Complet Intuitif Efficace. Références

Dimension: px
Commencer à balayer dès la page:

Download "Complet Intuitif Efficace. Références"

Transcription

1 Logiciel de référence en Analyse de Données, Data Mining et Text Mining pour transformer vos données en connaissance Complet Intuitif Efficace Dans un environnement convivial et intuitif, disposez de toute la puissance du logiciel Coheris Analytics SPAD pour gérer, explorer et modéliser vos données. Références De nombreuses entreprises, grandes Coheris Analytics SPAD : AXA Bank of Africa Banque Centrale de Guinée Banque Populaire BNP Paribas CNRS Chanel Chèque Déjeuner Coca Cola Conseil Général de l Oise Conseil Général de Seine St Denis Crédit Agricole CSA Eco-emballages EDF Editions Atlas FNAC GMF Groupama INRA INRETS IPSOS La Banque Postale LCL L Oréal La Mutuelle Générale IPSOS MAAF MAIF Meilleurtaux.com Ministère de l Economie Orange PSA Renault Société Générale Yves Rocher... Valorisez vos données avec Coheris Analytics SPAD Connaître les caractéristiques de vos clients, définir et identifier les plus stratégiques, traiter vos segments de clients de plus en plus finement. Analyser l usage des différents canaux de communication, utiliser le canal le plus adapté au profil de vos clients. Suivre et anticiper les comportements pour maximiser la valeur à terme de vos clients. Améliorer l efficacité des actions de fidélisation et de conquête de nouveaux clients. Evaluer l efficacité de vos produits, déterminer l acceptabilité des nouveaux, évaluer leur perception sensorielle. Renforcer l efficacité de votre force de vente. Développer les ventes croisées et les ventes additionnelles. Analyser les ventes dans le temps et par points de vente, anticiper les stocks. Conserver vos clients le plus longtemps possible et surtout retenir les plus rentables. Evaluer le risque client, détecter et prévenir la fraude. Améliorer vos processus de production : minimiser le nombre de pièces non conformes, optimiser vos réglages de fabrication, identifier les paramètres influents sur vos procédés de fabrication.

2 Tirer le meilleur parti de tous vos fichiers Fichiers clients, abonnés, administrés Données d enquêtes Données RH Données industrielles 3 approches complémentaires Analyse exploratoire des données Analyse prédictive et Data Mining Text Mining Une architecture qui répond précisément aux exigences techniques et fonctionnelles des entreprises Coheris Analytics SPAD : Logiciel de référence en Analyse de données et Data Mining Une interface graphique exceptionnelle Coheris Analytics SPAD est le seul logiciel dédié au Data Mining et à l analyse prédictive à proposer une interface totalement graphique, intuitive et aussi puissante. L interface de Coheris Analytics SPAD se décompose en 4 vues : 1. La vue «projet», véritable gestionnaire des analyses, affiche l ensemble des éléments relatifs à l étude en cours. 2. La vue «diagrammes» vous permet de visualiser le cheminement de chaque analyse étape par étape. 3. La vue «méthodes» contient l ensemble des méthodes et fonctionnalités de Coheris SPAD. Elles sont toujours visibles et accessibles en un clic par un simple drag & drop dans la vue diagrammes. 4. La vue «données» affiche de façon interactive les données lues ou produites par la méthode sélectionnée dans le diagramme : contrôlez et validez vos données en temps réel. Coheris SPAD Monoposte Coheris SPAD Licence Flottante Coheris SPAD Terminal Server/citrix Coheris SPAD Serveur de déploiement des modèles Une capacité à exploiter des bases de données de toute dimension et de toute origine Plusieurs millions de lignes Plusieurs milliers de colonnes Oracle, DB2, SQL Server, MySQL, SAS monoposte / Serveur Une grande richesse méthodologique Txt fixe ou délimité, csv, Excel, Access Coheris Analytics SPAD propose plus de 70 méthodologies couvrant un très large spectre des besoins en Analyse des Données, Data Mining et Text Mining. Leur mise en œuvre est facilitée par un paramétrage par défaut correspondant à l usage courant mais qui reste modifiable par l expert en quelques clics. La solution Coheris SPAD est reconnue pour : Les méthodes statistiques sont complétées par un ensemble de fonctions d accès aux données, de data management et d industrialisation qui vous assurent une complète autonomie. Son ergonomie intuitive (pas de programmation) La puissance de son moteur de calcul Enfin, l ouverture aux fonctionnalités de R et de Python étend quasiment à l infini les possibilités du logiciel. Sa facilité d utilisation et de prise en main Des résultats immédiatement exploitables La qualité de représentation des résultats Toutes les méthodes produisent des résultats sous forme de tableaux mis en forme automatiquement dans le tableur ou le navigateur Web de votre choix. Des graphiques spécifiques très élaborés et interactifs (plans factoriels, arbres de décision, bilan d image, scores ) vous permettent des mises en valeur soignées pour une meilleure communication des résultats de vos analyses. Des guides sont disponibles pour vous aider à interpréter vos résultats en détail. (graphiques et Excel) La solution Coheris Analytics SPAD est enseignée dans toutes les grandes écoles et universités et est disponible en version française ou anglaise.

