Objectifs pédagogiques

• À l’issue de la formation, le participant sera en mesure de :
• Comprendre les principes et la finalité du Data Mining (DM)
• Identifier les principales techniques du DM et leur cas d'utilisation
• Mettre en œuvre sur un cas simple les méthodes de scoring et de géomarketing
• Découvrir les méthodes prédictives et les méthodes descriptives du DM
• Connaître les principales étapes d'un projet Data Mining

Public concerné

• Responsables Infocentre, responsables marketing, statisticiens, responsables informatiques, chefs de projets et experts décisionnels. Utilisateurs et gestionnaires métiers de bases de données.

Prérequis

• Connaissances de base en analyse décisionnelle. Connaissances de base en statistiques.

Programme de la formation

Le Système d'Information Décisionnel (SID)

• Les enjeux du SID : besoins, domaines d'application.
• Architecture type d'un SID, état de l'art.
• Élaboration des informations décisionnelles.
• Conception d'un SID : étapes, optimisation, organisation des données, dictionnaires.

Comprendre le Data Mining (DM)

• Définition et finalité du Data Mining (DM).
• Quel lien entre le DM et les statistiques, quelle dépendance entre le DM et l'informatique ?
• Différence entre DM et OLAP ?
• Les attentes des entreprises, les réponses du DM.

Les techniques du Data Mining

• Les différentes familles du DM.
• Les méthodes prédictives et les méthodes descriptives.
• Analyse factorielle, typologique. La classification.
• Les arbres de décisions, les réseaux de neurones.
• Classification des techniques de DM.

La méthode descriptive du Clustering

• Définition et méthodologie.
• Les critères pour structurer les données à classer.
• Évaluation et validation des classes obtenues.
• Les différentes sous-familles du Clustering.

Exemple

Présentation d'applications du Clustering.

Exemples d'application du DM

• Le scoring : définition, finalité, méthodologie.
• Le géomarketing : définition, finalité, méthodologie.

Exemple

Mise en œuvre de la méthode de scoring. Cas pratique d'utilisation de géomarketing.

Les données de l'entreprise

• Rappel de la problématique des données du SI.
• Qualité des données et administration des données.
• Processus de collecte et d'exploration.
• Création d'agrégats et de nouvelles données.
• Transformation des données.

Méthodologie de projet Data Mining

• Définition du problème métier à résoudre et des objectifs à atteindre.
• Inventorier, décrire et classer les données.
• Concevoir et alimenter la base Data Mining.
• Explorer, segmenter des entités analysées.
• Établir et appliquer les modèles d'analyse.
• Itérer, déployer auprès des utilisateurs.
• Maintenir le modèle et le logiciel associé.

Panorama des outils

• Principaux outils du marché : SAS, R, IBM SPSS...
• Zoom sur l'outil SAS et sur l'ETL Powercenter.
• Quels critères de choix pour ce type d'outils ?

Projet final