background preloader

Modélisation Comportements - Réseaux sociaux - Business Intellig

Facebook Twitter

_ Concepts globaux à retenir. Vous avez un message. C'est vous. Quelques grands écosystèmes informationnels contrôlent aujourd'hui l'essentiel des interactions et des comportements connectés de la planète. Leurs noms : Google, Facebook, Apple, mais aussi Microsoft, Yahoo, Amazon et quelques autres. Ceux là mêmes qui nécessitaient, dans leur phase d'amorçage et de lancement, de se nourir d'externalités (import de nos contacts mail dans Facebook, indexation du web pour les moteurs, etc.) peuvent aujourd'hui se permettre de fonctionner quasiment en "circuit fermé". C'est l'avènement des "jardins fermés" de Tim Berners Lee, d'un "internet des silos".

A propos du 1er d'entre eux (Google), j'écrivais et expliquais en 2006 que sa stratégie se résumait à une formule d'inspiration pascalienne : "un écosystème dont le centre (la clé) est partout et la circonférence nulle part". Ecosystèmes performatifs. L'argent est une pièce jointe. Moteur ... eeeeeeet ... Et comme l'argent est désormais une pièce jointe, je vous laisse imaginer la suite du/des scénario(s) ... Agent-Based Social Simulation - methods@manchester: research methods in the social sciences. Bruce Edmonds, Manchester Metropolitan University Agent-Based Simulation allows the explicit representation and exploration of the complex relationship between individual behaviour and society – the Micro-Macro link. It does it by representing the states and actions of each relevant social actor within a complex computer simulation.

In this technique social actors (people, firms, parts of the environment, etc.) are each represented by separate entities (called ‘agents’) within the simulation. The interaction between the social actors are modelled as messages between the agents. The entities are given behavioural schemata in the form of sets of inter-related rules and each agent has its own individual characteristics (e.g. memory, habits etc.). When the whole simulation is set going all these rules are repeatedly evaluated in parallel, so the effects of each rule will depend upon the past outcomes of rules, resulting in a complex sequence of interactions between the agents. Video summary. Anonymat, Profiling,Tracking, Alg Recommandation.

Timeline Applications vous forcent à repenser votre présence sur Facebook. Comme annoncé en septembre dernier, Facebook vient enfin de sortir ses Timeline Applications : Introducing New Apps for Timeline. Ces applications sont le résultat de l’évolution de l’Open Graph, à savoir le mécanisme de notification de l’activité des membres auprès de leurs amis. Le principe est donc de vous proposer une sélection d’applications qui reposent sur ce nouvel Open Graph afin de générer automatiquement des entrées dans la timeline des membres.

La différence par rapport à ce qui existait (les boutons “J’aime“, donc les messages du type “Fred aime Vamos a la playa“) est que les éditeurs des applications vont pouvoir définir leurs propres objets et actions : Pour le moment il n’y a qu’une soixantaine d’applications réparties dans différentes catégories (musique, actualités, cadeaux, voyage, cuisine, mode, fitness et divertissement), de nouvelles applications devraient être rajoutées au fur et à mesure. Il repose sur les déclarations des membres. À suivre… API Réseaux Sociaux Facebook etc.

Approches de la publicité et du Marketing

Do Not Track (DNT) Do Not Track (DNT) est un dispositif qui fut proposé par la Fondation Mozilla pour le navigateur Firefox et est désormais l'objet d'une normalisation. Do Not Track se veut un dispositif universel d'Opt-Out, contrairement aux dispositifs NAI, DAA ou Ghostery d'Evidon. Do Not Track - Etat de l'art Do Not Track est une proposition de dispositif universel anti-Tracking, NE PROTEGEANT PAS LES INTERNAUTES, contrairement à ce que laissent entendre toute la presse et tous les sites ! Do Not Track ne sert à rien (pour l'instant) Do Not Track n'est qu'un projet en cours de discussion pour une hypothétique standardisation, au sein du W3C, à ce jour 04/17/2014 .

En plus, s'il est mis en place, Do Not Track ne reposera que sur la confiance. Autant dire que, pour l'instant, c'est juste un beau rêve des internautes contre lequel les régies publicitaires et autres trackers se sont élevés et ont déjà annoncé qu'ils ne le respecteraient pas. Panique chez les annonceurs publicitaires et les traqueurs Ah ! Bloquer Publicités Web Inacceptables. Business intelligence. Business intelligence (BI) is the set of techniques and tools for the transformation of raw data into meaningful and useful information for business analysis purposes. BI technologies are capable of handling large amounts of unstructured data to help identify, develop and otherwise create new strategic business opportunities.

