Stéphane Tufféry Statisticien - Data Miner - Enseignant DATA MINING - SCORING STATISTIQUE DÉCISIONNELLE APPLICATION AU CRM 19/08/2005 © Stéphane Tufféry - Data Mining & Scoring - http://data.mining.free.fr 1 Plan du cours Qu’est-ce que le data mining ? A quoi sert le data mining ? Les 2 grandes familles de techniques Le déroulement d’un projet de data mining Coûts et gains du data mining Facteurs de succès - Erreurs à éviter Informatique décisionnelle et de gestion La préparation des données Techniques descriptives de data mining Techniques prédictives de data mining Logiciels et consultants CNIL et limites légales du data mining Le text mining Le web mining 19/08/2005 © Stéphane Tufféry - Data Mining & Scoring - http://data.mining.free.fr PDF created with pdfFactory Pro trial version www.pdffactory.com 2 Techniques prédictives Points forts et points faibles 19/08/2005 © Stéphane Tufféry - Data Mining & Scoring - http://data.mining.free.fr 3 Techniques prédictives de data mining : Classement - prédiction (généralités) 19/08/2005 © Stéphane Tufféry - Data Mining & Scoring - http://data.mining.free.fr PDF created with pdfFactory Pro trial version www.pdffactory.com 4 Classement & classification Le classement consiste à • La classification consiste à placer chaque individu de la population dans une classe, parmi plusieurs classes prédéfinies, en fonction des caractéristiques de l’individu indiquées comme variables explicatives Le plus souvent, il y a 2 classes prédéfinies (« sains » et « malades », par exemple), et le résultat du classement est un ensemble de règles permettant d’affecter chaque individu à l’une ou l’autre des classes 19/08/2005 regrouper les individus d’une population en un nombre limité de classes qui : ne sont pas prédéfinies mais déterminées au cours de l’opération, contrairement aux classes du classement regroupent les individus ayant des caractéristiques similaires et séparent les indivi