3 Coheris Analytics SPAD, des solutions adaptées à chaque besoin La montée dans la gamme des solutions Coheris SPAD suit le cheminement logique de la démarche statistique : d une première approche exploratoire et descriptive à une approche décisionnelle globale et prédictive pour la mise en place d actions concrètes. Coheris SPAD Profiling : préparer les données, explorer et découvrir La gestion des données est une partie importante dans le processus d analyse des données. Grâce à des accès à la quasi totalité des formats de données ainsi qu à un grand nombre de fonctionnalités de data management et de recodages statistiques totalement interfacés, sans aucun langage de programmation, nous vous garantissons un gain de temps substantiel et une automatisation simple de la gestion de vos données. Ce pack contient les méthodes pour découvrir les principales caractéristiques et liaisons qui structurent les données : visualisations graphiques des données, statistiques descriptives univariées et bivariées, caractérisation automatique de variables qualitatives ou quantitatives, bilan d image. Vous disposerez également des techniques d analyses factorielles, de classification et de construction de typologies qui font de Coheris Analytics SPAD la référence mondiale pour l analyse multidimensionnelle des données. Coheris SPAD Data Mining : le monde de l analyse prédictive Dans de nombreux domaines, les techniques de modélisation sont au cœur de la décision. Elles permettent d expliquer, de modéliser et de prédire des phénomènes qualitatifs ou quantitatifs qui correspondent à des leviers de croissance au sens large. Dans ce contexte, il n existe pas de méthodologie miracle et universelle, il est donc important de disposer d un panel de méthodes dont on pourra comparer la qualité et l efficacité. C est ce que vous propose le pack Coheris SPAD Data Mining avec les méthodes de modélisation statistique comme les régressions simples et multiples, la régression logistique, les analyses discriminantes, la régression PLS, la fonction de score, mais aussi les algorithmes de Data Mining comme les arbres de décision, les réseaux baysésiens, les réseaux de neurones, les SVM. La comparaison de la qualité des modèles est aisée grâce à une standardisation des résultats (matrice de confusion, courbe de lift, courbe ROC). Des paramétrages élaborés (matrice de coûts, probabilité a priori) ainsi que des graphiques interactifs vous permettent d affiner les modèles en fonction de vos connaissances métier. Tous les modèles peuvent être archivés sous forme de règles et donc applicables sur de nouvelles données et industrialisables dans un système d information. Ce Pack est complété par des techniques plus spécifiques comme par exemple l analyse des séries chronologiques avec en particulier une recherche automatique des meilleurs modèles et la méthode des règles d association très utilisée pour l étude des tickets de caisse. Coheris SPAD Data Mining contient toutes les fonctionnalités de Coheris SPAD Profiling. Coheris SPAD Intégral : une solution complète pour le traitement de l information : data mining et text mining Pour traiter toute l information et notamment l information textuelle. La grande force du Text Mining avec Coheris SPAD est le traitement en parallèle des données numériques classiques et des données textuelles, ces deux sources de données s enrichissant mutuellement. Le pack Coheris SPAD Intégral reprend les fonctionnalités des packs Coheris SPAD Profiling et Data Mining et intègre en complément l analyse de données textuelles (Text Mining) ainsi qu un outil dédié au traitement d enquêtes : Coheris SPAD Question. Le pack Coheris SPAD Intégral est la solution la plus complète de la gamme Coheris SPAD.

