" # $ % % & ' ( ) * +,! '()*+ *, + ' +' + ' ' /0 / * 0 4 * 0 6! "##$ % &!
|
|
- Valentine David
- il y a 8 ans
- Total affichages :
Transcription
1 "# $ %%& ' ( )*+, '()*+,'+''-++.+/ *406 "##$ %&
2 8CC "#$%& ' ( )* +,-./ */ 0 +3 *+:3 ;< = >-8-3 >5? *53,,3 / * $/ >B+? - 5, 2 34*56 7 /+#** //8 " 9#**//8 :' +3*++*/ 3 */;*/* 2/6 1
3 D 9D75,DCC E/8/3 ((* :(-,, - E,E 5,, >=A,E7C, 5$ :, 5 $ "-5&$,, 5 "F +&$ E= 9$ -:$ E*-,,D(, = D/8/ 3 ((* - * -,,DC < 75,DCC 8 #// C & 3 D/ B( 7/ %/ :*/ ( /' /// /4 58 D/ >/ 9 +**/ /+@ // 9*/ /? /*/ %*8 $*/(' */?* ' /*/ A*8 D' $**: ' */ /* 4E? #**' //8 :+*/
4 5, 2 34*56 7 /+#** //8 " 9#**//8 :' +3*++*/ 3 */;*/* 2/6 F D=-,:-2F 7 Retours Positifs Point mort Business Intelligence ROI Cumulatif Analyses Prédictives Systèmes Opérationnels Retours Négatifs Source: Jack Noonan G
5 +,,G,D8,G,D8H Modélisation Excel OLAP & Reporting Publications écrites Le doigt mouillé, Le feeling L expérience 5,203,527 quotidiennement Décisions d affaires H D-=9 OPTIMISER Rétention clients Promotions par ciblage Planification de la demande Amélioration de la demande Recommandations Scoring Data Mining ( *) () $( &' PERMETTRE Interaction client Gestion de stocks Supply Chain Management Mesure de la qualité " # $ % CONNAITRE Satisfaction client CA Produit Prix de revient Turnover des salariés I
6 I CC:*,D= Modélisation Prédictive Prédiction de valeurs Classification Régression Probabilité et raisons de Churn de chaque client Décider Modélisation Descriptive Exploration automatisée des données Clustering Associations Profil des «churners» et «non-churners» OLAP Exploration manuelle des données Cubes Historique de l attrition par périodes et par zones géographiques Requête et Reporting Agrégation des données et sommes SQL Feuilles de calcul Historique de l attrition par trimestre Mesurer Concept Technologie Exemple II J 89$GC GCH Modèles Prédictifs Modèles Descriptifs Classification Régression Prévisions avec séries temporelles Analyse Multi-variable Clustering Corrélation iolap Prédire l Inconnu Quels sont les facteurs explicatifs? Le Pouvoir de Comprendre I
7 5, 2 34*56 7 /+#** //8 " 9#**//8 :' +3*++*/ 3 */;*/* 2/6 I- -F + C-5C: IJ Attrition client GJ J 1J J J 7/ Region I1
8 IJ Attrition client GJ J 1J J J 7/ Region I< IJ - F+F Attrition client GJ J 1J J Est Centre Ouest J T T T T T T I
9 ,A =9 F Indicateurs de l attrition client < 1 - I Années client #appels Commandes (moy) Catégorie Région IF F+3 I 5 " 9K"26 #**//8 K"926 IG
10 )*-,-A,DCC -A,DCC Quel est le LTV de ce partenaire? Mon fournisseur livrera-t-il il en temps? Quel est mon risque sur ce prêt? Ce CLIENT quittera-t- il? Comment peut- on Qui achètera augmenter l acquisition ce de clients? PRODUIT? Est-ce que ce programme sera PROFITABLE? Est-ce une Quel est le FRAUDE? meilleur PRIX? Multitude de problèmes d affaires applicables IH +,D= Population totale
11 =-,: Population totale I =-,:: Population totale
12 -I 5 10% Mailing Test Base de Données Clients Appliquer Analyse Retour Mailing Lancement de la campagne - )*--: Historique des Transactions Comptes Clients Marketing Analyse 1< 1 -< - < I< I < Etat civil Total des Achats Age Ventes 1
13 -5 Résultats Net de la campagne Taux de réponse $ 6 5 5,68% $ Aveugle Data Mining ,04% Aveugle Data Mining Résultats: Cette campagne améliore le résultat r net de 46,460 $ avec un taux de réponse r de 6 fois supérieur < 5, 2 34*56 7 /+#** //8 " 9#**//8 :' +3*++*/ 3 */;*/* 2/6
14 I F +75F +":&?*' /6 &/ 8 F I F +75F +"&?*' /6 &/ 8 L*8M/ ' G
15 I F +75F +"&?*' /6 ' ' L*8M/ ' H 75F +?*' /6 -
16 75F +"&?*' /6 -I 75F ;79?*' /6 -
17 ?,,:7F + 8*/ 8' /6 --?,,:7F +"& 8*/ 8' /6-1
18 ?,,:7F +"& 8*/ 8' /6 -<?,,:7F +"& 8*/ 8' /6 -
19 +-K )-,5 L *- Objectifs de l entreprisel «Enterprise Modeling» Identifier les Indicateurs Clés s de Performance (KPIs) Découvrir ce qui influence chaque KPI Prédire le profit de chaque initiative Déployer le modèle Changer les règles Lancer un nouveau produit Ne rien faire -F 8*,GCH Objectif global de l entreprise: l Accroître le profit KPI: Profit par client KPI: Nombre total de clients Accroître l épargne Cross Sell Accroître les ventes en-ligne Cross Sell Accroître les prêts Cross Sell Accroître les ventes de crédit Développement Accroître demandes de prêt Développement Accroître les comptes- chèques Développement Augmenter le découvert Cross Sell Réduire le risque crédit Améliorer la satisfaction client Accroître les crédits Rétention Accroître les comptes- chèques Rétention Améliorer la satisfaction client Initiatives possibles Initiatives possibles -G
20 +,,M5 Performance Impact de la Performance actuelle modélisation potentielle Impact Initiative actuelle modélisation potentielle Impact Cross-Sell des produits $ 2% $ $ Réduire l attrition 5,5% 18% 4,5% $ Cross-Sell des services $ 30% $ $ Campagne en ligne 8% 100% 16% $ Réduire le risque crédit $ 3.4% $ $ -H I N-:O : C, I 5 Clients Ventes Opérations et plusieurs autres Optimisation campagnes Rétention clients Reccommen- Dation produits Risques Prêts-location Optimisation horaires Finance Telco Assurances ebusiness Manufacturier Biotechnologies Pharmaceutique Partout Modèles de Satisfaction Cross Sell Profils Optimisation réponse clients Up Sell représentants demande Marketing Finance Produits Cycle de vie Segmentation Analyse Prévision Planification client client perte et profit financière inventaire Modélisation De production Modélisation exploratoire Analyse de panier Analyse prix Valeur client Risques financiers Création de bundles 1
21 5, 2 34*56 7 /+#** //8 " 9#**//8 :' +3*++*/ 3 */;*/* 2/6 1I P 2/6 */#+/ D + /$?/8 +/NA=* 7*/**/= F<H4*D*;F / *27COF $ 0<I1HGH 1
Agenda de la présentation
Le Data Mining Techniques pour exploiter l information Dan Noël 1 Agenda de la présentation Concept de Data Mining ou qu est-ce que le Data Mining Déroulement d un projet de Data Mining Place du Data Mining
Plus en détailAccélérer l agilité de votre site de e-commerce. Cas client
Accélérer l agilité de votre site de e-commerce Cas client L agilité «outillée» devient nécessaire au delà d un certain facteur de complexité (clients x produits) Elevé Nombre de produits vendus Faible
Plus en détailKaspersky Lab France Retour d expérience, intégration Marketo
Kaspersky Lab France Retour d expérience, intégration Marketo Cécile Feroldi Head of Marketing Kaspersky Lab France 16 juin 2015 Agenda 1. Le projet 2. L état des lieux 3. Les outils aux service d une
Plus en détailIntroduction à la B.I. Avec SQL Server 2008
Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailPlanification, Elaboration budgétaire, Simulation, Analyse Temps Réel BAO02. Cognos TM1. Pascal DELVAL, Customer Technical Professional
Planification, Elaboration budgétaire, Simulation, Analyse Temps Réel BAO02 Cognos TM1 Pascal DELVAL, Customer Technical Professional 2010 IBM Corporation 3 Ensemble complet de Fonctionnalités BI Requête
Plus en détailWe make your. Data Smart. Data Smart
We make your We make your Data Smart Data Smart Une société Une société du du groupe Le groupe NP6 SPECIALISTE LEADER SECTEURS EFFECTIFS SaaS Marketing : 50% Data intelligence : 50% 15 sociétés du CAC
Plus en détailDidier MOUNIEN Samantha MOINEAUX
Didier MOUNIEN Samantha MOINEAUX 08/01/2008 1 Généralisation des ERP ERP génère une importante masse de données Comment mesurer l impact réel d une décision? Comment choisir entre plusieurs décisions?
Plus en détailCybermarché et analyse comportementale
Cybermarché et analyse comportementale Antoine-Eric Sammartino aesammartino@e-laser.fr Séminaire Data Mining - Educasoft Formations 18 juin 2001-1- MENU Le Groupe LaSer Le processus Data Mining L industrialisation
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailSQL SERVER 2008, BUSINESS INTELLIGENCE
SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business
Plus en détailStratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité
Stratégie et Vision de SAP pour le secteur Banque- Assurance: Data-Management, BI, Mobilité Patrice Vatin Business Development SAP FSI Andrew de Rozairo Business Development Sybase EMEA Septembre 2011
Plus en détailTP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3
TP2_1 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 03/11/2014 Plan du TP 2 Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Présentation de la suite Microsoft BI Présentation
Plus en détailAXIAD Conseil pour décider en toute intelligence
AXIAD Conseil pour décider en toute intelligence Gestion de la Performance, Business Intelligence, Big Data Domaine d expertise «Business Intelligence» Un accompagnement adapté à votre métier dans toutes
Plus en détailQU EST-CE QUE LE DECISIONNEL?
La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce
Plus en détailBI CONSULTING. Présentation de l offre. Mai 2013. La Synthèse et le Pilotage en réponse aux besoins des métiers
Présentation de l offre BI CONSULTING La Synthèse et le Pilotage en réponse aux besoins des métiers Mai 2013 Valeur ajoutée 100% Banque Assurance 100% Systèmes de synthèse & de pilotage Des expertises
Plus en détailSharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)...
SharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)... 3 Introduction... 3 Échelle Interactive... 4 Navigation
Plus en détailLes 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie
Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Découvrir les stratégies ayant fait leurs preuves et les meilleures pratiques Points clés : Planifier
Plus en détail1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3.
1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3. Vente et marketing... 7 3.3.1. Gestion de la relation Client
Plus en détailANTICIPEZ ET PRENEZ LES BONNES DÉCISIONS POUR VOTRE ENTREPRISE
ANTICIPEZ ET PRENEZ LES BONNES DÉCISIONS POUR VOTRE ENTREPRISE Editeur - Intégrateur de solutions de gestion Notre stratégie d édition et d intégration : un niveau élevé de Recherche & Développement au
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailLe data mining et l assurance Mai 2004. Charles Dugas Président Marianne Lalonde Directrice, développement des affaires
Le data mining et l assurance Mai 2004 Charles Dugas Président Marianne Lalonde Directrice, développement des affaires AGENDA Qu est-ce que le data mining? Le projet et les facteurs de réussite Les technologies
Plus en détailSpécificités, Applications et Outils
Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining
Plus en détailLe décisionnel plus que jamais au sommet de l agenda des DSI
Le décisionnel plus que jamais au sommet de l agenda des DSI 9 juin 2011 www.idc.com Cyril Meunier IDC France Research & Consulting Manager Copyright 2008 IDC. Reproduction is forbidden unless authorized.
Plus en détailICHEC MANAGEMENT SCHOOL
CASE TELECOMMUNICATION - MOBISTAR BUSINESS CASE TELECOMMUNICATIONS - MOBISTAR Defort Florence De Veyt Marie-Laure Dierickx Arnaud Leruite Julien Marlot Camille ICHEC MANAGEMENT SCHOOL MOBISTAR, EN ROUTE
Plus en détailBienvenue! Le webinaire commencera d ici quelques minutes
11 Septembre 2014 Bienvenue! Le webinaire commencera d ici quelques minutes VIENNA LONDON MUNICH ZURICH BERLIN PARIS HONG KONG MOSCOW ISTANBUL BEIJING SINGAPORE DUBAI Jeudi 11 Septembre 2014 7 ingrédients
Plus en détailDépartement Génie Informatique
Département Génie Informatique BD51 : Business Intelligence & Data Warehouse Projet Rédacteur : Christian FISCHER Automne 2011 Sujet : Développer un système décisionnel pour la gestion des ventes par magasin
Plus en détailComment valoriser votre patrimoine de données?
BIG DATA POUR QUELS USAGES? Comment valoriser votre patrimoine de données? HIGH PERFORMANCE HIGH ANALYTICS PERFORMANCE ANALYTICS MOULOUD DEY SAS FRANCE 15/11/2012 L ENTREPRISE SAS EN QUELQUES CHIFFRES
Plus en détailIBM Cognos Enterprise
IBM Cognos Enterprise Leveraging your investment in SPSS Les défis associés à la prise de décision 1 sur 3 Business leader prend fréquemment des décisions sans les informations dont il aurait besoin 1
Plus en détailDes données à la connaissance client. A la découverte de la plateforme de connaissance client knowlbox
Des données à la connaissance client A la découverte de la plateforme de connaissance client knowlbox Livre blanc mai 2013 A l heure du Big Data, les entreprises s interrogent davantage sur leurs données.
Plus en détailNos Solutions PME VIPDev sont les Atouts Business de votre entreprise.
Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service
Plus en détailFournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement
Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données
Plus en détailLE PETIT RELATION CLIENT. Les pratiques clés en 15 fiches. Nathalie Houver
LE PETIT 2014 RELATION CLIENT Les pratiques clés en 15 fiches Nathalie Houver Dunod, Paris, 2014 ISBN 978-2-10-070826-0 Table des matières LA PRÉPARATION DE LA RELATION COMMERCIALE FICHE 1 Acquérir la
Plus en détailL emailing dans la performance digitale Quelle sera l évolution de l emailing à 3 ans?
L emailing dans la performance digitale Quelle sera l évolution de l emailing à 3 ans? Les engagements de nos membres 2 Les études du SNCD en 2014 3 2010-2012 : L'email est mort 4 Bilan en 2014 EMAIL 3,6
Plus en détailData 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients
Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients Frédérick Vautrain, Dir. Data Science - Viseo Laurent Lefranc, Resp. Data Science Analytics - Altares
Plus en détailSage CRM. La solution complète de Gestion des Relations Clients pour PME. Précision et efficacité à portée de mains!
Sage CRM Précision et efficacité à portée de mains! La solution complète de Gestion des Relations Clients pour PME Alliant l innovation pragmatique, la souplesse d utilisation et l efficacité Le CRM Simplicité
Plus en détailLa Business Intelligence & le monde des assurances
Conseil National des Assurances Séminaire - Atelier L information au service de tous Le 09 Novembre 2005 La Business Intelligence & le monde des assurances Karim NAFIE Regional Presales Manager EEMEA Operations
Plus en détailLe Concept Dynamics Nav. B.I.Conseil
Développement Croissance Développement Productivité Investissement Environnement Ouverture B.I.Conseil Nous sommes Microsoft Business Solutions Partner, ce qui nous permet de travailler en étroite collaboration
Plus en détailPetit Déjeuner Pépinière du Logiciel Libre. 25 juin 2008
Petit Déjeuner Pépinière du Logiciel Libre 25 juin 2008 1 / 37 Agenda Définition & Principes Les différents outils & composants Les Solutions intégrés Open-Source Vos Questions 2 / 37 Agenda Définition
Plus en détailChap 3 : La connaissance du client. I. Les fondements de la connaissance du client. Les principales évolutions sont résumées dans le tableau suivant :
Chap 3 : La connaissance du client I. Les fondements de la connaissance du client A. D une société de consommation à une société de consommateurs Depuis les années 1980, les mutations sociales ont eu d
Plus en détailAgenda. Impact d une mauvaise gestion des données. Les stratégies de promotion interne de la gestion de données
Comment définir les enjeux métier de la gestion de données Christophe Toum Chef de Produit DQ & MDM (Titre original dans l agenda : «Cas d utilisation de la gestion de données») Agenda Impact d une mauvaise
Plus en détailLe Web, l'entreprise et le consommateur. Françoise Soulié Fogelman francoise@kxen.com
Le Web, l'entreprise et le consommateur Françoise Soulié Fogelman francoise@kxen.com Forum "Quel futur pour le Web" Lyon, mardi 21 septembre 2010 THE DATA MINING AUTOMATION COMPANY TM Agenda Le Web un
Plus en détailLa problématique. La philosophie ' ) * )
La problématique!" La philosophie #$ % La philosophie &'( ' ) * ) 1 La philosophie +, -) *. Mise en oeuvre Data warehouse ou Datamart /01-2, / 3 13 4,$ / 5 23, 2 * $3 3 63 3 #, 7 Datawarehouse Data warehouse
Plus en détailBig Data et Marketing : les competences attendues
Big Data et Marketing : les competences attendues Laurence Fiévet Responsable Marketing Corporate Oney Banque Accord LA DYNAMIQUE DU MARKETING Selon la définition de Kotler et Dubois, «Le marketing est
Plus en détailLes Entrepôts de Données
Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations
Plus en détailPartie I Stratégies relationnelles et principes d organisation... 23
Introduction......................................................................... 1 1. Définition........................................................................ 2 1.1 Le CRM comme processus
Plus en détailTP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3
TP2 DE BUSINESS INTELLIGENCE ISIMA ZZ3 F3 30/11/2011 Plan du TP 2 Rappel sur la chaine de BI Présentation de la suite Microsoft BI Ateliers sur SSIS (2H) Ateliers sur RS (2H) 3 Rappel sur la chaine de
Plus en détailBusiness Intelligence avec Excel, Power BI et Office 365
Avant-propos A. À qui s adresse ce livre? 9 1. Pourquoi à chaque manager? 9 2. Pourquoi à tout informaticien impliqué dans des projets «BI» 9 B. Obtention des données sources 10 C. Objectif du livre 10
Plus en détailSQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)
Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence
Plus en détailFilière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.
Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants
Plus en détailL INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE
2009 L INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE Chapitre 1 : BI Une introduction La plupart des administrateurs de bases de données (DBA) ont rencontré une certaine forme de business
Plus en détailEntreprise et Big Data
Entreprise et Big Data Christophe Favart Chef Architecte, SAP Advanced Development, Business Information Technology Public Juin 2013 Agenda SAP Données d Entreprise Big Data en entreprise Solutions SAP
Plus en détailLa fonction Conformité dans l assurance
La fonction Conformité dans l assurance L approche par les risques L exemple de la lutte contre le blanchiment Présentation pour : Faculté d Orléans Intervenant(s) : Laurent GUEREL AG2R LA MONDIALE 1/19
Plus en détailMyReport Le reporting sous excel. La solution de business intelligence pour la PME
La solution de business intelligence pour la PME Qu est que la business intelligence La Business intelligence, dénommée aussi par simplification "Informatique Décisionnelle", est vraisemblablement l'unique
Plus en détailUn nouveau regard sur votre marketing relationnel
Un nouveau regard sur votre marketing relationnel La Proposition ellegiance repose sur une solution clef en main pour votre marque. Elle vous permet de déployer rapidement votre solution de communication
Plus en détailTravailler avec les télécommunications
Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la
Plus en détailLa Business Intelligence pour les Institutions Financières. Jean-Michel JURBERT Resp Marketing Produit
La Business Intelligence pour les Institutions Financières Jean-Michel JURBERT Resp Marketing Produit Agenda Enjeux des Projets Financiers Valeur de Business Objects Références Clients Slide 2 Des Projets
Plus en détailCoheris est agréé organisme de formation, n d agrément 11 92 19507 92.
Formations 2015 Coheris est agréé organisme de formation, n d agrément 11 92 19507 92. Introduction La formation est une préoccupation constante de Coheris vis-à-vis de ses clients et de ses partenaires,
Plus en détailGérer les ventes avec le CRM Servicentre
«Augmentez votre chiffre d affaires en prenant le contrôle de vos activités de ventes» 1 Gérer les ventes avec le CRM Servicentre L ÉVOLUTION EN SOLUTIONS INTÉGRÉES Un développeur de logiciels d expérience
Plus en détail25 October 2013 Dossier Confidentiel MTS CONSULTING ORCA. ORCA est une suite d outils d informatique décisionnel dédiée aux télécoms.
1 est une suite d outils d informatique décisionnel dédiée aux télécoms. C est un produit unique qui permet d accéder directement à vos multiples sources de données (Switch, IN, Facturation, Ventes, Comptabilité).
Plus en détailLe "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique
Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché
Plus en détail7 ingrédients pour personnaliser l expérience client et booster votre chiffre d affaires en seulement 5 semaines
7 ingrédients pour personnaliser l expérience client et booster votre chiffre d affaires en seulement 5 semaines 24 S e p t e m b r e 2014 @Emarsys_France #ECP14 23 > 25 SEPTEMBRE 2014 I PARIS I PORTE
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailBI2B est un cabinet de conseil expert en Corporate Performance Management QUI SOMMES-NOUS?
SOMMAIRE Qui sommes nous? page 3 Notre offre : Le CPM, Corporate Performance Management page 4 Business Planning & Forecasting page 5 Business Intelligence page 6 Business Process Management page 7 Nos
Plus en détaill E R P s a n s l i m i t e
l ERP sans limite 2 Le groupe Divalto, solutions de gestion pour toutes les entreprises 30% du chiffre d affaires en R&D Créé en 1982, le groupe Divalto propose des solutions de gestion adaptées à toutes
Plus en détailMasters Spécialisés «Actuariat et Prévoyance» et «Actuariat et Finance»
Masters Spécialisés «Actuariat et Prévoyance» et «Actuariat et Finance» Introduction au Data Mining K. EL HIMDI elhimdi@menara.ma 1 Sommaire du MODULE Partie 1 : Introduction au Data Mining Partie 2 :
Plus en détailVotre Infrastructure est-elle? Business Intelligence. Améliorer la capacité d analyse et de décision de vos équipes
Votre Infrastructure est-elle? Business Intelligence Améliorer la capacité d analyse et de décision de vos équipes Sommaire Introduction : Les domaines d application de la Business Intelligence p. 4 Vue
Plus en détailLIVRE BLANC. Les données sociales : De nouvelles perspectives pour les systèmes d information décisionnels?
LIVRE BLANC Les données sociales : De nouvelles perspectives pour les systèmes d information décisionnels? Préambule A propos de Logica Business Consulting Le Groupe Logica est un acteur européen majeur
Plus en détailL olivier Assurances Licence 3 Econométrie Lyon II
15 novembre 2013 L olivier Assurances Licence 3 Econométrie Lyon II Pascal Gonzalvez 1 L olivier Assurances et le Groupe Admiral Segmentation et tarification en assurance auto Autres applications de la
Plus en détailOrganisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining.
2 jours : Mardi 15 et mercredi 16 novembre 2005 de 9 heures 30 à 17 heures 30 Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. Madame, Monsieur, On parle
Plus en détailSolution de planifi cation et de reporting unifi é pour Sanofi
Solution de planifi cation et de reporting unifi é pour Sanofi «Avec Jedox, les départements font leur budget directement sur le web. C est un gain de temps indéniable pour mon équipe qui peut désormais
Plus en détailS84-1 LA GRC ET LE SI (Système d Information) 841 - Qualification des données clientèle. 842 - La segmentation de la clientèle
S84-1 LA GRC ET LE SI (Système d Information) 841 - Qualification des données clientèle 842 - La segmentation de la clientèle 843 - Les actions personnalisées utilisation des procédures de consultation
Plus en détailSolutions Décisionnelles SPAD. La maîtrise des données, l'art de la décision
Solutions Décisionnelles SPAD La maîtrise des données, l'art de la décision SPAD, la référence en Analyse de Données et Data Mining La solution logicielle SPAD permet de tirer le meilleur parti de tous
Plus en détailCAMPAIGN MANAGER. La gestion des campagnes. Campaign Manager
CAMPAIGN MANAGER La gestion des campagnes. Campaign Manager Aperçu de nos prestations. Adresses privéés Adresses professionelles Analyses Mutations d adresses Geomarketing Production de Mailings Sinus
Plus en détailLondres 1854 Des problèmes (re)connus Faire plus avec moins Tendances et défis «BYOD» WIN INTUNE «Nouveaux paradigmes» «Big Data» «Cloud» Windows Server Gestion Sys. Center Identité & Virt CLOUD OS Microsoft
Plus en détailINTRODUCTION A LA GESTION DE LA RELATION CLIENT
INTRODUCTION A LA GESTION DE LA RELATION CLIENT La Gestion de la Relation Client (GRC) correspond à l'expression anglaise Customer Relationship Management (CRM). «La GRC est l'ensemble des outils et techniques
Plus en détailVente additionnelle. Toujours plus ou encore mieux?
Vente additionnelle Toujours plus ou encore mieux? Nouveaux marchés, progression du chiffre d affaires, opportunités de croissance Autant de préoccupations qui interviennent au quotidien dans la stratégie
Plus en détailChapitre 9 : Informatique décisionnelle
Chapitre 9 : Informatique décisionnelle Sommaire Introduction... 3 Définition... 3 Les domaines d application de l informatique décisionnelle... 4 Architecture d un système décisionnel... 5 L outil Oracle
Plus en détailL'impact économique total (Total Economic Impact ) de PayPal France
L'impact économique total (Total Economic Impact ) de PayPal France Sebastian Selhorst Consultant TEI Forrester Consulting 29 Mars 2011 1 2011 Forrester Research, Inc. Reproduction 2009 Prohibited Forrester
Plus en détailwebanalyste Boostez les performances de votre site Web grâce aux conseils du webanalyste
QUOI QUANTI QUALI POURQUOI webanalyste Boostez les performances de votre site grâce aux conseils du webanalyste webanalyste Qui c est? Mon nom est Franck Scandolera, je suis consultant et optimisation
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Plus en détailDonnées des SIM. Données signalétiques (nom, adresse), Historique d achat, Réactions passées aux actions de promotion
Données des SIM Bases de données produits Identification, caractéristiques techniques, caractéristiques commerciales (prix, unités de vente, fournisseurs), état des stocks, ventes réalisées Bases de données
Plus en détailGroupe Eyrolles, 2004 ISBN : 2-212-11331-5
Groupe Eyrolles, 2004 ISBN : 2-212-11331-5 Table des matières Préface........................................................ V Remerciements................................................ VII Introduction...................................................
