Qu鈥檈st-ce que la DataBank?
La DataBank est le r茅f茅rentiel de donn茅es central du Labosph猫re de donn茅es. Les membres du personnel enseignant et de la communaut茅 茅tudiante de la Facult茅 de gestion Desautels ainsi que les sp茅cialistes du secteur peuvent la consulter. Elle renferme le savoir collectif du corps professoral de la Facult茅 et constitue l鈥櫭﹑ine dorsale de l鈥檈xploration et de l鈥檌nnovation fond茅es sur les donn茅es. Elle permet aux sp茅cialistes de l鈥檃nalytique d鈥檃cc茅der facilement aux donn茅es du Labosph猫re de donn茅es.
Ce que la DataBank vous offre
La DataBank donne acc猫s 脿 des ensembles de donn茅es publics et priv茅s dans un 茅ventail de disciplines.
-
Avantages pour le corps professoral
La DataBank renferme des ensembles de donn茅es dont se servent les professeurs et professeures de la Facult茅 dans leurs recherches, ainsi que des donn茅es suppl茅mentaires utiles dans les 茅tudes connexes. -
Avantages pour les sp茅cialistes des secteurs
La DataBank offre des ensembles de donn茅es uniques d鈥檜ne grande valeur qui sont tir茅s de recherches universitaires ou propres aux secteurs. Elle comble ainsi le foss茅 entre le milieu universitaire et le monde des affaires et favorise une analyse approfondie. -
Fonctions suppl茅mentaires pour les entreprises clientes
La DataBank fournit un environnement d鈥檃nalyse de donn茅es pr锚tes 脿 l鈥檈mploi, aide 脿 relever les d茅fis commerciaux au moyen de la validation de principe, facilite l鈥檌t茅ration rapide et permet de valider la faisabilit茅 des solutions.
R茅sultats pr茅liminaires听: analyser des ensembles de donn茅es uniques
Consultation de
听
en gestion des op茅rations, en marketing, en syst猫mes d鈥檌nformation et en finance
Choix de
听
dans les secteurs du commerce de d茅tail, du divertissement, des cha卯nes de blocs, des services sociaux et de la mode
Extraction, transformation et chargement de
- Arrestations du service de police de New York
- Films et 茅missions sur Netflix
- Tarifs d鈥橴ber
- 脡valuations d鈥橝mazon (2018)
Cr茅ation du r茅f茅rentiel
Infrastructure g茅n茅rale
La DataBank regroupe des ensembles de donn茅es riches et diversifi茅s provenant de diff茅rentes sources et class茅s par des analystes.
Les donn茅es sont recueillies sous divers formats, y compris sous forme structur茅e (bases de donn茅es CSV, JSON et SQL, interfaces de programmation d鈥檃pplications et fichiers Parquet) ou non structur茅e (documents PDF). Elles sont ensuite int茅gr茅es dans la DataBank 脿 l鈥檃ide des connecteurs du service infonuagique Microsoft Azure Data Factory. Une fois trait茅es, les donn茅es sont stock茅es dans Azure selon une structure 脿 niveaux multiples en fonction de l鈥櫭﹖ape de traitement.
Les donn茅es de la DataBank sont class茅es selon trois 茅tapes听:
Bronze
Donn茅es brutes
Argent
Donn茅es soumises au processus d鈥檈xtraction, de transformation et de chargement des donn茅es
Or
Donn茅es enrichies gr芒ce 脿 l鈥檃pprentissage automatique
La majorit茅 des donn茅es de la DataBank sont class茅es Argent et peuvent 锚tre soumises 脿 des analyses descriptives ou en temps r茅el avec des donn茅es class茅es Bronze. Les ensembles de donn茅es qui ont 茅t茅 trait茅s gr芒ce 脿 l鈥檃pprentissage automatique 脿 la demande de clients seront class茅s Or.
Utilisations du r茅f茅rentiel
- Les utilisateurs et utilisatrices interagissent avec les ensembles de donn茅es stock茅s au moyen des diverses technologies et interfaces des services Microsoft Azure. Les donn茅es sont analys茅es gr芒ce 脿 Azure Synapse et soumises aux processus d鈥檃pprentissage automatique d鈥橝zure Machine Learning ainsi que d鈥檃utres outils comme PyTorch, PyCharm, Python et TensorFlow.
- Pour l鈥檌nterrogation et la gestion des donn茅es, vous pouvez utiliser des services comme Azure Data Studio et SQL sans serveur. Pour pr茅senter les donn茅es, vous pouvez utiliser Azure Static Web Apps et des interfaces de programmation d鈥檃pplications, notamment avec des applications Web qui utilisent le langage HTML et les feuilles de style en cascade.
- Pour la visualisation et l鈥檃nalyse de donn茅es, vous pouvez utiliser Power BI et Tableau. Ils permettent entre autres aux gestionnaires de projets, aux sp茅cialistes des ventes et du marketing, aux d茅veloppeurs et d茅veloppeuses, aux experts et expertes en science des donn茅es et aux analystes de donn茅es d鈥檌nterpr茅ter et d鈥檜tiliser les donn茅es efficacement.
- Enfin, une interface semblable 脿 celles d鈥橭penAI et de ChatGPT offre une autre m茅thode d鈥檌nteraction. Les utilisateurs et utilisatrices peuvent acc茅der aux ensembles de donn茅es et les interroger sous forme de conversation. Cette m茅thode est id茅ale pour les personnes qui poss猫dent peu de comp茅tences techniques.
