Data Mining, synthèse

Objectifs

Le Data Mining apporte des solutions pour l'extraction de connaissances à partir de données brutes. Ce séminaire, alliant principes théoriques et expériences pratiques, vous propose une synthèse sur le Data Mining, ses applications, ses apports pour l'entreprise, ainsi que sur les méthodes et outils les plus utilisés.

Participants

Responsables Infocentre, responsables marketing, statisticiens, responsables informatiques, chefs de projets et experts décisionnels. Utilisateurs et gestionnaires métiers de bases de données.

Pré-requis

Connaissances de base en analyse décisionnelle. Connaissances de base en statistiques.

Moyens pédagogiques

1 poste par participant - 1 Vidéo projecteur - Support de cours fourni à chaque participant – Formation présentielle

Durée

2 jours

Les sessions inter-entreprises

Date Session
Du 27/11/2017
Au 28/11/2017
Paris
Formation standard
Du 27/11/2017
Au 28/11/2017
Caen
Formation standard
Du 27/11/2017
Au 28/11/2017
Lyon
Formation standard
Du 27/11/2017
Au 28/11/2017
Rennes
Formation standard
Du 27/11/2017
Au 28/11/2017
Lille
Formation standard
Du 27/11/2017
Au 28/11/2017
Rouen
Formation standard
Du 26/03/2018
Au 27/03/2018
Paris
Formation standard
Du 26/03/2018
Au 27/03/2018
Caen
Formation standard
Du 26/03/2018
Au 27/03/2018
Lyon
Formation standard
Du 26/03/2018
Au 27/03/2018
Rennes
Formation standard
Du 26/03/2018
Au 27/03/2018
Lille
Formation standard
Du 26/03/2018
Au 27/03/2018
Rouen
Formation standard
Du 14/05/2018
Au 15/05/2018
Paris
Formation standard
Du 14/05/2018
Au 15/05/2018
Caen
Formation standard
Du 14/05/2018
Au 15/05/2018
Lyon
Formation standard
Du 14/05/2018
Au 15/05/2018
Rennes
Formation standard
Du 14/05/2018
Au 15/05/2018
Lille
Formation standard
Du 14/05/2018
Au 15/05/2018
Rouen
Formation standard
Ce plan de cours est établi à titre indicatif. Son contenu peut être adapté à chaque formation Télécharger la fiche pdfDemander un devis

Code

DATA-MNG-SYNTH

Description détaillée

Programme.
 
Le Système d'Information Décisionnel (SID)
 Les enjeux du SID : besoins, domaines d'application.
 Architecture type d'un SID, état de l'art.
 Elaboration des informations décisionnelles.
 Conception d'un SID : étapes, optimisation, organisation des données, dictionnaires.

Comprendre le Data Mining (DM)
 Définition et finalité du Data Mining (DM).
 Quel lien entre le DM et les statistiques, quelle dépendance entre le DM et l'informatique ?
 Différence entre DM et OLAP ?
 Les attentes des entreprises, les réponses du DM.

Les techniques du Data Mining
 Les différentes familles du DM.
 Les méthodes prédictives et les méthodes descriptives.
 Analyse factorielle, typologique. La classification...
 Les arbres de décisions, les réseaux de neurones...
 Classification des techniques de DM.

La méthode descriptive du Clustering
 Définition et méthodologie.
 Les critères pour structurer les données à classer.
 Evaluation et validation des classes obtenues.
 Les différentes sous-familles du Clustering.

Exemples d'application du DM
 Le scoring : définition, finalité, méthodologie.
 Le géomarketing : définition, finalité, méthodologie.

Les données de l'entreprise
 Rappel de la problématique des données du SI.
 Qualité des données et administration des données.
 Processus de collecte et d'exploration.
 Création d'agrégats et de nouvelles données.
 Transformation des données.

Méthodologie de projet Data Mining
 Définition du problème métier à résoudre et des objectifs à atteindre.
 Inventorier, décrire et classer les données.
 Concevoir et alimenter la base Data Mining.
 Explorer, segmenter des entités analysées.
 Etablir et appliquer les modèles d'analyse.
 Itérer, déployer auprès des utilisateurs.
 Maintenir le modèle et le logiciel associé.

Panorama des outils
 Principaux outils du marché : SAS, R, IBM SPSS...
 Zoom sur l'outil SAS et sur l'ETL Powercenter.
 Quels critères de choix pour ce type d'outils ?

Les dernières places disponibles

Aucune annonce pour le moment
Une erreur est survenue
Une erreur est survenue, l'administrateur a été contacté
Revenir à la première page