \n• Dépôt de vos CR de TP  \n• Enoncé TP de R. Chalon  \n• Remarque  \n• Soyez présent ! (contrôle de présence même en cours)  \nBIG DATA  \nDéfinition, enjeux, illustrations  \nLes données sont partout  \nThe Economist  \nIdentifiez 3 appareils qui collectent des données  \nLes données sont partout  \nLa pyramide Data-InformationKnowledge-Wisdom (ou  \ncompétences)  \nAttribuée à  Russell Ackoff en 1989, elle signifie que :  \n•Les données sont la matière \"brute\" de l'information conçues plutôt pour des machines.  \n•L'information pourrait être définie comme des données qui ont été interprétées pour dégager du sens pour deshumains.  \n•En donnant du sens à de l'information, on obtient dela connaissance  \n•En donnant du sens à la connaissance on obtient dela sagesse.  \nBusiness Intelligence – « La Data »  \nLes \"données massives\"  \nMarchés du big data  \nsources  \nHarvard Businesss Review :  \nData Scientist: The Sexiest Job of the 21st Century  \nRisques  \n[https://www.greenberg-art.com/.Toons/.Toons,%20social/Medprivacy.htm, 1999l](https://www.greenberg-art.com/.Toons/.Toons,%20social/Medprivacy.htm, 1999l)  \nLe Monde : Intelligence artificielle : les géants du Web lancent un partenariat sur l’éthique  \nDéluge de données  \n\"Avec suffisamment de données, les chiffres parlent d’eux-mêmes.\"Chris Anderson, journaliste Wired  \nMagazine  \nLe déluge des données rend la méthodescientifique obsolète, l’analyse des motifs et des relations contenues dans les données massivesproduit intrinsèquement un savoir significatif et éclairé sur des phénomènes complexes. Il y amaintenant une meilleure manière de faire. Les petabytes nous permettent de dire que « la corrélation suffit » . Nous pouvons analyser les données sans hypothèses sur ce qu’elles peuvent montrer.  \nAnderson, C. (2008) \"The end of theory: The data deluge makes the scientific method  \nobsolete\", Wired  \nDéluge de données  \nBig data : “une nouvelle génération de technologies et architectures conçues pour extraire de la valeur économique ou scientifique à une grande variété de données en permettant leur capture à haute vitesse, leur découverte et/ou analyse”.","cbCaih0LeHZsSQC1","https://ap.wps.com/l/cbCaih0LeHZsSQC1","pdf",2050248,27,"French","# Organisation du MOD\n## Interventions et travaux pratiques (TP)\n## Fiche de synthèse et dépôt des documents\n## Informations et ressources\n# BIG DATA\n## Définition, enjeux et illustrations\n## Données partout et pyramide Data-Information-Knowledge-Wisdom\n## Business Intelligence et “La Data”\n## Marchés, sources et risques\n## Déluge de données et enjeux méthodologiques","[{\"question\":\"Quels éléments d’organisation le document prévoit pour le MOD 2.1 ?\",\"answer\":\"Il prévoit 3 TPs de 4 heures, 8 interventions de 2 heures, une fiche de synthèse à rédiger, des dépôts associés (synthèses bibliographiques et CR de TP) et un examen programmé le 15 décembre à 14h.\"},{\"question\":\"Comment le document explique la progression Data → Information → Knowledge → Wisdom ?\",\"answer\":\"Il indique que les données sont la matière brute pour les machines, que l’information apporte du sens, que l’information donne alors la connaissance, et que donner du sens à la connaissance conduit à la sagesse.\"},{\"question\":\"Quelle perspective est proposée face au “déluge de données” pour la méthode scientifique ?\",\"answer\":\"Le document affirme que, avec suffisamment de données, les analyses de motifs et relations issues des données massives peuvent produire un savoir significatif, et qu’une meilleure manière de faire existerait, citant l’idée que la corrélation peut suffire sans hypothèses a priori.\"}]","MOD 2.1 - Défis informatique du Big-Data - Stockage, Exploitation et Valorisation des Données Massives | PDF",1789652227,42]