Le Big Data Analytics joue un rôle central dans le Big Data, l’intelligence artificielle, la gestion, la gouvernance et la société, avec le développement spectaculaire du Big Data, de l’analyse, de l’intelligence artificielle.
Cependant, le spectre de l’analyse des mégadonnées et la manière de le développer restent un problème fondamental dans le monde universitaire. Cet article aborde ces problèmes en présentant une approche basée sur de petites données dérivées du Big Data.
utilise ensuite l’approche proposée pour analyser les 150 meilleurs profils de Google Scholar, y compris l’analyse de données volumineuses en tant que domaine de recherche, et propose un spectre d’analyse de données volumineuses.
L’éventail des analyses de données volumineuses comprend principalement l’exploration de données, l’apprentissage automatique, la science et les systèmes de données, l’intelligence artificielle, l’informatique répartie et les systèmes, ainsi que l’informatique en nuage, en tenant compte de leur degré d’importance.
L’approche et les résultats proposés seront généralisés à d’autres chercheurs et praticiens de l’analyse de données volumineuses, de l’apprentissage automatique, de l’intelligence artificielle et de la science des données.
Confidentialité et sécurité dans le paradigme du Big Data :
La vie privée et la sécurité à l’ère du Big Data ont attiré une attention particulière dans les milieux universitaires et industriels.
Cet article examine la confidentialité et la sécurité dans le paradigme du Big Data en proposant un modèle de confidentialité et de sécurité à l’ère du Big Data et une classification de la confidentialité et de la sécurité basées sur le Big Data.
Il étend le corpus de connaissances sur les données volumineuses, met en évidence des sujets de recherche importants et identifie les lacunes critiques par le biais d’une analyse statistique des données volumineuses et de son impact sur la confidentialité et la sécurité à partir des données de la littérature.
Il présente également la sécurité et la confidentialité de pointe basées sur l’analyse des données SCOPUS. Le résultat montre que la confidentialité et la sécurité font face à de nouveaux défis et nécessitent de nouvelles politiques, technologies et outils pour protéger la confidentialité dans le paradigme du Big Data.
L’approche proposée pourrait faciliter la recherche et le développement de la confidentialité et de la sécurité, ainsi que la confidentialité et la sécurité fondées sur le Big Data en termes de technologie, de gouvernance et d’élaboration de politiques.
Services d’analyse de données volumineuses pour améliorer la veille stratégique :
Cet article examine comment utiliser les services d’analyse de données volumineuses pour améliorer l’intelligence d’affaires.
Plus spécifiquement, cet article propose une ontologie de l’analyse des données volumineuses et présente une architecture orientée service (BASOA), puis applique BASOA à l’intelligence d’affaires.
L’analyse des données analysées montre que le BASOA proposé est viable pour améliorer l’intelligence d’affaireset les entreprises. Systèmes d’information.
Cet article explore également la temporalité, l’attente et la relativité en tant que caractéristiques de l’intelligence dans l’intelligence d’affaires. Ces caractéristiques sont ce que les clients et les décideurs attendent de l’intelligence d’affairesen termes de systèmes, de produits et de services des organisations.
L’approche proposée dans cet article pourrait faciliter la recherche et le développement d’analyses commerciales, d’analyses de données volumineuses et de l’intelligence d’affaires, ainsi que de la science des données volumineuses et de l’informatique en données volumineuses.
Améliorer les performances organisationnelles grâce à l’utilisation du Big Data :
Le nombre d’entreprises qui prévoient d’investir dans l’utilisation du big data a été réduit, nombre d’entre elles essayant toujours de comprendre les conditions nécessaires pour améliorer leurs performances grâce au traitement et à l’utilisation du big data.
Dans cette étude, nous exploitons la vue basée sur les ressources pour étudier le rôle de la sophistication des outils, de l’utilisation de données volumineuses et des compétences analytiques des employés dans l’amélioration des performances organisationnelles.
Le modèle de recherche est validé empiriquement auprès de 140 informaticiens expérimentés à l’aide de données d’enquête. Les résultats montrent que lorsque les entreprises traitent des données volumineuses, les performances organisationnelles sont optimales lorsqu’elles utilisent des outils sophistiqués, alors que ce n’est pas le cas lorsque les entreprises ne traitent pas les données volumineuses.
En outre, les résultats montrent qu’il est intéressant de noter qu’à des niveaux moins élevés de compétences analytiques des employés, l’utilisation de données massives n’a pas d’impact significatif sur les performances organisationnelles, ce qui laisse supposer des implications importantes pour la théorie et pour l’orientation des activités.
