Exploration de données

Travail 1 : Exploration et appropriation des données 1) Fleuve : 1 entité Réseau routier : 6 entités Réseau ferroviaire : 12 entités Géologie : 55 entités 2) Le modèle numérique d’élévation à une résolution spatiale de 100 sur 100m. 3) Il y a 5 variantes de l’attribut NOM_F :  Till, placage  Sable et gravier de contact glacière  Roche en place  Eau  Dépôts marins 4) Le segment de route le plus long mesure 204575 m 5) Nombre de polygones représentant chaque type de géologie de surface

toutes les données de l’entreprise Regrouper les informations disséminées Analyser et prendre des décisions rapidement  Maîtrise de l’information et de la connaissance permet de: Mieux satisfaire les besoins Réaliser des économies d’échelles Développer les compétences, la capacité et l’autonomie de réflexion et d’action de l’entreprise © A. EL OUARDIGHI Data warehouse Introduction Datamining 5 Motivations  Explosion des données        Masse importante de données Données multi-dimensionnelles

Titulaire d’une maîtrise en analytiques et intelligence d’affaires et d’un baccalauréat en administration des affaires effectués auprès de l’Université de Sherbrooke, je capitalise une expérience professionnelle de 4 ans, dans le domaine de l’analyse de données, de l’intelligence d’affaires et du marketing. Je suis reconnu pour mon leadership, mon sens de créativité, ma grande capacité d’adaptation, d’apprentissage et de communication. Ayant le sens des responsabilités, je carbure aux défis et je livre dans

de logiciel intégrant les principales fonctions nécessaires a la gestion des flux et des procédures de l’entreprise (comptabilité et finance, logistique, paie, ressources humaine…). Il a pour objectif de mettre en réseau, a l’aide d’une base de données unique, l’ensemble des informations relatives aux fonctions de l’entreprise. Actuellement, les informaticiens de gestion dans les champs d’intervention et participent, avec les équipes métier, a la mise en place des P.G.I, a leur paramétrages. Le

1 Scénario: Données bancaires et segmentation de clientèle Exploration interactive Intégrer quelques graphiques, les commenter ; justifier les transformations qui ont été opérées dans le programme SAS sur les variables tant quantitatives que qualitatives avant d’aborder la suite des traitements. Pourquoi certaines variables ont été supprimées, quelles corrections ont été apportées aux données. Analyse en composantes principales Scénario: Données bancaires et segmentation de clientèle Résumé

Scénario: Données bancaires et segmentation de clientèle que qualitatives avant d’aborder la suite des traitements. Pourquoi certaines variables ont été supprimées, quelles corrections ont été apportées aux données. Scénario: Données bancaires et segmentation de clientèle Analyse en composantes principales Justifier le choix de dimension, interprétation des axes et donc des comportements des clients dans chacune des grandes directions. Sur le plan principal, que dire de la répartition des possesseurs/non-possesseurs

si votre entreprise cherche à repérer un blanchiment d'argent, | |vous examinerez certainement une grande quantité de données sans objectif précis concernant la modélisation. Votre travail sera ciblé | |non sur la modélisation, mais sur l'exploration et la visualisation de données avec pour objectif de découvrir des configurations | |suspectes parmi les données financières. CRISP-DM vous permet de créer un modèle de Data mining adapté à vos besoins. | |

analogie à la recherche des pépites d ’or dans un gisement, la fouille de données vise :   à extraire des informations cachées par analyse globale à découvrir des modèles (“patterns”) difficiles à percevoir 2 Définition  Data mining  ensemble de techniques d'exploration de données afin d'en tirer des connaissances (la signification profonde) sous forme de modèles présentés à l ’utilisateur averti pour examen Données entrepôt Data mining Découverte de modèles Connaissances Compréhension

préoccupations La traduction de GRC en anglais est CRM – Customer Relation Management – mais quand on parle de CRM en français cela fait plus référence aux solutions informatiques, qui connaissent un fulgurant essor avec l’essor du big data, des bases de données constituées via le web, de l’analyse et de l’automatisation de nombreuses actions destinées au client. Dans les encadrés ci-dessous quelques notions à connaître : Progiciel Un progiciel, mot-valise, contraction de produit et logiciel, est un

association lors de l’acte d’achat (dépend des efforts marketing, cycles de consommation et de rachat) Mesures a. Statistique binaire : il y a association d’achat entre deux produits (1) ou pas (0) – système lourd à mettre en place b. Exploration de données (datamining) : adapté au volume d’information – basé sur les antécédents et les conséquents Deux paramètres : * le degré d’association : le pourcentage d’acheteurs qui ont acheté à la fois le produit A et le produit B exprime