Définition de l'assortiment

L'assortiment est l’ensemble des articles proposés par un point de vente. L’assortiment consiste à regrouper un

ensemble de produits, d'origine diverse et à les propose à la vente sur un même lieu de vente.

Il s'agit de transformer des lots de production en lots de vente. Le distributeur adopte, ainsi, une attitude orientée
consommateur. Il peut ainsi, construire une offre adaptée à son marché, aux besoins de la clientèle et aux besoins
d'achat de zone de chalandise. Pour cela, le distributeur peut s'appuyer sur les bases d'une étude de
marché couplée à l'intégration de données sorties caisses.

Les produits offerts doivent être constitués de façon pertinente en tenant compte des produits et services offerts
par les points de vente concurrents. Dans ce sens, l'assortiment revêt un caractère stratégique pour le point de
vente.
 
 

 
 
L'assortiment, tout comme la gamme, a 3 dimensions auxquelles s'ajoute une quatrième :

 L'ampleur : qui mesure, dans le cas d’un point de vente, le nombre de groupe de produits présents dans le
point de vente (assortiment ample ou restreint).

 La largeur : qui mesure, dans le cas d’un point de vente, le nombre de famille (rayons) proposées pour
chaque groupe de produits (assortiment large ou étroit). Dans le cas d’une marque, le nombre de ligne de
produit.

 La profondeur : qui mesure, dans le cas d’un point de vente, le nombre de références par famille de
produits ou par sous-famille (assortiment profond ou superficiel). Dans le cas d’une marque, le nombre de
référence par lignes de produits.

 La hauteur : qui caractérise le niveau de prix offert.

 
 
L'assortiment est réparti sur toute la surface de vente en fonction des zones chaudes (très fréquentées) et des
zones froides (moins fréquentées). Il peut varier en volume et en temps en fonction : de la surface de vente (selon
qu'il s'agisse d'un magasin généraliste ou spécialiste, la gamme sera plus ou moins large, plus ou moins profonde),
de la politique commerciale du magasin (pratique de prix haut de gamme ou bas de gamme dans le cas d'un
magasin discount).

L'assortiment peut être permanent, c'est à dire identique tout au long de l'année, ou bien  saisonnier c'est à dire ne
durant que sur une période donnée.
L’assortiment est dépendant du Coefficient d’Occupation des Sols (COS) qui est un indicateur permettant de

Data Mining : définition

 

Le Data Mining (ou exploration des données) désigne l’ensemble des techniques et

méthodes automatiques ou semi-automatiques issues de disciplines scientifiques
(telles que les statistiques ou l’informatique) facilitant l'exploration et l'analyse des
données contenues au sein d'une base décisionnelle  (type Data Warehouse ou
DataMart) et permettant la prise de décisions, à travers la découverte, rapide et
efficace, de schémas d'informations inconnus ou cachés à l'intérieur de grandes bases
de données.
 
Autrement dit, le datamining permet d’extraire des savoirs et des connaissances
précises à partir d’un grand volume de données.
 
Le data Mining, né dans les années 1980, s’est répandu sur la scène économique pour
faire face à la multiplication de bases de données difficilement exploitables sans un
ensemble d’outils performants par les entreprises. Ceux-ci ont été développés pour
étudier les interactions et explorer les données sous-jacentes.
 
A contrario des méthodes classiques d'analyses statistiques, le Data Mining est
particulièrement adapté au traitement de grands volumes de données. L’objectif est
d’analyser et d’interpréter ces données volumineuses (contenues dans une ou
plusieurs bases de données) afin de dégager des tendances et de construire des
modèles à partir des données afin d'en extraire des informations pertinentes et utiles.
Un maximum de renseignements est ainsi capté, ordonné et rangé au sein du Data
Warehouse.
 
Il permet ainsi de mieux comprendre les liens entre des phénomènes en apparence
distincts et d'anticiper des tendances encore peu discernables : par exemple
comportement des acheteurs, caractéristiques des produits, historisation de la
production, désormais plus rien n'échappe à la collecte.
 
Le principe est le suivant : dans une 1ère étape on extrait informatiquement des
données valides qu’il est possible d’exploiter à partir de sources importantes de
données. Puis on « exploite » ces données afin de détecter s’il existe des corrélations
sous-jacentes.
 
Pour réaliser cela, on utilise des règles de statistiques (algorithmes mathématiques)
qui permettent de comparer l’ensemble des résultats et de conclure sur des
corrélations ou des liaisons entre différents phénomènes. Pour parvenir à décrypter
ces résultats, l’utilisateur final utilise un logiciel spécifique qui permet de réaliser ce
genre d’analyses et de tirer des conclusions pertinentes.
 
L'outil de prospection Data Mining peut utiliser plusieurs techniques pour aboutir à
des résultats efficaces et pertinents. Tout dépend de la nature des données et de son
type d'étude. Par exemple on pourra retrouver les techniques de classification et de
 segmentation ou encore les méthodes reposant sur les règles d'associations ou
d'analogies.
 
On retrouve le Data Mining aussi bien dans la gestion des ressources humaines, que
dans des secteurs comme la grande distribution...
 
Appliqué au monde professionnel, et au marketing, le datamining permet de résoudre
des problèmes divers comme la gestion de la relation client, la détection de fraudes ou
encore l'optimisation de sites web. Il permet d’analyser les informations d’une base de
données marketing pour y trouver des informations utiles à l’action marketing.
 
 
Ainsi, le Data Mining permet à une entreprise :

 De mieux comprendre sa clientèle : en analysant le comportement de celle-ci à

partir de ses caractéristiques

 De sélectionner un échantillon de clients (une fois le profil client identifié par

l’outil data Mining à partir d’une base de données client) et, ainsi, de constituer des
panels représentatifs de clients

 D’identifier des caractéristiques « anormales » pour détecter des

comportements de fraude

 D’identifier le profil du prospect type, intéressé par notre offre, pour

concentrer les efforts, de découvrir des niches inconnues mais rentables, d’adapter sa
politique de fidélisation

 D’optimiser l'adéquation de son offre à la demande et d’adapter, en

conséquence, sa politique commerciale et sa tarification aux différents segments de
clientèle, d’adapter ses canaux de distribution et/ou ses forces de ventes à ces
segments, d’optimiser l'impact et la rentabilité des offres promotionnelles

 De mieux cibler ses actions de marketing et/ou de vente mieux cibler ainsi que
ses campagnes de marketing direct, d’évaluer la propension d'un prospect ou client à
acheter un produit nouveau…
 
 
Ainsi, le datamining est en mesure de créer des catégories statistiques composées
d’éléments similaires ou de classer des faits afin de proposer des hypothèses pour
prévoir ou éclairer ces faits en révélant par exemple les variables ou paramètres qui
pourraient aider à les comprendre. Par exemple, le datamining permet de faire
comprendre pourquoi le chiffre d'affaires de tel point de vente est supérieur à celui de
tel autre.
 
 
Différentes techniques sont mises en œuvre :

 Les méthodes utilisant les techniques de classification et de segmentation

 Les méthodes utilisant des principes d'arbres de décision assez proches des
techniques de classification

 Les méthodes fondées sur des principes et des règles d'associations ou

d'analogies

 Les méthodes exploitant les capacités d'apprentissage des réseaux de neurones

 Et pour les études d'évolution de populations, les algorithmes génétiques

 Algorithmes Naïve Bayes, séries chronologiques, régression linéaire...