<  Retour au portail Polytechnique Montréal

Réputation des entreprises à l’heure des données non structurées à haute fréquence

Guillaume Digoin

Mémoire de maîtrise (2015)

[img]
Affichage préliminaire
Télécharger (11MB)
Citer ce document: Digoin, G. (2015). Réputation des entreprises à l’heure des données non structurées à haute fréquence (Mémoire de maîtrise, École Polytechnique de Montréal). Tiré de https://publications.polymtl.ca/2009/
Afficher le résumé Cacher le résumé

Résumé

RÉSUMÉ : La réputation a toujours été un des actifs les plus importants d’une entreprise. Dans un monde de plus en plus connecté, et dans lequel l’information circule très vite et touche un très grand nombre de personnes, elle est souvent soumise à rude épreuve. Cet impact grandissant des réseaux sociaux représente donc une nouvelle menace pour les entreprises et leur réputation. Mais les données non structurées issues des réseaux sociaux représentent aussi de vraies opportunités d’estimation et de contrôle de la réputation en temps réel. Twitter ou Facebook par exemple, sont chaque jour le théâtre de nombreuses discussions et polémiques autour des entreprises. La masse d’informations ainsi créée peut être utilisée pour approximer les mouvements de réputation d’une entreprise. La réputation est en continuel mouvement. Pourtant, les organismes spécialisés qui proposent des mesures de la réputation, comme l’Institut de la Réputation ou Fortune Magazine, ne fournissent que des estimations annuelles de la réputation des entreprises multinationales. Les données non structurées issues des réseaux sociaux apparaissent comme les plus à même de fournir des informations en temps réel. À travers cette recherche, nous avons créé un outil d’analyse qui permette de mesurer en temps réel la réputation d’une entreprise sous 9 clés: (1) l’innovation, (2) la gestion des individus, (3) la responsabilité sociale et environnementale, (4) les investissements à long-terme, (5) la compétitivité, (6) l’utilisation des actifs, (7) la solidité financière, (8) la qualité de l’exécutif et (9) la qualité des produits et services) et de fournir un score de réputation en utilisant les données non structurées et à haute fréquence issues du réseau social Twitter. Nous avons appliqué cet outil à tous les messages publiés sur Twitter concernant les entreprises du S&P500 sur une période de 5 mois. L’utilisation d’un modèle de logit ordonné a permis de montrer que l’outil valide l’hypothèse mise en avant dans la littérature de corrélation positive entre la réputation d’une entreprise et son cours de bourse (Chun 2005). Les résultats montrent que cet impact n’est toutefois pas direct et qu’un délai de quelques heures à quelques jours, dépendamment de la clé de réputation analysée, est nécessaire pour voir apparaître les conséquences d’un mouvement de la réputation sur le cours en bourse d’une entreprise. À partir de ces analyses, des stratégies d’investissements sur les marchés boursiers ont été proposées, permettant d’optimiser les opportunités de gain en fonction des jours de la semaine et des types d’industries visés au travers des 9 clés de la réputation. Nous avons aussi appliqué notre outil d’analyse de la réputation à deux cas particuliers : (1) la sortie de l’Apple Watch et (2) le scandale Volkswagen. Les résultats issus de ces deux études mettent en évidence les délais de répercussion d’une variation de la réputation sur le cours de bourse d’une entreprise. Ces études de cas montrent qu’il est possible pour une entreprise multinationale de suivre sa réputation en temps réel à condition que le nombre de tweets la concernant soit suffisamment grand. ----------ABSTRACT : Reputation has always been one of the most important assets of a company. However, it can also be regarded as a very delicate one that can change from one state to the other in a very short timelapse. It is especially true in our ever-growing connected world, in which information flows very fast and affects a lot of people. This growing impact thus represents new threats for corporate reputation. However the unstructured data derived from social networks also represents huge opportunities to assess and control reputation in real time. People are in fact using those platforms to share their opinions, their tastes or even their feelings with others. That mass of information may be used to approximate corporate reputation in real time. Corporate reputation is in continuous movement. Specialized organizations, such as the Reputation Institute and Fortune Magazine, have made the assessment of corporate reputation one of the main focuses of their activities. However, these assessments only provide annual estimations based on yearly surveys where social medias are not part of the equation. Therefore, the structure of social networks’ data appears to be the best way to provide live information and thus live reputation assessments. In this paper, we have created an analyzing tool that can measure reputation in real time through 9 keys: (1) innovation, (2) people management, (3) social and environmental responsibility, (4) long-term investment, (5) competitivity, (6) use of corporate assets, (7) financial soundness, (8) quality of management and (9) quality of products/services) and provide a reputation score based on high frequency unstructured data from Twitter. We have then used this specific tool to assess reputation of all the S&P500 companies on a 5 months period. By using an ordered logit model, we were able to validate that the reputation of a company and its stock market price are correlated. The results however show that this interaction is not directly observable and that, depending on the reputation key, it can take some time to notice any stock price movement related to a reputation movement. Based on these analyses, we were able to develop stock market investment strategies. These strategies enable the investor to optimize his gain opportunities by investing in a specific industry and on a specific day depending on companies’ reputation scores. We also applied the reputation analyzing tool to 2 specific cases: (1) The Apple Watch release and the (2) The Volkswagen scandal. The results confirm the S&P500 analysis conclusions and show that a multinational company can follow its reputation in real time by using the reputation tool.

Document en libre accès dans PolyPublie
Département: Département de mathématiques et de génie industriel
Directeur de mémoire/thèse: Nathalie de Marcellis-Warin et Thierry Warin
Date du dépôt: 01 avr. 2016 13:44
Dernière modification: 01 sept. 2017 17:32
Adresse URL de PolyPublie: https://publications.polymtl.ca/2009/

Statistiques

Total des téléchargements à partir de PolyPublie

Téléchargements par année

Provenance des téléchargements

Actions réservées au personnel