DATA MINING : ANALYSE DE LA BASE DE DONNEES «ACTIFS.MDB»
|
|
- Jean-Charles Cardinal
- il y a 8 ans
- Total affichages :
Transcription
1 EUZENADE Anne-Laure DESS 220 Informatique de gestion Université de Paris Dauphine DATA MINING : ANALYSE DE LA BASE DE DONNEES «ACTIFS.MDB» ANALYSE DE DONNEES E. DIDAY
2 SOMMAIRE INTRODUCTION...1 I. PRESENTATION DES DONNEES...2 A) LA BASE DE DONNEES... 2 B) LES OPCVM... 3 C) PRESENTATION DE LA BASE... 4 II. LA METHODOLOGIE D ANALYSE DES DONNEES ET PRESENTATION DE SODAS...5 A) L ANALYSE DE DONNEES SYMBOLIQUES Les individus de premier et de second ordre Les types de variables...5 B) UTILISATION DE SODAS Présentation du logiciel Fonctionnement... 7 III. ANALYSE DES DONNEES DES OPCVM...9 A) LES DONNEES SYMBOLIQUES... 9 B) UTILISATION DE SODAS La méthode SOE (Symbolic Object Editor) La méthode STAT La méthode DIV : Divisive Clustering La méthode TREE : arbre décisionnel La méthode PYR CONCLUSION... 26
3 INTRODUCTION L objectif de ce rapport est d analyser des données grâce à un logiciel de Data mining : SODAS (Symbolic Official Data Analyse System). Le data mining est apparu dans les années 90, pour extraire des connaissances nouvelles à partir d une base de données. Le data mining tire, à partir d une vaste base de données, des «pépites», c est à dire des conclusions nouvelles quant aux données entrées dans le logiciel. Il existe de nombreux logiciels de data mining tels que Clémentine, SAS ou Oracle. Tous ont la méthodologie en commun : il faut trouver un domaine, construire une base (data warehouse), définir des questions ouvertes et le problème général. Une fois ces étapes accomplit, en rentrant en input dans le logiciel les requêtes de la base, il en sortira, en output, les réponses aux questions posées (après une brève analyse des résultats). Ainsi, tout au long de ce mémoire, nous nous attarderons sur l analyse des OPCVMs gérée par la société SG AM. La base de données regroupe des données sur les caractéristiques des OPCVMs (clients, support, devise ) et notamment sur la plus ou moins value dégagée entre la date de création et la date de fermeture. Nous pouvons aussi nous intéresser à la croissance de la valeur de ces OPCVMs entre ces deux dates. Le problème général principal sera de savoir s il est possible de tirer des conclusions quant aux caractéristiques principales d un OPCVM «rentable» (avec une plus value et une croissance importante) ou déficitaire
4 I. PRESENTATION DES DONNEES A) LA BASE DE DONNEES Les données que nous allons utilisées pour notre étude proviennent de la base de données ACCESS : Actifs.mdb. Cette base regroupe des données sur des OPCVM gérées par SG AM (Société Générale Asset Management, filière de la Société Générale). J ai choisi de conserver uniquement les données sur les OPCVM qui sont clôturées pour une meilleure interprétation des résultats. Ainsi, la plus value dégagée sera calculée sur la différence de valeur entre la date de création et la date de clôture et non pas sur les cours des OPCVMs. De plus, les données sur les OPCVM étant multiples, nous les avons réduites pour le besoins de l analyse. Ainsi, les valeurs prises au cours du temps par les OPCVMs n entrent pas en compte. Nous pouvons considérer cette base de données représentatives des OPCVM gérées par SG AM, entre 1995 et Nous pouvons alors donner le schéma relationnel de la base : - 2 -
5 NB : Le CodServGes correspond au numéro de service de la SGAM qui gère l OPCVM. Le TypSupport indique la composante de l OPCVM (SICAV, FCP) Le NomZoneGéo indique le nom de la zone géographique à laquelle appartient l OPCVM Le DELTA est la différence entre la valeur initiale et la valeur finale L Intervalle donne l intervalle du delta de la plus value de l OPCVM La classe est l intervalle auquel appartient la «croissance» de la valeur de l OPCVM entre sa date de clôture et sa date d ouverture (DELTA / valini). Mais avant l analyse de données, rappelons brièvement ce qu est un OPCVM : B) LES OPCVM Un OPCVM est un Organisme de Placements Collectif en Valeurs Mobilières. Il est composé d instruments financiers : Actions, Obligations ou instruments financiers divers, négociables sur le marché. Les OPCVM collectent l'épargne auprès du public afin de la placer sur les marchés financiers. Ex : SICAV ( société d investissement à capital variable ), dont la fonction est d attirer le petit épargnant. Généralement, un OPCVM est composé d un seul de ses instruments financiers mais il arrive, de plus en plus souvent, pour des raisons évidentes de sécurité, que le client souhaite diversifier sa composition. On parle alors d OPCVM diversifiés. Les OPCVM diversifiés sont donc composés de ces trois types d instruments financiers et par conséquent, on le divise en trois pour être gérées par trois gérants, chacun compétent dans son domaine. Ce sont alors les Fonds de Fonds ou alors, OPCVM d OPCVM. On parle aussi, parfois, d OPCVM de placement collectif : ce sont des OPCVM dédiés à plusieurs particuliers, pour une valeur globale. Chaque particulier achète la part qu il souhaite. C est un OPCVM à capital non fixe, c est à dire que la valeur globale de l OPCVM évolue en fonction du nombre de particuliers y adhérant. Mais on peut aussi avoir un OPCVM divisé en SICAV (capital variable) et en FCP (Capital fixe). Concernant les FCP, il y aura un nombre limité de clients dans un OPCVM de placement collectif. Nous venons d expliquer, très brièvement, la notion d OPCVM. Dans la base étudiée, à un OPCVM est associé un seul support, un seul client et un seul service de gestion, ce qui implique que les OPCVMs diversifiés ont déjà été divisés. Nous pouvons désormais décrire la base de données utilisée avec les différentes variables prises en compte
6 C) PRESENTATION DE LA BASE Voici les différentes tables : TB GLOBAL OPCVM : cette table regroupe toutes les données par OPCVM, la clé unique correspond à un code OPCVM. TypeClient : cette table stocke les différents type de client des OPCVM. Ils sont de trois sortes : les personnes morales (Entreprise, institutions etc), les personnes physiques (particuliers etc) ou le type Tous public (l OCPVM s adresse aux deux publics). La clé unique correspond à un numéro associé à chaque type de client. TypeSupport : cette table stocke les différents type de support existant pour les OPCVM : FCP divers, SICAV, Fonds dédiés etc. La clé unique correspond à un numéro unique par type de support. NalitéSupport : cette table stocke la nationalité de chaque support de l OPCVM. La clé unique correspond à un numéro unique par support. Nous pouvons ajouter que cette table est liée à TB GLOBAL OPCVM et non à Type Support car un même support peut avoir plusieurs nationalité. ZoneGéo : cette table stocke les zone géographiques des OPCVM. La clé unique est un numéro unique par zone géographique. SerGes cette table stocke le service de gestion s occupant de l OPCVM. La clé unique correspond au numéros de service utilisés chez SG AM. Toutes les tables sont reliées entre elles par un lien d intégrité référentielle. Nous venons alors de décrire les données des OPCVMs qui seront analysées ici. Mais avant de faire cette analyse, nous allons présenter le logiciel SODAS et quels sont les principes utilisés
7 II. LA METHODOLOGIE D ANALYSE DES DONNEES ET PRESENTATION DE SODAS A) L ANALYSE DE DONNEES SYMBOLIQUES Avant de commencer l analyse, il faut définir quelques notions, pour mieux comprendre l objectif et la méthodologie utilisée. 1 - Les individus de premier et de second ordre Pour analyser des données avec le logiciels SODAS, il faut identifier les individus de premier et de second ordre. Les individus de premier ordre sont des individus à part entière. On peut donner comme exemple un homme ou un chien. Les individus de second ordre sont les concepts. C est un ensemble associée à une classe. Les concepts sont définis par leurs intentions et leurs extensions. Un concepts est l ensemble des individus qui satisfait ses propriétés. Par exemple, les hommes ou les chiens. Le but de l analyse de données est d étudier les individus de premier ordre. On étend alors les méthodes utilisées aux individus de second ordre. 2 - Les types de variables Il existe différents types de variables que nous devons décrire avant de commencer l analyse : Les données uniques quantitatives : par exemple, un individu x a un seul âge y : Age(x) = y. Les données uniques nominales : par exemple, le nom de l individu x : Nom(x)= «peter» Les données multivaluées : par exemple, le nombre d enfant : nb(x) = {1, 2, 4}. C est à dire que l individu x a soit 1, soit 2 soit 4 enfants. Des intervalles : par exemple, l âge de l individu qui est : âge(x)=[22 ; 30]. L individu a entre 22 et 30 ans
8 Des taxonomies : par exemple, une ville appartient à une seule région. Et plusieurs villes peuvent appartenir à plusieurs à la même région. L ensemble de ses variables est utilisé pour constituer le tableau des données symboliques à analyser. B) UTILISATION DE SODAS Le logiciel SODAS est un logiciel issu d un projet européen avec 17 équipes de projets et financé par EURO STAT. Les principaux avantages de ce logiciel est qu il est gratuit et disponible sur Internet, sur le site : Présentation du logiciel L analyse de données par SODAS débute à partir d une base de données, sur un logiciel Microsoft ou autre (comme ACCESS). Des requêtes doivent être faites au préalable sur le logiciel utilisé. Dans cette base de données, il faut définir les objets de premier ordre, les variables que les décrivent et les concepts. A chaque individu doit être associé un concept. Les taxonomies doivent aussi être détaillées. Après avoir fait les requêtes nécessaires sur le logiciel de base de données, il est nécessaire de tout importer sur SODAS. Ceci sera fait grâce à l interface DB2SO. Un tableau de données symboliques est alors créé. SODAS a identifié les concepts et les a décrit par une généralisation des propriétés des individus qui leur sont associés. Ce tableau est ensuite analysé par les différentes méthodes de SODAS. L utilisateur utilisera les méthodes qui lui paraissent les plus judicieuses pour son analyse. Il dispose de douze méthodes : certaines pour identifier les caractéristiques principales des concepts (SOE, STAT ), d autres pour analyser les éventuels rapprochements entre les différents concepts (DIV ou TREE ). A partir du logiciel SODAS, on fait une analyse simplifiée. Les résultats sont facilement analysables. L interface est simple et facile d utilisation. Nous pouvons décrire son fonctionnement plus précisément
9 4 - Fonctionnement L interface du logiciel SODAS est très simple. Il est composé de trois fenêtres principales, regroupant toute l analyse de données : (1) (2) (3) (1) C est la barre de menu : elle permet de créer la chaine d analyse des données. A l aide de «sodas file» / «Import», on importe les données d un logiciel de base de données (access par exemple) vers SODAS. Le menu «Chaining» / «Open» ou / «New» permet d ouvrir une chaîne déjà existante ou d en créer une. (2) C est la fenêtre des méthodes d analyse disponibles et mises au point pour SODAS. Ces méthodes peuvent être incorporer dans la chaîne pour analyser les données de la base. La méthode SOE est une méthode qui décrit graphiquement les concepts et ses variables. Elle permet de faire ressortir les caractéristiques principales de chaque concept. C est la première méthode à utiliser pour l analyse des données. Les méthodes utilisées ensuite sont choisies au grès de l utilisateur
10 (3) C est la fenêtre principale : c est la chaîne d analyse (notre analyse sur les OPCVMs ). La «case» du dessus est celle qui correspond à la base de données utilisée. C est un fichier.sds qui est généré par le DB2SO. Il comprend toutes les requêtes appelées pour l analyse. Les autres «cases» du dessous correspondent à toutes les méthodes utilisées lors de l analyse. Le symbole d une page représente le reporting des résultats de la méthode, et le schéma le plus à droite représente graphiquement les résultats, s il y en a. Il suffit de cliquer deux fois sur l icône voulu soit pour indiquer les arguments de la méthodes (et les modifier), soit pour visualiser le rapport, soit pour visualiser les résultats. Maintenant que nous avons décrit à la fois les données et le logiciel ainsi que son fonctionnement, nous pouvons commencer l analyse
11 III. ANALYSE DES DONNEES DES OPCVM A) LES DONNEES SYMBOLIQUES 5 - Les individus de premier et de second ordre Nous utilisons donc la base de données Actifs.mdb. Nous prenons comme individus de premier ordre la plus value des différentes catégories d OPCVM. Pour décrire les OPCVM, nous avons les variables suivantes : 1. La plus value dégagée entre la date de création et la date de clôture : DELTA 2. L intervalle auquel appartient la plus value : Intervalle 3. Le type de support (SICAV ou FCP) : Type support (x2) 4. Nationalité du support : Nom Nat Support 5. La date de création de l OPCVM : Date créa 6. le type de client (personne morale ) : NomTypClient 7. L OPCVM est elle «tout public»? : Tout public 8. La nationalité du client : Nationalité Client 9. Fonds de Fonds : Fds de fds 10. La référence du continent sur lequel est basé l OPCVM : N ZoneGéo 11. La zone géographique à laquelle appartient l OPCVM : Nom Zone Géo 12. La classe d augmentation de la valeur de l OPCVM : classe 13. La localisation du service de gestion de l OPCVM : Localisation 14. Plus ou moins value : PV ou MV 15. Le service de gestion de l OPCVM : NomSerGes 16. La devise de l OPCVM : RefDevInv 17. Fonds de groupe : Fds Groupe 18. Pays de l OPCVM : RefPays 19. Le numéro de la société qui gère l OPCVM : N Stéges 20. La division de la SGAM qui gère l OPCVM : DivisionRattchmt Enfin, les concepts sont les intervalles des plus values générées, groupées avec la «croissance» de la valeur de l OPCVM entre sa création et sa clôture. Ces concepts sont des variables qualitatives par définitions car ce sont une chaîne de caractères. On obtient ainsi 18 concepts : - Une plus value comprise entre 0 et avec une croissance entre 1 et 5-9 -
12 - Une plus value comprise entre 0 et avec une croissance inférieure à 1 - Une plus value comprise entre 0 et avec une croissance entre 0 et 1 - Une plus value comprise entre 0 et avec une croissance de 0 - Une plus value comprise entre 0 et avec une croissance supérieure à 5 - Une plus value comprise entre et 0, avec une croissance entre 5 et 1 - Une plus value comprise entre et 0, avec une croissance entre 0 et 1 - Une plus value comprise entre et , avec une croissance entre 1 et 5 - Une plus value comprise entre et avec une croissance entre 0 et 1 - Une plus value comprise entre et avec une croissance supérieure à 5 - Une plus value comprise entre et avec une croissance entre 5 et 1 - Une plus value comprise entre et avec une croissance entre 5 et -1 - Une plus value comprise entre et avec une croissance entre 5 et 1 - Une plus value comprise entre et avec une croissance entre 1 et 0 - Une plus value entre et avec une croissance entre 1 et 5 - Une plus value entre et avec une croissance supérieure à 5 - Une plus value inférieure à avec une croissance entre 5 et 1 - Une plus value supérieure à avec une croissance supérieure à 5 On utilise ensuite le module DB2SO de SODAS, qui permet de construire l ensemble des assertions de la base de données Actif.mdb. Les individus appartenant à différents groupe sont regroupés: ici, on regroupe les OPCVM par type de plus values. Chaque groupe constitue une assertion. On rajoute ensuite la description des concepts et une taxonomie. 6 - Requêtes utilisées pour l analyse de données : Afin d analyser les données de Actif.mdb dans Sodas, nous faisons quatre requêtes sur Access : La première requête, nommée «Data» renvoie tous les individus de premier ordre et les variables de descriptions utilisées pour l analyse
13 Sous DB2SO, on tape «Select * from [Data] ;» Data est définie comme suit : SELECT FROM WHERE [TB GLOBAL OPCVM].NomOpcvm, ([Intervalle]+" de "+[Classe]) AS PV, [TB GLOBAL OPCVM].DELTA, TypSupport.TypeSupport, NalitéSupport.NomNatSupport, [TB GLOBAL OPCVM].DateCréa, TypClient.NomTypClient, [TB GLOBAL OPCVM].[Tout public?], [TB GLOBAL OPCVM].NalitéCli, [TB GLOBAL OPCVM]. [ Fds de Fds], [TB GLOBAL OPCVM].N ZoneGéo, ZoneGéo.NomZoneGéo, [Serv Ges].Localisation, [Serv Ges].NomServGest, [TB GLOBAL OPCVM].N StésGes, [TB GLOBAL OPCVM].RefDevInv, [TB GLOBAL OPCVM].FdsGroupe, [TB GLOBAL OPCVM].RefPays, [Serv Ges].DivisionRattchmt ZoneGéo, TypSupport, TypClient, [Serv Ges], NalitéSupport, [TB GLOBAL OPCVM] NalitéSupport.N NatSupport = [TB GLOBAL OPCVM].N NatSupport) AND (NalitéSupport.N NatSupport = [TB GLOBAL OPCVM].N NatSupport)) AND [Serv Ges].CodServGes = [TB GLOBAL OPCVM].CodServGes) AND TypClient.N TypClient = [TB GLOBAL OPCVM].N TypClient) AND TypSupport.N TypSupport = [TB GLOBAL OPCVM].N TypSupport) AND ZoneGéo.N ZoneGéo = [TB GLOBAL OPCVM].N ZoneGéo; La seconde requête utilisée définit les concepts : «Select * from [Support-pv] ;» SELECT DISTINCT (Data.PV), [Moins value].intervalle, [Moins value].classe, [Moins value].[pv ou MV] FROM WHERE Data, [Moins value] Data.PV = [Moins value].pv; La troisième requête pondère les plus value à 1. C est une variable Multi-Booléenne. «Select * from [Support] ;» La requête a pour code : SELECT FROM DISTINCT ([Data].[PV]), [Data].[TypeSupport], 1 AS Pondération Data;
14 Il a été nécessaire, via l interface de sodas DB2SO de modifier le type de la variable TypeSupport pour qu elle soit considérée comme une variable Multimodale booléenne. Enfin, la quatrième requête crée une taxonomie entre le service qui s occupe de l OPCVM et la direction qui lui est rattachée, au sein de la SGAM. En effet, un service appartient à une seule direction. La taxonomie prendra alors en compte ce lien. «Select * from [Taxogestion] ;» SELECT FROM WHERE DISTINCT Data.NomServGest, [Serv Ges].DivisionRattchmt Data, [Serv Ges] Data.NomServGest = [Serv Ges].NomServGest; On a alors le fichier DB2SO suivant, qui résume l ensemble de nos données : Première requête Seconde requête Troisième requête Taxonomie Nous exportons ensuite ce fichier vers un fichier sodas : OPCVM.sds. On pourra ainsi analyser les données. On connaît les objets symboliques et les variables de descriptions (cf. pages 9-10). On peut aussi décrire la taxonomie dégagée :
15 Division SGAM Services : SGAM /ACT ACT/EUR, ACT/INT SGAM / PRIV / FRA PRIV/FRA SGAM / ALT ALT/FCR, ALT/SAM SGAM / DIV DIV/GES, DIV/GEP, DIV/FDF, DIV/ESA SGAM / OBM OBM/MON, OBM/INV, OBM/INT,OBM/FRA, OBM/EUR, OBM/CIM, OBM/CAL, OBM/ASS. FILIALES SGAM USA/COWEN, USA, TOK, SIN, LONDR_EMM, LONDR, FFR (Frankfort), ESP, BRASIL, KOSMOS SOGEN AM, BAREP GESTION. SGAM / ETG ETG B) UTILISATION DE SODAS 1 - La méthode SOE (Symbolic Object Editor) La méthode SOE permet de présenter l ensemble des objets symboliques et les variables descriptives. La visualisation des données se fait grâce à l étoile ZOOM. Chaque étoile ZOOM représente un objet symbolique avec l ensemble de ses variables. Il est ainsi aisé de voir les caractéristiques principales qui ressortent pour chaque objet. On pourra aussi comparer les objets symboliques entre eux. L étoile zoom peut être visualiser en deux ou trois dimensions. Application de la méthode : On visualise les objets symboliques qui sont intéressants : une plus value faible avec une croissance maximale, une grande plus value à croissance élevée, une moins value extrême avec une décroissance faible On prend donc : Une plus value comprise entre [0 ; [ avec une croissance supérieure à 5, Une plus value > avec une croissance supérieure à 5, Une moins value comprise entre [ ; [ avec une croissance supérieure à 1, Une croissance comprise entre [ ;50 000[ avec une croissance supérieure à
16 Les variables visualisées sont : le type et la nationalité du support le type et la nationalité du client la zone géographique de l OPCVM Le service de la SGAM qui s occupe de l OPCVM On obtient alors les étoiles suivantes :
17 Cette étoile 2D (et 3D à droite) représente les OPCVM qui ont une plus value comprise entre 0 et mais qui ont une croissance supérieure à 500%. Les caractéristiques que nous pouvons en sortir sont : ce sont des clients de type «Personne morale» à 100 %, français. Le support est un FCP Français. On remarque donc que ce concept est caractérisé par une nationalité française que ce soit pour des clients ou pour les types de support. De plus, ces OPCVM sont exclusivement gérés par la direction DIV de la SGAM (division s occupant de la gestion diversifiée)
18 Nous regarderons ici l étoile en 3D (à droite) sur les OPCVM d une plus value supérieure à et d une croissance supérieure à 500 % est plus hétérogène. Les clients sont français et indiens, de type personne morale. Le support est toujours un FCP (Fonds communs de placement dédiés )
19 Cette étoile 2D représente les OPCVM d une plus value comprise entre et mais toujours d une croissance supérieure à 500%. On remarque qu il y a toujours les mêmes caractéristiques, à savoir : les clients Français et indiens, et un support FCP français. La différence provient du type de client : ici, il s agit d OPCVM ouverts à tous le monde. Les directions qui les gèrent sont multiples. Il s agit majoritairement de la gestion alternative de la SGAM (SGAM/ALT). On peut alors se demander si une telle croissance provient du fait de la nationalité française des supports mais aussi des clients. On analysera alors une autre catégorie des concepts : une moins value comprise entre et , avec une croissance comprise entre 100% et 0 :
20 Ici, la répartition est beaucoup plus hétérogène d après l étoile trois D: le support est Français, irlandais, japonais Et même le type de support est différent (FCP mais aussi SICAV et majoritairement des GSM). Les clients proviennent de multiples pays. Et c est sans doute pour cette raison qu une grande partie de ces OPCVM sont gérés par les filiales étrangères de la SGAM. On peut donc dire, à partir de ces analyses, qu une croissance de 500 % des OPCVM se caractérise par une gestion française de FCP et de clients français. Les moins values, plus rares, sont hétérogènes. On peut se demander si elles sont dues à une mauvaise économie ou à une mauvaise gestion
21 2 - La méthode STAT La méthode STAT de SODAS donnera des graphes différents selon le type des variables. Il existe quatre méthodes différentes : les fréquences relatives pour les variables multimodales, les fréquences relatives pour des variables intervalle, les capacités et les min, Max ou moyenne pour les variables multimodales probabilistes. Enfin, on a la possibilité de visionner les variables intervalles grâce à un graphe biplot. Ici, on n analysera que les variables à l aide du graphe des capacités : Cette méthode construit un histogramme présentant la probabilité minimum, la probabilité maximale et la probabilité moyenne prise pour chaque modalité de la variable sélectionnée. Application : On prend le paramètre «TypeSupport» de l OPCVM : En observant cet histogramme, on apprend que pour certains objets symboliques, les Fonds Communs de placement sont les uniques supports. En effet, le maximum des modalités des FCPE ou des FCP Dédié est 1. Ainsi, on peut penser que le support unique de certains concepts se restreints à un seul type : le FCPE ou FCP Dédié
22 On peut remarquer que le FCPE a la moyenne la plus élevée, suivi des FCP Dédié puis des FCP. Nous pouvons alors dire que le support des Fonds communs de placement est le support les plus utilisés dans les concepts étudiés. Enfin, il apparaît qu aucun support n est présent à la fois dans tous les objets symboliques : le minimum des proportions de tous les supports est 0. On peut aussi étudier les types de client : Nous remarquons que les clients de type «Personne morale» sont présents à la fois dans tous les concepts car le minimum de ses proportions est supérieur à 0. De plus, nous pouvons remarquer que pour certains objets symboliques ce type de client est le seul demandeur. En effet, c est la seule modalité qui a une capacité maximale de La méthode DIV : Divisive Clustering La méthode DIV est une méthode de classification hiérarchique. La première classe de la division contient tous les objets symboliques. Puis, chaque classe est divisée en deux sous classes selon une question binaire (réponse par oui ou non). L utilisateur indique les variables ordonnées qu il souhaite utilisée pour la classification ainsi que le nombre de classes qu il désire voir apparaître
23 Le résultat se présente sous forme de fichier texte qui rassemble : Les variables sélectionnées par l utilisateur Pour chaque classe, une liste des objets symboliques y appartenant. L arbre présentant la division hiérarchique avec le nombre de classes indiquées par l utilisateur. Application : Paramètres : les variables sélectionnées sont : Le type et la nationalité du support et le nom et le type de client. On obtient les résultat suivant : PARTITION IN 6 CLASSES : : Classe 1 (n=4) : "[10000;50000[ de <1" "[10000;50000[ de >5" "[-10000;0[ de [-5;-1[" "[50000;100000[ de >5" Classe 2 (n=1) : "[0;10000[ de 0" Classe 3 (n=5) : "[0;10000[ de <1" "[0;10000[ de [1;5[" "[50000;100000[ de [1;5[" "[0;10000[ de >5" "[0;10000[ de >-1" Classe 4 (n=2) : "[-10000;0[ de >-1" "[ ;-50000[ de >-1"
24 Classe 5 (n=1) : "[-50000;-10000[ de [-5;-1[" Classe 6 (n=5) : "[-50000;-10000[ de >-1" "< de [-5;-1[" "> de >5" "[ ;-50000[ de [-5;-1[" "[10000;50000[ de [1;5[" Explicated inertia : THE CLUSTERING TREE : the number noted at each node indicates the order of the divisions - Ng <-> yes and Nd <-> no Classe 1 (Ng=4)!! [NomTypClient <= Tous Public]!!!! Classe 3 (Ng=5)!!!!!!---4- [TypeSupport <= FCPE]!!!!!!!! Classe 5 (Ng=1)!!!!!!!!!---5- [TypeSupport <= FCP]!!!!!!! Classe 6 (Nd=5)!!!!! [NalitéCli <= FRA]!!! Classe 4 (Nd=2)!! [NomNatSupport <= France]! Classe 2 (Nd=1)
25 A travers cette hiérarchisation, nous constatons que la nationalité du support est la première tranche de découpage. Nous pouvons même dire que les supports sont les plus souvent français (seul les concept ayant une croissance de 0 % ne sont pas français). Cela signifie que concernant SG AM, les OPCVM ont principalement des supports français. Ceci n est pas étonnant étant donné que SG AM est situé en France En descendant dans cette hiérarchie, nous voyons que la majorité des clients sont différents du type «tous public» et que ceux ci sont principalement français (en dehors des moins value ayant une croissance entre 0 et 1). Ainsi, quelque soit le concept, l OPCVM est majoritairement français, avec des clients de type personne morale (d après la méthode STAT). Nous pouvons même remarqué qu il n y a pas de moins values pour les clients «personne morale» français, ayant un support français de type FCPE (classe 3). 4 - La méthode TREE : arbre décisionnel La méthode TREE est une procédure de partitionnement. A chaque étape, les meilleurs partionnement est obtenu grâce à une mesure donnée en paramètre. Application : variable Class Identifier Intervalle1 Variable set Identifier Type Support, Type client Number of Terminal Node 8 On obtient l arbre suivant, qui se lit comme suit : IF ASSERTION IS TRUE (up)! --- x [ ASSERTION ]! IF ASSERTION IS FALSE (down)
26 +---- [ 4 ][0;10000[!!----2[ TypeSupport = Fonds Dédiés ]!!! [ 5 ][0;10000[!!----1[ TypeSupport = FCPE ]!! [ 24 ][0;10000[!!!!---12[ TypeSupport = FCP ]!!!!! [ 25 ][10000;50000[!!!!----6[ TypeSupport = SICAV ]!!!!! [ 13 ][-50000;-10000[!!!----3[ TypeSupport = GSM ]! [ 7 ][10000;50000[ 5 - La méthode PYR Cette méthode permet une généralisation de la hiérarchisation en permettant la création de classes non disjointes à niveau donné. La pyramide issue de la méthode est construite par un algorithme de regroupement de classes qui opère du bas vers le haut. Les objets symboliques sont à la base de la pyramide. A chaque niveau supérieur de la pyramide, la méthode PYR agglomère les classes pour obtenir le sommet de la pyramide. Dans une classification symbolique pyramidale, chaque classe formée est définie non seulement par l ensemble de ses éléments (appelé son intention) mais aussi par un objet symbolique qui décrit ses propriétés (appelé son extension). Chaque classe supérieur hérite de l intention de son prédécesseur. On a ainsi la notion d héritage. La structure d ordre permet alors d identifier les concepts intermédiaires : ceux qui «comblent» le fossé entre des classes bien identifiées
27 Application : Paramètres : concepts, type de client et type de support. D après cette pyramide, nous pouvons remarquer que les concepts dits «incohérents» peuvent se rapprocher. Ces concepts correspondent à une croissance non proportionnelle à leur plus ou moins value (ex : une plus value entre 0 et avec une croissance supérieure à 5)
28 CONCLUSION A partir de cette analyse nous, pouvons conclure qu il n existe pas de «recette miracle» pour composer un OPCVM grandement rentable. En revanche, il est possible de tirer quelques caractéristiques pour éviter de faire une moins value. Nous pouvons cependant dire que le logiciel SODAS est un logiciel convivial, qui permet une visualisation des résultats et une analyse aisée. Il est facile d utilisation, à condition d avoir une bonne base de données dès le départ
Datamining. Université Paris Dauphine DESS ID 2004/2005. Séries télévisées nominées aux oscars. Enseignant : Réalisé par : Mars 2005. Mr E.
Université Paris Dauphine DESS ID 2004/2005 Datamining Séries télévisées nominées aux oscars Mars 2005 Enseignant : Mr E. DIDAY Réalisé par : Mounia CHERRAD Anne-Sophie REGOTTAZ Sommaire Introduction...
Plus en détailDATA MINING - Analyses de données symboliques sur les restaurants
Master 2 Professionnel - Informatique Décisionnelle DATA MINING - Analyses de données symboliques sur les restaurants Etudiants : Enseignant : Vincent RICHARD Edwin DIDAY Seghir SADAOUI SOMMAIRE I Introduction...
Plus en détailUniversité Paris IX DAUPHINE DATE : 24/04/06
Master Informatique Décisionnelle Application des outils de l'informatique Décisionnelle en entreprise ETUDE SUR LES MARQUES ET LES CONTRUCTEUR DES VÉHICULES APPARTENANT AUX CLIENTS D UNE COMPAGNIE D ASSURANCE
Plus en détailCritères pour avoir la meilleure équipe!
PROJET DATAMINING Basket-ball professionnel "NBA" : Critères pour avoir la meilleure équipe! Réalisé par : Anasse LAHLOU KASSI Houssam Eddine HOUBAINE DESS TIO DESS ID Année Scolaire : SOMMAIRE INTRODUCTION...
Plus en détailProjet de Datamining Supervisé (SODAS) Analyse des régions françaises
Master 2 ème Année Ingénierie Statistique et financière Projet de Datamining Supervisé (SODAS) Analyse des régions françaises Réalisé par : Nicolas CHAIGNEAUD Nora SLIMANI Année universitaire 2007-2008
Plus en détailDidacticiel Études de cas. Description succincte de Pentaho Data Integration Community Edition (Kettle).
1 Objectif Description succincte de Pentaho Data Integration Community Edition (Kettle). L informatique décisionnelle («Business Intelligence BI» en anglais, ça fait tout de suite plus glamour) fait référence
Plus en détailDossier I Découverte de Base d Open Office
ETUDE D UN SYSTEME DE GESTION DE BASE DE DONNEES RELATIONNELLES Définition : Un SGBD est un logiciel de gestion des données fournissant des méthodes d accès aux informations. Un SGBDR permet de décrire
Plus en détailWEBSELL. Projet DATAMINING
WEBSELL Projet DATAMINING Analyse des données dans le cadre d une étude de banchmarking DESS ID Session 2005/2006 Mariam GASPARIAN [ Page 1 ] SOMMAIRE 1. INTRODUCTION... 3 2. METHODES ET OUTILS... 4 2.1.
Plus en détailclef primaire ; clef étrangère ; projection ; restriction ; jointure ; SQL ; SELECT ; FROM ; WHERE
Cas Neptune hôtel Base de données et langage SQL Propriété Intitulé long Formation concernée Matière Notions Transversalité Présentation Description Neptune Hôtel. L interrogation d une base de données
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailRapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources
Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils
Plus en détailReporting Services - Administration
Reporting Services - Administration Comment administrer SQL Server Reporting Services Cet article a pour but de présenter comment gérer le serveur depuis le "portail" de Reporting Services. Nous verrons
Plus en détail2 Serveurs OLAP et introduction au Data Mining
2-1 2 Serveurs OLAP et introduction au Data Mining 2-2 Création et consultation des cubes en mode client-serveur Serveur OLAP Clients OLAP Clients OLAP 2-3 Intérêt Systèmes serveurs et clients Fonctionnalité
Plus en détailCréer le schéma relationnel d une base de données ACCESS
Utilisation du SGBD ACCESS Polycopié réalisé par Chihab Hanachi et Jean-Marc Thévenin Créer le schéma relationnel d une base de données ACCESS GENERALITES SUR ACCESS... 1 A PROPOS DE L UTILISATION D ACCESS...
Plus en détailManuel d utilisation DeveryLoc
Manuel d utilisation DeveryLoc Page 1/37 Version Numéro de la version Date de modification Modification apporté Version v.1 Le 1 juillet 2004 Version v.2 Le 1 Juin 2006 Page 2/37 SOMMAIRE 1. SE CONNECTER
Plus en détail1 Modélisation d être mauvais payeur
1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage
Plus en détailTravaux pratiques avec RapidMiner
Travaux pratiques avec RapidMiner Master Informatique de Paris 6 Spécialité IAD Parcours EDOW Module Algorithmes pour la Fouille de Données Janvier 2012 Prise en main Généralités RapidMiner est un logiciel
Plus en détailSommaire. I.1 : Alimentation à partir d un fichier Access (.mdb)...2
Sommaire I. SCENARII DE TRAITEMENTS...2 I.1 : Alimentation à partir d un fichier Access (.mdb)...2 I.1 : Vérification de l intégrité des traitements SQL sur la pyramide des ages...3 I.2 : Vérification
Plus en détailGestion des fichiers sur micro-ordinateur
... 1 Qu est ce qu une gestion de fichier :... 2 Importance d une bonne gestion des fichiers :... 2 Qui doit faire une gestion des dossiers :... 3 Étapes à suivre pour une meilleur gestion des dossiers
Plus en détailManipulation de données avec SAS Enterprise Guide et modélisation prédictive avec SAS Enterprise Miner
Le cas Orion Star Manipulation de données avec SAS Enterprise Guide et modélisation prédictive avec SAS Enterprise Miner Le cas Orion Star... 1 Manipulation de données avec SAS Enterprise Guide et modélisation
Plus en détailBIRT (Business Intelligence and Reporting Tools)
BIRT (Business Intelligence and Reporting Tools) Introduction Cette publication a pour objectif de présenter l outil de reporting BIRT, dans le cadre de l unité de valeur «Data Warehouse et Outils Décisionnels»
Plus en détailPROCEDURE SAGE (immo 1000) logiciel de gestion des immobilisations
PROCEDURE SAGE (immo 1000) logiciel de gestion des immobilisations Il existe plusieurs modules : BIENS : saisir, éditer, tout ce qui concerne les biens INVENTAIRE : gestion des biens physiques ORGANIZER
Plus en détail1 Introduction et installation
TP d introduction aux bases de données 1 TP d introduction aux bases de données Le but de ce TP est d apprendre à manipuler des bases de données. Dans le cadre du programme d informatique pour tous, on
Plus en détailManuel utilisateur Portail SAP
Manuel utilisateur Portail SAP Procédures demande d achats Manuel Utilisateur SmileySup - Portail SAP v1.0 1/31 1. Table des matières 1. Table des matières... 2 2. Introduction... 3 3. Vue processus...
Plus en détailLe langage SQL Rappels
Le langage SQL Rappels Description du thème : Présentation des principales notions nécessaires pour réaliser des requêtes SQL Mots-clés : Niveau : Bases de données relationnelles, Open Office, champs,
Plus en détailInitiation à la Programmation en Logique avec SISCtus Prolog
Initiation à la Programmation en Logique avec SISCtus Prolog Identificateurs Ils sont représentés par une suite de caractères alphanumériques commençant par une lettre minuscule (les lettres accentuées
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailProces-Verbaux Procédure de téléchargement
Proces-Verbaux Procédure de téléchargement Produit : portes Proget - Univer 1)Le bon de livraison (DDt) contient une note informant que les documents obligatoires sont disponibles sur le portail internet
Plus en détailKPI (Key Performance Indicator) dans MOSS
KPI (Key Performance Indicator) dans MOSS Introduction Un KPI (Key Performance Indicator), Indicateur de Performance ou Indicateur Clé est un concept permettant de présenter à un utilisateur une information
Plus en détailSaisissez le login et le mot de passe (attention aux minuscules et majuscules) qui vous ont
I Open Boutique Sommaire : I Open Boutique... 1 Onglet «Saisie des Produits»... 3 Création d'une nouvelle fiche boutique :... 3 Création d'une nouvelle fiche lieux de retraits :... 10 Création d'une nouvelle
Plus en détailEncryptions, compression et partitionnement des données
Encryptions, compression et partitionnement des données Version 1.0 Grégory CASANOVA 2 Compression, encryption et partitionnement des données Sommaire 1 Introduction... 3 2 Encryption transparente des
Plus en détail1. Introduction...2. 2. Création d'une requête...2
1. Introduction...2 2. Création d'une requête...2 3. Définition des critères de sélection...5 3.1 Opérateurs...5 3.2 Les Fonctions...6 3.3 Plusieurs critères portant sur des champs différents...7 3.4 Requête
Plus en détailTable des matières. Télécharger MetaTrader 4. Première connexion à MetaTrader 4. Se connecter à MetaTrader 4. Modifier la langue
Guide METATRADER 4 Table des matières Télécharger MetaTrader 4 Première connexion à MetaTrader 4 Se connecter à MetaTrader 4 Modifier la langue Modifier votre mot de passe Mot de passe oublié Trader avec
Plus en détailIMAGES NUMÉRIQUES MATRICIELLES EN SCILAB
IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques
Plus en détailExcel avancé. Frédéric Gava (MCF) gava@univ-paris12.fr
Excel avancé Frédéric Gava (MCF) gava@univ-paris12.fr LACL, bâtiment P2 du CMC, bureau 221 Université de Paris XII Val-de-Marne 61 avenue du Général de Gaulle 94010 Créteil cedex Rappels et compléments
Plus en détailGuide de l Administrateur
Guide de l Administrateur 2014 Contenu Comment me connecter?... 3 Comment me déconnecter?... 3 Comment réinitialiser mon mot de passe?... 3 Comment modifier mon profil?... 3 Comment créer un produit?...
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailLes outils de SEO (Référencement naturel) et les Sites SharePoint Public sur Office 365
Les outils de SEO (Référencement naturel) et les Sites SharePoint Public sur Office 365 Bonjour, comme beaucoup d entre vous j ai créé mon site public sur Office 365. Je suis comme vous je pense à la recherche
Plus en détailService On Line : Gestion des Incidents
Service On Line : Gestion des Incidents Guide de l utilisateur VCSTIMELESS Support Client Octobre 07 Préface Le document SoL Guide de l utilisateur explique comment utiliser l application SoL implémentée
Plus en détailMetaTrader 4/5 pour Android. Guide de l utilisateur
1 MetaTrader 4/5 pour Android Guide de l utilisateur 2 Sommaire Comment obtenir l application MT4/ 5 pour Android... 3 Comment se connecter à un compte existant ou créer un compte de démo... Error! Bookmark
Plus en détailComment bien débuter sa consolidation?
Comment bien débuter sa consolidation? Sommaire I. Introduction... 2 Connexion à So Conso... 2 Ordre d importation... 3 II. Fichiers d import Excel... 3 Taux de conversion... 3 Taux d impôts... 6 Les entités...
Plus en détailTutoriels. 01 Utiliser Praat. 02 Transcrire sous Praat en utilisant les conventions VALIBEL. Sylviane Bachy. Rédaction octobre 2005
Tutoriels 01 Utiliser Praat 02 Transcrire sous Praat en utilisant les conventions VALIBEL Sylviane Bachy Rédaction octobre 2005 Table des matières 1. Installation et démarrage...2 2. Ouvrir un fichier
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 détailWhitepaper. Méthodologie de création de rapports personnalisés SQL Server Reporting Services
Ce Whitepaper décrit la méthodologie de développement d un rapport personnalisé au format SQL Server Reporting Service (SSRS) appliqué à System Center Operations Manager (SCOM) Whitepaper Méthodologie
Plus en détailLOCAL TRUST SUB. Guide d utilisation Tiers
LOCAL TRUST SUB Guide d utilisation Tiers Sommaire Principes de l application Guide d utilisation Tous droits réservés 2 Principes généraux L application inclut un module extranet de gestion des aides
Plus en détailLa Clé informatique. Formation Excel XP Aide-mémoire
La Clé informatique Formation Excel XP Aide-mémoire Septembre 2005 Table des matières Qu est-ce que le logiciel Microsoft Excel?... 3 Classeur... 4 Cellule... 5 Barre d outil dans Excel...6 Fonctions habituelles
Plus en détail1. Création d'un état... 2. 2. Création d'un état Instantané Colonnes... 3. 3. Création d'un état Instantané Tableau... 4
1. Création d'un état... 2 2. Création d'un état Instantané Colonnes... 3 3. Création d'un état Instantané Tableau... 4 4. Création d'un état avec plusieurs tables... 9 5. Modifier la structure d'un état...11
Plus en détailLES TOUT PREMIERS PAS
DESMODO, un logiciel de gestion d idées http://www.desmodo.net/ LES TOUT PREMIERS PAS Desmodo est un logiciel (libre) qui permet, entre autre, de visualiser et de synthétiser, de manière organisée, sous
Plus en détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailCREG : http://www.creg.ac- versailles.fr/spip.php?article803
OUTILS NUMERIQUES Édu-Sondage : concevoir une enquête en ligne Rédacteur : Olivier Mondet Bla. 1 Présentation Parmi les pépites que contient l Édu-Portail, l application Édu-Sondage est l une des plus
Plus en détailGuide d information sur les OPCVM
Guide d information sur les OPCVM 1. Les OPCVM : Définition et types. 2. Les Avantages d un placement en OPCVM. 3. L a constitution d un OPCVM. 4. Le fonctionnement d un OPCVM. 5. Les frais de gestion
Plus en détailV- Manipulations de nombres en binaire
1 V- Manipulations de nombres en binaire L ordinateur est constitué de milliards de transistors qui travaillent comme des interrupteurs électriques, soit ouverts soit fermés. Soit la ligne est activée,
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 détailInstallation de SQL Server Reporting Services avec l intégration dans un site Windows SharePoint Services V3
Installation de SQL Server Reporting Services avec l intégration dans un site Windows SharePoint Services V3 Introduction Le Service Pack 2 de SQL Server 2005 a ajouté une option de gestion et d utilisation
Plus en détailIntroduction à Business Objects. J. Akoka I. Wattiau
Introduction à Business Objects J. Akoka I. Wattiau Introduction Un outil d'aide à la décision accès aux informations stockées dans les bases de données et les progiciels interrogation génération d'états
Plus en détailManuel Cartes ristournes
Manuel Cartes ristournes 26 octobre 2006 OmegaSoft Wallonie Rue Camille Hubert 23 5032 Les Isnes Tel. 081/40.70.00 Fax 081/40.70.70 information@omegasoft.be www.omegasoft.be Page 1/17 1. TABLE DES MATIÈRES
Plus en détailles Formulaires / Sous-Formulaires Présentation...2 1. Créer un formulaire à partir d une table...3
Présentation...2 1. Créer un formulaire à partir d une table...3 2. Les contrôles :...10 2.1 Le contrôle "Intitulé"...11 2.2 Le contrôle "Zone de Texte"...12 2.3 Le contrôle «Groupe d options»...14 2.4
Plus en détailGuide de l utilisateur du Centre de gestion des licences en volume LICENCES EN VOLUME MICROSOFT
Guide de l utilisateur du Centre de gestion des licences en volume LICENCES EN VOLUME MICROSOFT Table des matières Présentation du Centre de gestion des licences en volume (VLSC)... 3 Inscription auprès
Plus en détailEXCEL PERFECTIONNEMENT SERVICE INFORMATIQUE. Version 1.0 30/11/05
EXCEL PERFECTIONNEMENT Version 1.0 30/11/05 SERVICE INFORMATIQUE TABLE DES MATIERES 1RAPPELS...3 1.1RACCOURCIS CLAVIER & SOURIS... 3 1.2NAVIGUER DANS UNE FEUILLE ET UN CLASSEUR... 3 1.3PERSONNALISER LA
Plus en détailCréation et Gestion des tables
Création et Gestion des tables Version 1.0 Z Grégory CASANOVA 2 Sommaire 1 Introduction... 3 2 Pré-requis... 4 3 Les tables... 5 3.1 Les types de données... 5 3.1.1 Les types de données Sql Server... 5
Plus en détailTutoriel Atout Facture. 14/01/2015 Codelpi
Tutoriel Atout Facture 14/01/2015 Codelpi Sommaire Le menu... 3 Menu gauche... 3 Menu haut-droit... 4 Tableau de bord... 5 Les clients... 8 Créer un client... 8 Modifier un client... 9 Ses adresses...
Plus en détailTUTORIAL Microsoft Project 2010 Fonctionalités de base
TUTORIAL Microsoft Project 2010 Fonctionalités de base Microsoft Project est un logiciel de la suite Microsoft Office. Il s agit d un logiciel de gestion de projet et plus précisement de gestion de planning
Plus en détailSCL LOGICIEL DE CONTROL
SCL LOGICIEL DE CONTROL Version 1.3 MRC AUDIO LD- 500 www.mrcaudio.com 1 Contenu 1 - Bienvenu a MRC AUDIO SCL v1.3 2 - Installation du logiciel 3 - Configuration du programme SCL 4 - Contrôle des installations
Plus en détailFormation. Module WEB 4.1. Support de cours
Formation Module WEB 4.1 Support de cours Rédacteur Date de rédaction F.CHEA 08/02/2012 Les informations contenues dans ce document pourront faire l'objet de modifications sans préavis Sauf mention contraire,
Plus en détailCOMPRENDRE LES DIFFERENTS TYPES DE CONNEXION LORS DE LA
COMPRENDRE LES DIFFERENTS TYPES DE CONNEXION LORS DE LA DEFINITION D UNE BIBLIOTHEQUE D ACCES A UNE BASE DE DONNEES Cet article s adresse aux administrateurs SAS en charge de la mise à disposition des
Plus en détailBoléro. d information. Notice
Notice Boléro d information Boléro est construit dans la perspective d un investissement sur la durée totale de la formule et donc d un rachat aux dates d échéances indiquées. Tout rachat de part à d autres
Plus en détailMODIFICATIONS DES PRINCIPES DIRECTEURS CONCERNANT LA RÉDACTION DES DÉFINITIONS RELATIVES AU CLASSEMENT
ANNEXE VI MODIFICATIONS DES PRINCIPES DIRECTEURS CONCERNANT LA RÉDACTION DES DÉFINITIONS RELATIVES AU CLASSEMENT RECOMMANDATIONS GÉNÉRALES Les utilisateurs s attendent à trouver dans les définitions des
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 détailFormation Administrateur de Données Localisées (Prodige V3.2) Recherche et consultation des métadonnées
Formation Administrateur de Données Localisées (Prodige V3.2) Recherche et consultation des métadonnées SOMMAIRE CONSULTATION DU CATALOGUE DE DONNÉES...3 1 Contrôle des droits...3 2 Navigation par domaine
Plus en détailet les Systèmes Multidimensionnels
Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées
Plus en détailCOMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2
SQL Sommaire : COMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2 COMMANDES DE MANIPULATION DE DONNEES... 2 COMMANDES DE CONTROLE TRANSACTIONNEL... 2 COMMANDES DE REQUETE DE DONNEES... 2 COMMANDES
Plus en détailManuel d utilisation de la base de données nationale sur la situation de l enfance en Tunisie CHILDINFO 6.0
2010 Manuel d utilisation de la base de données nationale sur la situation de l enfance en Tunisie CHILDINFO 6.0 Observatoire d Information, de Formation, de Documentation et d Etudes pour la Protection
Plus en détailGUIDE DU NOUVEL UTILISATEUR
GUIDE DU NOUVEL UTILISATEUR Le but de ce tutoriel est de vous guider à travers les fonctions de base de votre logiciel. Nous partirons du principe que votre terminal de pointage est déjà installé. A la
Plus en détailLa place de SAS dans l'informatique décisionnelle
La place de SAS dans l'informatique décisionnelle Olivier Decourt ABS Technologies - Educasoft Formations La place de SAS dans l'informatique décisionnelle! L'historique de SAS! La mécanique! La carrosserie
Plus en détailSage 100 CRM Guide de l Import Plus avec Talend Version 8. Mise à jour : 2015 version 8
Sage 100 CRM Guide de l Import Plus avec Talend Version 8 Mise à jour : 2015 version 8 Composition du progiciel Votre progiciel est composé d un boîtier de rangement comprenant : le cédérom sur lequel
Plus en détailTechniques d interaction dans la visualisation de l information Séminaire DIVA
Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des techniques
Plus en détailMéthode universitaire du commentaire de texte
Méthode universitaire du commentaire de texte Baptiste Mélès Novembre 2014 L objectif du commentaire de texte est de décrire la structure argumentative et de mettre au jour les concepts qui permettent
Plus en détailIngénérie logicielle dirigée par les modèles
Ingénérie logicielle dirigée par les modèles Destercq Lionel & Dubuc Xavier 17 décembre 2009 Table des matières 1 Introduction 1 2 Diagrammes de classes 1 2.1 Principal..............................................
