Accueil › Data Mining : Définition et ressources

Data Mining : Définition et ressources

Présentation
Documents
Articles
Discussions

Data Mining : définition

Le Data Mining (ou exploration des données) désigne l’ensemble des techniques et méthodes automatiques ou semi-automatiques issues de disciplines scientifiques (telles que les statistiques ou l’informatique) facilitant l'exploration et l'analyse des données contenues au sein d'une base décisionnelle (type Data Warehouse ou DataMart) et permettant la prise de décisions, à travers la découverte, rapide et efficace, de schémas d'informations inconnus ou cachés à l'intérieur de grandes bases de données.

Autrement dit, le datamining permet d’extraire des savoirs et des connaissances précises à partir d’un grand volume de données.

Le data Mining, né dans les années 1980, s’est répandu sur la scène économique pour faire face à la multiplication de bases de données difficilement exploitables sans un ensemble d’outils performants par les entreprises. Ceux-ci ont été développés pour étudier les interactions et explorer les données sous-jacentes.

A contrario des méthodes classiques d'analyses statistiques, le Data Mining est particulièrement adapté au traitement de grands volumes de données. L’objectif est d’analyser et d’interpréter ces données volumineuses (contenues dans une ou plusieurs bases de données) afin de dégager des tendances et de construire des modèles à partir des données afin d'en extraire des informations pertinentes et utiles. Un maximum de renseignements est ainsi capté, ordonné et rangé au sein du Data Warehouse.

Il permet ainsi de mieux comprendre les liens entre des phénomènes en apparence distincts et d'anticiper des tendances encore peu discernables : par exemple comportement des acheteurs, caractéristiques des produits, historisation de la production, désormais plus rien n'échappe à la collecte.

Le principe est le suivant : dans une 1^ère étape on extrait informatiquement des données valides qu’il est possible d’exploiter à partir de sources importantes de données. Puis on « exploite » ces données afin de détecter s’il existe des corrélations sous-jacentes.

Pour réaliser cela, on utilise des règles de statistiques (algorithmes mathématiques) qui permettent de comparer l’ensemble des résultats et de conclure sur des corrélations ou des liaisons entre différents phénomènes. Pour parvenir à décrypter ces résultats, l’utilisateur final utilise un logiciel spécifique qui permet de réaliser ce genre d’analyses et de tirer des conclusions pertinentes.

L'outil de prospection Data Mining peut utiliser plusieurs techniques pour aboutir à des résultats efficaces et pertinents. Tout dépend de la nature des données et de son type d'étude. Par exemple on pourra retrouver les techniques de classification et de segmentation ou encore les méthodes reposant sur les règles d'associations ou d'analogies.

On retrouve le Data Mining aussi bien dans la gestion des ressources humaines, que dans des secteurs comme la grande distribution...

Appliqué au monde professionnel, et au marketing, le datamining permet de résoudre des problèmes divers comme la gestion de la relation client, la détection de fraudes ou encore l'optimisation de sites web. Il permet d’analyser les informations d’une base de données marketing pour y trouver des informations utiles à l’action marketing.

Ainsi, le Data Mining permet à une entreprise :

De mieux comprendre sa clientèle : en analysant le comportement de celle-ci à partir de ses caractéristiques
De sélectionner un échantillon de clients (une fois le profil client identifié par l’outil data Mining à partir d’une base de données client) et, ainsi, de constituer des panels représentatifs de clients
D’identifier des caractéristiques « anormales » pour détecter des comportements de fraude
D’identifier le profil du prospect type, intéressé par notre offre, pour concentrer les efforts, de découvrir des niches inconnues mais rentables, d’adapter sa politique de fidélisation
D’optimiser l'adéquation de son offre à la demande et d’adapter, en conséquence, sa politique commerciale et sa tarification aux différents segments de clientèle, d’adapter ses canaux de distribution et/ou ses forces de ventes à ces segments, d’optimiser l'impact et la rentabilité des offres promotionnelles
De mieux cibler ses actions de marketing et/ou de vente mieux cibler ainsi que ses campagnes de marketing direct, d’évaluer la propension d'un prospect ou client à acheter un produit nouveau…

Ainsi, le datamining est en mesure de créer des catégories statistiques composées d’éléments similaires ou de classer des faits afin de proposer des hypothèses pour prévoir ou éclairer ces faits en révélant par exemple les variables ou paramètres qui pourraient aider à les comprendre. Par exemple, le datamining permet de faire comprendre pourquoi le chiffre d'affaires de tel point de vente est supérieur à celui de tel autre.

Différentes techniques sont mises en œuvre :

Les méthodes utilisant les techniques de classification et de segmentation
Les méthodes utilisant des principes d'arbres de décision assez proches des techniques de classification
Les méthodes fondées sur des principes et des règles d'associations ou d'analogies
Les méthodes exploitant les capacités d'apprentissage des réseaux de neurones
Et pour les études d'évolution de populations, les algorithmes génétiques
Algorithmes Naïve Bayes, séries chronologiques, régression linéaire...

TOUTES LES DEFINITIONS

Lire en intégralité

1 document sur Data mining