OBJECTIFS :
Comprendre les principes et la finalité du Data Mining (DM)
Identifier les principales techniques du DM et leur cas d'utilisation
Mettre en oeuvre sur un cas simple les méthodes de scoring et de geomarketing
Découvrir les méthodes prédictives et les méthodes descriptives du DM
Connaitre les principales étapes d'un projet Data Mining
PUBLIC CONCERNÉ :
Responsables Infocentre
Responsables marketing
Statisticiens
Responsables informatiques
Chefs de projets et experts décisionnels
Utilisateurs et gestionnaires métiers de bases de données
FORMATEURS :
Benoit Cougnaud,
Fondateur Associé – Azerrisk Advantage
Jérémie Gypteau,
Responsable Solutions Big Data – Azerrisk Advantage
MODALITÉS D'ACCÈS AUX PERSONNES HANDICAPÉES
ERI Institute organise toutes ses formations dans des établissements de 5ème catégorie répondant à la politique "Accessibilité Handicap"
FORMATION - Programme
Les enjeux du 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 ?
Les attentes des entreprises, les réponses du DM.
Principales exploitations du data mining : Scoring Crédit, Personalisation des offres (exemples)
Les modalités opérationnelles du Data Mining
Le nettoyage et la préparation des données
Les méthodes prédictives et les méthodes descriptives.
Apprentissage supervisé vs apprentissage automatique (machine learning)
Principales techniques : Régression, arbres de décisions, les réseaux de neurones...
Comment bien cadrer son projet data mining
La révolution du Big Data, quels impacts sur le data mining
Apports réels du Big Data dans l'analyse des données
La structuration des données Big Data
Combiner Big Data et données structurées pour un apport optimal
Retour d'expérience
⇒ Exemples d'application de Data Mining à l'ère du Big Data
Le scoring : définition, finalité, méthodologie.
La personnalisation automatique des offres : définition, finalité, méthodologie.
L'exploitation des données de l'entreprise
Qualité des données et administration des données.
Big Data et Small data des apports d'information très variables
Contraintes légales dans l'exploitation des données.
Réussir son projet Data Mining
Définition du problème métier à résoudre et des objectifs à atteindre.
Combiner les données entre elles selon leur nature
Optimiser la "taille" des données exploitées
Combiner le savoir faire des experts avec l'analyse quantitative
Arbitrer entre performance et robustesse
Obtenir l'adhésion des utilisateurs.
Maintenir le modèle et le logiciel associé.
Panorama des outils
Principaux outils du marché : SAS, R, IBM SPSS...
La mise à disposition des résultats pour les utilisateurs
Présentation de Scoring Advantage, outil de scoring Big Data
⇒ Cas pratiques
Principaux outils du marché : SAS, R, IBM SPSS...
Les bases de données Cassandra à l'heure du Big Data
Cas pratiques de scoring crédit en univers Big Data
⇒ Validation des acquis à la fin de la formation
TARIFS:
1890 euros HT
DURÉE :
2 jours
PRÉREQUIS :
aucun
TAUX DE SATISFACTION :
Il n'y a pas encore de taux de satisfaction sur cette formation