Full Ebook of Data Science and Analytics For Smes Consulting Tools Practical Use Cases 1St Edition Afolabi Ibukun Tolulope 2 Online PDF All Chapter

Data Science and Analytics for SMEs:
Consulting, Tools, Practical Use Cases

1st Edition Afolabi Ibukun Tolulope
Visit to download the full and correct content document:
https://ebookmeta.com/product/data-science-and-analytics-for-smes-consulting-tools-
practical-use-cases-1st-edition-afolabi-ibukun-tolulope-2/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...
Data Science and Analytics for SMEs: Consulting, Tools

, Practical Use Cases 1st Edition Afolabi Ibukun
Tolulope
https://ebookmeta.com/product/data-science-and-analytics-for-
smes-consulting-tools-practical-use-cases-1st-edition-afolabi-
ibukun-tolulope/
Data Science for Business Professionals. A Practical

Guide for Beginners 1st Edition Probyto Data Science
And Consulting Pvt. Ltd.
https://ebookmeta.com/product/data-science-for-business-
professionals-a-practical-guide-for-beginners-1st-edition-
probyto-data-science-and-consulting-pvt-ltd/
Digital Supply Chain and Logistics with IoT Practical

Guide Methods Tools and Use Cases for Industry Andreas
Holtschulte
https://ebookmeta.com/product/digital-supply-chain-and-logistics-
with-iot-practical-guide-methods-tools-and-use-cases-for-
industry-andreas-holtschulte/
Operationalizing Multi Cloud Environments Technologies

Tools and Use Cases 1st Edition Rajganesh Nagarajan
https://ebookmeta.com/product/operationalizing-multi-cloud-
environments-technologies-tools-and-use-cases-1st-edition-
rajganesh-nagarajan/
Practical Data Science with Hadoop and Spark Designing
and Building Effective Analytics at Scale Addison
Wesley Data Analytics 1st Edition Ofer Mendelevitch
https://ebookmeta.com/product/practical-data-science-with-hadoop-
and-spark-designing-and-building-effective-analytics-at-scale-
addison-wesley-data-analytics-1st-edition-ofer-mendelevitch/
Cambridge IGCSE and O Level History Workbook 2C - Depth

Study: the United States, 1919-41 2nd Edition Benjamin
Harrison
https://ebookmeta.com/product/cambridge-igcse-and-o-level-
history-workbook-2c-depth-study-the-united-states-1919-41-2nd-
edition-benjamin-harrison/
Blockchain Applied Practical Technology and Use Cases

of Enterprise Blockchain for the Real World 1st Edition
Stephen Ashurst
https://ebookmeta.com/product/blockchain-applied-practical-
technology-and-use-cases-of-enterprise-blockchain-for-the-real-
world-1st-edition-stephen-ashurst/
Business Analytics: Data Science for Business Problems

Walter R. Paczkowski
https://ebookmeta.com/product/business-analytics-data-science-
for-business-problems-walter-r-paczkowski/
Data Science and Data Analytics: Opportunities and

Challenges 1st Edition Amit Kumar Tyagi
https://ebookmeta.com/product/data-science-and-data-analytics-
opportunities-and-challenges-1st-edition-amit-kumar-tyagi/
Data Science
and Analytics
for SMEs
Consulting, Tools,
Practical Use Cases
―
Afolabi Ibukun Tolulope
Data Science and
Analytics for SMEs
Consulting, Tools,
Practical Use Cases

Data Science and Analytics for SMEs: Consulting, Tools, Practical
Use Cases
London, United Kingdom
ISBN-13 (pbk): 978-1-4842-8669-2 ISBN-13 (electronic): 978-1-4842-8670-8

https://doi.org/10.1007/978-1-4842-8670-8
Copyright © 2022 by Afolabi Ibukun Tolulope

This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or
part of the material is concerned, specifically the rights of translation, reprinting, reuse of
illustrations, recitation, broadcasting, reproduction on microfilms or in any other physical way,
and transmission or information storage and retrieval, electronic adaptation, computer software,
or by similar or dissimilar methodology now known or hereafter developed.
Trademarked names, logos, and images may appear in this book. Rather than use a trademark
symbol with every occurrence of a trademarked name, logo, or image we use the names, logos,
and images only in an editorial fashion and to the benefit of the trademark owner, with no
intention of infringement of the trademark.
The use in this publication of trade names, trademarks, service marks, and similar terms, even if
they are not identified as such, is not to be taken as an expression of opinion as to whether or not
they are subject to proprietary rights.
While the advice and information in this book are believed to be true and accurate at the date of
publication, neither the authors nor the editors nor the publisher can accept any legal
responsibility for any errors or omissions that may be made. The publisher makes no warranty,
express or implied, with respect to the material contained herein.
Managing Director, Apress Media LLC: Welmoed Spahr
Acquisitions Editor: Shiva Ramachandran
Development Editor: James Markham
Coordinating Editor: Jessica Vakili
Distributed to the book trade worldwide by Springer Science+Business Media New York,
1 New York Plaza, New York, NY 10004. Phone 1-800-SPRINGER, fax (201) 348-4505, e-mail
orders-ny@springer-sbm.com, or visit www.springeronline.com. Apress Media, LLC is a
California LLC and the sole member (owner) is Springer Science + Business Media Finance Inc
(SSBM Finance Inc). SSBM Finance Inc is a Delaware corporation.
For information on translations, please e-mail booktranslations@springernature.com; for
reprint, paperback, or audio rights, please e-mail bookpermissions@springernature.com.
Apress titles may be purchased in bulk for academic, corporate, or promotional use. eBook
versions and licenses are also available for most titles. For more information, reference our Print
and eBook Bulk Sales web page at http://www.apress.com/bulk-sales.
Printed on acid-free paper
Table of Contents
About the Author��ix
About the Technical Reviewer��xi
Acknowledgments��xiii
Preface��xv
Chapter 1: Introduction��1
1.1 Data Science��1
1.2 Data Science for Business��2
1.3 Business Analytics Journey��4
Events in Real Life and Description��5
Capturing the Data��9
Accessible Location and Storage��10
Extracting Data for Analysis��10
Data Analytics��12
Summarize and Interpret Results��14
Presentation��15
Recommendations, Strategies, and Plan��15
Implementation��16
1.4 Small and Medium Enterprises (SME)��16
1.5 Business Analytics in Small Business��17
1.6 Types of Analytics Problems in SME��19
iii
Table of Contents
1.7 Analytics Tools for SMES��21

1.8 Road Map to This Book��21
Using RapidMiner Studio��23
Using Gephi��24
1.9 Problems��25
1.10 References��26
Chapter 2: Data for Analysis in Small Business��29

2.1 Source of Data��29
Data Privacy��33
2.2 Data Quality and Integrity��34
2.3 Data Governance��36
2.4 Data Preparation��37
Summary Statistics��38
Missing Data��43
Data Cleaning – Outliers��47
Normalization and Categorical Variables��51
Handling Categorical Variables��51
2.5 Data Visualization��53
Chapter 3: Business Analytics Consulting��59

3.1 Business Analytics Consulting��59
3.2 Managing Analytics Project��62
3.3 Success Metrics in Analytics Project��65
3.4 Billing the Analytics Project��66
iv
Table of Contents
Chapter 4: Business Analytics Consulting Phases��71

4.1 Proposal and Initial Analysis��71
4.2 Pre-engagement Phase��75
4.3 Engagement Phase��78
4.4 Post-Engagement Phase��80
Chapter 5: Descriptive Analytics Tools��83

5.1 Introduction��83
5.2 Bar Chart��84
5.3 Histogram��87
5.4 Line Graphs��90
5.5 Boxplots��91
5.6 Scatter Plots��93
5.7 Packed Bubble Charts��96
5.8 Treemaps��97
5.9 Heat Maps��98
5.10 Geographical Maps��100
5.11 A Practical Business Problem I (Simple Descriptive Analytics)��101
Chapter 6: Predicting Numerical Outcomes��113

6.1 Introduction��113
6.2 Evaluating Prediction Models��115
6.3 Practical Business Problem II (Sales Prediction)��117
6.4 Multiple Linear Regression��126
v
Table of Contents
6.5 Regression Trees��135

6.6 Neural Network (Prediction)��143
6.7 Conclusion on Sales Prediction��151
Chapter 7: Classification Techniques��155

7.1 Classification Models and Evaluation��155
7.2 Practical Business Problem III (Customer Loyalty)��159
7.3 Neural Network��164
7.4 Classification Tree��169
7.5 Random Forest and Boosted Trees��174
7.6 K-Nearest Neighbor��179
7.7 Logistic Regression��187
Chapter 8: Advanced Descriptive Analytics��199

8.1 Clustering��199
8.2 K-Means��203
8.3 Practical Business Problem IV (Customer Segmentation)��207
8.4 Association Analysis��222
8.5 Network Analysis��231
8.6 Practical Business Problem V (Staff Efficiency)��253
vi
Table of Contents
Chapter 9: Case Study Part I��265

9.1 SME Ecommerce��265
9.2 Introduction to SME Case Study��268
9.3 Initial Analysis��272
9.4 Analytics Approach��274
9.5 Pre-engagement��276
Chapter 10: Case Study Part II��283

10.1 Goal 1: Increase Website Traffic��283
10.2 Goal 2: Increase Website Sales Revenue��288
Data Files��323
Index��327
vii
About the Author
Afolabi Ibukun is a Data Scientist and is
currently an Assistant Professor in Computer
Science at Northeastern University London.
She holds a B.Sc in Engineering Physics, an
M.Sc and Ph.D in Computer Science. Afolabi
Ibukun has over 15 years working experience
in Computer Science research, teaching and
mentoring. Her specific areas of interest
are Data & Text Mining, Programming and
Business Analytics. She has supervised several
undergraduate and postgraduate students
and published several articles in international journals and conferences.
Afolabi Ibukun is also a Data Science Nigeria Mentor (https://www.
datasciencenigeria.org/mentors/) and currently runs a Business
Analytics Consulting and Training firm named I&F Networks Solutions.”
08021247616
ibukunafolabi0909@gmail.com
linkedin.com/in/afolabi-ibukun-051777a6
github.com/ibkAfolabi
ix
About the Technical Reviewer
Hitesh Hinduja is an ardent Artificial Intelligence (AI) and Data Platforms
enthusiast currently working as Senior Manager in Data Platforms (Azure)
and AI at Microsoft. He worked as a Senior Manager in AI at Ola Electric,
where he led a team of 20+ people in the areas of machine learning,
statistics, computer vision, deep learning, natural language processing,
and reinforcement learning. He has filed 14+ patents in India and the
United States and has numerous research publications under his name.
Hitesh had been associated in research roles at India’s top B-schools –
Indian School of Business, Hyderabad, and the Indian Institute of
Management, Ahmedabad. He is also actively involved in training and
mentoring and has been invited as a guest speaker by various corporates
and associations across the globe.
Hitesh is an avid learner and enjoys reading books in his free time.
xi
Acknowledgments
First of all, I would like to acknowledge God almighty for making it
possible for me to write this book. I would also like to thank my husband
Oluwafemi Afolabi for his support and encouragement that has made
this book a reality. I deeply appreciate Prof. Olufunke Oladipupo and Dr.
Joke Badejo who have taught me a lot, both as a data scientist and in other
aspects of life. Lastly, I would like to say thank you to Timileyin Owoseni
and Christabel Uzor, my M.Sc. students who also helped with the book. I
will not forget my wonderful students that I have been fortunate to teach
and advise, Obinna Okorie, Temi Oyedepo, and many others; I learned a
lot from them. I would like to appreciate afrimash.com for the opportunity
to learn practical data science consulting.
xiii
Preface
This book is written from the perspective of offering a Business Analytics
service as a product. It helps to understand how to package your analytics
solution as a product that can be offered as a consulting service. Some
of these products are customer loyalty, market segmentation, sales and
revenue increase, etc. It is also particularly focused on small businesses
and their peculiarity in analytics. Understanding the contents of the book
will help anyone interested in applying data analytics to make a difference
in small businesses achieve such, starting from the beginner’s level. It
uses a do-it-yourself approach to analytics, and the tools used are easily
available online and are nonprogramming based.
The book teaches the tricks and techniques of Business Analytics
consulting for small businesses. In particular, readers will be able to create
and measure the success of their analytics project. The book also provides
a career guide and helps to jump-start the world of Business Analytics
consulting career. The approach in the book is to focus on popular
problems in the small and medium business world that have data science
solutions and then introduce the technique and how to use it to solve the
problems. Readers will not only learn the fundamental techniques used in
solving these problems, but they will also experience how to use them in
practical use cases and problem scenarios. The techniques are taught in a
simple way, but the book is supported with a lot of reference and resource
material that can help build more mastery on the techniques.
The book is divided into four major parts. Part 1 (Chapters 1 and 2)
explains the fundamental concepts explored in this book, such as data
science, data science for business (Business Analytics), and what it takes
to carry out any analytics project both generally and specifically for a
xv
Preface
small business. In this part, we also explore issues around data and how
to manage and prepare it for the analytics project with practical examples.
Part 2 (Chapters 3 and 4) focuses on analytics consulting and explains how
to navigate your way through to becoming successful in the data analytics
consulting space. It also gives a detail of the phases involved in Business
Analytics consulting. Part 3 (Chapters 5–8) is focused on the data mining
techniques common with small businesses, and this is expressed in an
approach that first explains the basic concepts of these techniques in a
simple way and then uses a real small business problem scenario for the
practical application. This part is practical oriented and based on case
study problems experienced by small businesses. In this book, we will
explore five major practical business problem scenarios and several small
business problems for illustration. These are covered in Chapters 5–8. The
techniques used demonstrate how to solve these problems. It is important
to say here that despite using a particular problem as a case study, it is
not only in this situation that the approach can be deployed, but it can
be used in other similar problem scenarios. The techniques selected
are based on their popularity in practice, and they fall under the broad
classification of prediction (predicting numerical outcome), classification
(predicting categorical outcome), and descriptive analytics. Finally, Part 4
brings the consulting principles to life by using an SME case study to
model the already explained consulting phases in Part 2 and adopting the
appropriate techniques among the ones explained in Part 3. Although each
chapter stands alone, we advise that you read Part 1 before proceeding to
Part 3, and Part 2 before proceeding to Part 4.
The tools used for the practical examples are RapidMiner Studio and
Gephi. The book is written such that all the RapidMiner Studio and Gephi
screenshots are included with details of how to run them. GitHub will also
be used to store the practical project.
This book goes beyond explaining the techniques to giving an
experience of applying the recommendations from the modeling to get
results. In particular, we use a sample of business scenarios experienced
xvi
Preface
in the past for the use cases. The book is also supported with a real-life
business group on Telegram (https://t.me/+kSSQjNhhz6plZTk0) where
we harvest business problems and encourage readers to be a part of
solving the problems. We have in this book real-life business case studies
(from the Telegram group) that can be used as a reference. The book
also comes with links to YouTube videos that help to explain some of the
concepts better.
This book, together with the solutions to the exercises and more
application scenarios and data science techniques, is available as an
online course and training; you can visit datasciencenaija.com for more
details.
We appreciate reader feedback. We would like to know what
you think about this book, good or bad. To give us general feedback,
simply send an email to ibukunafolabi0909@gmail.com. Also, the data
and more information about the book can also be obtained at
www.datasciencenaija.com/book.
xvii
CHAPTER 1
Introduction
In this chapter, we introduce data science generally and narrow it down to
data science for business which is also referred to as Business Analytics.
We then give a detailed explanation of the process involved in Business
Analytics in the form of the Business Analytics journey. In this journey,
we explain what it takes from start to finish to carry out an analytics
project in the business world, focusing on small business consulting, even
though the process is generic to all types of business, small or large. We
also give a description of what small business refers to in this book and
the peculiarities of navigating an analytics project in such a terrain. To
conclude the chapter, we talk about the types of analytics problems that
are common to small businesses and the tools available to solve these
problems given the budget situation of small businesses when it comes to
analytics projects.
1.1 Data Science
In simple terms, data science refers to the ability to take data, generate
an understanding from the data, process the data, extract value from the
data, visualize the data, and present it in such a way that decisions can be
made from this presentation. Data science is described as the process of
extracting knowledge from huge amounts of data. It is an intersection of
Mathematics, Statistics, Visualization, and Artificial Intelligence. Artificial
Intelligence is a superset of machine learning, which is a superset of deep
learning.
© Afolabi Ibukun Tolulope 2022 1
A. I. Tolulope, Data Science and Analytics for SMEs,
https://doi.org/10.1007/978-1-4842-8670-8_1
Chapter 1 Introduction
1.2 Data Science for Business

