OBJECTIFS PEDAGOGIQUES
Le Data Mining apporte des solutions pour l’extraction de connaissances à partir de données brutes. Ce séminaire, alliant principes théoriques et expériences pratiques, vous propose une synthèse sur le Data Mining, ses applications, ses apports pour l’entreprise, ainsi que sur les méthodes et outils les plus utilisés.
PUBLIC
Responsables Infocentre, responsables marketing, statisticiens, responsables informatiques, chefs de projets et experts décisionnels. Utilisateurs et gestionnaires métiers de bases de données. |
PRE-REQUIS
Connaissances de base en analyse décisionnelle. Connaissances de base en statistiques. |
CONTENU
Le Système d’Information Décisionnel (SID)
- Les enjeux du SID : besoins, domaines d’application.
- Architecture type d’un SID, état de l’art.
- Elaboration des informations décisionnelles.
- Conception d’un SID : étapes, optimisation, organisation des données, dictionnaires.
Comprendre le Data Mining (DM)
- Définition et finalité du Data Mining (DM).
- Quel lien entre le DM et les statistiques, quelle dépendance entre le DM et l’informatique ?
- Différence entre DM et OLAP ?
- Les attentes des entreprises, les réponses du DM.
Les techniques du Data Mining
- Les différentes familles du DM.
- Les méthodes prédictives et les méthodes descriptives.
- Analyse factorielle, typologique. La classification…
- Les arbres de décisions, les réseaux de neurones…
- Classification des techniques de DM.
La méthode descriptive du Clustering
- Définition et méthodologie.
- Les critères pour structurer les données à classer.
- Evaluation et validation des classes obtenues.
- Les différentes sous-familles du Clustering.
Exemples d’application du DM
- Le scoring : définition, finalité, méthodologie.
- Le géomarketing : définition, finalité, méthodologie.
Les données de l’entreprise
- Rappel de la problématique des données du SI.
- Qualité des données et administration des données.
- Processus de collecte et d’exploration.
- Création d’agrégats et de nouvelles données.
- Transformation des données.
Méthodologie de projet Data Mining
- Définition du problème métier à résoudre et des objectifs à atteindre.
- Inventorier, décrire et classer les données.
- Concevoir et alimenter la base Data Mining.
- Explorer, segmenter des entités analysées.
- Etablir et appliquer les modèles d’analyse.
- Itérer, déployer auprès des utilisateurs.
- Maintenir le modèle et le logiciel associé.
Panorama des outils
- Principaux outils du marché : SAS, R, IBM SPSS…
- Zoom sur l’outil SAS et sur l’ETL Powercenter.
- Quels critères de choix pour ce type d’outils ? |
