Académique Documents
Professionnel Documents
Culture Documents
Université de Yaoundé I
armel.nzekon@facsciences-uy1.cm
2/50
Plan du chapitre
1. Définition de la statistique
2. Un peu d’histoire sur l’analyse des données
3. Applications de l’analyse des données
4. Démarche scientifique face à un problème
5. Sources et organisation des données
6. Exemple simpliste du processus d’analyse des données
7. Business Intelligence (Informatique Décisionnel)
8. Orientations de la profession
3/50
Définition de la statistique
4/50
1. Définition de la statistique
Contexte contemporain
5/50
1. Définition de la statistique
La statistique est la discipline qui étudie des phénomènes à
travers la collecte de données, leur traitement, leur analyse,
l’interprétation des résultats et leur présentation afin de rendre ces
données compréhensibles par tous
Le mot statistique vient du latin status = « état ». Le terme
statisticum apparaît à la fin du XVII e siècle
Le terme évolue dans le temps et aujourd’hui c’est à la fois :
I Une branche des mathématiques appliquées
I Une grandeur calculée à partir des observations recueillies
(ex : moyenne d’âge des étudiants d’une filière, balance
commerciale d’un pays, etc..)
I Un ensemble de techniques permettant de décrire et
d’analyser des observations (ou données) qui découlent
généralement de la mesure d’une ou plusieurs caractéristiques
communes sur un ensemble d’individus ou d’objets équivalents
6/50
1. Définition de la statistique
Évolution de la statistique
7/50
Un peu d’histoire sur l’analyse
des données
8/50
2. Un peu d’histoire sur l’analyse des données
Pourquoi l’analyse des données ?
9/50
2. Un peu d’histoire sur l’analyse des données
Pourquoi l’analyse des données ?
10/50
2. Un peu d’histoire sur l’analyse des données
Définition
12/50
2. Un peu d’histoire sur l’analyse des données
Évolution de l’analyse des données - Cas des techniques d’analyses factorielles
13/50
2. Un peu d’histoire sur l’analyse des données
Évolution de l’analyse des données - Cas des techniques de classification automatique
14/50
Applications de l’analyse des
données
15/50
3. Applications de l’analyse des données
16/50
3. Applications de l’analyse des données
17/50
3. Applications de l’analyse des données
18/50
3. Applications de l’analyse des données
19/50
20/50
Démarche scientifique face à
un problème
21/50
4. Démarche scientifique face à un problème
Étapes à suivre
22/50
4. Démarche scientifique face à un problème
Résumé en image
23/50
Les sources de données
24/50
5. Sources et organisation des données
Sources de données
25/50
5. Sources et organisation des données
Organisation des données pour l’analyse
I Les méthodes d’analyse de données supposent souvent une
organisation particulière des données
27/50
6. Exemple simpliste du processus d’analyse des données
Cas d’une entreprise de commerce
28/50
6. Exemple simpliste du processus d’analyse des données
Cas d’une entreprise de commerce
4. Résultats et observations
I Plus de 70% des clients ou des produits on quasiment le
même poids X sur le chiffre d’affaire ou sur le bénéfice
I Moins de 10% des clients ou des produits constituent plus de
70% du chiffre d’affaire ou des bénéfices
I Identifier des couples ou ensemble de produits très souvent
achetés ensemble
I Identifier des couples ou des ensembles de clients aux
comportements d’achat similaires
29/50
6. Exemple simpliste du processus d’analyse des données
Cas d’une entreprise de commerce
5. Recommandations et décisions
I Créer des formules de valeur supérieure à X avec quelques
avantages et les recommander à tous les clients
I Si tous les produits apportent X, on peut intensifier la promo
des produits les plus faciles à acquérir (on diminue l’effort
pour augmenter les bénéfices)
I Créer des formules spéciales pour les 10% des clients ou
augmenter les stocks et les promos des 10% des produits qui
génèrent plus de 70% des bénéfices (tout centrer sur eux)
I Produits achetés ensemble - créer des bouquets pour faciliter
la vente ; les rapprocher dans des entrepôts de stockage ; les
éloigner en rayon pour promouvoir d’autres produits
I Clients aux comportements similaires - lorsque l’un achète un
produit, on le recommande aux autres
30/50
6. Exemple simpliste du processus d’analyse des données
Devoir individuel
31/50
Business Intelligence
(Informatique Décisionnel)
32/50
7. Business Intelligence (Informatique Décisionnel)
Pourquoi la Business Intelligence ?
