Les données dérivées à la rescousse
Imaginons qu’on souhaite mettre la main sur une information difficile sinon impossible à trouver. En voici un exemple :
- On veut collecter les revenus de toutes les entreprises d’un secteur donné afin de les classer et de concentrer ses efforts sur celles qui offrent le meilleur potentiel. Malheureusement, plusieurs de ces entreprises sont privées et ne publient pas d’états financiers ou les données concernant leurs revenus ne sont pas fiables.
Comment procéder? C’est ici que les données dérivées peuvent nous aider. De quoi s’agit-il? Tout simplement de données qui, à prime à bord, ne semblent pas liées à l’objectif, mais qui pourtant pourraient permettre de l’atteindre. On doit donc découvrir quelles autres données publiées par la cible pourraient servir notre cause. Reprenons notre exemple précédent.
- En faisant des recherches, on s’aperçoit que les entreprises ciblées publient la surface totale de leurs installations d’entreposage. Logiquement une entreprise qui possède un espace d’entreposage de 1 000 000 pi2 est plus importante qu’une autre qui en possède un de 200 000 pi2.
Voilà qui est fort utile pour répertorier ces entreprises en ordre d’importance, n’est-ce pas? On sait alors sur lesquelles concentrer ses efforts sans même connaître leur revenu.