Data science for business is popularly referred to as Business Analytics,
which is how we will refer to it in this book. The activity and art of using
quantitative data to inform decision-making is known as Business
Analytics. Several organizations have different interpretations of the
term. Data visualization and reporting are used in Business Analytics
to comprehend “what happened and” what is happening (Business
Intelligence).1 The goal of Business Analytics is to assist you to focus on the
datasets that will help you increase your company’s revenue, productivity,
and efficiency.4
In Business Analytics, we want to see how we can analyze data from
various sources particularly keeping in mind the KPIs (key performance
indicators) of the business in real time and use this to support strategic
business decisions.
Comparing Business Analytics and data science, we discover that
Business Analytics deals with extracting meaningful insights from the
visualized data for making decisions, while data science is more directed
to taking raw data and using algorithms, statistical models, and computer
programming to extract valuable insights. In this book, we combine both
the perspective of Business Analytics and data science and refer to it as
data science for business.
Business Analytics has major application types that include
1. Financial analytics: This can be characterized as

data analytics aimed at solving specific business
queries and predicting future financial outcomes.
Financial analytics aims to shape business strategy
using trustworthy, verifiable information rather
than intuition. It gives companies extensive views of
their financial data as well as the tools they need to
understand significant patterns and take action to
2
enhance their performance (www.techtarget.com/

searcherp/definition/financial-analytics).
Organizations such as McAfee, Deloitte, and Wiley
are seeing reductions in costs, gains in efficiency,
and so on through financial analytics.
2. People analytics: People analytics is a data-driven

approach to workplace management. People are
the most important assets to organizations, and if
they are managed better, it will impact the business
for better. We use it to answer questions like: Who
should we hire? Who should we promote? What are
the best career paths for the company? What are
the patterns of collaboration like? Who are the key
communicators, and what can we do to increase
communication? And so forth. Using people
analytics, companies such as Google, Amazon,
Cisco, and many others are able to understand how
exactly to engage, retain, and ensure productivity
from their people.
3. Customer analytics: This is when data is used to

better understand the customer’s composition,
needs, and satisfaction. Additionally, the enabling
technology is used to divide customers into groups
based on their behavior, to identify general trends,
and to generate customized marketing and sales
activities.8 In domains such as banking, insurance,
or finance, customer analytics can help to
understand customer life value, attrition, and so on.
Customer analytics is heavily used in ecommerce
websites like Amazon, Flipkart, and many more.
3
4. Operation analytics: The term “operational

analytics” refers to a sort of Business Analytics that
focuses on enhancing current operations.11 This
sort of Business Analytics, like others, entails the
use of a variety of data mining and data aggregation
technologies in order to obtain more transparent
data for business planning.9 Operational analytics
has been used by Loom, Bold Penguin, and Atrium
inspiring things such as unlocking collaboration
between customer success and sales to reach
customers with a unified front and many more.
1.3 Business Analytics Journey

Business Analytics life cycle can be referred to as information-action value
chain2 or Business Analytics journey. It is the process of linking the data
and its source to the analysis and the result of the analysis. It also includes
communicating the results of the analysis and assessing if the goals of the
analytics project have been met.
The information-action value chain (Business Analytics journey)
consists of about nine stages as captured in Figure 1-1.
4
Figure 1-1. Business Analytics journey
Events in Real Life and Description

The problems that analytics can solve for business comes majorly by
discovering needs of a particular business, particularly the needs that can
be solved by analytics. It is important to note that before you can build
a successful analytics project that will yield results, you need to have a
5
domain understanding of the business terrain and also the typical success
strategies of the business since the analytics recommendation will be used
to improve this purpose. Depending on the kind of business in question,
there are several means to discover their particular analytics needs. Some
of these means include using interviews, social media (text mining), focus
groups, and so on. It is also important to note that these needs should be
focused on the goal of specific business. Generally, Business Analytics
helps to boost business processes, reduce business cost, drive business
strategy, and monitor and improve business financial performance. Uber,
for example, enhanced its Customer Obsession Ticket Assistant (COTA) in
early 2018 to improve the speed and accuracy while responding to support
tickets using predictive analytics. This is a great example of a company
that has implemented Business Analytics. Many companies now employ
predictive analytics to anticipate maintenance and operational concerns
before they become major problems; this is according to a KPMG analysis
on emerging infrastructure trends.12
In this first stage of Business Analytics journey, we develop an
understanding of the purpose of the data mining project or Business
Analytics project particularly to know if it is a one-shot effort to answer
a question or questions or if it is an ongoing procedure. After this, we
then highlight the decisions we want to make and determine or suggest
the analysis output that will help to make the decision. It will help to
have a design that is a conceptual design of the analysis that will create
the output.
The conceptual business model is used to understand data in the
business domain and how the business actually works. It particularly helps
to understand the importance of context in solving analytical problems.
It also helps us to understand how important elements relate together.
Since Business Analytics solves problems, that is, it answers questions, it is
therefore important to know at this stage what questions are worth asking
in the course of the analytics project. This conceptual business model will
help us to do that.
6
In this stage of dealing with real-world events, we also want to

understand what exactly contributes to the data that we are to be using
for the analytics project. For example, the data might come from someone
making a purchase. It could also come from using a product or service. As
a matter of fact, data could come from anything in the problem domain.
Just as is referred to in the definition of Business Analytics, there is a need
to focus on the data which is targeted toward contributing to the solution.
It is not just about having a large volume of data but focusing on the data
needed to solve the problem or questions highlighted. The following
scenario gives a real SME business example of interpreting this stage of the
analytics journey.
A real business problem: Alegria Recyclers Ltd
(www.alegriarecyclers.com.ng/) is a small business which deals in
recycling waste materials. Alegria has just two permanent staffs and about
ten ad hoc staffs. Alegria deals in recycling hospital wastes like the X-ray
films. Their customers are various types of hospitals and clinics. The task at
hand for the data scientist is come up with the best actionable strategy for
targeting future customers.
The conceptual business model of this business is captured in
Figure 1-2. It captures most of the activities of the business. As a Business
Analytics consultant, you need to understand the business you are
consulting for, by first developing the conceptual model; this will help you
to know how to capture the real-world events in the business domain, that
is, the data needed and the importance of different types of data. It will
also help you to understand how the results of your analysis will be used
optimally to get the best results in your analytics project. The first step talks
about looking for prospects; this is where you want to explore data of the
type of clients that they have worked with in the past, what are the attributes
that describe such prospects, what kind of materials are obtained from these
different types of clients, and so on; all the information, for example, can
help to build clustering models that will help Alegria to understand their
7
prospects and many more. In the second step of the conceptual model which
deals with how Alegria contacts the prospects in step one, you want to store
information on the time of contact, location, etc. For each of the remaining
steps, such as negotiating for collecting of waste, collecting the waste,
recycling the waste, and making revenue from the waste, you will have to
bring out the data attributes that could be captured. This is how you are
able to use the conceptual business model to have a complete understanding
of the data in the business domain.
Figure 1-2. Conceptual business model of Alegria Recyclers Ltd
8
Capturing the Data

After successfully identifying what will form the basis of your data and
the type of data using the conceptual business models, the next thing is
to capture the data and store it in a form that can be used for analytics.
Capturing the data deals with the mechanism that captures the physical
or digital representation of that real-world phenomenon and puts it
somewhere. In this stage, there is a need to identify what is to be stored
or retrieved (i.e., if the data has been stored before). Sometimes, it might
involve feature selection and representation (which will be explained
in Section 2.1). The peculiarity of small businesses when it comes to
capturing the data is that there is a lot of data literacy needed to be done
due to the fact that most of these businesses are characterized with lack
of an enterprise management system that manages their data; also, they
particularly don’t know what the data needs of their business are. There
is therefore a need for data integrity evangelism so as to get the best out of
the analytics project. For this reason, the task of capturing data for analysis
is a little challenging; most of the data is in the form of excel sheets that
might not be particularly analytics ready. There are several data cleaning
and preprocessing functions in Microsoft Excel which can be used. Also,
there might be a need to use more interactive data visualization tools like
Tableau (www.tableau.com/) and Power BI (www.microsoft.com/en-us/
download/details.aspx?id=58494) for this purpose of capturing and
preparing the data for analysis. There are other tools available for free or
for a token on the Internet that can help capture small business processes
which will help make available data at the back end that can jump-
start the analytics process no matter how small the business is. Google
Analytics, for example, can help small businesses, particularly ecommerce
businesses, to create actionable strategies from automatically generated
data from the ecommerce platform. This data can be used to measure
marketing campaign performance, return on investment, and many
more (analytics.google.com). For businesses that have been able to put
9
the correct data gathering and governance procedures in place, the data
capturing stage is much more easy to navigate as all that is left is to check
the appropriateness of the data for the particular analytics goal.
Accessible Location and Storage

In this stage, you try to understand where the data you are working
with comes from and then bring them together on one platform. There
might be a need to pull data together from different databases which
could be internal (e.g., past purchases made by customers) or external
(credit ratings, census data, etc.). Most often, this is referred to as a data
warehouse or enterprise data warehouse. Currently, there are a variety of
emerging technologies to do this both physical and virtual.
There are several sources that data might come from; we will learn
more about this in the upcoming Section 2.1. In situations where
enterprise management systems or software exist no matter how small,
the primary source of data for business is the operational databases or
application program as explained in the conceptual business model. There
are other sources of data in business, for example, scannable barcodes,
point-of-sale (POS) devices, mouse click trails, global positioning satellite
(GPS), and so on. The Internet is also a rich source of external data,
whether stored in databases or from social media platforms.
Extracting Data for Analysis

