Vous êtes sur la page 1sur 12

Introduction l!

informatique dcisionnelle
(1)
2009 Bernard ESPINASSE
Professeur l'Universit d'Aix-Marseille

P la n
1. Introduction l!informatique dcisionnelle 2. Problmatique de l!informatique dcisionnelle 3. Les outils de l!informatique dcisionnelle (ID) 4. Un exemple de l!ID dans l!entreprise : la relation client 5. Organisation du cours

Introduction l!informatique dcisionnelle Problmatique de l!informatique dcisionnelle Les outils de l!informatique dcisionnelle (ID) Un exemple de l!ID dans l!entreprise : la relation client Organisation du cours 1

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Evolution de l!informatique dans l!entreprise (1)

1 Emergence de l!informatique dcisionnelle


! ! ! ! ! ! Evolution de l!informatique dans les entreprises Contextes conomique et informationnel de l!informatique dcisionnelle Pilotage de l!entreprise et informatique dcisionnelle Historique de l!informatique dcisionnelle Problmatique de l!informatique dcisionnelle Domaines d!application de l!informatique dcisionnelle

Annes 70 : dbut de l!informatique de gestion :


! Entre de l'informatique de gestion dans les grandes entreprises

Annes 80 : informatique oprationnelle centralise :


! Arrive dans beaucoup d!entreprises des bases de donnes relationnelles, des progiciels de gestion, des premiers micro-ordinateurs ! Informatisation d!applications traitant des donnes directement lies l'activit quotidienne des organisations : paie, comptabilit, commandes, facturation (informatique de production ou oprationnelle) ! Architecture matre-esclave : matre = puissant ordinateur en site central et esclaves = terminaux passifs en mode texte

Annes 90 : informatique oprationnelle dcentralise :


! Apparition des ordinateurs personnels et des rseaux locaux ! Dveloppement d!application bureautiques : traitement de textes, tableurs, petites bases de donnes, ! Architecture client-serveur permet de dcloisonner la bureautique et l!informatique oprationnelle et s!impose conduisant une nouvelle informatique oriente vers les utilisateurs et les centres de dcision des entreprises 4

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Evolution de l!informatique dans l!entreprise (2)


Annes 2000 : Dveloppement de l!Informatique Dcisionnelle (ID) :
! Dveloppement de Systmes d'Information Dcisionnels (orients dcision) ! Architecture client-serveur multi-niveaux (multi-tiers) ! Entrept de donnes (Data Warehouse) : restructurer et exploiter des quantits trs grande de donnes historises selon diffrentes dimensions ! Fouille de donnes (Data Mining) : extraction de connaissances partir de donnes, en gnral stockes dans ces entrepts.

Contextes conomique et informationnel de l!informatique dcisionnelle


Contexte conomique :
! Mondialisation de l'conomie, ouverture de nouveaux marchs ! Concurrence toujours plus accrue ! Besoin d'obtenir des informations pour prises de dcisions de plus en plus rapides

Contexte informationnel :
! ! ! ! ! ! ! ! !
Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Dcentralisation des donnes vers les utilisateurs Difficult d'accs l'information qui est en trop grande quantit Un enjeu stratgique d!entreprise Les informations, une source de revenu et de comptitivit Puissance de calcul croissante Capacit de stockage croissante Bases de donnes de plus en plus importantes SGBD de plus en plus performants (paralllisme, ) Ouverture sur le Web, 6

Contexte informatique :

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Pilotage de l!entreprise et informatique dcisionnelle


! Le pilotage d!une entreprise dpend de ses objectifs stratgiques ! Ce pilotage doit prendre en considration :
! ! ! ! ! ! ! ! ! Une organisation de plus en plus oriente clients Des cycles conception/fabrication de plus en plus courts De nouveau canaux de distribution notamment les ventes en ligne sur le Web L!exigence d!internationalisation d!anticiper les besoins des client, de contrler l!intgrit et la qualit des flux de gestion d!valuer la performance des diffrentes entits la composant