Plus en détailDocument de spécification du logiciel VALPO Définition du format des fichiers des
Document de spécification du logiciel VALPO Définition du format des fichiers des scénarios TELECOM Bretagne Projet VALPO - Démonstrateur de protocoles GSM/UMTS Département Réseaux, Sécurité, Multimédia
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailSkills Technology Software PARTENAIRE TECHNOLOGIQUE DE VOTRE DÉVELOPPEMENT
Skills Technology Software w w w.s PARTENAIRE TECHNOLOGIQUE DE VOTRE DÉVELOPPEMENT ka ty s. co m E U OG ION L TA AT A C RM FO Accélérateur de votre RÉUSSITE 2 Formation Aujourd hui, la formation constitue
Plus en détailSG FRANCE PME. Pour profiter des opportunités du marché des PME et ETI françaises. Commercialisation jusqu au 31 juillet 2014
FONDS PROTÉGÉ EN CAPITAL À HAUTEUR DE 70% À L ÉCHÉANCE SG FRANCE PME Pour profiter des opportunités du marché des PME et ETI françaises Commercialisation jusqu au 31 juillet 2014 n Ce placement n est pas
Plus en détailTP 2 Réseaux. Adresses IP, routage et sous-réseaux
TP 2 Réseaux Adresses IP, routage et sous-réseaux C. Pain-Barre INFO - IUT Aix-en-Provence version du 24/2/2 Adressage IP. Limites du nombre d adresses IP.. Adresses de réseaux valides Les adresses IP
Plus en détailINTRODUCTION GENERALE...1 LA CONNEXION ODBC :...1. CONNEXION AU TRAVERS D EXCEL(tm)...6. LOGICIEL QUANTUM GIS (Qgis)... 10
PROGRAMME RÉGIONAL DE RENFORCEMENT DE LA COLLECTE DES DONNÉES STATISTIQUES DES PECHES DANS LES ÉTATS MEMBRES ET DE CREATION D UNE BASE DE DONNÉES REGIONALE Manuel de formation TABLE DES MATIERES INTRODUCTION
Plus en détailGUIDE Excel (version débutante) Version 2013
Table des matières GUIDE Excel (version débutante) Version 2013 1. Créer un nouveau document Excel... 3 2. Modifier un document Excel... 3 3. La fenêtre Excel... 4 4. Les rubans... 4 5. Saisir du texte
Plus en détailMenu INVEST STORE. COMMENT VOUS CONNECTER SUR VOTRE CAEL AVEC OPTION BOURSE : Adresse du site www.ca-normandie.fr
MODE D EMPLOI INVEST STORE INITIAL Consultez vos comptes 24 h/ 24-7 j / 7 Bourse et OPCVM en ligne à tout moment Rapide Facile Pratique VOTRE ACCES BOURSE DISPONIBLE A TOUT MOMENT COMMENT VOUS CONNECTER
Plus en détailBIND : installer un serveur DNS
BIND : installer un serveur DNS Cet article a pour but de vous présenter comment installer et configurer un serveur DNS en utilisant l'application BIND. Je supposerai que vous disposez d'un réseau local
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailPARTIE A STATUTAIRE PRESENTATION SUCCINCTE : INFORMATIONS CONCERNANT LES PLACEMENTS ET LA GESTION : OPCVM conforme aux normes européennes
SG MONETAIRE EURO PROSPECTUS SIMPLIFIE OPCVM conforme aux normes européennes PARTIE A STATUTAIRE PRESENTATION SUCCINCTE : DENOMINATION : SG MONETAIRE EURO FORME JURIDIQUE : SICAV de droit français COMPARTIMENTS/NOURRICIER
Plus en détailA QUOI SERVENT LES BASES DE DONNÉES?
BASE DE DONNÉES OBJET Virginie Sans virginie.sans@irisa.fr A QUOI SERVENT LES BASES DE DONNÉES? Stockage des informations : sur un support informatique pendant une longue période de taille importante accès
Plus en détailSommaire. G. Pujolle, F. Ravat, C. Soulé-Dupuy, G. Zurfluh
NOTATION UML AVEC RATIONAL ROSE G. Pujolle, F. Ravat, C. Soulé-Dupuy, G. Zurfluh Sommaire 1 GÉNÉRALITES...2 1.1 ENVIRONNEMENT LOGICIEL...2 1.2 LES VUES DU LOGICIEL ROSE...3 1.3 ORGANISATION RECOMMANDÉE...3
Plus en détailCartographie Informatique Eclairage Public
Syndicat Départemental d Electricité de la Haute Garonne Cartographie Informatique Eclairage Public Fonctionnalité de déclaration et de suivi des pannes Notice d utilisation 1-Préambule : L application
Plus en détailConstruire des plug-ins pour SAS Management Console SAS 9.1
Construire des plug-ins pour SAS Management Console SAS 9.1 Janvier 2005 Sommaire 1 INTRODUCTION... 3 1.1 OBJECTIFS... 3 1.2 PERIMETRE... 3 2 LES COMPOSANTS DE SAS MANAGEMENT CONSOLE... 4 3 LA CONSTRUCTION
Plus en détailTable des matières. 7 Gérer des ordres 5 Formater des paramètres OptionStation Pro 9
Leçon n 9 Table des matières OptionStation Pro 1 Gérer des positions réelles 5 Créer des positions d options théoriques 3 SpreadMaster 6 Placer une transaction 4 Représenter graphiquement des positions
Plus en détailTableau 1 : Structure du tableau des données individuelles. INDIV B i1 1 i2 2 i3 2 i4 1 i5 2 i6 2 i7 1 i8 1
UN GROUPE D INDIVIDUS Un groupe d individus décrit par une variable qualitative binaire DÉCRIT PAR UNE VARIABLE QUALITATIVE BINAIRE ANALYSER UN SOUS-GROUPE COMPARER UN SOUS-GROUPE À UNE RÉFÉRENCE Mots-clés
Plus en détailTUTORIEL CartoDB www.cellie.fr 11/03/15
TUTORIEL CartoDB www.cellie.fr 11/03/15 1 INTRODUCTION Issue de la technologie du cloud, CartoBD est une application créée par la société Vizzuality. Elle permet de réaliser des cartographies à partir
Plus en détailExploiter les statistiques d utilisation de SQL Server 2008 R2 Reporting Services
Exploiter les statistiques d utilisation de SQL Server 2008 R2 Reporting Services Nous verrons dans cet article comment exploiter simplement les données de Log de SQL Server 2008 R2 Reporting Services
Plus en détailBases de données. Chapitre 1. Introduction
Références : Bases de données Pierre Wolper Email : pw@montefiore.ulg.ac.be URL : http : //www.montefiore.ulg.ac.be/~pw/ http : //www.montefiore.ulg.ac.be/ ~pw/cours/bd.html Henry F. Korth, Abraham Silberschatz,
Plus en détailExcel 2007 Niveau 3 Page 1 www.admexcel.com
Excel 2007 Niveau 3 Page 1 TABLE DES MATIERES UTILISATION DE LISTES DE DONNEES... 4 REMARQUES PREALABLES SUR LES LISTES DE DONNEES... 4 METTRE EN FORME LE TABLEAU... 6 METTRE LA LISTE A JOUR... 7 a/ Directement
Plus en détailCours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Plus en détail