In preparation for analysis, a good question to answer is: How many
variables and how much data do you need to use for your modeling?
According to Galit et al. (2019, p. 29), we can have ten records for every
predictor variable, and Delmaster and Hancock (2001, p. 68) also
recommend that for classification procedures, we can have at least 6 × m × p
records, where m is the number of outcome classes and p is the number of
variables.
10
In extracting data for analysis, it’s important to sample data; this is

important because it helps to get a good sample proportion out of the
population since we have some algorithms that cannot handle large
amounts of data for statistical analysis. Hence, representing a good sample
proportion out of our population will be a good practice to perform
analysis and come up with several hypotheses.
Also while preparing your data for analysis, you would want to explore,
clean, and preprocess the data, verify that the data are in reasonable
condition, handle missing data, and check if the values of attributes are in
reasonable range, given what you would expect from each variable. At this
stage, you also want to check for outliers, normalize your data if necessary,
and ensure consistency in the definitions of fields, units of measurement,
time periods, and so on. Finally, at this stage, you want to handle
categorical variables, converting to dummies where necessary.
Another major step in preparing data for analysis is data visualization
which will be explained in detail in Section 2.5. Visualization can help to
take care of most of the data preparation steps mentioned earlier and is
also used for variable derivation and selection. Visualization can help to
determine the appropriate bin sizes in case binning of numerical variables
will be needed and combine categories as part of the data reduction
process. In case the cost of data collection is high, data visualization can
be used to determine which variables and metrics are actually useful. The
visualization also helps us to understand the data structure and clean the
data to remove unexpected gaps or “illegal” values. Visualizations will
also help to identify outliers, discover initial patterns, and come up with
questions that can be explored in the course of the analysis.
In extracting data for analysis, data reduction helps to eliminate variables
that are not needed. In addition to this, feature extraction methods are used
to reduce the data’s dimension and identify the majority of the components
that represent the data. Data partitioning (in Chapter 6) and transformation
are very important in preparing our data for analytics. Data transformation
is carried out in situations where you need to turn variables like amount
11
earned into a range between N50,000 and N100,000. There are also situations
where you need to create new variables from what you have, for example,
creating a variable true or false capturing if a customer showed up or not
from the purchase data on customers. It is also important for us to know
what each variable means and whether to include it in the analysis or not.
Data Analytics
In this stage, we determine the data mining task to be carried out. This
ranges from descriptive analytics, diagnostic analytics, predictive analytics,
prescriptive analytics, and cognitive analytics. Sometimes, you might
need to combine these tasks or use them as a prerequisite to each other.
It is important to note here that one method isn’t more important than
another; it all depends on the end goal or the purpose of the Business
Analytics project.
Descriptive analytics helps to describe what things look like now or what
happened in the past. In descriptive analytics, we use available information
to better understand the business environment and apply the knowledge
along with business acumen to make better decisions. Descriptive analytics
makes use of simple aggregations, cross-tabulations, and simple statistics
like means, medians, standard deviations, and distributions, for example,
histograms. Some advanced descriptive analytics includes associations or
clustering algorithms. An example of the question that descriptive analytics
helps to answer is: What type of customers are renting our equipment?
Sometimes, we use descriptive analytics to identify the link between
two variables; this field of study is known as association rule mining. A
supermarket, for example, might collect information on customer purchase
behavior. The supermarket can use this information to discover which
products are usually purchased together and sell them accordingly. This
is known as market basket analysis. In addition, clustering can be used to
identify groupings and structures in data that are “similar” in some sense
without relying on existing data structures.
12
Predictive analytics takes what we know of what happened in the

past to predict what will happen in the future. It makes use of advanced
statistics such as regression algorithms that include linear, logistic, and
tree-based algorithms, neural networks, and so on. Classification and
regression tasks fall under predictive analytics. Classification deals with
generalizing known structures to apply to new data. For example, an
email program might attempt to classify an email as “legitimate” or as
“spam.” Regression attempts to determine the strength and character of
the relationship between one dependent variable and a series of other
variables. An example of the question that predictive analytics helps to
answer is: Who rented our equipment in the past, predict who will rent in
the future? Predictive analytics is typically an iterative process in which
we try multiple variants of the same algorithm, that is, choosing different
variables or settings within the algorithm. The choice of what to settle
for is usually decided by feedback from the algorithm’s performance
on validation data and how well it is performing on real-world data.
It is important to note here that machine learning algorithms are data
dependent, so this iterative process must be observed for each case study
data before concluding which algorithm to settle for.
Prescriptive analytics links analysis to decision making by providing
recommendations on what we should do. It helps us to know which
customers to target and what choice we should make and usually involves
the integration of numerical optimization techniques with business rules
and financial models.
There are other types of tasks which include the diagnostic analytics
and the cognitive analytics.
Diagnostic analytics takes past performance and uses it to determine
which elements influence specific trends. It helps to answer the question
“why did it happen?”, thus creating a clear connection between data and
behavioral patterns. It enables data analysts to drill into the analytics to
13
uncover patterns, trends, and correlations, and it uses more complicated

queries. Regression analysis, anomaly detection, clustering analysis, and
other techniques are among those used.5
Cognitive analytics: The descriptive, diagnostic, predictive, and
prescriptive analytics are gradually evolving currently to include
specialized areas such as cognitive analytics, automated analytics,
smart analytics, and more.5 Artificial Intelligence and Machine Learning
techniques are combined with data analytics approaches in cognitive
analytics. In the field of Business Analytics, cognitive analytics solutions
assist companies in making key business decisions and reaching
conclusions based on existing knowledge bases.5
The choice of which task or algorithm to use or how to combine them
is determined by the size of the dataset; the types of patterns that exist in
the data, that is, whether the data meets some underlying assumptions of
the method; how noisy the data is; and, most importantly, the particular
goal of the analysis. The approach used in data mining is to apply several
different methods and select the one that is most useful for the goal at
hand. For a more comprehensive understanding of how to evaluate
models, check Galit Shmueli et al. (2018, p. 117).
Summarize and Interpret Results

In this stage of the Business Analytics journey, we interpret and
summarize the results obtained from the data analytics stage. It is very
important to factor in the context of the business. There is a need for a
clear understanding of how the business works so you can understand
what the results are telling you. We interpret the results of analysis using
charts, graphs, statistical tables, and so on in order to make it easy to see
what is going on. In doing this, simplicity is the key; we need to narrow all
that has been done to a few key points and determine whether you have
14
successfully answered the questions we set out to answer. In Business

Analytics, when interpreting the results, you must not forget to state
(by linking the interpreted results with the problem scenario) what the
company stands to gain from this analysis.
Presentation
In presenting the results, you need a clear understanding of how the
business works; then with the help of charts, graphs, or tables, you will
be able to present what is going on. You will also need to supplement the
figure with a short narrative explaining what they mean. Simplicity is the
word here, regardless of how complex the analytics procedure is; at this
point, you will need to reduce the details and sieve out all your analysis
into a few key points. At this point, you want to check if you have been
able to successfully answer all the questions you set out to answer at the
beginning of the analytics project. It’s interesting to know that sometimes
you might even discover that you were asking or pursuing the wrong goal
or question to begin with. Do not forget that as a business analyst, solid
presentation skills are required to be able to communicate your analytics
results efficiently. Depending on the tools you are using to make your
presentation (Tableau dashboard, Microsoft PowerPoint, etc.), you will
need to develop mastery in its use and ability to use it to communicate
effectively.
Recommendations, Strategies, and Plan

After carrying out the analysis, there is a need to deploy the model by
integrating the model into operational systems and running it on real records
to produce decisions or actions. For example, the model might be applied to
a data on the existing customers of an ecommerce business, and the action
might be “a campaign targeted toward customers most likely to churn.”
15
In making these recommendations and providing strategic plans, there

will be a need to back up your recommendations with executive summary
of the analytics process and focus on the business value of the proposed
plan. There is also a need to constantly link the plan to the return on
investment, particularly considering the context of the analytics project. In
this phase, use the insights obtained from previous steps to create a plan
for taking some action, from high-level strategy to specific actions to be
taken the strategy will involve you creating several alternative course of
action from your analysis and the advantages and disadvantages of each so
that the stakeholders can determine with one to opt for.
Implementation
In the implementation stage, the result of the analysis is put to test live.
The nature of this implementation will be determined by your strategy
in the previous step. In this stage, you will have to monitor the success
metrics you highlighted related to each goal in the first step of the
analytics journey. Depending on whether the results are successful or
not, you might need to iterate the process based on lessons learned in
the analytics journey. This entire process is iterative in nature. Also, after
implementation, there is a need to use feedback from the users to iterate
the analytics process for better analytics results and interpretation of
results. The stage to be repeated in this iteration is determined by the
nature of the feedback. There are situations where there will be a need to
revisit the system data capture stage or even the data analysis stage.
1.4 Small and Medium Enterprises (SME)

According to Uyi Akpata in a report by PwC Nigeria,3 the MSME (micro,
small, and medium enterprises) sector is an economy’s growth engine,
contributing to its development, job generation, and export, among
16
other things. According to the World Bank, MSMEs account for over
90% of all enterprises and more than 50% of all jobs worldwide. In
emerging economies, formal SMEs can account for up to 40% of national
income (GDP).
According to the Bank of Industry (BOI) in a report by PwC3, SMEs can
be defined using Table 1-1.
Table 1-1. SME’s Definition

Enterprise Category Micro Small Medium
Indicator Enterprise Enterprise Enterprise
Number of employees <=10 >11<=50 >51<=200

Total assets (N) <=5million >5<= >100<=500million
100million
Annual turnover (N) <=20million <=100million <=500million
In the same report, the most pressing problem currently faced by SMEs
is obtaining finance, followed by finding customers. For SMEs, the task of
finding customers is mostly captured by marketing analytics, analytics in
customer relationship management, and so on, which takes the lion share
of Business Analytics.
1.5 Business Analytics in Small Business

So far, some SMEs have benefited from data science, the likes of which
include Goodvine Group8 and so on, but there is still a lot of ground to
cover. SMEs can equally benefit from data science by solving the same
challenges as large businesses which include customer acquisition cost,
churn, sales forecasting, logistics, or capturing market share; the only
difference is that this has to be done with fewer resources. Although
small businesses may not be capturing a larger volume of data as large
17
enterprises, the variety and velocity are often the same. The good thing
is that, so far, they are able to use the data quickly and efficiently and can
compete with larger competitors in the same space. Interestingly, one of
the edges that small businesses have over larger ones when it comes to
maximizing data science is that they do not need a large data science team
to get value out of data.
The major problems of small and medium businesses when it comes
to applying data science to improve revenue include the following:
The amount of data collected: Due to technology advancement, there
is an enormous amount of data available in small businesses, but these
businesses lack a data system that efficiently collects and organizes
information.
Data integration: For analysis to be complete and accurate, there is a
need to bring together data across multiple, disjointed sources; currently,
this is done manually and can be time-consuming and cumbersome.
Data that lacks quality and integrity: Garbage in, garbage out. There
are no accurate insights that we can get from data that is full of errors
and does not reflect the whole problem scenario, sometimes referred to
as asymmetrical data. For more details of how SMEs can benefit from
Business Analytics, the challenges, and solution, this can be found in
Coleman et al. (2008).6
The major solution to some of the problems stated earlier is to
implement a data governance policy for the business no matter how
small. Data governance is a set of procedures, responsibilities, policies,
standards, and measurements that ensure that information is used
effectively and efficiently to help an organization achieve its objectives.7
Small businesses need to realize that the earlier they have this in place, the
better they are prepared for the future that is here already.
18
1.6 Types of Analytics Problems in SME

In this section, we try to highlight some types of questions SMEs can
answer with data analytics and some suggested techniques that might help
to explore such (Table 1-2). It is important to note that these questions are
informed by the kind of business and the nature of the analytics goal at
hand. Also sometimes, there might be a need to combine the techniques or
use them as prerequisite to each other as demonstrated in the consulting
business problem scenario in Chapters 9 and 10. It is also important to
note that the answer to these questions can only yield the needed value
when embedded in the analytics process described in Section 1.3.
Table 1-2. SME Problems and Techniques

Questions Suggested Techniques
• How does promotion embark my sales? Time series forecasting

• Who buys our products during promotions or Association rule mining,
who are our customers? network analysis, collaborative
• Which type of displays work better? filtering
• What products are selling together and what
products are neutralizing each other?
• How can we target our marketing and
promotions and offer recommended products
to customers?
• How can we discover the most influential
customers/prospect?
• How can we know our employee efficiency?
• What do we stock and how do we position
them?
(continued)
19
Table 1-2. (continued)
Questions Suggested Techniques
• What are customers buying? Clustering

• What are the categories of customers we
have?
• Why are our sales dropping or declining? Descriptive/exploratory
analysis
• How can we predict sales? Classification and prediction
• How can we predict the impact of discounts techniques
on sales?
• How can we estimate the profit of a sales
adventure, predict prices, etc.?
• Which customer is going to buy or buy next?
• How many purchases they are going to make?
• How many of our customers will stay with us
or leave?
• How do we retain customers and target them
in the right way?
• How do we turn nonprofiting customers
to more profiting ones or profiting to more
profiting?
• What do we store or discard?
• When do we store or discard?
• What is the correct price point that is
maximizing sales?
• What are the most profitable products?
• How do we increase our customer base?
20
1.7 Analytics Tools for SMES

