Durant l’ère industrielle, le numérique était statique, c’est-à-dire que l’usager enregistrait ses données sans distinction. Durant l’ère postindustrielle, l’enregistrement devient plutôt dynamique, c’est-à-dire que le système traite les données en tenant compte du facteur temps. Aujourd’hui, les flux RSS, blogues, tweets et messages de Facebook sont enregistrés en tenant compte d’un timeline qui classe automatiquement les données dans un axe chronologique ; les spécialistes parlent d’une vision numérique du monde en temps réel ou de Worldstream.

Cette approche prédictive analyse en temps réel le flot des données pour en extraire des données sur les données. Les techniques peuvent combiner le Data mining et le Real-time analysis avec le Early warning system, etc. Cette interprétation du Real-time traffic information ne remplace pas les analyses scientifiques traditionnelles, mais les complètent (chapitre 1, no 10). L’objectif est d’obtenir une synthèse de l’évolution de l’événement ou des comportements révélés par les réseaux sociaux par exemple, puis définir un ou plusieurs scénarios possibles afin de faciliter à la prise de décision.

Par exemple, ci-dessous des millions de tweets sont répartis sur une carte des États-Unis pour que des spécialistes puissent détecter les points chauds qui se développent en temps réel, c’est-à-dire les crises en devenir :

058
Ensuite, un système comme HealthMap peut réunir toutes ces analyses d’alertes à un moment précis selon le domaine de santé, le pays ou l’épidémie, etc. :

059

Global disease alert map, MIT

Durant l’ère industrielle, le numérique était statique, c’est-à-dire que l’usager enregistrait ses données sans distinction. Durant l’ère postindustrielle, l’enregistrement devient plutôt dynamique, c’est-à-dire que le système traite les données en tenant compte du facteur temps. Aujourd’hui, les flux RSS, blogues, tweets et messages de Facebook sont enregistrés en tenant compte d’un timeline qui classe automatiquement les données dans un axe chronologique ; les spécialistes parlent d’une vision numérique du monde en temps réel ou de Worldstream.

Cette approche prédictive analyse en temps réel le flot des données pour en extraire des données sur les données. Les techniques peuvent combiner le Data mining et le Real-time analysis avec le Early warning system, etc. Cette interprétation du Real-time traffic information ne remplace pas les analyses scientifiques traditionnelles, mais les complètent (chapitre 1, no 10). L’objectif est d’obtenir une synthèse de l’évolution de l’événement ou des comportements révélés par les réseaux sociaux par exemple, puis définir un ou plusieurs scénarios possibles afin de faciliter à la prise de décision.

Par exemple, ci-dessous des millions de tweets sont répartis sur une carte des États-Unis pour que des spécialistes puissent détecter les points chauds qui se développent en temps réel, c’est-à-dire les crises en devenir :

058
Ensuite, un système comme HealthMap peut réunir toutes ces analyses d’alertes à un moment précis selon le domaine de santé, le pays ou l’épidémie, etc. :

059

Global disease alert map, MIT