Data Mining : facteur de compétitivité des entreprises

Série de documents qui sont les présentations d’un séminaire sur le DataMining organisé par Educasoft Formations en juin 2001.

1. Présentation de Soft Computing

Soft Computing : une mission claire et précise

Structurer les données disponibles sur les clients et les marchés pour les rendre plus facilement accessibles et utilisables :

•Datawarehouse

Transformer ces données en informations puis en connaissances pour guider dans les décisions et les actions :

•Web Mining
•Data Mining
•Personnalisation

Exploiter cette connaissance pour personnaliser la relation et augmenter la valeur individuelle des clients :

•e-Commerce
•Sales force automation (SFA)
•Recommandations en ligne
•Coordination multicanaux
•Gestion de campagnes (EMA)

Une expertise formalisée

Un positionnement en expertise marketing :

– Le Data Mining, Eyrolles 2001 : Prix du meilleur livre informatique, décerné par l’AFISI

– Gestion de la Relation Client, Eyrolles 2000

2. Positionnement du Data Mining

L’opposition exploratoire et confirmatoire

Approche confirmatoire :
Poser une hypothèse : H1/H0
Valider l’hypothèse avec les tests statistiques
Techniques statistiques
Problème : avoir du temps et de l’imagination

Approche exploratoire:

Collecter des données
Explorer l’espace des dimensions
Techniques inductives
Problème : savoir naviguer dans les données et les techniques

Spécificités du Data Mining

– Non limitées aux données numériques :

les nouvelles techniques permettent de traiter des types de données différents : son, texte, image, objet.

– Capacité d’auto-organisation :

les nouveaux algorithmes sont des processus auto-organisateurs guidés par les données, alors que les statistiques s’appuient sur un processus de vérification d’hypothèses guidé par un utilisateur.

– Facilité d’utilisation :

une partie des nouveaux algorithmes peut être utilisée par des utilisateurs métiers dans la résolution de problèmes et l’aide à la décision.

– Puissance de recherche :

les nouveaux algorithmes parcourent de manière automatique l’ensemble des combinaisons possibles.

– Scalabilité :

les nouveaux algorithmes sont optimisés pour traiter des volumes importants de données (enregistrements et variables) en phase d’analyse.