Some of the analytics tools that small businesses can use are captured
in Figure 1-3, though there are still more. Some of these tools are
available as open source and can be used for free, while some are not. As
tempting as it may seem for businesses to want to opt for the free ones,
it is important to find out what is obtainable on these platforms before
settling for them. In this book, we primarily use RapidMiner Studio but
also augment it with RStudio and Gephi in order to have a robust view to
the analytics procedure. RapidMiner Studio was selected so as to appeal to
nonprogramming Business Analytics audience, and Gephi is used for the
network analysis to create beautiful and easy-to-interpret networks. It is
also important to note that all the tools used in this book are open source
(available for free download online).
Figure 1-3. Some analytics tools for SMEs
1.8 Road Map to This Book

This book is divided into four major parts. Figure 1-4 gives the overall
structure of the book and where the topics in this book fit in. Chapter
numbers are indicated beside the topic. Part 1 (Chapters 1 and 2) explains
21
the fundamental concepts explored in this book, such as data science, data
science for business (Business Analytics), and what it takes to carry out any
analytics project both generally and specifically for a small business. In this
part, we also explore issues around data and how to manage and prepare it
for the analytics project with practical examples. Part 2 (Chapters 3 and 4)
focuses on analytics consulting and explains how to navigate your way
through to becoming successful in the data analytics consulting space. It
also gives a detail of the phases involved in Business Analytics consulting.
Part 3 (Chapters 5–8) is focused on the data mining techniques common
with small businesses, and this is expressed in an approach that first
explains the basic concepts of these techniques in a simple way and
then uses a real business problem scenario for the practical application.
This part is practical oriented and based on case study problems
experienced by small businesses. In this book, we will cover five different
practical business problems. These business problems are covered in
Chapters 5–8. The techniques used in the book demonstrate how to solve
these problems. It is important to say here that despite using a particular
problem as a case study, it is not only in this situation that the approach
can be deployed, but it can be used in other similar problem scenarios.
The techniques selected are based on their popularity in practice, and
they fall under the broad category of prediction (predicting numerical
outcome), classification (predicting categorical outcome), and descriptive
analytics. Finally, Part 4 brings the consulting principles into practice
by using an SME case study to model the already explained consulting
phases in Part 2 and adopting the appropriate techniques among the ones
explained in Part 3. Although each chapter stands alone, we advise that
you read Part 1 before proceeding to Part 3, and Part 2 before proceeding
to Part 4.
22
Figure 1-4. Road map to the book
Since this book is practical based, the following is a guide to

installation and a brief introduction to the softwares we will be using for
the practical demonstration.
Using RapidMiner Studio

RapidMiner Studio is a comprehensive open source data mining tool
that contains over 400 built-in data mining operators as well as a broad
spectrum of visualization tools. It was started by Ralf Klinkenberg, Ingo
Mierswa, and Simon Fischer at the University of Dortmund, Germany.
Today, it is currently maintained by commercial company plus open
source developers. It comes in two editions, the community edition which
23
is free and the enterprise edition which is commercial. The documentation

and installation guide for RapidMiner can be found at https://docs.
rapidminer.com/. RapidMiner Studio can be downloaded directly
from https://rapidminer.com/. Figure 1-5 is the landing page after
successfully downloading and installing the RapidMiner Studio.
Figure 1-5. Welcome to RapidMiner
A detailed introduction to the RapidMiner Studio for first-time users

can be found at https://docs.rapidminer.com/downloads/RapidMiner-
v6-user-manual.pdf.
Using Gephi
Gephi is an open source and free software for visualization and exploration
of all kinds of graphs and networks. To download Gephi, visit https://
gephi.org/. Some installation guide can be found at https://gephi.
org/users/install/. If you have any issues installing Gephi, visit www.
youtube.com/watch?v=-JU-S5dMDVo. After installing Gephi successfully,
24
you will see the screen in Figure 1-6. A quick introduction to Gephi can
be found at https://gephi.org/tutorials/gephi-tutorial-quick_
start.pdf.
Figure 1-6. Gephi screen
1.9 Problems
1. Design a conceptual business model for the
following business scenarios:
a. A small business that intends to use information on its

current training attendee to build a model to predict who will
come for training in the future. The result of this prediction is
to be used for target marketing.
b. Hadetulah eye clinic is a small business of about 20 staffs in
total and about five branches in Nigeria. They offer several
services relating to eye treatment, from diagnosing to sales
of eye treatment equipment. Even though they do not have
25
a core enterprise application running, they capture financial

operations data in the form of excel sheets storing diagnosis
results, information of the referral hospitals, equipment
details, rental or sales information, and invoices. Their goal is
to attract more customers.
2. Assuming you are part of an analytics project

embarked on a task to improve the efficiency of
an operation of an airline business. Your task
is to understand how the business operates. In
doing this, you are requested to come up with the
conceptual model that gives a detailed explanation
of the elements in that business space and how they
relate together.
3. Create a conceptual business model for a noodle

retail small business. This company intends to
segment their current customers so as to be able to
describe them for effective customer relationship
management.
1.10 References
1. Galit Shmueli, Nitin R. Patel, & Peter C. Bruce,
Data Mining for Business Intelligence, Concepts,
Techniques and Applications in Microsoft Office
Excel with XLMiner, published by John Wiley &
Sons, Inc., Hoboken, New Jersey, 2010.
2. David Torgerson, Manuel Laguna, & Dan Zhang.

Advanced Business Analytics Specialization
[MOOC]. Coursera. www.coursera.org/
specializations/data-analytics-business
26
3. PwC’s MSME Survey 2020 Building to Last,

Nigeria report (June 2020), www.pwc.com/ng/en/
publications/pwc-msme-survey-2020.html
4. Mara Calvello (January 28, 2020) What is Business

Analytics and Why You Need It for Success,
https://learn.g2.com/business-analytics
5. 10xDS Team (November 2019) Harnessing the

power of Cognitive Analytics to reinvent your
business, https://10xds.com/blog/cognitive-
analytics-to-reinvent-business/
6. Shirley Coleman, Rainer Göb, Giuseppe Manco,

Antonio Pievatolo, Xavier Tort-Martorell, and Marco
Seabra Reis. How Can SMEs Benefit from Big Data?
Challenges and a Path Forward, published online on
Wiley Online Library.
7. Talend (March 2022) What is Data Governance and

Why Do You Need It? (www.talend.com/resources/
what-is-data-governance/)
8. www.gartner.com/en/information-technology/
glossary/customer-analytics
9. www.techopedia.com/definition/29495/
operational-analytics
10. Delmaster, R., and Hancock, M. (2001). Data Mining

Explained. Boston: Digital Press.
11. Sylvain Giuliani (Feb 2022) What is Operational

Analytics (and how is it changing how we work with
data)? https://blog.getcensus.com/what-is-
operational-analytics/
27
12. KPMG, Emerging Trends in Infrastructure. www.

kpmg.com/emergingtrends
More resources on the chapter for further reading
• Eric Bradlow et al., Business Analytics Specialization

[MOOC]. Coursera. www.coursera.org/
specializations/business-analytics
• Installing RapidMiner, www.youtube.com/

watch?v=9YX66d192gY
• Installing Gephi, www.youtube.com/watch?v=-JU-

S5dMDVo&t=2s
28
CHAPTER 2
Data for Analysis

in Small Business
In this chapter, we will look at the various sources of data generally and
in small business. This is important because the major challenge of
consulting for small business is the lack of data or quality data for analysis.
This chapter will therefore detail the sources of data for analysis explaining
first the type or form that data exists and some general ideas of how to
collect such data. It gives an overview on data quality and integrity issues
and touches on data literacy. In addition, we will explain typical data
preparation procedures for data analytics techniques. To conclude, we
look at data visualization, particularly toward preparing data for various
analytics tasks as explained in Section 1.3.
2.1 Source of Data
Data can be retrieved in different forms; the most basic category of data is
the structured, semistructured, and unstructured data.1
Structured data: This type of data has a predefined order to it, and
it is formatted to a particular structure before it is stored. This structure
is referred to as schema-on-write. One good example is data stored in a
relational database management system.
© Afolabi Ibukun Tolulope 2022 29

A. I. Tolulope, Data Science and Analytics for SMEs,
https://doi.org/10.1007/978-1-4842-8670-8_2
Chapter 2 Data for Analysis in Small Business
Unstructured data: This is when data is stored in its native format and
not processed until it is used, which is known as schema-on-read. It has
no form or order. It can be stored in a variety of file formats; examples
are emails, social media posts, presentations, chats, IoT sensor data, and
satellite imagery.
Semistructured data: This form of data includes metadata that
outlines specific features of the data3 and allows it to be manipulated
more efficiently than unstructured data. Data stored in XML format is an
example of this kind of data.
In business, the types of systems that capture data include the
following:
• Core enterprise systems
• Customer and people systems
• Product and presence systems
• Technical operations systems
• External sources systems
It’s important to note that sometimes these systems overlap in their

functionalities stated as follows in some situations.
Core enterprise: These include systems that help in managing the
financial operations of the business. They are used for billing and
invoicing, enterprise resource planning, supply chain management,
purchasing and selling activities, monitoring production activities, and
many more. When compared to the other classes, they have a vast volume
and are normally created, saved, and maintained within the operating
application.
Customer and people systems: These include client services, marketing
automation, campaign management, human resource systems, and
customer relationship management (CRM) systems.
30
Chapter 2 Data for Analysis in Small Business
Product and presence systems: They help to store information about

product management. These include product management, content
management, web management, and analytics. Many of the actions that
people undertake in ecommerce can be measured in the most minute
detail. These include customer reviews, weblog data, mouse click trails,
global positioning satellite (GPS), and so on.
Technical operations systems: They are very tactical and help to monitor
processes of other systems to make sure that they are functioning properly.
They include process monitoring, alarming and fault monitoring, ticketing
and workflow management, telematics, and machine data processing.
External source systems: These include data collected outside the
organization but are relevant for the analytics process. They include
demographic and segmentation data, data from partners, supplies and
government agencies.
To extract this data for analytics or prepare it for secondary analytics
storage like the data warehouse, there are several languages available
which include but are not limited to SQL, Python, and so on. Sometimes,
when the data is not available for extraction, we might need to collect
it using either the active data collection approach or the passive data
collection approach.
Active data collection: This occurs when data is collected directly
from the user, for example, a user deliberately shares personal data
when completing an online retail transaction. When collecting such
data, oftentimes, there is a need to include some disclosure of the data
being collected. Active data can also be collected using surveys whether
online or offline, and there are procedures to be followed2 to carry this
out to achieve a particular goal. Online platforms include Google Forms,
SurveyMonkey, and so on.
Passive data collection: This occurs when the object of interest is
not involved in the data collection. It is collected through scanner or
media such as radio, television, and social media. Other passive means
of collecting data include web and mobile platforms. Web data gives
31
Another random document with
no related content on Scribd:
avaient pour roi Wisimar[72], de la race des
Asdingues, la plus noble et la plus belliqueuse de Euseb. vit.
leur nation. Les Goths vinrent les attaquer sur les Const. l. 4, c. 6.
bords du fleuve Marisch [Marisia][73] et les succès
furent balancés pendant assez long-temps. Enfin Anony. Vales.
Wisimar ayant été tué dans une bataille avec la
plus grande partie de ses soldats, la victoire Hieron. Chron.
demeura à Gébéric. Les vaincus réduits à un trop
petit nombre, pour résister à de si puissants
ennemis, prirent le parti de donner des armes aux [Idat. chron.]
Limigantes; c'est ainsi qu'ils appelaient leurs
esclaves; les maîtres se nommaient Arcaragantes. Ces nouveaux
soldats vainquirent les Goths; mais ils n'eurent pas plutôt senti leur
force, qu'ils la tournèrent contre leurs maîtres et les chassèrent du
pays. Les Sarmates, au nombre de plus de trois cent mille de tout
âge et de tout sexe, passèrent le Danube et vinrent se jeter entre les
bras de Constantin, qui s'avança jusqu'en Mésie pour les recevoir. Il
incorpora dans ses troupes ceux qui étaient propres à la guerre;
mélange mal entendu, qui contribua à corrompre la discipline des
légions et à les abâtardir. Il donna aux autres des terres en Thrace,
dans la petite Scythie, en Macédoine, en Pannonie, même en Italie;
et ces Barbares eurent à se féliciter d'un malheur, qui les avait fait
passer d'un état libre, mais turbulent et périlleux, à un doux
assujettissement où ils trouvaient le repos et la sûreté[74]. Un autre
corps de Sarmates se retira chez les Victohales, qui sont peut-être
les mêmes que les Quades Ultramontains, dans la partie occidentale
de la haute Hongrie. Ceux-ci furent vingt-quatre ans après rétablis
dans leur pays par les Romains qui en chassèrent les Limigantes.
[72] C'est des Vandales que Wisimar était roi, selon Jornandès, qui est à
proprement parler le seul qui nous ait conservé le souvenir de cette guerre. Il se
fonde sur le témoignage de Dexippe, auteur du troisième siècle, qui avait écrit une
Histoire des Goths dont il ne nous reste plus rien. Il ajoute qu'en moins d'un an, les
Vandales étaient venus des bords de l'Océan, s'établir sur les frontières de
l'empire, malgré le grand éloignement; qui ab Oceano ad nostrum limitem vix in
anni spatio pervenisse testatur prœ nimiâ terrarum immensitate. C'est sans doute
des bords de la Baltique que les Vandales vinrent à cette époque.—S.-M.
[73] Selon Jornandès, les Vandales occupaient alors le pays possédé de son
temps par les Gépides, et arrosé par les fleuves Marisia, Miliare, Gilfil et Grissia
plus fort que les trois autres. Ils avaient à l'orient les Goths, à l'occident les
Marcomans, au nord les Hermundures et au sud le Danube. Ils occupaient donc le
Bannat de Temeswar et une partie de la Hongrie.—S.-M.
[74] Jornandès ne parle que des Vandales seuls. Réduits à un petit nombre, ils
quittèrent le pays qu'ils occupaient et obtinrent de Constantin de nouvelles
habitations dans la Pannonie. C'est de ces Vandales que descendaient ceux qui, à
l'instigation de Stilichon, se répandirent plus tard sur la Gaule et sur d'autres
parties de l'empire.—S.-M.
Constantin avait déja donné le consulat à

Delmatius, l'aîné de ses frères. Le second nommé An 335.
Julius Constance fut consul en 335 avec [C.
Ceionius] Rufius Albinus. Il avait épousé en xxviii. Consuls.
premières noces Galla sœur de Rufinus et de
Céréalis consuls en 347 et 358. Il en avait eu
Gallus qui naquit en Toscane l'an 325 ou 326, un Idat. chron.
autre fils que l'histoire ne nomme pas, et qui fut tué
après la mort de Constantin, et une fille qui fut Ducange, Byz.
mariée à Constance, et dont on ignore aussi le fam. p. 49.
nom. Sa seconde femme fut Basilina, fille de
Julien, consul en 322, et sœur d'un autre Julien qui Themist. or. 4.
fut comte d'Orient. Elle mourut jeune et laissa un p. 58 et 59.
fils nommé Julien comme son aïeul maternel; c'est
le fameux Julien surnommé l'Apostat, qui naquit
vers la fin de l'an 331 à Constantinople, où son Grut. inscr. p.
père et sa mère avaient été mariés. Rufius Albinus 387, no 3.
collégue de Julius Constance est, à ce qu'on croit,
le fils de Rufius Volusianus, consul pour la Buch. cycl. p.
seconde fois en 314. Une inscription le nomme 239.
philosophe. Il fut préfet de Rome l'année suivante.
L'empereur resta pendant toute celle-ci à Till. sur Julien.
Constantinople, si on en excepte un voyage qu'il fit not. 1.
dans la haute Mésie, peu de jours après avoir
célébré par des jeux le commencement de la xxix.
trentième année de son empire, dans laquelle il Tricennales de
entrait le 25 juillet. Une circonstance augmenta la Constantin.
joie et l'éclat de cette fête qu'on appelait les
tricennales; c'est qu'aucun empereur depuis Idat. chron.
Auguste n'avait régné si long-temps. Nous avons
un éloge de Constantin prononcé à l'occasion de Chron. Alex. vel
cette solennité par Eusèbe de Césarée, dans le Pasch. p. 286.
palais en présence de l'empereur: c'est plutôt un
livre qu'un discours. Pour l'honneur de Constantin,
un si long et si froid panégyrique aurait bien dû Euseb. orat. in
l'ennuyer: ce qui n'arriva pas, si l'on en croit tricen.
Eusèbe qui se félicite du succès. On loue
cependant Constantin d'avoir été en garde contre Vales. notæ ib.
la flatterie; et l'histoire le compte entre le petit c. 11.
nombre de souverains qui n'en ont pas été dupes.
Un jour un ecclésiastique s'étant oublié jusqu'à lui Euseb. vit.
dire en face, qu'il était bienheureux; puisque après Const. l. 4, c.
avoir mérité de régner sur les hommes en cette 48.
vie, il régnerait dans l'autre avec le fils de Dieu, il
rebuta brusquement l'encens de ce prêtre: Gardez-vous, lui dit-il, de
me tenir jamais un pareil langage; je n'ai besoin que de vos prières;
employez-les à demander pour moi la grace d'être un digne serviteur
de Dieu en ce monde et dans l'autre.
Il paraît qu'entre ses frères, il chérissait
principalement Delmatius. Julius Constance avait xxx. Delmatius
deux fils, dont l'aîné Gallus était déja âgé de dix César.
ans. On ne voit pas que l'empereur ait honoré ce
neveu d'aucune distinction. Mais il combla de Idat. chron.
faveurs les deux fils de Delmatius. L'aîné qui
portait le même nom que son père était déja
maître de la milice. Ce jeune prince montrait le Zos. l. 2, c. 39
et 40.
plus beau naturel et ressemblait fort à l'empereur
son oncle. Les gens de guerre dont il était aimé
contribuèrent à son élévation. Il venait d'accroître Chron. Alex. vel
leur estime par la promptitude avec laquelle il avait Pasch. p. 286.
étouffé la révolte de Calocérus. C'était un des
derniers officiers de la cour, maître des chameaux Eutr. l. 10.
de l'empereur; mais assez extravagant pour former
le projet de se rendre indépendant, et assez hardi pour le déclarer. Il
se fit des partisans et se saisit de l'île de Cypre. Le
jeune Delmatius y passa à la tête de quelques Anony. Vales.
troupes, et n'eut besoin que de le joindre pour le
défaire et l'emmener prisonnier à Tarse, où il le Aurel. Vict. de
traita comme un esclave et un brigand; il le fit cæs. p. 177.
brûler vif. Constantin fut charmé d'un service qui
justifiait la préférence qu'il donnait à ce neveu. Il
l'égala à ses trois fils en le nommant César le 18 Philost. l. 3, c.
22 et 28.
septembre. Le cadet de Delmatius, nommé
Hanniballianus comme un de ses oncles, eut le
titre de nobilissime avec celui de roi des rois et des Amm. l. 14, c. 1.
nations Pontiques[75]. L'empereur donna en
mariage à celui-ci Constantine sa fille aînée. Elle Ducange, Byz.
reçut de son père la qualité d'Auguste. Ces deux fam. p. 49.
princes avaient été instruits à Narbonne par le
rhéteur Exupérius, à qui ils procurèrent le
Auson. prof. 17.
gouvernement d'Espagne avec de grandes
richesses, quoique, à en juger par l'éloge même
qu'en fait Ausone, ce ne fût pas un homme d'un [Aur. Vict. epit.
grand mérite. p. 225.
[75] Hanniballianus est toujours désigné dans les auteurs par

le titre de roi. Il existe encore des médailles frappées en son Theoph. p. 23 et
honneur, où le même titre se trouve FL. HANNIBALLIANO 24.
REGI. Voyez Eckbel, Doct. num. vet. t. viii, p. 204. Armeniam
nationesque circumsocias habebat, dit Aurélius Victor, p.
225. C'est de la petite Arménie que cet auteur entend parler. Cedren. t. 1, p.
Quoiqu'il ne soit guère possible de révoquer en doute un fait 296.]
garanti par des autorités aussi respectables, Gibbon (t. iii, p.
439) le regarde comme inexplicable et difficile à croire. C'est étrangement abuser
du droit de douter, que de refuser toute confiance à un fait assez peu important
par lui-même, et attesté d'une manière formelle par des auteurs contemporains et
des monuments publics.—S.-M.
Ces honneurs excitèrent la jalousie des fils de
Constantin; elle s'accrut encore par de nouvelles xxxi. Partage
faveurs, et produisit après sa mort les effets les des états de
plus funestes. Ce prince qui avait eu tant Constantin.
d'occasions d'éprouver combien la multitude des
souverains était onéreuse à l'empire, ne put se résoudre à priver de
la souveraineté aucun de ses fils. Il fit dès cette
année leur partage. Il leur associa Delmatius et Euseb. orat. tric.
Hanniballianus, sans donner aucune part à ses c. 3. et vit.
frères, ni à ses autres neveux. Constantin, l'aîné
de ses fils, eut ce qu'avait possédé Constance Const. l. 4, c.
Chlore, c'est-à-dire, tout ce qui était vers l'Occident 51.
au-delà des Alpes, les Gaules, l'Espagne et la
grande-Bretagne. Constance eut l'Asie, la Syrie,
Zos. l. 2, c. 39.
l'Égypte. L'Italie, l'Illyrie et l'Afrique furent données
à Constant; la Thrace, la Macédoine, l'Achaïe, à
Delmatius. Le royaume d'Hanniballianus fut formé Aur. Vict. epit. p.
de la petite Arménie, des provinces de Pont et de 225.
Cappadoce: Césarée était la capitale de ses états.
Entre les enfants de l'empereur, Constance était le Anony. Vales.
plus chéri, à cause de sa soumission et de sa
complaisance. Il avait eu pendant quelque temps
le gouvernement des Gaules, peut-être lorsque Chron. Alex. vel
Paschal. p. 286.
Constantin son frère était employé contre les
Goths. Il passa de là en Orient; et ce fut par
prédilection que son père lui en laissa le Socr. l. 1, c. 39.
commandement, comme de la plus belle portion
de l'empire. Theod. l. 1, c.
Il parut cette année à Antioche depuis la troisième 32.
heure du jour jusqu'à la cinquième, du côté de
l'orient, un astre qui semblait jeter une épaisse Soz. l. 2, c. 34.
fumée. L'auteur qui rapporte ce fait, ne dit ni en
quel jour, ni combien de jours se fit voir cet astre.
Jul. or. 1, p. 17
C'est apparemment la comète à laquelle des et 18, or. 2, p.
historiens crédules font l'honneur d'avoir annoncé 94, ed. Spanh.
la mort de Constantin.
Si la conjecture de quelques modernes est Eutrop. l. 10.
véritable, Népotianus qui fut consul avec Facundus
en 336, avait pour mère Eutropia, sœur de
Constantin, et pour père Népotianus, qui avait été Hier. chron.
consul sous Dioclétien en 301. L'empereur après
avoir honoré du consulat deux de ses frères, aura xxxii. Comète.
voulu faire le même honneur au fils de sa sœur; et
ce sera ce même Népotianus qui prit la pourpre Theoph. p. 24.
quinze ans après, quand il eut appris la mort de
Constant. Eutrop. l. 10.
Constantin fils aîné de l'empereur était marié
depuis quelque temps. On ignore le nom de sa An 336.
femme. Cette année Constance épousa sa
cousine germaine, fille de Julius Constance et de
Galla. Julien se récrie contre ces mariages, qu'il xxxiii. Consuls.
prétend criminels. Il en prend avantage pour
satisfaire sa mauvaise humeur contre Constantin Idat. chron.
et ses enfants. Mais il n'y avait encore aucune loi
qui défendit ces alliances entre cousins germains.
Ducange, Byz.
L'empereur célébra les noces avec grand appareil:
Fam. p. 48.
il voulut mener lui-même l'époux. Il sacrifia
pourtant une partie de la joie et de l'agrément de la
fête, au soin d'y maintenir une honnêteté sévère: le xxxiv. Mariage
festin et les divertissements furent donnés dans de Constance.
deux salles séparées, l'une pour les hommes,
l'autre pour les femmes. Il fit à cette occasion des Euseb. vit.
graces et des largesses considérables aux villes et Const. l. 4, c.
aux provinces. 49.
Ce fut dans ce même temps qu'il reçut des Indiens

orientaux une ambassade, qui ressemblait à un Jul. or. 7, p.
hommage que des vassaux rendent à leur 227, et orat. ad
Ath. p. 272, ed.
souverain; comme si sa puissance se fût étendue Spanh.
aussi loin que son nom. Ces princes lui envoyaient
des pierres précieuses, des animaux rares; ils lui
faisaient dire par leurs ambassadeurs, qu'ils Till. art. 76.
honoraient ses portraits, qu'ils lui érigeaient des
statues, et qu'ils le reconnaissaient pour leur roi et xxxv.
leur empereur. Ambassade des
Indiens.
—[Cette ambassade doit être placée au nombre
des causes, qui troublèrent la bonne harmonie, qui
subsistait depuis long-temps entre la Perse et Eus. vit. Const.
l'empire. Le philosophe Métrodore, dont on connaît l. 2, c. 50.
déja[76] les voyages dans l'Éthiopie, qu'on appelait
à cette époque l'Inde intérieure, en entreprit [Amm. l. 25, c.
d'autres dans l'Inde ultérieure pour visiter les 4.
Brahmanes et observer leurs mœurs et leurs
pratiques de frugalité et de vertu. Pendant son Cedrenus, t. I,
séjour dans l'Inde, Métrodore leur enseigna l'art de p. 295.]
construire des moulins à eau et des bains; ils en
furent si reconnaissants, qu'ils lui ouvrirent leurs sanctuaires et lui
permirent de les visiter. Métrodore abusa de la confiance de ces
philosophes, il enleva de leurs temples des perles et des pierres
précieuses en quantité: il en reçut aussi beaucoup du roi des Indes,
qui désirait qu'elles fussent offertes de sa part à Constantin. Lorsque
Métrodore revint à Constantinople, il présenta ces objets précieux à
l'empereur, qui en fut enchanté; mais ce fut en son propre nom,
cachant qu'elles venaient du prince indien. Il ne borna pas là ses
impostures, il ajouta qu'il aurait apporté une plus grande quantité de
ces pierres, si elles ne lui avaient pas été ravies par les Perses,
lorsqu'il traversait leur pays pour rentrer dans l'empire. Constantin fut
transporté de colère par ce mensonge, et aussitôt il écrivit au roi de
Perse, se plaignant amèrement de l'enlèvement des objets précieux,
dont il demandait la restitution. Cette lettre qui dut surprendre Sapor,
resta sans réponse; et bientôt, comme on le verra sous l'année
suivante, la guerre éclata entre les deux états.[77]]—S.-M.
[76] Voyez ci-devant, livre iv, § 65.
[77] J'ignore pourquoi Lebeau, et avant lui Crévier, n'ont fait aucune mention de
cette circonstance intéressante; auraient-ils eu des doutes sur la véracité de
Cédrénus, historien assez moderne il est vrai, mais qui n'a pu certainement
inventer un pareil fait et dont l'exactitude est d'ailleurs, en ce point, attestée par le
témoignage d'Ammien Marcellin. Ce dernier auteur en parlant de la guerre
entreprise par Julien contre les Perses, fait mention des mensonges de Métrodore
et de leurs conséquences; il est vrai qu'il semble placer la guerre dont il s'agit,
sous le règne de Constance, mais je ne crois pas qu'une mention faite en passant,
et où il peut y avoir une légère faute de copiste, doive l'emporter sur le récit
détaillé de Cédrénus. Quoiqu'il en soit, voici ce que dit Ammien Marcellin. Sed
Constantium ardores Parthicos succendisse, cum Metrodo rimendaciis avidiùs
acquiescit. C'en est assez pour assurer le certitude du fait en lui-même.—S.-M.
Tandis que la joie de ces fêtes se répandait dans
tout l'empire, le bannissement d'Athanase tenait xxxvi. Rappel
l'église dans les larmes, et la mort terrible d'Arius d'Arius.
en faisait verser à ses sectateurs. Nous avons
laissé cet hérésiarque en exil aussi bien qu'Eusèbe [Rufin, l. 10, c.
de Nicomédie et leurs adhérents déclarés. Il faut 11.]
reprendre le fil de leurs intrigues, et montrer par
quels artifices ils vinrent à bout de surprendre
l'empereur, jusqu'à l'armer contre ceux-mêmes Socr. et 25.
l. 1, c. 14
qu'il avait toujours respectés comme les
défenseurs de la foi orthodoxe. Constantia veuve
de Licinius et sœur de l'empereur, avait auprès Theod. l. 1, c.
d'elle un prêtre, arien déguisé, qui ayant 20.
commencé par faire sa cour aux eunuques, s'était
ensuite par leur moyen rendu maître de l'esprit de Soz. l. 2, c. 16
la princesse. Ce n'était pas un de ces directeurs et 27.
vains et impérieux, dont la tyrannie les expose à
de fâcheux retours. Celui-ci doux, flatteur, Philost. l. 2, c.
rampant, plus jaloux du solide que de l'éclat, 7.
gouverna d'abord Constantia, et ensuite
l'empereur même, avec si peu de bruit, que
l'histoire ignore son nom, et ne le fait connaître que Vit. Athan. apud
Phot. cod. 257.
par ses œuvres. Quelques modernes, sans
beaucoup de fondement, le confondent avec
Acacius, surnommé le borgne, qui fut évêque de Baronius, ann.
Césarée après Eusèbe. Dans les funestes 327.
tragédies qui suivirent, ce fut cet inconnu, qui
toujours caché derrière la scène, donnait par des Fuhrm. de bapt.
ressorts imperceptibles le mouvement à toute la Const. part. 1,
cour. Il ne lui fut pas difficile de persuader à la p. 54.
princesse, qu'Arius était l'innocente victime de
l'envie. Constantia tomba malade; et son frère, attendri par son état,
plus encore par ses malheurs dont il était lui-même la cause, lui
rendait des visites assidues. Comme elle était sur le point de mourir:
«Prince, lui dit-elle, en lui montrant ce prêtre, je vous recommande
ce saint personnage; je me suis bien trouvée de ses sages conseils;
donnez-lui votre confiance: c'est la dernière grace que je puis obtenir
de vous, et c'est pour votre salut que je la demande. Je meurs, et
toutes les affaires de ce monde vont me devenir étrangères; mais je
crains pour vous la colère de Dieu: on vous séduit; n'êtes-vous pas
coupable de vous prêter à la séduction et de tenir en exil des
hommes justes et vertueux?» Ces paroles pénétrèrent le cœur de
Constantin affaibli par la douleur: l'imposteur s'y établit aussitôt et s'y
maintint jusqu'au dernier soupir du prince. Le premier effet de cette
confiance fut le rappel d'Arius. L'empereur se laissa insinuer que sa
doctrine était celle du concile même; qu'on ne le traitait en criminel
que parce qu'on ne voulait pas l'entendre; que si on lui permettait de
se présenter au prince, il le satisferait pleinement par sa soumission
aux décrets de Nicée. Qu'il vienne donc, dit l'empereur, et s'il fait ce
que vous promettez, je le renverrai avec honneur à Alexandrie. On
mande aussitôt Arius; mais ce rusé politique, guidé sans doute par
son protecteur secret, affecta de douter de la réalité des ordres du
prince, et resta dans son exil. Constantin, ardent dans ses désirs, lui
écrit lui-même avec bonté, lui fait des reproches de son peu
d'empressement, lui ordonne de se servir des voitures publiques, et
lui promet l'accueil le plus favorable. C'était à ce degré de chaleur
qu'Arius voulait amener le prince: il part sur-le-champ, se présente à
l'empereur, et lui en impose par une profession de foi équivoque.
Le retour d'Arius entraînait celui de ses partisans:
aussi Eusèbe et Théognis ne s'oublièrent pas; xxxvii. Retour
mais pour varier la scène, ils prirent un autre tour. d'Eusèbe et de
Ils s'adressèrent aux principaux évêques Théognis.
catholiques. Ils s'excusaient de n'avoir pas souscrit
à l'anathème, sur la connaissance particulière qu'ils avaient de la
pureté des sentiments d'Arius; ils protestaient de la parfaite
conformité de leur doctrine avec la décision de Nicée: Ce n'est pas,
disaient-ils, que nous supportions notre exil avec impatience; ce
n'est que le soupçon d'hérésie qui nous afflige; c'est l'honneur de
l'épiscopat qui nous fait élever la voix; et puisqu'on a rappelé celui
qu'on regarde comme l'auteur de la discorde, puisqu'on a bien voulu
entendre ses défenses, jugez s'il serait raisonnable que par notre
silence nous parussions nous reconnaître coupables. Ils priaient les
évêques de les recommander à l'empereur, et de lui présenter leur
requête. La circonstance était favorable, et la demande paraissait
juste. Ils revinrent la troisième année de leur exil, et rentrèrent
triomphants en possession de leurs églises, d'où ils chassèrent les
deux évêques qu'on leur avait substitués. Eusèbe fut plus adroit
dans la suite à masquer son hérésie: toujours acharné sur les
catholiques, il sut couvrir la persécution sous des prétextes
spécieux, et ne se déclara ouvertement Arien qu'après la mort de
Constantin. Bientôt, pour le malheur de l'église, il regagna les
bonnes graces du prince; et l'on ne peut s'empêcher d'être surpris
que les couleurs affreuses, sous lesquelles l'empereur avait dépeint
ce prélat trois ans auparavant dans sa lettre aux habitants de
Nicomédie, se fussent si tôt effacées de son esprit. La lettre prouve
que les impressions étaient bien vives dans Constantin; et le prompt
retour de sa faveur, qu'elles n'étaient pas bien profondes. Eusèbe
s'était emparé du cœur de Constance, le fils bien-aimé de
l'empereur; il n'en fallait pas davantage pour disposer de toute la
cour. Le reste de l'histoire de Constantin n'est qu'un tissu de
fourberies de la part des Ariens, de faiblesses et d'illusions de la part
du prince. Arius, malgré son habileté à se déguiser, ne trouva pas la
même facilité dans Athanase. En vain s'efforça-t-il de rentrer dans la
communion de son évêque; celui-ci refusa constamment de le
recevoir, quelque instance que lui en fit Eusèbe, qui lui écrivit même
à ce sujet les lettres les plus menaçantes.
Pour intimider Athanase, et le priver en même
temps du plus ferme appui qu'il eût dans l'église, xxxviii.
Eusèbe fit tomber les premiers éclats de l'orage Déposition
sur Eustathius, évêque d'Antioche. Il s'était élevé d'Eustathius.
une dispute fort vive entre cet illustre prélat et
Eusèbe de Césarée. Eustathius accusait Eusèbe Socr. l. 1, c. 23
d'altérer la foi de Nicée; Eusèbe de son côté et 24.
attribuait à Eustathius l'erreur de Sabellius. Eusèbe
de Nicomédie voulut terminer cette querelle à Theod. l. 1, c.
l'avantage de son ami, par un coup de foudre. Il 21.
dressa son plan, et pour en cacher l'exécution à
l'empereur, il feignit d'avoir un grand désir d'aller
en dévotion à Jérusalem, et d'y visiter l'église Soz. l. 2, c. 18
et 19.
célèbre que le prince y faisait bâtir. Il sort de
Constantinople en grand appareil, accompagné de Théognis, son
confident inséparable. L'empereur leur fournissait
les voitures publiques, et tout ce qui pouvait Philost. l. 2, c.
honorer leur voyage. Les deux prélats passent par 7.
Antioche; Eustathius les reçoit avec une cordialité
vraiment fraternelle: de leur côté, ils n'épargnent pas les
démonstrations de la plus sincère amitié. Arrivés à Jérusalem, ils
s'ouvrent de leur dessein à Eusèbe de Césarée et à plusieurs autres
évêques ariens, et forment leur complot. Tous ces prélats les
accompagnent comme par honneur dans leur retour à Antioche. Dès
qu'ils sont dans la ville, ils s'assemblent avec Eustathius et quelques
évêques catholiques qui n'étaient pas dans le secret, et donnent à
leur assemblée le nom de concile. A peine avait-on pris séance,
qu'ils font entrer une courtisane, qui, portant un enfant à la mamelle,
s'écrie qu'Eustathius est le père de cet enfant. Le saint prélat,
rassuré par sa conscience et par sa fermeté naturelle, ordonne à
cette femme de produire des témoins; elle répond avec impudence,
qu'on n'en appela jamais pour commettre un pareil crime. Les Ariens
lui défèrent le serment; elle jure à haute voix qu'elle a eu cet enfant
d'Eustathius: et sur-le-champ ces juges équitables, sans autre
information ni autre preuve, prononcent la sentence de déposition
contre Eustathius[78]. Les évêques catholiques étonnés d'une
procédure aussi irrégulière réclament en vain contre ce jugement:
Eusèbe et Théognis volent à Constantinople pour prévenir
l'empereur, et laissent leurs complices assemblés à Antioche.
[78] Cet évêque fut déposé en l'an 331.—S.-M.
Une imposture si grossière, et la déposition du
saint prélat soulevèrent tous ceux qui n'étaient pas xxxix. Troubles
vendus à la faction arienne. Le conseil de la ville, d'Antioche.
les habitants, les soldats de la garnison se divisent
en deux partis; ce n'est plus que confusion, injures, Euseb. vit.
menaces. On était prêt à s'égorger, et Antioche Const. l. 3, c.
allait nager dans le sang, quand une lettre de 59.
l'empereur et l'arrivée du comte Stratégius, qui se
joignit à Acacius, comte d'Orient, apaisèrent les Socr. l. 1, c. 24.
esprits. Constantin manda Eustathius. Les
ennemis du prélat ne comptaient pas qu'une accusation si mal
appuyée fût écoutée de l'empereur; ils changèrent
de batterie, et accusèrent Eustathius d'avoir Theod. l. 1, c.
autrefois outragé l'impératrice Hélène: c'était 21, 22.
toucher le prince par l'endroit le plus sensible;
d'ailleurs Constantin rendait l'évêque responsable Soz. l. 2, c. 19.
de la sédition. Eustathius, avant que de quitter son
peuple, l'exhorta à demeurer ferme dans la foi de
la consubstantialité: on reconnut dans la suite Philost. l. 2, c.
combien ses dernières paroles avaient eu de 7.
force. Il ne lui était pas difficile de se justifier
devant l'empereur; mais ce prince aveuglé par la God. dissert. in
calomnie le rélégua en Thrace, où il mourut[79]. Philost. l. 2, c.
7.
Cette malheureuse prostituée qui avait servi
d'organe à des prélats plus méchants qu'elle, se
voyant peu de temps après à l'article de la mort, Herm. vie de S.
déclara, en présence d'un grand nombre Athan. l. 3, c. 8,
d'ecclésiastiques, l'innocence d'Eustathius et la éclairciss.
fourberie d'Eusèbe: elle prétendait pourtant être
moins coupable, parce qu'en effet elle avait eu cet Till. Arian. art.
enfant d'un artisan, nommé Eustathius; et c'était 14. et suiv.
sans doute cette criminelle équivoque, qui jointe à
l'argent d'Eusèbe, avait facilité la séduction. Athan. ad
Asclépas de Gaza, attaché au saint évêque et à la monach. t. 1, p.
foi catholique, fut en même temps chassé de son 346 et 347.
église. D'un autre côté Basilina, seconde femme
de Julius Constance, fit exiler Eutropius, évêque d'Andrinople,
censeur intrépide de la doctrine et de la conduite d'Eusèbe, qui était
parent de cette princesse.
[79] Voyez la note ajoutée au § 65 du livre iv.—S.-M.
Paulin de Tyr et Eulalius ayant successivement
rempli la place d'Eustathius, et étant morts en xl. Eusèbe de
moins d'un an, il s'éleva de nouvelles Césarée refuse
contestations. Le parti arien, à la tête duquel l'épiscopat
d'Antioche.
étaient la plupart des évêques du prétendu concile,
demandait Eusèbe de Césarée. Les catholiques s'opposaient à son
élection. Les premiers en écrivirent à l'empereur, et en même temps
Eusèbe, soit pour se faire presser, soit qu'il
pressentît que cette nouvelle division déplairait à Euseb. vit.
Constantin, lui manda qu'il s'en tenait à la rigueur Const. l. 3, c. 60
des canons, et qu'il le priait de permettre qu'il et seq.
restât attaché à sa première épouse. Ce refus
d'Eusèbe fut accepté plus aisément peut-être qu'il Socr. l. 1, c. 24.
ne l'aurait désiré. Le prince écrivit aux évêques et
aux habitants d'Antioche pour les détourner de
choisir Eusèbe: il leur proposa lui-même deux Theod. 22.
l. 1, c.
ecclésiastiques très-dignes, disait-il, de l'épiscopat,
sans cependant exclure tout autre qu'on voudrait
élire; et ce qui fait voir que Constantin était alors Soz. l. 2, c. 19.
entièrement obsédé par les Ariens, c'est que ces
deux prêtres, Euphronius de Césarée en Cappadoce et George
d'Aréthuse, étaient deux Ariens décidés. Le premier fut élu; et
l'empereur dédommagea la vanité de l'évêque de Césarée, par les
louanges qu'il lui prodigua, sur le généreux sacrifice qu'il avait fait à
la discipline ecclésiastique. Celui-ci n'a pas manqué de rapporter en
entier dans la vie de Constantin les lettres de l'empereur qui
contiennent son éloge, et, de toute l'histoire de la déposition
d'Eustathius, c'est presque la seule partie qu'il ait jugé à propos de
conserver. Le siége d'Antioche étant occupé par les Ariens jusqu'en
361, les catholiques abandonnèrent les églises, et tinrent à part leurs
assemblées: on les nomma Eustathiens.
Eusèbe de Nicomédie, jugeant d'Athanase par lui-
même, se flattait que ces marques effrayantes de xli. Athanase
son crédit et de sa puissance feraient enfin refuse de
trembler l'évêque d'Alexandrie. Il le presse encore recevoir Arius.
de recevoir Arius, et le trouve encore inflexible.
Maître de la main comme de l'esprit de l'empereur, Socr. l. 1, c. 27.
il l'engage à écrire plusieurs lettres à Athanase. Il
en prévoyait le succès. Sur le refus du saint
Soz. l. 2, c. 21.
évêque, il prend occasion d'aigrir le prince:
secondé par Jean Arcaph, chef des Mélétiens, et par une foule
d'évêques et d'ecclésiastiques, qui cachant leur concert n'étaient
que les échos d'Eusèbe, il dépeint Athanase comme un séditieux, un
perturbateur de l'église, un tyran qui, à la tête d'une faction de
prélats dévoués à ses caprices, régnait à Alexandrie et se faisait
obéir le fer et le feu à la main. L'accusé se justifiait en rejetant toutes
les injustices et les violences sur ses adversaires; et ses preuves
étaient si bien appuyées, que l'empereur ne savait à quoi s'en tenir.
Enfin Constantin lassé de ces incertitudes, mande pour dernière
décision à Athanase, qu'il veut terminer toutes ces querelles; que
l'unique moyen est de ne fermer à personne l'entrée de l'église;
qu'aussitôt qu'Athanase connaîtra sa volonté par cette lettre, il se
garde bien de rebuter aucun de ceux qui se présenteront; que s'il
contrevient à ses ordres, il sera chassé de son siége. L'évêque, peu
effrayé de la menace d'une déposition injuste, représente avec une
fermeté respectueuse, quelle plaie ferait à l'église une aveugle
indulgence pour des gens anathématisés par un concile
œcuménique, dont ils éludent encore les décrets. L'empereur parut
se rendre à la force de ses raisons.
L'équité du prince aigrissait le dépit d'Eusèbe. Il
connaissait enfin Athanase; n'espérant plus le xlii. Calomnies
vaincre, il résolut de le perdre. Les chefs du parti contre
Arien, concertés avec les Mélétiens qu'ils avaient Athanase.
gagnés par argent, font d'abord courir le bruit que
son ordination est nulle, ayant été faite par fraude Athan. Apol.
et par violence. Comme la fable imaginée sur ce contr. Arian. t. 1,
point était démentie par l'évidence, et qu'il p. 130-138 et
s'agissait de frapper l'esprit du prince, ils crurent 177-180
ensuite plus à propos de lui supposer des crimes
d'état. Ils l'accusèrent d'avoir, de sa pleine autorité, Socr. l. 1, c. 27.
imposé un tribut aux Égyptiens, et d'exiger des
tuniques de lin pour l'église d'Alexandrie. Les
prêtres Apis et Macarius, qui se trouvaient alors à Theod. l. 1, c.
26 et 27.
Nicomédie, ne furent pas embarrassés à justifier
leur évêque: ils montrèrent à l'empereur que c'était
une contribution libre, autorisée par l'usage pour le Soz. l. 2, c. 22.
service de l'église. Les accusateurs, sans se
rebuter, chargèrent le saint évêque de deux forfaits Philost. l. 2, c.
énormes. Le premier était un crime de lèse- 11.
majesté: il avait, disaient-ils, fomenté la révolte de
Philuménus en lui fournissant de grandes sommes d'argent: ce
rebelle, inconnu d'ailleurs, est peut-être le même que Calocérus[80].
L'autre crime attaquait Dieu même: voici le fait dont ils abusaient.
Dans une contrée de l'Égypte, nommée Maréotique, voisine
d'Alexandrie, était un certain Ischyras autrefois ordonné prêtre par
Colluthus. Au concile d'Alexandrie tenu en présence d'Osius, les
ordinations de cet hérésiarque avaient été déclarées nulles. Mais
malgré la décision du concile, à laquelle Colluthus lui-même s'était
soumis, Ischyras s'obstinait à exercer les fonctions sacerdotales.
Athanase, faisant la visite de la Maréotique, lui envoya Macarius un
de ses prêtres pour le sommer de venir comparaître devant
l'évêque. Il était au lit malade; on se contenta de lui signifier
l'interdiction, et l'affaire n'eut pas alors d'autre suite. Mais dans le
temps qu'Eusèbe mendiait de toute part des accusations contre
Athanase, Ischyras vint lui offrir ses services; ils furent acceptés; on
lui promit un évêché: il déposa que Macarius par ordre de l'évêque
s'était jeté sur lui, tandis qu'il célébrait les saints mystères; qu'il avait
renversé l'autel et la table sacrée, brisé le calice, brûlé les livres
saints. Sur des crimes si graves, Athanase fut mandé à la cour.
L'empereur l'écouta, reconnut son innocence, le renvoya à
Alexandrie, écrivit aux Alexandrins que les calomniateurs de leur
évêque avaient été confondus, et que cet homme de Dieu (c'est le
terme dont il se servit) avait reçu à sa cour le traitement le plus
honorable. Ischyras méprisé de l'empereur et d'Eusèbe qu'il avait
servi sans succès, vint se jeter aux pieds de son évêque, lui
demandant pardon avec larmes. Il déclara en présence de plusieurs
témoins par un acte signé de sa main, que son accusation était
fausse, et qu'il y avait été forcé par trois évêques Mélétiens qu'il
nomma. Athanase lui pardonna; mais sans l'admettre à la
communion de l'église, qu'il n'eût accompli la pénitence prescrite par
les canons.
[80] Cette conjecture est de Tillemont, t. iv, p. 262, éd. de 1723.—S.-M.
Les adversaires tant de fois confondus ne
perdirent pas courage, persuadés que dans la xliii. Accusation
multitude des coups il n'en faut qu'un pour faire au sujet
une blessure mortelle. Arsénius évêque d'Hypsélé d'Arsénius.
en Thébaïde était dans le parti de Mélétius. Il
disparut tout à coup, et les Mélétiens montrant de
ville en ville la main droite d'un homme, publièrent Socr. l. 1, c. 27.
que c'était celle d'Arsénius qu'Athanase avait fait
massacrer; qu'il lui avait coupé la main droite pour Theod. l. 1, c.
s'en servir à des opérations magiques: ils se 30.
plaignaient avec larmes qu'il eût caché le reste de
son corps; ils ressemblaient à ces anciens
fanatiques de l'Égypte qui cherchaient les Soz. l. 2, c. 23.
membres épars d'Osiris. Jean Arcaph jouait dans
cette pièce le principal rôle. La chose fit grand bruit Ath. Apol. contr.
à la cour. Le prince commit pour en informer le Arian. t. i, p.
censeur Delmatius[81], qui se trouvait alors à 146, 160 et 181-
186.
Antioche; il envoya Eusèbe et Théognis pour
assister au jugement. Athanase mandé par
Delmatius, sentit bien que le défaut de preuve de Herm. vie de S.
la part de ses adversaires, ne suffirait pas pour le Athan. l. 3, c.
justifier, et qu'il fallait les confondre en leur 14, éclaircis.
prouvant qu'Arsénius était vivant. Il le fait chercher
par toute l'Égypte. On découvre sa retraite; c'était un monastère près
d'Antéopolis en Thébaïde: mais quand on y arriva, il en était déja
sorti pour se sauver ailleurs. On se saisit du supérieur du monastère
et d'un moine qui avait procuré l'évasion; on les amène à Alexandrie
devant le commandant des troupes d'Égypte: ils avouent
qu'Arsénius est vivant, et qu'il a été retiré chez eux. Le supérieur
avertit aussitôt Jean Arcaph que l'intrigue est découverte, et que
toute l'Égypte sait qu'Arsénius est en vie. La lettre tombe entre les
mains d'Athanase. On trouve le fugitif caché à Tyr: il nie d'abord qu'il
soit Arsénius; mais il est convaincu par Paul évêque de la ville, dont
il était parfaitement connu. Athanase envoie à Constantin par le
diacre Macarius toutes les preuves de l'imposture. L'empereur
révoque aussitôt la commission donnée à Delmatius: il rassure
l'évêque d'Alexandrie, et l'exhorte à n'avoir plus désormais d'autre
soin que les fonctions du saint ministère, et à ne plus craindre les
manœuvres des Mélétiens: il ordonne que cette lettre soit lue dans
l'assemblée du peuple, afin que personne n'ignore ses sentiments et
sa volonté. Les menaces du prince firent taire quelque temps la
calomnie, et le calme semblait rétabli. Arsénius lui-même écrivit de
concert avec son clergé une lettre à son métropolitain, pour lui
demander d'être admis à sa communion. Jean suivit cet exemple, et
s'en fit honneur auprès de l'empereur. Le prince était ravi de joie
dans l'espérance que les Mélétiens allaient à la suite de leur chef se
réunir au corps de l'église.
[81] C'est le frère de Constantin.—S.-M.
Mais cette paix ne fut pas de longue durée.
L'opiniâtreté des Ariens l'emporta enfin sur les xliv. Eusèbe
bonnes intentions de l'empereur. C'étaient des s'empare de
évêques, dont l'extérieur n'avait rien que de l'esprit de
l'empereur.
respectable, qui criaient sans cesse et qui faisaient
répéter à toute la cour, qu'Athanase était coupable
des crimes les plus énormes; qu'il s'en procurait Athan. Apol.
l'impunité à force d'argent; que c'était ainsi qu'il contr. Arian. t. 1,
avait fait changer de langage à Jean le Mélétien: p. 130, 131,
132, 186 et 187.
que le nouvel Arsénius était un personnage de
théâtre; qu'il était étrange que sous un prince
vertueux l'iniquité restât assise sur un des plus Socr. l. 1, c. 28.
grands siéges du monde. Jean regagné par les
Ariens consentait lui-même à se déshonorer; il Theod. l. 1, c.
avouait à l'empereur qu'il s'était laissé corrompre. 28.
Constantin, d'un caractère franc et généreux, était
fort éloigné de soupçonner une si noire perfidie.
Tant de secousses lui firent enfin lâcher prise; il Soz. l. 2, c. 25.
abandonna Athanase à ses ennemis; c'était
l'abandonner que de le laisser à la discrétion d'un Pagi. ad Baron.
concile, dont Eusèbe devait être le maître. Le an. 332.
choix de la ville de Césarée en Palestine, dont
l'autre Eusèbe était évêque, annonçait déja le [Rufin. l. 10, c.
succès. Aussi le saint prélat refusa-t-il de s'y 12.]
rendre. Les Ariens en prirent avantage; et pendant
deux ans et demi que dura le refus d'Athanase, c'était, à les
entendre, un coupable qui fuyait son jugement. Enfin l'empereur,
comme pour condescendre aux répugnances et aux craintes de
l'accusé, change le lieu de l'assemblée, et l'indique à Tyr. Il voulait
qu'après avoir pacifié dans cette ville toutes les querelles, les Pères
du concile, réunis dans le même esprit, se transportassent à
Jérusalem pour y faire ensemble la dédicace de l'église du Saint-
Sépulcre. Il manda aux évêques, dont plusieurs étaient depuis long-
temps à Césarée, de se rendre à Tyr afin de remédier en diligence
aux maux de l'église. Sa lettre, sans nommer Athanase marque
assez qu'il était étrangement prévenu contre ce saint personnage, et
entièrement livré à ses ennemis. Il assure ceux-ci qu'il a exécuté tout
ce qu'ils lui ont demandé; qu'il a convoqué les évêques qu'ils
désirent d'avoir pour coopérateurs; qu'il a envoyé le comte Denys
afin de maintenir le bon ordre dans le concile: il proteste que si
quelqu'un de ceux qu'il a mandés se dispense d'obéir sous quelque
prétexte que ce soit, il le fera sur-le-champ chasser de son église.
Cette lettre qui convoquait le concile, en détruisait en même temps
l'autorité; elle suffit seule pour en prouver l'irrégularité: le choix des
évêques dévoués aux Ariens, la présence du comte Denys
environné d'appariteurs et de soldats, étaient autant d'abus, que sut
bien relever dans la suite le concile d'Alexandrie. Il s'y trouva
pourtant un petit nombre d'évêques catholiques, entre autres
Maxime de Jérusalem qui avait succédé à Macarius Marcel
d'Ancyre, et Alexandre de Thessalonique. L'assemblée était déja
composée de soixante prélats, avant l'arrivée des quarante-neuf
évêques d'Égypte qu'Athanase y amena. Il n'y vint qu'à regret, sur
les ordres réitérés de l'empereur, pour éviter le scandale que
causerait dans l'église l'injuste colère du prince, qui le menaçait de
l'y faire conduire par force. Le prêtre Macarius y fut amené chargé
de chaînes. Archelaüs comte d'Orient et gouverneur de Palestine se
joignit au comte Denys.
On ne donna point de siége à Athanase: il fut
obligé de se tenir debout en qualité d'accusé. xlv. Concile de
D'abord, de concert avec les évêques d'Égypte, il Tyr.
récusa les juges comme ses ennemis. On n'eut
aucun égard à sa récusation: comptant sur son Ath. Apol. contr.
innocence, il se détermina à répondre. Il lui fallut Arian. p. 134. t.
combattre les mêmes monstres qu'il avait déja tant i, et 187-192.
de fois terrassés. On fit revivre toutes les vieilles
calomnies, dont l'empereur avait reconnu la fausseté. Plusieurs
évêques d'Égypte vendus aux Mélétiens se plaignirent d'avoir été
outragés et maltraités par ses ordres. Ischyras,
malgré le désaveu signé de sa main, reparut entre Epiph. hær. 68,
les accusateurs; et ce misérable fut encore une § 7. t. i, p. 723.
fois confondu par Athanase et par Macarius. Il n'y
eut que les partisans d'Eusèbe qui trouvèrent Socr. l. 1, c. 28.
plausibles les mensonges qu'ils avaient dictés; ils
proposèrent au comte Denys d'envoyer dans la
Maréotique pour informer sur les lieux. La Theod. l. 1, c.
30.
réclamation d'Athanase et de tous les orthodoxes
ne put empêcher, qu'on ne nommât pour
commissaires six de ses plus mortels ennemis, qui Soz. l. 2, c. 25.
partirent avec une escorte de soldats.
Deux accusations occupèrent ensuite le concile. [Rufin. l. 10. c.
16.]
On fit entrer une courtisane effrontée[B], qui se mit
à crier qu'elle avait fait vœu de virginité; mais
qu'ayant eu le malheur de recevoir chez elle xlvi.
Athanase, il lui avait ravi l'honneur. Les juges ayant Accusateurs
sommé Athanase de répondre, il se tint en silence; confondus.
et l'un de ses prêtres, nommé Timothée, debout à
côté de lui, se tournant vers cette femme: Est-ce Ath. Apol. cont.
moi, lui dit-il, que vous accusez de vous avoir Arian. t. i, p.
déshonorée? C'est vous-même, s'écria-t-elle, en 131.
lui portant le poing au visage, et lui présentant un
anneau qu'elle prétendait avoir reçu de lui: elle Theod. l. 1, c.
demandait justice en montrant du doigt Timothée 30.
qu'elle appelait Athanase, l'insultant, le tirant à elle
avec un torrent de paroles familières à ces
Socr. l. 2, c. 25.
femmes sans pudeur. Une scène si indécente
couvrait les accusateurs de confusion, faisait
rougir les juges, et rire les comtes et les soldats. Vita Athan.
On fit retirer la courtisane malgré Athanase, qui apud Phot. cod.
demandait qu'elle fût interrogée, pour découvrir les 257.
auteurs de cette horrible calomnie. On lui répondit
qu'on avait contre lui bien d'autres chefs plus Philost. l. 2, c.
graves, dont il ne se tirerait pas par des subtilités, 11.
et dont les yeux mêmes allaient juger. En même
temps on tire d'une boîte une main desséchée: à
cette vue tous se récrièrent, les uns d'horreur, [Rufin, l. 10, c.
croyant voir la main d'Arsénius, les autres par 16 et 17.]
déguisement pour appuyer le mensonge, et les
catholiques par indignation, persuadés de l'imposture. Athanase
après un moment de silence demanda aux juges si quelqu'un d'eux
connaissait Arsénius; plusieurs ayant répondu qu'ils le connaissaient
parfaitement, il envoya chercher un homme qui attendait à la porte
de la salle, et qui entra enveloppé d'un manteau. Alors Athanase lui
faisant lever la tête: Est-ce là, dit-il, cet Arsénius que j'ai tué, qu'on a
cherché si long-temps, et à qui après sa mort j'ai coupé la main
droite? C'était en effet Arsénius lui-même. Les amis d'Athanase
l'ayant amené à Tyr, l'avaient engagé à s'y tenir caché jusqu'à ce
moment; et après s'être prêté injustement aux calomniateurs, il se
prêtait avec justice à confondre la calomnie. Ceux qui avaient dit
qu'ils le connaissaient, n'osèrent le méconnaître: après leur aveu,
Athanase retirant le manteau d'un côté, fit apercevoir une de ses
mains; ceux que les Ariens avaient abusés, ne s'attendaient pas à
voir l'autre, quand Athanase la leur découvrant: Voilà, dit-il, Arsénius
avec ses deux mains; le Créateur ne nous en a pas donné
davantage; c'est à nos adversaires à nous montrer ou l'on a pris la
troisième. Les accusateurs devenus furieux à force de confusion, et
comme enivrés de leur propre honte, remplissent toute l'assemblée
de tumulte: ils crient qu'Athanase est un magicien, un enchanteur
qui charme les yeux; ils veulent le mettre en pièces. Jean Arcaph
profitant du désordre se dérobe et s'enfuit. Le comte Archélaüs
arrache Athanase des mains de ces frénétiques, et le fait embarquer
secrètement la nuit suivante. Le saint évêque se sauva à
Constantinople, et éprouva tout le reste de sa vie que les méchants
ne pardonnent jamais le mal qu'ils ont voulu faire, et qu'à leurs yeux
c'est un crime irrémissible pour l'innocence de n'avoir pas
succombé. Ceux-ci se consolèrent de leur défaite en feignant de
triompher; et suivant l'ancienne maxime des calomniateurs, ils ne se
lassèrent pas de renouveler des accusations mille fois convaincues
de fausseté. Leurs historiens même se sont efforcés de donner le
change à la postérité; mais ils ne peuvent persuader que des esprits
complices de leur haine contre l'église catholique.

