Big data: alchimie ou science? Chaire ESSEC Edgar Morin

January 18, 2016

 

Ma "mise en boîte de la complexité"

Chaire ESSEC Edgar Morin

19/01/2016 

 

Les mégadonnées, ou Big Data, constituent un nouvel outil à la disposition des entreprises et des chercheurs. Pour qu’elles soient utilisables de manière effective pour la prévision, il est essentiel de prendre du recul et de comprendre leur spécificité. Deux éléments les caractérisent : (i) ces données mesurent une activité d’origine humaine (ii) elles ne sont pas, pour la plupart, issues d’expériences contrôlées et reproductibles, mais au contraire, ont été enregistrées au fil de l’activité et constituent donc une référence historique.

Lors de leur analyse et de la modélisation de leur pouvoir prédictif. Nous devons par conséquent répondre à trois questions : quels sont les comportements reproductibles ? Quels sont ceux qui ressortissent à des circonstances spécifiques ? Quels sont ceux qui sont actionnables ? Dans cette «mise en boîte» de la complexité, je montrerai l’apport de la méthodologie développée au cours d’un demi-siècle d’analyses économétriques en sciences économiques et sociales afin d’appréhender de manière constructive le foisonnement actuel du Big Data et proposer des pistes en Business Analytics.

 

Mes slides sont disponibles ici 

 

 

 

Quelques références

Anderson, C. The End of Theory: The Data Deluge Makes the Scientific Method Obsolete

Choi, H. and H. Varian, Predicting the Present with Google Trends

Davenport, T, Analytics 4.0 et Analytics 3.0

de Vroey M, and P. Malgrange Théorie et Modélisation Macroéconomique, d'hier à aujourd'hui

The Economist, Cause and defect

Doornik, J. and D. F. Hendry, Statistical Model Selection with Big Data 

Franses, P.H On the Use of Econometric Models for Policy Simulation in Marketing

Ginsberg et al. Detecting influenza epidemics using search engine query data

Haford, T. Big data, are we making a big mistake?

Hendry, D.F. Dynamic Econometrics (Oxford University Press)

King, G, Big Data is not about the Data

Lazer et al. The Parable of Google Flu: Traps in Big Data Analysis

Lucas, R. E. Econometric Policy Evaluation: A critique

Lucas,R. E. Monetary Neutrality

Lohr, S. Google Flu Trends, the limits of big data

Sheiber, N. Freaks and Geeks; How Freakonomics is ruining the dismal science.

Taylor et al. Emerging practices and perspectives on Big Data analysis in economics: Bigger and better or more of the same?

 

 

 

Please reload

About the author 
 
Professor of Econometrics & Statistics at
ESSEC Business School
Paris
Follow me on Twitter
  • Twitter Basic Black
Search By Tags
Please reload