Co-organisateurs du colloque : Sylvie Grosjean (Université d’Ottawa, Canada), Monica Mallowan (Université de Moncton, Canada), Christian Marcon (IAE-Université de Poitiers, France)
85e congrès de l’ACFAS – Université McGill, Montréal
Dates envisagées : 11 au 12 mai 2017 (en attente de la décision finale de l’ACFAS en décembre 2016)
Dates importantes
- Soumission des propositions : 13 janvier 2017
- Retour aux auteurs : février/mars 2017
- Envoi des articles : mai 2017
- Dates envisagées du colloque : 11 au 12 mai 2017
- Publication : décembre 2017
Appel à communications
La problématique de la gestion des données par les organisations n’est pas récente, mais l’accès à des données massives produites par le monde digital (e-commerce, requête internet, capteurs e-santé, objets connectés, etc.) conduit indéniablement les organisation à gérer, traiter, utiliser et réutiliser leurs données différemment voire à exploiter celles d’autres organisations.
Confrontées à la pression concurrentielle, les organisations comptent sur la performance des technologies de l’information pour soutenir leurs processus organisationnels et pour les aider à maîtriser la masse d’information en circulation dans leur environnement interne et externe. Face à l’accumulation de données massives (big data) en milieu organisationnel (Bollier, 2010; Rudder, 2014), l’approche privilégiée pour en tirer un sens est celle de l’analyse quantitative menant à des démarches d’intelligence d’affaires (business intelligence), en vue de s’en servir pour la prise de décision et le passage à l’action (Cohen, 2013; Fernandez, 2013). Ceci conduit à l’idée dangereuse que des données statistiques seraient plus utiles et objectives et contribueraient à rendre les organisations plus efficaces et rentables (Bollier, 2010).
Toutefois, cette accumulation de données chiffrées analysées statistiquement est limitée par l’absence d’un contexte significatif riche (Alles et Vasarhelyi, 2014), qui pour sa part est généré par une accumulation d’éléments non chiffrés, non quantifiables, non structurés et donc difficilement mesurables, de type socio-culturel (thick data), qui doivent être étudiés par une analyse qualitative, et qui mènent à des démarches d’intelligence stratégique (competitive and strategic intelligence).