Vers une nouvelle interface visuelle dédiée à l'analyse des récoltes multisources de données - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2018

Vers une nouvelle interface visuelle dédiée à l'analyse des récoltes multisources de données

Résumé

Dans l'objectif d'étudier les investissements publicitaires sur internet, la société Kantar Media a mis en place un ensemble d'outils de récolte de données (crawlers) pour récupérer différentes données sur les publicités affichées sur un ensemble de sites. Ces outils fournissent des don-nées largement imparfaites du fait de la non exhaustivité possible de la récolte, de la stratégie d'affichage des publicités par les sites, etc.. Cela amène à une première question : l'infor-mation stockée est-elle légitime ? Il y a donc, à ce jour, au minimum, un besoin de modèles d'estimation de la véracité de cette information. Dans ce travail nous nous questionnons principalement sur la qualité en essayant de fournir un outil d'analyse visuelle des récoltes effectuées guidées par les données récoltées. L'objectif est d'aider à déterminer les biais possibles dans les récoltes. La visualisation ayant montré son intérêt pour l'analyse des grands volumes de données (??), nous nous positionnons dans le cadre d'une démarche de visualisation guidée par les données. Nous ne nous positionnons pas dans ce premier travail sur l'évaluation de la qualité de données via un outil de visualisation basée sur une analyse robuste des données. Pour cela nous différencions dans un premier temps deux cas :-l'absence de données récoltées sur les publicités sur un site qui peuvent être dues à plusieurs facteurs : arrêt volontaire de la récolte interne, changement de stratégie du site vis à vis des crawlers, arrêt par un des fournisseurs de données de la récolte sur ce site, etc. ;-la présence des données qui sont elles mêmes soumises à plusieurs facteurs réduisant leur qualité : impossibilité de récoltes permanentes, changement des stratégies de ré-coltes, etc. Afin de mettre en évidence ces deux cas, nous avons développé un premier outil exploratoire permettant une visualisation booléenne (présence/absence de données) des récoltes par site (cf. figure ??a). Ce premier travail a permis à la société de prendre conscience de certains biais dans la récolte interne des données ; e.g. présence de discontinuité à l'échelle du mois voire du trimestre alors que l'on pensait le flux continu à ces échelles. Nos données de récoltes sont agrégées et définies sur quatre variables volumiques. Nous proposons d'analyser les flux de données à l'échelle du mois non pas par leur valeur intrinsèque mais par leur valeur vis-à-vis des autres. Pour cela, nous affectons chaque valeur à son quartile (statistique robuste) évalué
Fichier principal
Vignette du fichier
VIFEGC2018_ZBDBAAYCdR.pdf (111.58 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-01924255 , version 1 (15-11-2018)

Identifiants

  • HAL Id : hal-01924255 , version 1

Citer

Zied Ben Othmane, Damien Bodénès, Amine Aït-Younes, Cyril de Runz. Vers une nouvelle interface visuelle dédiée à l'analyse des récoltes multisources de données. Visualisation d'informations, interaction et fouille de données (VIF@EGC), 2018, Paris, France. pp.1-4. ⟨hal-01924255⟩

Collections

URCA CRESTIC
121 Consultations
54 Téléchargements

Partager

Gmail Facebook X LinkedIn More