| Titre : | Data Mining Et Statistique Décisionnelle |
| Titre original: | L'intelligence Des Données Stéphane Tufféry |
| Type de document : | texte imprimé |
| Année de publication : | 2007 |
| ISBN/ISSN/EAN : | 978-2-7108-0888-6 |
| Format : | Broché, 538pages / Dimensions : 17,0 x 24,0 x 3,3 cm Poids : 1045 grammes / Broché |
| Langues: | Français |
| Index. décimale : | 519.5 |
| Mots-clés: | Data Mining et statistique décisionnelle |
| Résumé : |
Le data mining et la statistique sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente cachée dans leurs bases de données, en vue d'expliquer et de prévoir.
Cette nouvelle édition, revue et augmentée de 160 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ses outils appartiennent à l'analyse des données et la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés,...) mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les SVM, le boosting, etc. Tous sont disponibles dans des logiciels de plus en plus puissants et conviviaux ; un chapitre est d'ailleurs destiné à aider le lecteur à se diriger dans cette offre logicielle fournie et dresse un comparatif très approfondi des deux leaders, SAS et SPSS. L'utilisation des logiciels et l'interprétation des résultats sont illustrées par de nombreux exemples conduits avec SAS, SPSS et R. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, l'intégration dans le marketing de bases de données, le calcul du retour sur investissement, les interfaces informatiques, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel. Table des matières : 1. Panorama du data mining. 2. Le déroulement d'une étude de data mining. 3. L'exploration et la préparation des données. 4. L'utilisation des données commerciales. 5. Aperçu sur les techniques de data mining. 6. L'analyse factorielle. 7. Les réseaux de neurones. 8. Les techniques de classification automatique. 9. La recherche d'associations. 10. Les techniques de classement et de prédiction. 11. Une application du data mining : le scoring. 12. Les facteurs de succès d'un projet de data mining. 13. Les logiciels de statistique et data mining. 14. Le text mining. 15. Le web mining. Annexes. Bibliographie. Stéphane TUFFÉRY est docteur en mathématiques. En charge de la statistique et du data mining dans un grand groupe bancaire français, il enseigne le data mining en master d'ingénierie économique dans les universités de Rennes 1 el de Paris-Dauphine, et intervient à l'Institut de Statistique de l'Université de Paris. Extrait du livre : 1.2.1. Le data mining par secteur d'activité C'est dans le secteur bancaire qu'est né le scoring de risque, au milieu du XXe siècle, à une époque où les moyens de calcul étaient très rudimentaires. Depuis, de multiples techniques de data mining (scoring, classification, associations de produits...) ont envahi la banque de détail comme la banque d'entreprise, même si c'est surtout à la banque de détail, du fait des montants unitaires modérés, du grand nombre de dossiers et de leur caractère relativement standard, que s'applique le data mining. Les problèmes de scoring ne sont pas très complexes sur un plan théorique et les techniques classiques d'analyse discriminante et de régression logistique y font merveille. Cet essor du data mining dans l'activité bancaire s'explique par la conjonction de plusieurs éléments : le développement des nouvelles technologies de communication (Internet, téléphonie mobile...) et de traitement de l'information (entrepôts de données), les attentes accrues de qualité de service des clients, la concurrence exercée sur les banques à réseau par les sociétés de crédit et les «nouveaux entrants» (les banques étrangères, la grande distribution et les compagnies d'assurance), la pression économique européenne pour une plus grande rentabilité et productivité des banques, sans oublier l'aspect réglementaire avec le grand dossier bancaire du moment : la réforme du ratio de solvabilité (voir la section 11.2) qui a donné un grand essor au développement des modèles de risque. Dans les banques, les études de fidélisation et les scores d'attrition ne sont pas encore aussi développés qu'ils le sont dans un secteur comme la téléphonie mobile, mais ils commencent à prendre de l'importance, au fur et à mesure que les établissements prennent conscience du gisement de rentabilité qu'ils possèdent là. Ils ont aussi été un temps stimulés par la concurrence des banques en ligne, mais ces dernières, avec des coûts de structure plus bas que les banques à réseau, mais des coûts d'acquisition beaucoup plus élevés, n'ont pas obtenu les résultats escomptés, et ont été rachetées par des assureurs soucieux de prendre pied dans le monde de la banque, des banques étrangères, ou des banques à réseau voulant compléter leur dispositif de banque multicanal, dans lequel le canal Internet coexiste avec les canaux traditionnels sans s'y substituer. |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 271080888601 | 519.5/16 | Livre | Bibliothèque Estin | Documentaires | Disponible |
