Exploration de données

soit considéré de façon spécifique afin d’établir un contact efficace. Certains outils spécifiques permettent une meilleure relation individuelle avec la clientèle tel que « datawarehousing » (entrepôt de données) et « datamining » (forage de données) qui peuvent se trouver sur la base de donnée clients de l’entreprise. * La mercatique interactive : La dernière évolution de la mercatique est la recherche de la réactivité la plus grande possible face aux attentes des clients, grâce au recours

décisionnel? II-C - Architecture des systèmes décisionnels II-C-1 - Les sources de données II-C-2 - L'entrepôt de données II-C-3 - Le serveur OLAP ou serveur d'analyse II-C-4 - Le générateur d'états II-C-5 - Quelques termes usuels du décisionnel III - Aspect pratique III-A - Pré-requis III-B - Créer une Source de données ODBC III-C - Démarrer OLAP Manager III-D - Créer votre base de données d'analyse III-E - Créer une source de données OLAP III-F - Ouvrir l'assistant création de Cube III-G - Ajouter une mesure

Généralités 2. L’entreposage des données (Data warehousing) 3. L’analyse multidimensionnelle (OLAP) 1. Généralités 2. L’entreposage des données (Data warehousing) 2.1. Modélisation des EDs 2.2. Construction d’un ED 2.3. Alimentation d’un ED 2.4. Administration d’un ED 3. L’analyse multidimensionnelle (OLAP) 3.1. Approche OLTP contre Approche OLAP 3.2. Représentation des données 3.3. Les différentes approches (ROLAP, MOLAP, HOLAP) 3.4. Les magasins et les cubes de données 3.5. Les différentes opérations

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

personnalisée : Les exemples américains montrent que le concept de relation de proximité ne fonctionne en moyenne que sur 20% des consommateurs. - Beaucoup d'entreprises hésitent à investir dans la constitution et l'exploitation de ces bases de données : La grande distribution utilise toujours les techniques de masse du marketing. -Le marketing relationnel épuise le consommateur. Il se sent traqué, harcelé par le téléphone, le fax et les papiers qui débordent sa boite aux lettres. LE CRM (Customer

Entrepôt de Données Jean-François Desnos Jean-Francois.Desnos@grenet.fr ED JFD 1 Définition (Bill Inmon 1990) Un entrepôt de données (data warehouse) est une collection de données thématiques, intégrées, non volatiles et historisées pour la prise de décisions ED JFD 2 Les données sont thématiques Données sont organisées par thème (sujets majeurs, métiers), vs systèmes de production : processus fonctionnels. analyses transversales / structures fonctionnelles et organisationnelles

Entrepôt de Données avec SAS ANGER Bénédicte AMEZIANE Ines 04/05/2011 1. Modélisation en étoile : − Les différentes dimensions :  FAITS_NOTES  DIM_UE  DIM_TEMPS  DIM_ETUDIANTS La table de faits est la table FAITS_NOTES, les mesures sont :  Moyenne  Niveau  Abscence  SID  idTemps  Unité - - Les clés primaires sont celles précédées par l’icône de chaque table. et situées à la première ligne [2] ANGER Bénédicte_AMEZIANE Ines TP Entrepôt de données 2. Modélisation

| | | |- Intranet |- Accès aux chiffres de ventes, programme des |- Donne un aperçu de l’évolution des ventes en direct ou | | |promotions sur l’année. |sur le long terme, accès aux objectifs. | |

Sous la direction de Djamel A. Zighed et Gilles Venturini n°1 : Entreposage fouille de données E1 : Mesures de qualité pour la fouille de données E2 : Extraction et gestion des connaissances EGC 2004 C1 : Classification et fouille de données E3 : Extraction et gestion des connaissances EGC 2005 B1 : 1re Journée Francophone sur les Entrepôts de Données et l’Analyse en ligne EDA 2005 E4 : Fouille de données complexes E5 : Extraction des connaissances : Etat et perspectives E6 : Extraction et gestion

plus modernes de l'informatique pour le traitement et la présentation des données. La statistique apporte une aide précieuse à l'entreprise dans la prise de décision et l'amélioration de la qualité des produits et des services. Le programme pédagogique est formé de 4 unités d'enseignement (UE) : STATISTIQUES  Statistiques descriptive, inferentielles et sectorielles  probabilités  analyse et traitement de données data mining OUTILS SCIENTIFIQUES  Outils mathématiques  Informatique: