La plus innovante des solutions d'analyse exploratoire de données temporelles

Notre Vision

« Big time series »: Le futur du Big Data

Si une dimension est plus à même de caractériser le phénomène du Big Data, c’est bien le temps.

Avec l’émergence des capteurs, télé-relèves, puces RFID ou traceurs web, les mesures sont automatisées et leurs fréquences parfois réduites à quelques millisecondes.

Si l’exploitation d’une seule et unique série temporelle, sujet complexe, est étudiée depuis longtemps, l’analyse de milliers de courbes est un sujet nouveau auquel s’intéressent de plus en plus de laboratoires de recherche et d’industriels.

La multiplicité des séries temporelles peut provenir à la fois :

  • de mesures effectuées sur plusieurs individus (par exemple des capteurs dans différentes lieux);
  • de multiples mesures en même temps : température, humidité.

Comprendre et exploiter de nombreuses séries temporelles et les enrichir

La visualisation: Plus que pour d’autres données, la visualisation occupe une place fondamentale dans l’analyse d’une série temporelle mais la démarche classique n’est plus adaptée lors de nombreuses séries.

Grâce à une approche basée sur les small multiples*, totalement innovante et brevetée, DeltaMetric offre de nouvelles capacités d’explorer et de comprendre visuellement de grands volumes de données temporelles.

L’exploration: Dans une analyse de données, la phase exploratoire permet de construire des hypothèses sur les données et de finaliser le cadrage d’un cas d’usage; c’est une étape fondamentale avant toute modélisation. Une série temporelle contient de nombreux indicateurs (valeurs, tendance, cycles, pics, etc.) la caractérisant.

Ces indicateurs doivent aussi être rapprochés avec des valeurs de contexte. Mais leur pertinence peut différer entre les individus sur lesquels les mesures sont effectuées.

DeltaMetric permet de manipuler/corriger de grands volumes de séries temporelles, d’extraire des indicateurs différenciés, d’identifier des comportements proches, de mesurer des corrélations ou de détecter des atypismes.

*Tufte, Edward (1990). Envisioning Information