Grâce à ces modèles, on extrait un maximum de connaissances utiles pour l'entreprise. Quels usages peut-on faire du data mining? Gestion de la relation client, optimisation de sites web, détection de fraudes, maintenance préventive ou prédiction d'achats d'un produit: ce ne sont que quelques exemples des multiples applications du data mining. Son utilisation en milieu professionnel permet de résoudre des problèmes très divers, d'optimiser les décisions stratégiques et opérationnelles de l'entreprise, d'augmenter son chiffre d'affaires ou de réduire ses coûts. Dans le domaine commercial par exemple, les sociétés analysent le comportement des consommateurs pour établir des profils complexes, savoir quels produits peuvent intéresser leurs clients et quand ils seront intéressés. À partir de cette analyse, ils peuvent savoir quand et à qui accorder des cartes de fidélité, ou proposer automatiquement des produits en vente additionnelle. Des exemples concrets? En combinant des modèles algorithmiques et les données de ses utilisateurs, Netflix détermine ce qui rend une série ou un film populaires.
C'est parce qu'elle avait cette connaissance de ses utilisateurs que la compagnie a tout fait pour acquérir les droits de la série House of Cards, dont on connaît aujourd'hui le succès. La plus grande chaîne de cafés au monde, Starbucks, a souvent réussi l'exploit d'ouvrir un nouveau salon à proximité de l'un de ses autres salons, sans que cela ait une influence quelconque sur le taux de succès de chacun. Un risque inutile? Pas avec le data mining. T-Mobile et de nombreux autres opérateurs télécoms utilisent l'exploration de données pour identifier les clients susceptibles de passer à la concurrence. En déterminant les causes principales du turnover de sa clientèle, un opérateur peut mettre en œuvre des solutions efficaces pour garder plus de clients. Comment se mettre au data mining? Le data mining s'est d'abord développé dans les secteurs qui manipulent depuis toujours de grands volumes de données clients: banques, assurances, grande distribution, etc., mais aussi parmi les pouvoirs publics.
pinglabel - Cet article explique ce qu'est la pratique du data mining et les méthodes les plus intéressantes pour le mettre en place dans un projet de data science et de machine learning. Le data mining est le processus qui consiste à examiner de grands volumes de données pour générer de nouvelles informations. Intuitivement, vous pourriez penser que « l'exploration » de données fait référence à l'extraction de nouvelles données, mais ce n'est pas le cas. Le data mining consiste plutôt à extrapoler des modèles et des connaissances à partir des données que vous avez déjà recueillies. En s'appuyant sur des techniques et des technologies à l'intersection de la gestion des bases de données, des statistiques et du machine learning, les spécialistes du data mining ont consacré leur carrière à mieux comprendre comment traiter et tirer des conclusions de grandes quantités d'informations. Mais quelles sont les techniques qu'ils utilisent pour y parvenir? Cet article liste et décrit les sept méthodes les plus importantes de data mining.
skytimetravel.net, 2024