The goal of BI is to allow for the easy interpretation of these large volumes of data. Identifying new opportunities and implementing an effective strategy based on insights can provide businesses with a competitive market advantage and long-term stability.[1] BI technologies provide historical, current and predictive views of business operations. Common functions of business intelligence technologies are reporting, online analytical processing, analytics, data mining, process mining, complex event processing, business performance management, benchmarking, text mining, predictive analytics and prescriptive analytics. Components[edit] History[edit] [edit] Data warehouse. Data Warehouse Overview In computing, a data warehouse (DW, DWH), or an enterprise data warehouse (EDW), is a database used for reporting and data analysis.

Integrating data from one or more disparate sources creates a central repository of data, a data warehouse (DW). Data warehouses store current and historical data and are used for creating trending reports for senior management reporting such as annual and quarterly comparisons. The data stored in the warehouse is uploaded from the operational systems (such as marketing, sales, etc., shown in the figure to the right). The data may pass through an operational data store for additional operations before it is used in the DW for reporting. A data warehouse constructed from integrated data source systems does not require ETL, staging databases, or operational data store databases. The integrated data source systems may be considered to be a part of a distributed operational data store layer.

Benefits of a data warehouse[edit] History[edit] DATA MINING. Data mining. Data mining is the process of discovering patterns in large data sets involving methods at the intersection of machine learning, statistics, and database systems.[1] Data mining is an interdisciplinary subfield of computer science with an overall goal to extract information (with intelligent methods) from a data set and transform the information into a comprehensible structure for further use.[1][2][3][4] Data mining is the analysis step of the "knowledge discovery in databases" process, or KDD.[5] Aside from the raw analysis step, it also involves database and data management aspects, data pre-processing, model and inference considerations, interestingness metrics, complexity considerations, post-processing of discovered structures, visualization, and online updating.[1] Etymology[edit] In the 1960s, statisticians and economists used terms like data fishing or data dredging to refer to what they considered the bad practice of analyzing data without an a-priori hypothesis.

Process[edit] Cours Data Mining. Contenu et objectifs du cours DATA MINING - DATA SCIENCE Data Mining Le DATA MINING , raccourci de "Extraction de Connaissances à partir de Données" ("Knowledge Discovery in Databases" en anglais - KDD), est un domaine très en vogue. A la lecture des différents documents essayant tant bien que mal de définir exactement ce qu'est le data mining, on peut se dire que, finalement, cela fait plus de 30 ans qu'on le pratique avec ce qu'on appelle l'analyse de données et les statistiques exploratoires. Et on n'aurait pas complètement tort. En réalité, ce n'est pas aussi simple, le data mining emmène plusieurs points nouveaux qui sont loin d'être négligeables : (1) des techniques d'analyse qui ne sont pas dans la culture des statisticiens, en provenance de l'apprentissage automatique (Intelligence artificielle), de la reconnaissance de formes (pattern recognition) et des bases de données ; (2) l'extraction de connaissances est intégrée dans le schéma organisationnel de l'entreprise.

Public visé. Www.lifl.fr/~talbi/Cours-Data-Mining. Big Data : quand IBM décrypte les messages sur les réseaux sociaux. IBM a développé « Social Media Analytics » : un outil mis principalement à disposition des entreprises de grande consommation, qui tentent de mieux comprendre leurs consommateurs, mais qui peut également élargir son usage à des questions de sécurité. Des applications classiques sont la lutte contre la pédophilie, ou encore le terrorisme. L’intérêt de ce logiciel réside dans la transformation de données brutes et isolées en une stratégie opérationnelle efficace. Nous avons rencontré Eric Martin, responsable de l’offre « Social Media Analytics » Europe.

Celui-ci nous a éclairé sur ce logiciel qui analyse le volume conséquent de messages qui transitent sur Facebook, Twitter mais également les plateformes de vidéos, les forums de consommateurs ou encore les flux RSS. ZDNet : Quelle est votre base de données initiale ? Eric Martin : Nous sommes dans le domaine du « Big Data » donc nous analysons des informations à la volumétrie conséquente et qui évoluent sans cesse. C’est très vaste. Comment le Nouvel Obs met le Big Data à la Une. Comment le « big data » rebat les cartes de la pub en ligne.

Captain Dash, futur super héros du Big Data. J’ai rencontré Gilles Babinet un soir d’avril pour évoquer avec lui sa nouvelle aventure : Captain Dash. Armé de ma tablette (sur laquelle j’avais préalablement chargé l’application idoine), j’ai découvert, démonstration à l’appui, qu’un Captain Dash pouvait en cacher un autre… « L’institutionnel c’est bien, mais la start-up c’est génial ! » Gilles Babinet, vous le connaissez déjà (voir la superbe transcription d’une de ses dernières présentations sur la révolution de la société par Internet, retranscrite par Michael Tartar). C’est ainsi que l’ex fondateur de Eyeka est reparti à l’aventure, et ce n’est pas un vain mot : « cela représente 2 ans et demi de développement » a-t-il dit. [mon “univers” statistique avec Captain Dash] Réinventer le tableau de bord La mission de Captain Dash, c’est de devenir le super-héros du tableau de bord. [le mode battle] à l’assaut des grands comptes Tout cela est fort beau, mais ce n’est pas là que notre super héros frappe le plus fort !

