» Rappels sur les fondamentaux du Système d'information Décisionnel (SID)
Les enjeux du SID : besoins des entreprises, domaines d'application.
Les différentes couches d'un SID: couche en lien avec le SIO, couche orientée décisionnel, couche de présentation.
Architecture type d'un SID, état de l'art en matière d'architectures décisionnelles.
Elaboration des informations décisionnelles, présentation.
Conception d'un SID : les étapes, l'optimisation, l'organisation des données, le dictionnaire fonctionnel et technique.
Panorama des outils décisionnels.
» Comprendre le Data Mining (DM)
Définition et finalité du Data Mining (DM). A quoi sert le DM ?
Quel lien entre le DM et les statistiques, quelle dépendance entre le DM et l'informatique ?
Quelle différence entre le DM et OLAP (On Line Analitycal Processing) ?
Historique du DM et travaux de recherche.
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.
L'analyse factorielle, l'analyse typologique, la classification ou clustering, la détection de liens.
Les arbres de décisions, les réseaux de neurones, les modèles paramétriques.
Classification des techniques de DM : Quelle technique choisir pour un type de problème donné ?
» La méthode descriptive du clustering
Définition et méthodologie.
Choix des critères pour structurer les données à classer. Combien de classes viser ?
Utilisation de variables.
Evaluation et validation des classes obtenues. Comment mesurer la qualité d'une bonne classification ?
Les différentes sous famille du clustering.
Exemple
Présentation d'exemples d'application du clustering
» Le Scoring : un premier exemple d'application du DM
Définition du Scoring.
Dans quels domaines d'activité est-il utilisé ? Pour quel type de problèmes ?
Quelle est la finalité ?
Les catégories de Scoring (appétence, risque, octroi).
La méthodologie de Scoring.
Exemple
Mise en oeuvre de la méthode de Scoring.
» Le géomarketing : un deuxième exemple d'application du DM
Définition du géomarketing.
Dans quels domaines d'activité est-il utilisé ? Pour quel type de problèmes ?
Intégrer des données constituées à partir du géomarketing afin d’enrichir le Data Mining.
Exemple
Cas pratique d'utilisation de géomarketing dans une banque ou assurance.
» Les données de l'entreprise : entre qualité et quantité ?
Rappel de la problématique des données du SI.
Les différents types de données.
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.
Inventaire, description et classement des données.
Conception et alimentation de la base Data Mining.
Exploration, segmentation des entités analysées.
Etablissement du ou des modèles d'analyse.
Application des modèles et validation des résultats.
Itérations, déploiement auprès des utilisateurs (formation, accompagnement du changement...).
Maintenance du modèle et logiciel associé.
» Panorama des outils
Les principaux outils du marché : SAS, R, IBM SPSS, Oracle Data Mining, SQL Server DM...
Zoom sur l'outil SAS de l'éditeur SAS.
Zoom sur l'ETL Powercenter.
Quels critères de choix pour ce type d'outils ?