Outils informatiques supportant le pilotage des entreprises


Outils d!analyse :
! pour constituer et mettre jour partir de diverses sources des rservoirs de grande quantits de donnes historises, multidimentionnelles, ! pour extraire des donnes selon divers critres des donnes de tels rservoirs ! permettre un utilisateur gestionnaire d!analyser ces donnes, de les croiser selon diffrents critres et dimensions ! partir de donnes internes historises, de donnes externe issues du Web, identifier des tendances, des corrlations, faire de la prvision,

! Dans ce contexte l!entreprise se doit :

Outils de recherche d!information :


! pour recueillir et organiser les donnes, tant internes qu!externe, par exemple issues du Web, les organiser avent de les analyser avec les outils prcdents

Outils de veille stratgique :


! issus du milieu de l!intelligence conomique (competitive intelligence), ces outils ont pour finalit de recueillir des informations sur sa concurrence, notamment pour permettre de prendre des dcision qui surprendront les concurrents ! sur le Web, de tels outils ont pour principales fonction de collecter d!importante quantit d!informations, de les filtrer et d!en extraire les informations pertinentes ! ce sont des robots de recherche visitant intervalles rgulier des centaines de sites, collectent, indexent et rapatrient l!information qui s!y trouve et la traitent. 7
Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

! le pilotage ncessite l!usage de diffrents outils informatiss spcifiques relevant de l!informatique dcisionnelle

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Historique de l!informatique dcisionnelle (1)


L!usage de l!informatique pour supporter des dcisions n!est pas nouveau :

Historique de l!informatique dcisionnelle (2)


Annes 90-2000 : essor de l!informatique dcisionnelle :
! technologie informatique permettant le dveloppement d!environnements spcialiss pour l'aide la dcision notamment des entrepts de donnes (Data

Annes 70-80 : dbuts de l!Informatique Dcisionnelle :


! Dveloppement d'outils d'dition de rapports, de statistiques, exploitant les BD du Systme d!information Oprationnel ! Dveloppement de petits systmes d!aide la dcision base de tableurs (simulation budgtaire, ) ! Dveloppement de systmes experts (IA) systmes base de rgles, conus par extraction de la connaissance d'un ou plusieurs experts : ! bons rsultats obtenus pour certains domaines d'application tels que la mdecine, la gologie, la finance, ... ! mais formalisation sous forme de rgles de la prise de dcision est difficile voire impossible dans de nombreux domaines. ! Dveloppement de systmes spcifiques d'aide la dcision, SIAD (Systme d!Aide la Dcision DSS Decision Support Systems) : bass sur des techniques de Recherche Oprationelle (RO), la simulation, l!optimisation,

Warehouse)
! de nombreux algorithmes, souvent issus des statistiques et de l!IA, permettant d'extraire des informations partir de donnes brutes sont arrivs maturit ! ces algorithmes sont regroups dans des logiciels de fouille de donnes (Data Mining) et permettent la recherche d'informations nouvelles ou caches partir de donnes ! De plus en plus ces donnes sont issues du Web, aussi la recherche d!information et la fouille de donnes sur le Web ou Web Mining sont de plus en plus d!actualit

Systmes en gnral mal intgrs au systme d'information oprationnel, et devant tre dvelopps par des informaticiens.
Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

10

Informatique dcisionnelle (ID) : nouveaux termes


Termes anglais
Decision Support Systems (DSS) Business Intelligence (BI) Data Warehouse (DW) On-Line Analytical Processing (OLAP) Knowledge Discovery in databases (KDD) Data Mining (DM) Customer Relationship Management (CRM)

Domaines d!application de l!informatique dcisionnelle


! Domaines concerns : ! commercial, financier, transport, tlcommunications, sant, services, ... ! Applications : ! gestion de la relation client ! gestion de commandes, de stocks ! prvisions de ventes ! dfinition de profil utilisateur ! analyse de transactions bancaires ! dtection de fraudes !

