Que désigne le big data selon Wikipédia ?
Des ensembles de données dont le volume, la complexité et la vitesse exigent de nouvelles architectures, méthodes et outils pour être exploités.
Quelle source est associée à la définition du big data ?
Wikipédia.
Qui a présenté les dimensions du volume, de la vélocité et de la variété ?
D. Laney.
Dans quelle œuvre D. Laney a-t-il présenté les trois dimensions du big data ?
« 3D Data Management: Controlling Data Volume, Velocity and Variety ».
Quel principe caractérise le schéma des bases relationnelles structurées ?
« Schema first, data second » : le schéma est connu à l’avance.
Quels formats sont des exemples de données semi-structurées ?
XML, JSON et HTML.
Qu’est-ce qui caractérise le schéma des données semi-structurées ?
Il n’est pas connu à l’avance et se mélange aux données.
Quelle différence structurelle peut exister entre les objets semi-structurés ?
Chaque objet peut avoir une structure différente.
Quelles données servent à réaliser le clustering des magasins ?
Les données clients et INSEE, notamment socio-démographiques et géolocalisées.
Comment le e-commerce peut-il augmenter son taux de transformation ?
Par A/B testing et personnalisation en temps réel, à partir du comportement web et du suivi des performances.
Qu’est-ce que la transformation numérique d’une entreprise ?
L’intégration des technologies dans toutes ses activités pour transformer l’usage des données, son fonctionnement et la création de valeur pour ses clients.
Comment les données sont-elles gérées au stade réactif ?
De manière informelle et décentralisée dans des feuilles de calcul, selon le modèle « spreadmart ».
Qu’apporte le cloud au stade prédictif ?
Il permet de traiter des volumes plus importants, des types de données variés et des ingestions plus fréquentes.
Quel rôle l’apprentissage automatique joue-t-il au stade prédictif ?
Il contribue à la prise de décisions en temps réel.
Comment le DWR organise-t-il les données et associe-t-il calcul et stockage ?
En tables, lignes et colonnes, avec calcul et stockage associés.
Quand le data lake apparaît-il, et sur quelle infrastructure est-il d’abord bâti ?
Vers 2010, d’abord sur HDFS.
Vers quelle année émerge le data warehouse moderne ?
Vers 2011.
Quel référentiel unique le Lakehouse utilise-t-il pour tous les types de données ?
Le data lake.
Qui a popularisé le Lakehouse vers 2020 ?
Databricks.
Quel rôle le Lakehouse vise-t-il à faire disparaître entièrement ?
Le DWR.
Qui a introduit le Data Mesh dans un blog en mai 2019 ?
Zhamak Dehghani.
Dans quel support Zhamak Dehghani a-t-elle introduit le Data Mesh ?
Dans un blog, en mai 2019.
Quel est le statut du Data Mesh par rapport à une technologie prête à l’emploi ?
C’est un concept.
Quel volume de données peut être généré ou stocké par jour ?
De quelques téraoctets à plusieurs pétaoctets.
Que mesure la vélocité des données ?
La vitesse à laquelle elles sont générées et traitées.
Quels modes de traitement la vélocité des données comprend-elle ?
Le traitement par lots ou en temps réel.
Que désigne la véracité des données ?
Leur exactitude et leur fiabilité variables.
Dans quels domaines les données non structurées sont-elles notamment utilisées ?
Dans les applications grand public, la recherche et le multimédia.
Comment la quantité et la densité d’information des données non structurées se comparent-elles ?
Elles sont plus nombreuses, mais leur densité d’information est plus faible.
À quoi correspondent 1 ko, 1 Mo et 1 Go dans les exemples de données ?
Un courriel en texte brut, une minute de MP3 et un épisode de série, respectivement.
À quoi correspondent 1 octet et 1 To dans les équivalences données ?
Un caractère et 250 films HD, respectivement.
Quel usage des ventes et de la météo la distribution permet-elle ?
La prévision de la demande et de l’approvisionnement par apprentissage automatique.
Quelles données alimentent les recommandations en e-commerce ?
Les données clients et les ventes.
Quelles méthodes peuvent produire des recommandations en e-commerce ?
Du filtrage collaboratif au deep learning, y compris les recommandations en session.
Quel objectif l’analyse prescriptive poursuit-elle en B2B ?
Augmenter le taux de recouvrement par scoring de risque.
Quelles données alimentent l’analyse prescriptive en B2B ?
Les factures et les paiements.
Quelle limite caractérise la solution de collecte au stade informatif ?
Elle est peu évolutive, limitée en taille et en types de données, et ingère les données peu fréquemment.
Quelles données la solution du stade transformatif peut-elle traiter ?
Tous les types de données, quels que soient leur volume, leur vitesse ou leur type.
Que peuvent créer facilement les utilisateurs non techniciens au stade transformatif ?
Des rapports et des tableaux de bord avec les outils de leur choix.
À quelle entreprise, quelle année, quel chercheur et quel centre de recherche le DWR est-il associé ?
À Teradata en 1979, à Jack E. Shemer et à des recherches au Caltech.
À quelle période la généralisation du DWR date-t-elle ?
De la fin des années 1980.
Quel est le but du DWR vis-à-vis des systèmes OLTP ?
Décharger les systèmes OLTP pour exécuter requêtes et rapports sans ralentir la production.
Quelles technologies le Data Fabric ajoute-t-il au data warehouse moderne ?
Des technologies d’ingestion, de sécurisation, d’interrogation et de recherche à grande échelle.
Qu’ajoute le Lakehouse aux data lakes des années 2010 ?
Une couche de stockage transactionnelle.
Comment le Data Mesh organise-t-il la gestion des données et de l’infrastructure ?
Il la décentralise par domaine métier.
Pourquoi la promesse du data lake de remplacer entièrement le DWR a-t-elle échoué ?
Les compétences pointues requises et l’absence de transactions, de schéma et d’audit.
Teste tes connaissances avec un QCM de 14 questions sur Introduction au Big Data.
1. Une entreprise possède une grande quantité de données hétérogènes qui arrivent rapidement, mais ses outils habituels ne permettent pas de les exploiter efficacement. Quelle caractérisation correspond au Big Data ?
2. Quel chercheur a présenté en 2001 les dimensions volume, vélocité et variété dans « 3D Data Management: Controlling Data Volume, Velocity and Variety » ?
Révisez le cours complet dans la fiche de révision de Introduction au Big Data.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards