Les données massives: nouvel enjeu stratégique ?
Accor, Barack Obama ou Netflix, sont autant d’acteurs qui ont déployé des investissements colossaux pour s’inscrire dans une démarche big data dont les enjeux stratégiques sont forts.
L’explosion des données affecte de façon profonde des secteurs variés : la santé, la grande distribution, l’énergie, les transports, la banque. Captées par de nombreux outils de collecte (web, objets connectés, vidéos, etc.), les données sont massives et de nature multiple (transactionnelle, navigation en ligne, comportementale, de géolocalisation, etc.). Au-delà du volume, ces données se caractérisent également par leur variété, leur vélocité, leur véracité ou leur valeur.
Ces nouvelles ressources induisent de nouveaux paradigmes. L’avènement des données massives rend par exemple accessible l’analyse exhaustive d’une population en évitant les erreurs d’échantillonnage. Les données massives interrogent et suggèrent une adaptation des business model tant d’un point de vue économique, organisationnel ou technique.
Pour faire face à la digitalisation, la data science (ou sciences des données) propose de nouvelles démarches qui s’appuient sur des outils statistiques, mathématiques, informatiques ou de visualisation de données afin de faciliter l’acquisition, l’exploitation et la diffusion des données massives. La Business Data Science (BDS) vise plus particulièrement à analyser et modéliser des données pour améliorer les performances managériales et produire des décisions efficientes (data-driven decision making).
Les axes thématiques
La revue Management & Data Science accueille des contributions dont le contenu scientifique pourra faire écho aux axes thématiques proposés ci-dessous. Ces suggestions ne constituant pas une liste exhaustive, l’appel à contributions reste ouvert aux propositions des auteurs.
Axe 1 : Applications et usages de la data science
Analytique des données d’affaires (Business analytics), intelligence d’affaires (business intelligence), marketing personnalisé, segmentation de clients et ciblage, analyse comportementale du consommateur en ligne (réseaux sociaux), marketing des objets connectés, gestion de la relation client (GRC), prédiction du comportement des consommateurs, prévision des routines ou du parcours numérique, physique et/ou cognitif des consommateurs, satisfaction client, attrition (churn), trading à haute fréquence, détection de signaux faibles, anticipation des fraudes et des risques, régulation et optimisation des flux logistiques, etc.
Axe 2 : Perspective critique & impact sociétal de la data science
Changement organisationnel, qualification et nouveaux métiers, formation de data scientists et nouveaux contenus pédagogiques, « extimité », transparence et responsabilité sociale des entreprises, stratégie d’innovation, capacité d’absorption (ACAP), gouvernance des données, redéfinition des réseaux d’affaires, nouvelle conception des processus de gestion, éthique et technique de sollicitation des données, droit des individus et du consommateur, rupture technologique, sécurité, protection et contrôle des données, vie privée, etc
Axe 3 : Gestion & analyse des données massives
Format pivot de données, nouvelles sources de données (objets connectés, réseaux sociaux, web, mobile, open data et self data), outils de tracking (utilisation des capteurs, GPS, puces RFID, cartes de fidélité, etc.), stockage de données (datamart, data warehouse, datalake), base de données ( SQL –NoSQL), technologies big data (Hadoop, architecture MapReduce, etc.), cloud computing, traitement des données (analyse des réseaux sociaux, analyses des interfaces mobiles, de la visualisation et des interactions Homme-Machine), techniques d’apprentissage automatique pour le management, etc.
A propos de la revue
La revue Management & Data Science est une revue pluridisciplinaire en sciences de gestion qui s’adresse également aux chercheurs et praticiens en informatique, mathématiques, économie, sociologie, sciences de l’information. L’objectif est de faire le lien entre professionnels et scientifiques autour des problématiques liées à l’impact des données massives sur le management.
3 numéros annuels permettent de sensibiliser les décideurs aux enjeux des données massives à la fois sous l’angle technique (collecte, intégration, modélisation, visualisation) et sur les aspects managériaux.
La revue Management & Data Science a plusieurs objectifs. Produire des nouveaux concepts, méthodes, techniques et applications relatifs à la data science et à son impact sur le management; Contribuer à l’avancée des connaissances liées à la gestion des données massives et centraliser ces recherches; Diffuser des travaux originaux qui orientent la prise de décision en gestion Le comité professionnel : Samir AMELLAL (Publicis France), Jean-David BENASSOULI (Accenture Digital), Louis-David BENYAYER (Without Model), Emmanuel BLOCH (Thales), Stéphane CHAUVIN (Mydataball), Henri LAUDE (BlueSoft), Pierre MORGAT (Customer Delight), Michel SEBAG (Sopra Steria), Frédérick VAUTRAIN (VISEO). Le comité de rédaction : Romain ZERBIB (Groupe IGS) – directeur de la publication, Olivier MAMAVI (Groupe IGS) – rédacteur en chef, Caroline RICHÉ (IAE d’Amiens) – rédactrice en chef adjoint.
Accor, Barack Obama ou Netflix, sont autant d’acteurs qui ont déployé des investissements colossaux pour s’inscrire dans une démarche big data dont les enjeux stratégiques sont forts.
L’explosion des données affecte de façon profonde des secteurs variés : la santé, la grande distribution, l’énergie, les transports, la banque. Captées par de nombreux outils de collecte (web, objets connectés, vidéos, etc.), les données sont massives et de nature multiple (transactionnelle, navigation en ligne, comportementale, de géolocalisation, etc.). Au-delà du volume, ces données se caractérisent également par leur variété, leur vélocité, leur véracité ou leur valeur.
Ces nouvelles ressources induisent de nouveaux paradigmes. L’avènement des données massives rend par exemple accessible l’analyse exhaustive d’une population en évitant les erreurs d’échantillonnage. Les données massives interrogent et suggèrent une adaptation des business model tant d’un point de vue économique, organisationnel ou technique.
Pour faire face à la digitalisation, la data science (ou sciences des données) propose de nouvelles démarches qui s’appuient sur des outils statistiques, mathématiques, informatiques ou de visualisation de données afin de faciliter l’acquisition, l’exploitation et la diffusion des données massives. La Business Data Science (BDS) vise plus particulièrement à analyser et modéliser des données pour améliorer les performances managériales et produire des décisions efficientes (data-driven decision making).
Les axes thématiques
La revue Management & Data Science accueille des contributions dont le contenu scientifique pourra faire écho aux axes thématiques proposés ci-dessous. Ces suggestions ne constituant pas une liste exhaustive, l’appel à contributions reste ouvert aux propositions des auteurs.
Axe 1 : Applications et usages de la data science
Analytique des données d’affaires (Business analytics), intelligence d’affaires (business intelligence), marketing personnalisé, segmentation de clients et ciblage, analyse comportementale du consommateur en ligne (réseaux sociaux), marketing des objets connectés, gestion de la relation client (GRC), prédiction du comportement des consommateurs, prévision des routines ou du parcours numérique, physique et/ou cognitif des consommateurs, satisfaction client, attrition (churn), trading à haute fréquence, détection de signaux faibles, anticipation des fraudes et des risques, régulation et optimisation des flux logistiques, etc.
Axe 2 : Perspective critique & impact sociétal de la data science
Changement organisationnel, qualification et nouveaux métiers, formation de data scientists et nouveaux contenus pédagogiques, « extimité », transparence et responsabilité sociale des entreprises, stratégie d’innovation, capacité d’absorption (ACAP), gouvernance des données, redéfinition des réseaux d’affaires, nouvelle conception des processus de gestion, éthique et technique de sollicitation des données, droit des individus et du consommateur, rupture technologique, sécurité, protection et contrôle des données, vie privée, etc
Axe 3 : Gestion & analyse des données massives
Format pivot de données, nouvelles sources de données (objets connectés, réseaux sociaux, web, mobile, open data et self data), outils de tracking (utilisation des capteurs, GPS, puces RFID, cartes de fidélité, etc.), stockage de données (datamart, data warehouse, datalake), base de données ( SQL –NoSQL), technologies big data (Hadoop, architecture MapReduce, etc.), cloud computing, traitement des données (analyse des réseaux sociaux, analyses des interfaces mobiles, de la visualisation et des interactions Homme-Machine), techniques d’apprentissage automatique pour le management, etc.
A propos de la revue
La revue Management & Data Science est une revue pluridisciplinaire en sciences de gestion qui s’adresse également aux chercheurs et praticiens en informatique, mathématiques, économie, sociologie, sciences de l’information. L’objectif est de faire le lien entre professionnels et scientifiques autour des problématiques liées à l’impact des données massives sur le management.
3 numéros annuels permettent de sensibiliser les décideurs aux enjeux des données massives à la fois sous l’angle technique (collecte, intégration, modélisation, visualisation) et sur les aspects managériaux.
La revue Management & Data Science a plusieurs objectifs.
La revue est organisée autour de 3 entités qui participent à la définition et à la mise en œuvre de la politique éditoriale.
Le comité scientifique : Talel ABDESSALEM (Telecom ParisTech), Christine BALAGUÉ (Institut Mines-Telecom), Isabelle BARTH (Université de Strasbourg), Christophe BENAVENT (Université Paris Ouest), Ahmed BOUNFOUR (Université Paris-Sud),
Samuel FOSSO WAMBA, (Toulouse Business School), Jean-Gabriel GANASCIA (Sorbonne Universités), Rony GERMON (Paris School of Business), Fabrice GUILLET (Ecole Polytechnique de l’Université de Nantes), Julien JACQUES (Université Lumière Lyon 2), Hajer KEFI (Paris School of Business), Caroline LANCELOT MILTGEN (Audencia Business School), Christian MARCON (IAE de Poitiers), Olivier MEIER (Université Paris-Est-Créteil), Nicolas MOINET (IAE de Poitiers), Philippe NASZALYI, (La Revue des Sciences de Gestion), Jean-Max NOYER (Université de Toulon), Gilles PACHÉ (Aix-Marseille Université), Fabrice ROTH (IAE de Lyon).
Instructions aux auteurs
1er février 2017: Proposition d’un article de 4000 mots 15 février 2017: Notification aux auteurs 31 mars 2017: Proposition de la version finale avril 2017: Numéro à paraître Les propositions d’articles sont à envoyer à : redaction@management-datascience.org
Téléchargez l’appel à contributions: appel-a-contributions-mds-vf-01-12-2016