Full Ebook of Data Science and Analytics For Smes Consulting Tools Practical Use Cases 1St Edition Afolabi Ibukun Tolulope 2 Online PDF All Chapter

Uploaded by

Copyright:

Available Formats

Full Ebook of Data Science and Analytics For Smes Consulting Tools Practical Use Cases 1St Edition Afolabi Ibukun Tolulope 2 Online PDF All Chapter

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Full Ebook of Data Science and Analytics For Smes Consulting Tools Practical Use Cases 1St Edition Afolabi Ibukun Tolulope 2 Online PDF All Chapter

Uploaded by

Copyright:

Available Formats

Data Science and Analytics for SMEs:

Consulting, Tools, Practical Use Cases

Data Science and Analytics for SMEs: Consulting, Tools

Data Science for Business Professionals. A Practical

Digital Supply Chain and Logistics with IoT Practical

Operationalizing Multi Cloud Environments Technologies

Cambridge IGCSE and O Level History Workbook 2C - Depth

Blockchain Applied Practical Technology and Use Cases

Business Analytics: Data Science for Business Problems

Data Science and Data Analytics: Opportunities and

Afolabi Ibukun Tolulope

ISBN-13 (pbk): 978-1-4842-8669-2 ISBN-13 (electronic): 978-1-4842-8670-8

Copyright © 2022 by Afolabi Ibukun Tolulope

About the Technical Reviewer�������������������������������������������������������������xi

1.7 Analytics Tools for SMES�������������������������������������������������������������������������������21

Chapter 2: Data for Analysis in Small Business���������������������������������29

Chapter 3: Business Analytics Consulting������������������������������������������59

Chapter 4: Business Analytics Consulting Phases�����������������������������71

Chapter 5: Descriptive Analytics Tools�����������������������������������������������83

Chapter 6: Predicting Numerical Outcomes�������������������������������������113

6.5 Regression Trees�����������������������������������������������������������������������������������������135

Chapter 7: Classification Techniques������������������������������������������������155

Chapter 8: Advanced Descriptive Analytics��������������������������������������199

Chapter 9: Case Study Part I�������������������������������������������������������������265

Chapter 10: Case Study Part II����������������������������������������������������������283

1.2 Data Science for Business

1. Financial analytics: This can be characterized as

enhance their performance (www.techtarget.com/

2. People analytics: People analytics is a data-driven

3. Customer analytics: This is when data is used to

4. Operation analytics: The term “operational

1.3 Business Analytics Journey

Figure 1-1. Business Analytics journey

Events in Real Life and Description

In this stage of dealing with real-world events, we also want to

Figure 1-2. Conceptual business model of Alegria Recyclers Ltd

Capturing the Data

Accessible Location and Storage

Extracting Data for Analysis

In extracting data for analysis, it’s important to sample data; this is

Predictive analytics takes what we know of what happened in the

uncover patterns, trends, and correlations, and it uses more complicated

Summarize and Interpret Results

successfully answered the questions we set out to answer. In Business

Recommendations, Strategies, and Plan

In making these recommendations and providing strategic plans, there

1.4 Small and Medium Enterprises (SME)

Table 1-1. SME’s Definition

Number of employees <=10 >11<=50 >51<=200

1.5 Business Analytics in Small Business

1.6 Types of Analytics Problems in SME

Table 1-2. SME Problems and Techniques

• How does promotion embark my sales? Time series forecasting

Table 1-2. (continued)

Questions Suggested Techniques

• What are customers buying? Clustering

1.7 Analytics Tools for SMES

Figure 1-3. Some analytics tools for SMEs

1.8 Road Map to This Book

About the Technical Reviewer��xi

1.7 Analytics Tools for SMES��21

Chapter 2: Data for Analysis in Small Business��29

Chapter 3: Business Analytics Consulting��59

Chapter 4: Business Analytics Consulting Phases��71

Chapter 5: Descriptive Analytics Tools��83

Chapter 6: Predicting Numerical Outcomes��113

6.5 Regression Trees��135

Chapter 7: Classification Techniques��155

Chapter 8: Advanced Descriptive Analytics��199

Chapter 9: Case Study Part I��265

Chapter 10: Case Study Part II��283

1.2 Data Science for Business

1.3 Business Analytics Journey

Events in Real Life and Description

Capturing the Data

Accessible Location and Storage

Extracting Data for Analysis

Summarize and Interpret Results

Recommendations, Strategies, and Plan

1.4 Small and Medium Enterprises (SME)

1.5 Business Analytics in Small Business

1.6 Types of Analytics Problems in SME

1.7 Analytics Tools for SMES

1.8 Road Map to This Book

Using RapidMiner Studio