QCM : Introduction à la Business Intelligence et Big Data — 11 questions

Questions et réponses du QCM

1. Qu’est-ce qui caractérise le Big Data dans sa définition la plus courante ?

Des données produites en continu, trop volumineuses, rapides ou complexes pour des outils traditionnels
Des données peu nombreuses, statiques et faciles à traiter avec des tableurs
Des informations uniquement textuelles recueillies dans les bases comptables
Des données historiques archivées qui ne changent plus et ne nécessitent pas d’analyse

Des données produites en continu, trop volumineuses, rapides ou complexes pour des outils traditionnels

Explication

Le Big Data désigne des données massives produites en continu, dont le volume, la vitesse ou la complexité dépassent les outils classiques. Les autres propositions décrivent des données plus simples ou statiques, donc pas du Big Data.

2. Qu'est-ce que le Big Data et pourquoi les outils traditionnels ne suffisent-ils pas pour le traiter efficacement?

Le Big Data se limite aux données provenant des réseaux sociaux et des objets connectés.
Le Big Data désigne des données massives produites en continu, dépassant la capacité des outils classiques à les analyser rapidement ou précisément.
Le Big Data est une nouvelle technologie de stockage de données qui remplace les bases de données traditionnelles.
Le Big Data concerne uniquement de très grandes quantités de données stockées sur des serveurs locaux.

Le Big Data désigne des données massives produites en continu, dépassant la capacité des outils classiques à les analyser rapidement ou précisément.

Explication

Le Big Data englobe des données massives, rapides ou complexes qui nécessitent des méthodes spécifiques, car les outils traditionnels ne peuvent pas traiter leur volume, leur vitesse ou leur complexité efficacement.

3. À quoi correspond le modèle des 5V du Big Data ?

À virtualisation, validation, visualisation, valeur et vitesse
À volume, virtualité, vérification, visibilité et variété
À volume, variété, vélocité, véracité et valeur
À vélocité, valeur, vision, validation et variabilité

À volume, variété, vélocité, véracité et valeur

Explication

Le modèle des 5V regroupe bien Volume, Variété, Vélocité, Véracité et Valeur pour décrire les données massives. Les autres listes mélangent des notions proches mais ne correspondent pas aux 5V.

4. Quelle unité de mesure est utilisée pour exprimer des volumes gigantesques de données comme ceux du Big Data, équivalant à 10^21 octets?

Exaoctet
Gigaoctet
Téraoctet
Zettaoctet

Zettaoctet

Explication

Le zettaoctet (Zo) correspond à 10^21 octets, une unité utilisée pour quantifier les volumes massifs de données du Big Data. Les autres options représentent des unités plus petites.

5. Parmi les éléments suivants, lequel est une source typique du Big Data ?

Les archives papier classées manuellement uniquement
Les résultats d’un seul sondage annuel isolé
Les journaux, les applications d’entreprise et les activités en ligne
Les contrats imprimés sans aucune exploitation numérique

Les journaux, les applications d’entreprise et les activités en ligne

Explication

Les sources du Big Data incluent des origines variées comme les journaux, les applications d’entreprise, les activités en ligne, l’Internet des objets ou la recherche. Les autres choix ne correspondent pas à des flux de données massifs et numériques.

6. Quelle est la fonction principale du modèle des 5V dans le contexte du Big Data?

Mesurer la vitesse de traitement des données par les outils traditionnels
Décrire la structure des données en termes de format et de syntaxe
Évaluer la compatibilité des données avec les systèmes de stockage existants
Caractériser les données en termes de volume, variété, vélocité, véracité et valeur

Caractériser les données en termes de volume, variété, vélocité, véracité et valeur

Explication

Le modèle des 5V sert à caractériser les données massives selon cinq axes essentiels, ce qui permet d’évaluer leur potentiel et leur traitement adapté.