Les systèmes décisionnels ont été développés pour fournir une flexibilité
et une possibilité d’analyse importante des données de l’entreprise.
Ce sont des systèmes de base de données séparés des systèmes
transactionnels basés sur les donnés opérationnelles.
Ils couvrent un horizon temporel plus grand, contiennent des données plus
uniformisés et sont optimisés pour répondre à des questions complexes.
Étudier ces systèmes décisionnels s’avère être une vaste tâche pour
plusieurs raisons interdépendantes
Par exemple, le nombre croissant de décisions que peuvent supporter ces
systèmes, les perpétuelles évolutions de la technologie ou encore
l’émergence de nouvelles pratiques de management.
33/50
7. Business Intelligence (Informatique Décisionnel)
Pourquoi la Business Intelligence ?
34/50
7. Business Intelligence (Informatique Décisionnel)
Définition
35/50
7. Business Intelligence (Informatique Décisionnel)
Domaines d’application de l’informatique décisionnelle
Toutes les activités de l’entreprise sont concernées par les systèmes
décisionnels et en sont des utilisateurs potentiels :
I Le contrôle de gestion pour l’analyse des coûts, l’analyse de la
rentabilité, l’élaboration budgétaire, les indicateurs de performance
I La direction marketing pour le ciblage, le pilotage de gamme, les
applications de Géomarketing, de fidélisation clients, etc.
I La direction commerciale pour la gestion des clients, le pilotage des
réseaux (directs ou indirects), les prévisions des ventes,
l’optimisation des territoires, etc.
I Les ressources humaines pour la gestion des carrières, la gestion
collective, etc.
I La direction de la production pour l’analyse qualité, la prévision des
stocks, la gestion des flux, la fiabilité industrielle, etc.
I La direction générale pour les tableaux de bord, indicateurs de
pilotage, gestion d’alertes, etc.
36/50
7. Business Intelligence (Informatique Décisionnel)
Architecture d’un système décisionnel
37/50
7. Business Intelligence (Informatique Décisionnel)
Architecture d’un système décisionnel
Le système décisionnel regroupe quatre grands éléments ou
activités comme le montre la figure ci-dessous.
38/50
7. Business Intelligence (Informatique Décisionnel)
Architecture d’un système décisionnel
39/50
7. Business Intelligence (Informatique Décisionnel)
Architecture d’un système décisionnel
Datamart
Le datamart est une base de données moins coûteuse que le
dataWarehouse et plus légère puisque destinée à quelques
utilisateurs d’un département.
Il séduit plus que le data Warehouse les candidats au décisionnel
puisque il minimise la complexité informatique et facilite leur
concentrations sur leurs besoins.
Il a la même vocation que le data Warehouse (fournir une
architecture décisionnelle), mais vise une problématique précise
avec un nombre d’utilisateurs plus restreint.
41/50
7. Business Intelligence (Informatique Décisionnel)
Architecture d’un système décisionnel
42/50
7. Business Intelligence (Informatique Décisionnel)
Architecture d’un système décisionnel
43/50
Orientations de la profession
44/50
8. Orientations de la profession
45/50
8. Orientations de la profession
46/50
8. Orientations de la profession
47/50
8. Orientations de la profession
48/50
8. Orientations de la profession
49/50
Merci de votre attention
Question ? !
50/50