Académique Documents
Professionnel Documents
Culture Documents
Département IASC
ENST Bretagne
Base de connaissances
Information :
avant
utilisation pour contrôle et comptabilité
désormais
nouvelle ressource de l’entreprise
intelligence pour
marketing
ressources humaines
observation de la concurrence
médecine
qualité
etc.
Facteur économique
Exigences de l’environnement :
concurrence croissante, temps de réaction de plus
en plus court
nécessité de gagner en productivité
nécessité de mesurer de façon fiable, à tout moment,
force et faiblesse
Développement passe par :
capacité à obtenir des informations “décisionnelles”
utiles pour les défis à venir mais aussi à faire évoluer
les compétences humaines
Facteur économique
D’une politique :
orienté produit ... à une politique orientée client
Mme ne veut pas les mêmes produits que Mr
améliorer les produits et les services
ciblage des mailings (coût)
offre adaptée (fidéliser et gagner)
Enjeu stratégique
Connaissance :
capital qui a une valeur économique
ressource productive stratégique
élément de stabilité de l’entreprise
avantage concurrentiel décisif
Connaissance :
actif de l’entreprise (valeur boursière valeur
financière)
dernières normes qualités tiennent compte du
facteur “avantage concurrentiel décisif”
Extraction de Connaissancesà partir des DonnéesIntroduction – p.9/34
Enjeux - Exigences de l’environnement
Contexte favorable
Développement des Systèmes d’informations
Systèmes décisionnels :
entrepôts de données - datawarehouse
reporting, visualisations graphiques
etc.
Quantité d’informations stockées :
très importante
coût élevé
... mais inexploitée
poser le problème
rechercher les données
sélectionner les données pertinentes
nettoyer les données
transformer les variables
rechercher le modèle
évaluer les résultats
intégrer la connaissance
Connaissance
Interprétation
Evaluation
Patterns
Transformation
Fouille de Données
Données pré−traitées
Sélections
Données cibles
Données
algorithmes génétiques
réseaux bayésiens
pouvoir de prédiction
classification
régression
arbres de décision
règles d’association
Voir et résoudre
Donnée :
décrit des événements précis
exactitude vérifiable par référence au mode réel
numérique/symbolique
Connaissance :
catégorie abstraite (bon client/mauvais client ;
des clients qui achètent le produit achètent aussi le
produit )
remise en cause possible, pas exacte à
Extraction de Connaissancesà partir des DonnéesIntroduction – p.26/34
Des données aux connaissances et à la décision
Statistiques
Apprentissage Concepts
Optimisation
Système Data
de production warehouse
Niveau de détail détaillé synthétique
des informations
Fonctions une seule plusieurs
de l’entreprise
Données figées non oui
Comparaison des données non, archivage oui, analyse
sur plusieurs années
Opérations à réaliser consultation, maj consultation
Data Warehouse
SIAD
Méta Data
OLAP
EIS, tableurs
Data Marts
Bases
de production
Requeteurs
Administrateur
Extraction de Connaissancesà partir des DonnéesIntroduction – p.32/34
Les outils d’alimentation