7. Que mesure la véracité des données dans le contexte du Big Data ?

La rapidité avec laquelle les données sont stockées
Le nombre de formats différents disponibles
La quantité totale de données produites chaque jour
La qualité des données en termes d’exactitude et de fiabilité

La qualité des données en termes d’exactitude et de fiabilité

Explication

La véracité renvoie à l’exactitude et à la fiabilité des données, qui peuvent être dégradées par des erreurs ou des contenus trompeurs. Le volume ou la vitesse relèvent d’autres caractéristiques du Big Data.

8. Quand le terme 'Business Intelligence' a-t-il été utilisé pour la première fois, et par qui a-t-il été introduit dans un contexte moderne?

En 1989 par Howard Dresner
En 1958 par Hans Peter Luhn
En 2001 par Doug Laney
En 1865 par Richard Millar Devens

En 1865 par Richard Millar Devens

Explication

Le terme 'Business Intelligence' a été utilisé pour la première fois en 1865 par Richard Millar Devens, dans un contexte de collecte d’informations avant ses concurrents. Howard Dresner a repris le terme en 1989 pour en définir un cadre moderne.

9. En quoi la Business Intelligence diffère-t-elle de la Business Analytics dans leur approche de l’analyse des données ?

La BI vise à automatiser la prise de décision, tandis que la BA se limite à la collecte de données.
La BI se concentre sur la description des données passées, tandis que la BA cherche à prévoir les tendances futures.
La BI est une méthode qualitative, alors que la BA repose uniquement sur des méthodes quantitatives.
La BI utilise uniquement des données internes, alors que la BA ne s’appuie que sur des données externes.

La BI se concentre sur la description des données passées, tandis que la BA cherche à prévoir les tendances futures.

Explication

La Business Intelligence se concentre sur la description et la synthèse des données passées ou actuelles, alors que la Business Analytics cherche à prévoir et à expliquer les tendances futures, ce qui distingue leur objectif principal.

10. Qui est crédité de la formulation du modèle des 5V du Big Data en 2001, qui caractérise les données selon leur volume, variété, vélocité, véracité et valeur?

Hans Peter Luhn
Howard Dresner
Doug Laney
Richard Millar Devens

Doug Laney

Explication

Doug Laney est l'auteur du modèle des 5V en 2001, qui sert à caractériser le Big Data selon ces cinq axes. Hans Peter Luhn a travaillé sur la collecte d'informations en 1958, Howard Dresner a redéfini la Business Intelligence en 1989, et Richard Millar Devens a utilisé le terme en 1865.

11. Quelles sont les principales causes qui expliquent l'émergence de différentes formes d'intelligence artificielle telles que le machine learning, le deep learning, et l'IA générative?

La réduction des coûts de l'informatique et la simplification des algorithmes.
La réglementation stricte sur l'utilisation des données et la protection de la vie privée.
L'évolution des besoins métiers vers des solutions automatisées et autonomes.
L'augmentation de la puissance de calcul et la disponibilité de grandes quantités de données.

L'augmentation de la puissance de calcul et la disponibilité de grandes quantités de données.

Explication

L'essor des différentes formes d'IA est principalement dû à l'augmentation de la puissance de calcul et à la disponibilité massive de données, qui permettent d'entraîner des modèles complexes comme le deep learning.

Révisez avec les flashcards

Mémorisez les réponses avec 9 flashcards sur Introduction à la Business Intelligence et Big Data.

Big Data — définition ?

Données massives dépassant les outils traditionnels.

Définition de Big Data

Données massives, volumineuses, rapides, complexes.

Sources du Big Data — exemples ?

Réseaux sociaux, objets connectés, transactions en ligne.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Introduction à la Business Intelligence et Big Data.

Voir la fiche →

Cours similaires

Actions et mouvement

Physique

Gel pour les veines

Grandeurs composées et conversions

Mathématiques

Réciproque de Pythagore

Mathématiques

Réussir ses études efficacement

Les émotions humaines

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM