 Dark Data, données non structurées, données erronées... Quelles solutions face aux données inexploitées qui saturent les data centers ?Dossa Maximilien
Post-Print from HAL Abstract: Dans cet article, qui intéresse le domaine du Management des Systèmes d'Information, nous abordons un phénomène courant qui consiste à stocker «à l'aveugle» toutes sortes d'informations « supposées utiles » sans pour autant disposer des ressources internes pour en extraire leur véritable valeur car se heurtant à des obstacles en matière de volume, de qualité, d'incomplétude ou de structure non prises en compte par les Systèmes d'Information traditionnels. Pour faire face à ce stockage inopérationnel des données appelées « Dark Data », également aberrant au plan économique et environnemental, la Data Science a ouvert ses champs d'activités (Data Cleaning, Text Mining, imputation...) et propose aujourd'hui des solutions adaptées aux nouvelles spécificités des données. Ces solutions sont maintenant rendues accessibles via des outils simples et intuitifs et leur intégration dans les Systèmes d'Information se présente désormais comme capitale pour permettre une gestion plus responsable, intelligente et efficiente des données. Keywords: Data Science; Design Science; Dark Data; données non structurées; outils d’analyse (search for similar items in EconPapers) Published in 28ème Conférence de l’AIM, 'Les si face aux changements de paradigmes : décarbonation, réhumanisation et recherche de sens', May 2023, Dijon, France There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it. Related works: Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text Persistent link: https://EconPapers.repec.org/RePEc:hal:journl:hal-04804745 Access Statistics for this paper More papers in Post-Print from HAL |
Is your work missing from RePEc? Here is how to contribute.
Questions or problems? Check the EconPapers FAQ or send mail to .
EconPapers is hosted by the
School of Business at Örebro University.