Plus en détailGestion de Relation Client Quoi de neuf L œil d un fournisseur d application
Gestion de Relation Client Quoi de neuf L œil d un fournisseur d application Assemblée AFRC Pierre-Yves Fumaroli Responsable avant-vente CRM, Oracle France Oracle et la sérénité du choix Des thèmes porteurs
Plus en détailMalgré la crise, Le décisionnel en croissance en France
Malgré la crise, Le décisionnel en croissance en France 11 juin 2009 www.idc.com Cyril Meunier IDC France Consulting Manager Copyright 2009 IDC. Reproduction is forbidden unless authorized. All rights
Plus en détailLes clients puissance cube
LETTRE CONVERGENCE Les clients puissance cube L intelligence artificielle au service du marketing des services N 28 To get there. Together. A PROPOS DE BEARINGPOINT BearingPoint est un cabinet de conseil
Plus en détailIntégrer le CRM : quelle utilité, quels profits pour ma PME?
Conférence Applica - 22 avril 2002 Intégrer le CRM : quelle utilité, quels profits pour ma PME? Stéphanie WAILLIEZ Analyste CRM, CXP swailliez@cxp-international.com CXP en quelques mots et quelques chiffres
Plus en détailChanger la source d'une requête dans SAS Enterprise Guide. Ce document explique comment changer la table source de la tâche Filtre et requêtes.
SAS, Cognos, Stata, Eviews, conseil, expertise, formation, mining, datamining, statistique, connaissance Changer la source d'une requête dans SAS Enterprise Guide client, valeur client, CRM, fidélisation,
Plus en détailIntroduction Big Data
Introduction Big Data SOMMAIRE Rédacteurs : Réf.: SH. Lazare / F. Barthélemy AXIO_BD_V1 QU'EST-CE QUE LE BIG DATA? ENJEUX TECHNOLOGIQUES ENJEUX STRATÉGIQUES BIG DATA ET RH ANNEXE Ce document constitue
Plus en détailMICROSOFT DYNAMICS CRM & O Val
MICROSOFT DYNAMICS CRM & O Val O Val Operational Value JSI Groupe 2, rue Troyon 92310 Sèvres 1 AGENDA 1. QUI SOMMES-NOUS? 2. NOS OFFRES 3. UNE ORGANISATION COMMERCIALE DÉDIÉE À NOS CLIENTS 4. O VAL : OPERATIONAL
Plus en détailEnjeux mathématiques et Statistiques du Big Data
Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris
Plus en détailBI2 : Un profil UML pour les Indicateurs Décisionnels
BI2 : Un profil UML pour les Indicateurs Décisionnels Sandro Bimonte Irstea, TSCF, 9 Av. Blaise Pascal, 63178, Aubière, France sandro.bimonte@irstea.fr Thème de Recherche MOTIVE www.irstea.fr 2 Plan Motivations
Plus en détailIBM SPSS Direct Marketing
IBM SPSS Statistics 19 IBM SPSS Direct Marketing Comprenez vos clients et renforcez vos campagnes marketing Points clés Avec IBM SPSS Direct Marketing, vous pouvez : Comprendre vos clients de manière plus
Plus en détailDécouvrez le portefeuille de produits IBM SPSS
Business Analytics Logiciels SPSS Découvrez le portefeuille de produits IBM SPSS L analytique avancée qui aident les entreprises à anticiper le changement et à prendre des mesures pour améliorer leurs
Plus en détailENSEIGNEMENT ET MONDE PROFESSIONNEL. Illustration d un lien fort au travers d un cours de scoring. Jean-Philippe KIENNER 7 novembre 2013
ENSEIGNEMENT ET MONDE PROFESSIONNEL Illustration d un lien fort au travers d un cours de scoring Jean-Philippe KIENNER 7 novembre 2013 CONTEXTE Une bonne insertion professionnelle des étudiants passe par
Plus en détailGrégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved.
Grégoire de Lassence 1 Grégoire de Lassence Responsable Pédagogie et Recherche Département Académique Tel : +33 1 60 62 12 19 gregoire.delassence@fra.sas.com http://www.sas.com/france/academic SAS dans
Plus en détail