Datamining
KnowKnowledgeSEEKET
1 Le Datamining est utilisé à la fois en analyse
prédictive et descriptive .
Vrai
Faux
2 Pour quelle raison principale les entreprises
ont recours au Datamining?
Introduire des statistiques dans la prise de
décisions
Découvrir des tendances cachées dans les
bases de données
Réduire la quantité exponentielle des
données dormant dans les entrepôts de
données
Utiliser les NTIC pour ne pas être obsolète
3 Quel est l'un des intérêts du Datamining?
La conservation des données dans des
entrepôts
L'exploitation des données pour améliorer
la rentabilité d'une activité
L'avantage d'une longueur d'avance sur ses
concurrents
L'augmentation du retour sur
investissement des systèmes d'informations
4 Quelles sont les techniques utilisées par le
DATAMINING?
Statistiques
Arbres de décisions
Réseaux de neurones
Recherches d'associations
5 Le Datamining peut enfreindre le respect de
la vie privée des personnes concernées .
Vrai
Faux
6 Sur quels logiciels peut-on utiliser l'arbre de
décision?
Alice
Predict
CART
7 Les deux premières phases du Datamining
sont:
Analyse d'opinion
Text mining
Segmentation/Typologie
Scoring
Evaluation de campagne de terrain
Reporting analytique
8 Quelles peuvent être les applications du
datamining spécifiques à l’industrie ?
La résolution du stockage de données
La segmentation de données
La classification de données
L’hétérogénéïsation de la variété des
données
9 Le datamining est synonyme d’opportunités
tels que :
La fouille de données sans l’aide de la
main de l’homme
La mise en évidence de l’influence de
certaines variables sur d’autres
L’interprétation des résultats de la fouille
de données
10 À partir d’une base de données, le
datamining fait le lien entre des variables dans
le but :
D’expliquer la causalité de ce lien
De déterminer l’impact d’une variation de
la variable sur une deuxième
11 L’explosion des gisements de données
représente pour le datamining :
Un danger pour son développement
Une contrainte réglementaire
 Une chance pour prédire l’avenir serveurs

12 Quels sont les principaux défis à relever du
datamining ?
Augmenter la vitesse de la compilation de
données
Améliorer l’intelligence de l’exploration de
données
Augmenter la vitesse de l’extraction de
connaissances
13 Quelles sont les limites techniques du
Datamining :
Il ne peut traiter que des données chiffrées
La pertinence du résultat donnée par les
logiciels d’exploration n’est pas certaine
Les outils ne vont pas indiquer quelle
variable aura une influence sur la variable
à expliquer
Il ne permet pas de décrire les données
Il n’indique pas quel type de relation ont
les variables entre elles
14 En quelle année le développement du
datamining par spécialisation a vu le jour ?
17 Grâce à quel type de fouille peut-on
explorer les données cartographiques du
crime ? :
La fouille de données confidentielles
La fouille du web
La fouille de vidéo
La fouille de données spatiales
18 Quels sonts parmi ces termes les facteurs de
succès du Datamining?
La mise en forme des données
La connaissance de l'environnement
Le niveau de formation des statisticiens
La prise de recul sur l'action engagée
19 Le CRISP-DM permet de rendre les projets
de Datamining:
plus rapides mais couteux
plus couteux mais efficaces
plus couteux
rapides et plus fiables

1990 20 Quels sont les deux axes principaux du

1980 Datamining?
La prédiction
2005
La création de typologie
2010
La création de mœurs
15 Quels types de fouilles par spécialisation La création de classe sociale évoluée
existent :

La fouille d’image
La fouille de vidéo
La fouille de texte

16 Quelles sont les caractéristiques des

données provenant de la fouille du web ?

Leurs paramètres ne se modifient jamais

avec le temps
Leur flot est limité
Elles arrivent très rapidement
Elles proviennent des journaux des