Termes franais
Systmes d!aide la dcision (SIAD) Intelligence Economique (IE) Entrept de donnes (ED) Analyse en ligne de donnes Extraction de Connaissances dans les donnes fouille de donnes, orpaillage Gestion de la Relation Client

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

11

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

12

L!informatique dcisionnelle dans l!entreprise

2 Problmatique de l!informatique dcisionnelle


! Systmes d!information oprationnels : traitement en ligne des donnes ! Nouveaux besoins : du traitement en ligne des donnes leur analyse en ligne ! Des SI Oprationnels aux SI Dcisionnels ! Problmatique de l!informatique dcisionnelle

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

13

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

14

Systmes d!information oprationnels Systmes d!Information oprationnels (systmes de production) :


! supportent en gnral une ou plusieurs grandes fonctions de l!entreprise (production, marketing, commercial, resources humaines, finance, comptabilit, recherche, ) ! Parfois intgrs dans un ERP, ils s!appuient sur des SGBD traditionnels (Oracle, DB2, ) pour grer des BD (Mega-Giga octets) dites BD de production ! Ils permettent des processus de traitement en ligne des donnes OLTP (On line Transactionnal Processing) : Interactifs, Concurrents, Nombreux, Rptitifs, Structurs, Simples ! Ces processus OLTP concernent : ! La mise a jour de donnes ! Un nombre restreint d!enregistrements ! Des donnes prcises et jour Exemple : un supermarch ENREGISTRANT ses ventes
Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Nouveaux besoins
Nouveaux besoins pour l!aide la dcision :
Pour prendre de bonnes dcisions , on doit pouvoir accder en temps rel aux donnes de l'entreprise, traiter ces donnes, extraire l'information pertinente de ces donnes, par exemple pour savoir :

! Quels sont les rsultats des ventes par gamme de produit et par rgion pour l'anne dernire ? ! Quelle est l'volution des chiffres d'affaires par type de magasin et par priode ? ! Comment qualifier les acheteurs de mon produit X ? Nouvelles attentes des systmes d!information :
! Considrer des quantits de donnes historises trs importantes ! Donnes organises selon diffrentes dimensions (temps, espace gographique, gammes de produit, ) ! Du traitement en ligne des donnes l!analyse en ligne de ces donnes selon diffrentes dimensions

15

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

16

Des SI oprationnels aux SI dcisionnels


! Comment constituer, grer des volumes de donnes encore plus grands (Tera octets) : historique de donnes ou donnes provenant de diffrentes bases de donnes oprationnelles ! Comment organiser ces donnes dans un ensemble cohrent ! Comment procder des explorations et analyses de cet ensemble de donnes pour construire des indicateurs indispensables au pilotage de l!entreprise

Systmes d!information dcisionnels Systmes d!information dcisionnel tactiques :


! permettent une prise de dcision rapide au vue de l!analyse de donnes agrges obtenues partir des donnes oprationnelles, ! ceci au travers d!histogrammes, agrgats, d!informations calcules (sommes, moyennes, mini, max, et autres fonctions statistiques)

L!informatique oprationnelle ne peut satisfaire ces besoins :


! BD oprationnelles trop complexes pour tre apprhendes facilement par tout utilisateur dcideur ! le systme oprationnel ne peut tre interrompu pour rpondre des questions ncessitant des calculs importants ! processus d!entreposage des donnes mal adapt ! analyse en ligne des donnes trs limit

Systmes d!information dcisionnel stratgiques :


! supporte le choix d!orientations fondamentales, ! permettent notamment l!laboration de modles mathmatiques permettant de : ! dcrire les volutions, tendances constates ! de prdire des volutions futures selon diffrentes hypothses

=> recours l!informatique dcisionnelle pour l!laboration de Systme d!Information Dcisionnels


17 18

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Problmatique de l!informatique dcisionnelle (1)


De l!extraction de connaissances d!expert l!extraction de connaissance partir de donnes :
! plutt que d'essayer d'extraire la connaissance d'experts (systmes experts) et d'exprimer cette connaissance sous forme de rgles, un logiciel va gnrer ces rgles partir de donnes. Par exemple : ! partir d'un fichier historique des prts contenant des renseignements sur les clients et le rsultat du prt (problmes de recouvrement ou pas), ! le logiciel extrait un profil pour dsigner un bon ou un mauvais client. ! aprs validation, un tel systme peut tre implant dans le systme d'information de l'entreprise afin de classer ou de noter les nouveaux clients

Problmatique de l!informatique dcisionnelle (2)


L'extraction de connaissances partir de donnes (Knowledge Discovery in Databases - KDD)
Elle dsigne tout le cycle de dcouverte d'information qui regroupe : ! la conception et les accs de trs grandes bases de donnes que sont les entrepts de donnes (Data Warehouse) ! tous les traitements effectuer pour extraire de l'information de ces donnes, dont l'un de ces traitements est la fouille de donnes (Data Mining).

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

19

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

20

Problmatique de l!informatique dcisionnelle (3)


Volume d!information Avantage comptitif Systmes dcisionnels stratgiques Systmes decisionnels oprationnels Systme oprationnels Donnes

Processus dcisionnel gnral en ID (1)


3 phases majeures : 1 - Construction de la base de donnes dcisionnelle :
! Modlisation conceptuelle des donnes multiformes etmultisources ! Alimentation de l!entrept (extraire, nettoyer, transformer, charger) ! Stockage physique des donnes

2 - Slection des donnes analyser :


Temps Nature de l!information Connaissance ! ! ! ! Besoins d!analyse de l!utilisateur Data mart Cubes multidimensionnels Tableaux ou tables bidimensionnels

Information

3 - Analyse des donnes :


! Stastiques et reporting, OLAP, Data Mining

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

21

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

22

Processus dcisionnel gnral en ID (2)

3 Les outils de l!informatique dcisionnelle


! ! ! ! Entrept de donnes Analyse en ligne (OLAP) Fouille de donnes Architecture multi-niveaux

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

23

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

24

Nouvelle technologie informatique


1. Entrept de donnes (Data Warehouse) :
! Il rcolte, stocke et gre efficace des gros volumes donnes pour la prise de dcision ! Il assure un regroupement homogne et exploitable de donnes htrognes, trs nombreuses et distribues

Entrept de donnes (Data Warehouse)


2 types de composants : l!entrept de donnes et les magasins de donnes

L'entrept de donnes (Data Warhouse) :


! collecte l'ensemble de l'information utile aux dcideurs partir des sources de donnes (BD oprationnelle, BD externes, Web ) ! Centralise l'information dcisionnelle en assurant l'intgration des donnes extraites, la prennit de ces donnes dans le temps et la conservation de leurs volutions.

2. Analyse en ligne des donnes (On Line Analytical processing OLAP) :


! catgorie de traitements ddis l!ide la dcision dont des requtes interactives complexes sur des gros volumes de donnes ! les donnes sont organises selon plusieurs axes d!analyse et selon diffrents niveaux de dtail ! les traitements permettent interactivement de changer de points de vue, de changer de niveau de dtail, et effectuer les oprations OLTP classiques

Les magasins de donnes (Data Marts) :


! consistent extraire une partie de l'information dcisionnelle contenue dans l'entrept ! ils regroupent de la partie des donnes utile: ! pour une classe d'utilisateurs ou ! pour un besoin d'analyse spcifique, en ce sens ils sont orients sujet. ! L'objectif du magasin est de supporter efficacement des processus d'analyse de type OLAP.
Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

3 Fouille de donnes (Data Mining):


! extraction automatique de connaissances (proprits caches) dans de grands volumes de donnes : ! connaissances valides, nouvelles, comprhensibles, pertinentes et implicites
Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

25

26

Modlisation multidimensionnelle
! Les donnes stockes dans un entrept (ou un magasin) organises selon plusieurs dimensions d'analyses refltant la vision des gestionnaires analystes ! La structuration de ces donnes est base sur une modlisation multidimensionnelle ! La modlisation multidimensionnelle repose sur : ! un fait contenant les mesures analyser et ! des dimensions contenant les paramtres de l'analyse (temps, espace, ) ! Pour chaque dimension, les paramtres sont hirarchiss selon des niveaux de dtail (temps : annes, mois, jour )

OLAP (On Line Analytical processing)


Caractristiques des processus d!analyse en ligne OLAP :
! ! ! ! ! Interactifs Concurrents Peu nombreux Non prvisibles Complexes

Les processus OLAP concernent :


! ! ! ! ! L!exploitation des donnes Un nombre d!enregistrement trs important Des donnes consolides et synthtiques Exploration et analyse de donnes historiques

Exemple : un supermarch ANALYSANT l!ensemble de ses ventes


Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

27

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

28

OLTP versus OLAP


Caractristiques Conception Donnes Orientation Conception Granularit Nature Actualisation OLTP Transaction Entit-Relation Dtail OLAP Analyse Star/snowflake Rsumes, agrges Multidimentionnelle Historises, recalcules 100 Go/To Requte complexe Lecture Millions Temps de rponse Analyste/dcideur Centaines 29

Fouille de donnes (Data Mining)


! La Fouille de donnes (Data Mining en anglais) est la recherche de la connaissance sous forme de modles de comportement cach dans les donnes ! On parle aussi d!extraction de connaissance partir de donnes ( Knowledge Discovery in Database - KDD) ! C!est un domaine jeune l!intersection de l!Intelligence artificielle , les statistique, l!analyse de donnes, et les bases de donnes. ! Certaines techniques de fouille on t utilises depuis plus d!une dcennie dans des outils statistiques spcialiss pour l!analyse de quantits rduites de donnes ! De nombreuses techniques de fouille sont apparues : l!induction d!arbre de dcision, les algorithmes gntiques, les rseaux de neurones, ! Tendance une intgration croissante de ces techniques de fouille dans les entrepts de donnes

Traitements

Utilisateurs

Relationnelle Actualises, mises jour Taille 100 Mo/Go Unit de travail Transaction simple Accs Lecture/criture Nb de tuples accds Dizaines Mtrique Dbit de transactions Utilisateur Agent oprationnel Nombre d!utilisateurs Milliers

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

30

Architecture multi-niveau
0 1 Sources externes Entrept BD SGBDR Fichiers HTML Fichiers plats 2 OLAP BD Relationnelle BD Multidimensionnelle Combinaison des 2 3 Front-ends tableur Data Mining (fouille de donnes) Outils statistiques

4 Un exemple de l!ID dans l!entreprise : la relation client


! Contexte conomique gnral ! la Gestion de la Relation Client ! Informatique Dcisionnelle pour la Gestion de la Relation Client

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

31

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

32

Contexte conomique gnral (1) Evolution historique gnrale :


! Annes 40: ! Annes 50 et 60: ! Annes 70: ! Annes 80: ! Annes 90: ! 2000: pr-industrialisation production de masse optimisation de la production gestion de la qualit gestion du client intensification de la tendance client (Marketing One to One, customisation, services personnaliss, )

Contexte conomique gnral (2) Dans un climat de concurrence mondiale tendu :


! Conqurir un nouveau client cote 5 fois plus cher que de fidliser un client existant ! 5% d'amlioration de la fidlit des clients entrane une augmentation des profits de 10 15% ! Tous les clients ne sont pas gaux : 30% des clients gnrent 70% du CA ! Le Client attend un service personnalis, sur-mesure ! La personnalisation est une source de profit

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

33

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

34

la Gestion de la Relation Client (1)


! Gestion de la relation client (Custommer Relationship Management CRM) : dmarche mergente dans les domaines du marketing et du commercial ! Afin de rpondre aux questions :
! ! ! ! Quels sont les besoins et les attentes des clients? Comment y rpondre? Quels sont les clients prts acheter de nouveaux produits? Quels sont les clients les plus profitables, fidles et pourquoi? Quels sont les clients mcontents, et pourquoi?

La Gestion de la Relation Client (2)


Dfinition du CRM :
! capacit identifier, acqurir et fidliser les meilleurs clients dans le but d!augmenter le chiffre d!affaires et les bnfices. ! capacit btir une relation profitable sur le long terme avec les meilleurs clients en capitalisant sur l!ensemble des points de contacts ! Principales dimensions de la Gestion de la Relation Client : stratgique, temporelle et gographique

! Besoin de mieux connatre et comprendre les clients pour :


! ! ! ! ! Rduire les cots (clients infidles) Comment augmenter les profits ? Comment fidliser une clientle? Comment identifier les nouvelles opportunits? Les concurrents s!attaquent certains de nos clients?

=> Une rponse par l!informatique dcisionnelle


Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

35

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

36

La Gestion de la Relation Client (3)


Enjeux du CRM :
! Connatre ses clients rentables et se concentrer sur les clients fort potentiel ! Augmenter la fidlit des clients ! Comprendre le comportement de ses clients ! Augmenter le panier moyen ! Diminuer les cots des programmes marketing avec un meilleur ciblage des meilleurs clients ! Adapter les produits au march ! Aider les commerciaux vendre ! Rentabiliser la BD Clients ! Mesurer les rsultats des actions CRM !
Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

La Gestion de la Relation Client (4)

37

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

38

Informatique Dcisionnelle pour la Gestion de la Relation Client

Informatique Dcisionnelle pour la Gestion de la Relation Client

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

39

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

40

Informatique Dcisionnelle pour la Gestion de la Relation Client

Gestion de la Relation Client et Web


Cot du contact Client sur le Web trs faible :
! Web, un point de contact important ! En 2001, 1/3 des contacts clients proviennent d'Internet ! D'ici 2003, Internet et les applications de commerce lectronique devraient gnrer 60% du volume de contact des centres d'appels

Intgration du Web dans le CRM :


! e-CRM ! Web Mining !

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

41

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

42

La fouille de donnes dans la Gestion de la Relation Client


Usage de la fouille de donnes pour :
! Le marketing ! Le site Web ! Les commerciaux

5 Organisation du cours

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

43

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

44

Organisation du cours (1)


Partie 1 : les entrepts de donnes (DataWarehouse) :
! Le processus d!entreposage des donnes ! Modles de donnes des entrepts : ! Modle conceptuel : modlisation multidimensionnelle ! Modle logique : en toile, en flocon, en constellation, . ! Analyse OLAP : ! Introduction et problmatique de l!OLAP ! Oprations lmentaires OLAP ! Systmes OLAP : ! Les types de systmes OLAP (ROLAP, MOLAP, HOLAP, ) ! La technologie ROLAP ! Extensions SQL pour l!OLAP : ! Extension SQL 99 (SQL 3) pour l!OLAP (Rollup, Cube, Group by cube, Grouping sets, ) ! OLAP dans divers systmes (Oracle, Terradata, )

Organisation du cours (2)


Partie 2 : Fouille de donnes (Data Mining)
! Processus de dcouverte d!information et de connaissance partir de donnes ! Introduction et problmatique de la fouille de donnes ! Les tapes d!un processus de dcouverte : Prparation des donnes, Nettoyage, Enrichissement, Codage, normalisation, Fouille, Validation ! Typologies des diffrentes mthodes de la fouille de donnes ! Mthodes de classification supervise ! Les arbres de dcision ! Les plus proches voisins (k-NN) ! Les rseaux de neurones ! Mthodes de groupement/segmentation (clustering) ! Diffrentes mthodes de segmentation ! Une mthode de partitionnement : la mthode des K-moyennes ! Recherche de rgles associatives

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

45

Introduction l!informatique dcisionnelle - Bernard ESPINASSE -

46

Vous aimerez peut-être aussi