DATA MINING (ECD)

Extraction de
Connaissances partir
de Donnes
Les 4 phases de linformatique

Avant 70: Lautomatisation

70-80: Systme de gestion de donnes
80-90: Informatisation des processus
90 aujourdhui: Data Mining (ECD)
Avant 70: Lautomatisation

Automatiser lacquisition de donnes

Faiblesse de la gestion de fichiers
Modification constante des programmes
70-80: systme de gestion de donnes

Travaux de Codd: produire une information

fiable et cohrente partir de donnes

Premier
systme de gestion de donnes
moderne par IBM
80-90: Informatisation des processus

Systme dinformation automatis en appui

aux processus de production, de pilotage, de
dcision.
Augmentation du volume de donnes
Stockage des donnes
90 aujourdhui: Lre du Data Mining

Stockage et gestion efficace des donnes

Besoin de valoriser les donnes
Dgager un avantage concurrentiel
Recherche sur lexploitation des donnes
Data Mining (ECD)

Technologie de linformation qui vise

prciser la dmarche suivre pour exploiter
des donnes quelles que soit leur forme, et
ce en vue den extraire des connaissances

Ex.: lhistorique des achats des clients

Quest-ce que le Data Mining?

Exploitation de donnes.
Dfinition: Processus qui consiste discerner les
tangentes dune masse importante de donnes
brutes.
Avantage comptitif pour les PME et les grandes
entreprises (valeur de + en + importante!).
Volume de donnes beaucoup trop grand =>
automatisation de lexploitation de donnes=>
dcisions daffaires claires.
Quest-ce que le Data Mining?(suite)

Utilise
dans une optique client.
EX: tudie les habitudes des
consommateurs afin de pouvoir leur
proposer des options intressantes.
Questions types auxquelles rpond le
Data Mining

Qui sont les clients et quoi ressemblent-ils?

Qui sont les clients les plus importants sur qui lon doit se
concentrer?
Quels sont les produits/services quils achtent?
Comment doit-on segmenter le march ou est-ce que la
segmentation existante correspond aux rsultats de ventes?
Quand doit-on contacter un client au sujet dune promotion?
qui doit-on faire la promotion de produits ou prsenter une
nouvelle campagne?

Rfrence: www.darwinmag.com
Les 5 lments du Data Mining

1. Extraire, transformer et regrouper les donnes.

2. Entreposer les donnes dans un systme dentreposage.
3. En assurer laccs aux analystes et aux professionnels des
T.I.
4. Analyser les donnes grce lapplication des software.
5. Prsenter les donnes sous forme de tableaux ou de
graphiques.

Rfrence:
www.anderson.ucla.edu/faculty/jason.frand/teacher/technologies/pal
ace/datamining
Principaux avantages du Data Mining

Aide la prise de dcisions des dirigeants (ne les

remplace pas!)
Dtecte les relations entre les donnes et permet de
faire des liens pertinents.
tudie le pass dans le but de faire des prdictions
dans le futur.
Augmente la satisfaction des clients grce une
approche plus personnalise.
Permet de mieux cerner et connatre la clientle.
Principaux avantages du data mining
(suite)

Permet le dveloppement de nouveaux

produits.
Permet de mieux grer linventaire et
lentreposage.
Peut augmenter les revenus et diminuer les
cots de entreprise.
O retrouve-t-on le data mining?

Deplus en plus et partout!

Dans diffrents domaines:

- Mdical
- Astronomie
- Police
- PME
- et plusieurs autres!
Pourquoi utiliser le data mining?

Laugmentation du volume dinformations.

Les limites de lanalyse effectue par les

tres humains.

Faibles cots par rapport un groupe

danalystes qualifis.
 quoi sert le data mining?

classifier de linformation.
faire des prdictions.
identifier des relations dans la banque de
donnes.
dtecter les diffrents groupes dinformation.
dtecter les fraudes.
dtecter les erreurs de production (qualit).
Aide lembauche de certains employs
stratgiques.
Facteurs importants lexcution du
Data mining

Le software nest quune des composantes

ncessaires (plan daffaire, structure T.I. et des
utilisateurs comptents).
Les donnes doivent tre plus ou moins organises
avant linterprtation (70 85% du travail constitue
lorganisation).
Besoin danalystes qualifis.
Le processus est en constante volution
(changements internes/externes).
Facteurs importants lexcution du
Data mining (suite)

Habilets de lorganisation pour apporter les

changements ncessaires selon les
rsultats.
Les cots engendrs par limplantation sont
souvent plus levs que prvu (analystes et
entretien) .

Rfrence: www.darminmag.com
Rfrences

www.megaputer.com
www.anderson.ucla.edu/faculty/jason.frand/teacher/
technologies/palace/datamining
www.darwinmag.com
www.statoo.com
www.dmreview.com
www.thearling.com
http://stuff.mit.edu/people/jkim21/dmuse.htm