Data mining
II- Pratique du data Mining
A- Le processus de data Mining B - Techniques de data Mining 1-Les arbres de décision 2-Les réseaux neuronaux C- Les logiciels de data Mining III- example d’application data Mining IV- Web mining V-Les avantages et les défauts de Data Mining -CONCLUSION
INTRODUCTION AU DATA MINING
L’accroissement de la concurrence, l’individualisation des consommateurs -la “démassification” - et la brièveté du cycle de vie des produits oblige les entreprises à non plus simplement réagir au marché mais à l’anticiper. Elles doivent également cibler au mieux leur clientèle afin de répondre à ses attentes. La connaissance de son métier, des schémas de comportement de ses clients, de ses fournisseurs est essentielle à la survie de l’entreprise, car elle lui permet d’anticiper sur l’avenir.
Aujourd’hui, les entreprises ont à leur disposition une masse de données importante. En effet, les faibles coûts des machines en terme de stockage et de puissance ont encouragé les sociétés à accumuler toujours plus d’informations. Cependant, alors que la quantité de données à traiter augmente énormément l'institut EDS estime que la quantité de données collectées dans le monde double tous les 20 mois par contre le volume d’informations fournies aux utilisateurs n’augmente que très peu. Ces réservoirs de connaissance doivent être explorés afin d’en comprendre le sens et de déceler les relations entre les données et élaborer des modèles expliquant leurs comportements.
Dans cette optique, la constitution d’un Data Warehouse, regroupant, sous une forme homogène, toutes les données de l’entreprise sur une longue période, offre des perspectives nouvelles aux utilisateurs, notamment en terme d’extraction de connaissances grâce aux outils de Data Mining.
I- les perspectives de data Mining