DATA MINING

Le but du Data Mining
L'augmentation en taille des bases de données et les nouveaux besoins d'analyse des utilisateurs métiers ont engendré l'essor des outils de Data Mining.
Au delà des produits classiques de navigation de données, les utilisateurs métiers ont maintenant besoin d'outils d'analyse interactifs, intuitifs et capables de créer des rapports faciles à comprendre.

Le développement des "Data Warehouse"
Avec le développement "Data Warehouse" et des solutions de stockage, la quantité des informations détenues par les entreprises devient de plus en plus importante.
Beaucoup d'informations pourtant particulièrement intéressantes peuvent ne pas apparaître à première vue. Elles sont stockées parce qu'il est aujourd'hui facile et peu coûteux de le faire.
Ce point explique pourquoi l'exploitation de données est devenue une question clé dans des systèmes d'information: avec le Data Mining il est facile de tirer parti de ces bases de données en faisant ressortir les informations et les tendances cachées!

ISoft et le Data Mining
ISoft fournit les outils qui sont conçus spécifiquement pour l'utilisateur métier. Avec Alice d'ISoft, vous serez aidé pendant les étapes du traitement de vos données. Cet outil facile à utiliser et avec une interface intuitive, vous guidera durant tout le processus de l'analyse de vos données.
Utilisez en aval Amadea pour préparer vos données et Discovery pour évaluer la qualité de vos données sources.

L'utilisation du Data Mining
Les besoins en matière d'exploitation de données se développent depuis que les utilisateurs métiers ont voulu se réapproprier leurs données, pour les examiner et construire facilement de nouveaux modèles, guidés par leur connaissance et leur expérience.
Une amélioration majeure du Data Minig sur les outils classiques de navigation dans les données est qu'en plus de tester la véracité d'une tendance ou d'un modèle, il permet d'en découvrir de nouveaux.
Le modèle peut être automatiquement établi, mais chaque étape de sa construction peut être contrôlée par l'utilisateur métier. Ce modèle lui permet alors de prévoir le comportement d'autres ensembles de données, et d'évaluer leurs chances de se comporter comme prévues.

Mais ce travail sur les données n'est efficace que s'il suit une bonne méthodologie. Plusieurs étapes doivent être suivies, afin d'atteindre des résultats significatifs.
À partir de données brutes hétérogènes, vous devez d'abord installer votre "data warehouse", afin d'avoir une base de données relationnelle propre.

Vous pouvez alors commencer l'alimentation de votre outil de Data Mining.
À ce stade, vous devez pouvoir fournir une bonne description de données.

Une étape principale concerne une bonne définition de votre problématique. Toutefois, pour bénéficier de toute sa puissance, l'outil de Data Mining nécessite que vous isoliez la question à laquelle vous voulez répondre. Même si cette question peut changer durant l'analyse, un bon point de départ doit être défini.

Ensuite, vous pouvez procéder à l'étape d'analyse. Pendant l'analyse, vous devrez plusieurs fois revenir en arrière à une étape de préparation, où vous pourrez définir des variables plus appropriées, en utilisant des formules d'agrégation...
Pendant ces étapes, votre connaissance métier sera nécessaire, pour garder les modèles intéressants isolés par l'outil et rejeter les autres.

Après votre analyse, vous pourrez rapporter vos conclusions, en tant qu'expert du domaine.