WordPress:

Ciblage

The Creative Networker | NOOP.NL: Change Management. No matter how big the CEO’s desk is, an organization is not a hierarchy. It is a social network. People interact with each other across all levels. And even though delivering a software product is quite different from handing over the butter at the lunch table while you chitchat about the weekend, in both cases there are social networks involved. This makes every organization a complex adaptive system comprising individuals and their interactions within a certain environment. Sometimes you would like to change something in that social network. Sometimes you want people to be nicer, more mindful, or better disciplined. When you want to change behaviors in something as complex as a social system, you have to understand the four aspects of change management: First, Adapt to the System A social network is a complex adaptive system.

Second, Lead the People Understand that people are the crucial parts of the social system, and that all people are different. Third, Work the Network. Jurgen Appelo, Writer, speaker, trainer at Happy melly | SlideShare. Comprendre le graphe social. La recette de Facebook, la nouvelle vedette des sites sociaux, c’est le « graphe social » (social graph), expliquait en mai dernier le jeune Mark Zuckerberg, son fondateur. Le Graphe social désigne « le réseau de connexions et de relations entre les gens sur Facebook, qui permet la diffusion et le filtrage efficaces de l’information », traduisait à l’époque Francis Pisani. Le succès de Facebook est lié au couplage de la plate-forme et du réseau social, qui s’enrichissent l’un l’autre grâce à une intégration réussie, en séduisant utilisateurs et développeurs.

En permettant de voir les relations entre les gens, en instaurant une confiance dans les applications recommandées par ses « amis », en bénéficiant du dynamisme de l’appropriation : le réseau filtre les informations qu’il vous propose. La carte des relations est-elle le territoire ? L’expression n’a pas que des admirateurs. En tout cas, le concept ne cesse d’être discuté. En attendant, l’idée fait réagir même au plus haut niveau. Social graph. This animation shows the different types of relations between social objects. User Eva is a friend of Adam and Kate, though Adam and Kate are not friends themselves.

Peter's photo was "liked" by many users, including Eva. Also Eva listened to the Last.fm radio and watched the video from Youtube. The term was popularized at the Facebook F8 conference on May 24, 2007, when it was used to explain that the Facebook Platform, which was introduced at the same time, would benefit from the social graph by taking advantage of the relationships between individuals, that Facebook provides, to offer a richer online experience.[2] The definition has been expanded to refer to a social graph of all Internet users. One of the earliest known forms of the social graph was created in 2002 by Harvard student Philippe Bouzaglou in a paper published on the Harvard Department of Economics website. Issues[edit] Open Graph[edit] See also[edit] References[edit] External links[edit]

Social network. Social networks and the analysis of them is an inherently interdisciplinary academic field which emerged from social psychology, sociology, statistics, and graph theory. Georg Simmel authored early structural theories in sociology emphasizing the dynamics of triads and "web of group affiliations. "[2] Jacob Moreno is credited with developing the first sociograms in the 1930s to study interpersonal relationships. These approaches were mathematically formalized in the 1950s and theories and methods of social networks became pervasive in the social and behavioral sciences by the 1980s.[1][3] Social network analysis is now one of the major paradigms in contemporary sociology, and is also employed in a number of other social and formal sciences. Together with other complex networks, it forms part of the nascent field of network science.[4][5] Overview[edit] History[edit] Levels of analysis[edit] Self-organization of a network, based on Nagler, Levina, & Timme, (2011)[32] Micro level[edit] In J.A.

Social networking service. A social networking service (also social networking site or SNS) is a platform to build social networks or social relations among people who share interests, activities, backgrounds or real-life connections. A social network service consists of a representation of each user (often a profile), his or her social links, and a variety of additional services. Social network sites are web-based services that allow individuals to create a public profile, to create a list of users with whom to share connections, and view and cross the connections within the system.[1] Most social network services are web-based and provide means for users to interact over the Internet, such as e-mail and instant messaging. §History[edit] The most popular social networking sites by country Early social networking on the World Wide Web began in the form of generalized online communities such as Theglobe.com (1995),[15] Geocities (1994) and Tripod.com (1995).

§Social impact[edit] §Features[edit] §Emerging trends[edit] List of social networking websites.

Crowdsourcing

Méthodes de prospective. Conférences > Cours de prospective au CNAM > Méthodes de prospective et d'analyse stratégique I (PRS201) Www.laprospective.fr/dyn/francais/cours_cnam/al7-analyse-structurelle-t2-chap-5--2012-2013.pdf. Social Network Analysis and Mining. Méthodes Analyse Réseaux Sociaux.

Scoring techniques. Sociologie réseaux sociaux. Social network.

Système de recommandation

Relation multi-canal du PSG.pdf.