4 Data Management Analyses factorielles et typologies Gestion des données Analyses factorielles Accès aux fichiers Texte en format fixe ou délimité, Excel, Access, SPSS, Triple-S ; Accès natif aux principales bases de données : Oracle, DB2, MS SQL Server, MySQL, SAS monoposte/serveur, Teradata, Sybase, PostgreSQL, Hadoop (Hive) Accès ODBC aux autres bases de données ; Accès simultané à plusieurs sources de données ; Requêtes SQL sur base de données ; Ajout, insertion et mise à jour de tables dans une base de données ; Typage automatique des variables, gestion des libellés, bibliothèque de formats ; Jointure, empilement, juxtaposition, dédoublonnage, tri ; Agrégation, transposition, verticalisation, horizontalisation, agrégation par tableaux croisés ; Création de sous-populations par filtre logique, tirage aléatoire simple ou stratifié ; Gestion des données manquantes pour les variables qualitatives et quantitatives, algorithme de type EM pour les variables quantitatives ; Validation des données : recherche des distributions atypiques, des «outliers», des variables quantitatives quasi constantes, des individus contenant trop de données manquantes ; Gestion des questions multiples. Analyse en composantes principales (ACP) ; Analyse des correspondances simples (AFC) ; Analyse des correspondances multiples (ACM) ; ACM spécifique avec choix des modalités actives ; ACM conditionnelle ; Croisement de variables et analyse factorielle (AFC ou ACP) ; Analyse factorielle multiple (AFM) : analyses partielles des groupes et analyse globale ; Pour toutes les analyses factorielles, possibilité de variables actives et illustratives, d individus actifs et illustratifs et d une pondération des individus ; Aide à l interprétation des axes factoriels ; Editeur de graphiques factoriels avec de nombreuses possibilités d habillage pour mettre en valeur vos analyses. Recodages, création de variables Recodages statistiques : mise en classes, regroupement de modalités, croisement de variables, binarisation, standardisation, transformation en rangs ; Bibliothèque complète de fonctions de transformation pour la création de variables en mode assisté ; Recodages supervisés (mise en classes, regroupement de modalités, sélection automatique de variables) ; Redressement d échantillon sur marges (méthode RAS). Langages externes Accès au langage de programmation Python ; Accès au langage statistique R avec possibilité de créer des interfaces de paramétrage. Archivage et industrialisation des modèles Archivage des prédictions issues des méthodes de modélisation statistique et de Data Mining ; Archivage des axes factoriels et des typologies ; Archivage des modèles sous forme de règles pour les méthodes de modélisation statistique, les algorithmes de Data Mining, les analyses factorielles et les typologies ; Application des règles sur de nouvelles données importées dans SPAD ou sur une base de données externe via le «Serveur de déploiement». Statistiques descriptives et tests Visualisation graphique des données : histogrammes, secteurs, box plots, indicateurs statistiques, nuage de points, galerie de graphiques, QQ-Plot, radars, graphique RFM, définition de plans de graphiques ; Tris à plat, tableaux croisés, analyse bivariée, corrélations ; Caractérisation automatique de variables privilégiées (qualitative ou quantitative) par toutes les autres variables ; Marquage sémantique de modalités : méthode complémentaire aux arbres de décision ; Bilan d image : représentation graphique automatique d une matrice Satisfaction» (Corrélations, Régression PLS, LLOSA) ; «Importance Tests statistiques : Tests paramétriques, non paramétriques, tests de normalité, tests sur tables de contingence, intervalles de confiance. Typologie Classification ascendante hiérarchique (CAH) sur facteurs ; Classification mixte pour grands ensembles de données : algorithme des centres mobiles + CAH ; Editeur graphique de l arbre hiérarchique et des indices de niveaux ; Recherche des partitions (typologies) optimales ; Description automatique des classes des typologies par tous les éléments de l analyse ; Affectation des individus illustratifs aux classes des typologies ou à une classe résiduelle ; Représentation graphique des typologies, ellipses de concentration et de confiance, nombreux habillages des éléments de l analyse (variables, individus, centres de classes). Amado Module de traitement graphique des données basé sur la complémentarité des techniques d analyses factorielles et des méthodes graphique de J. Bertin. Modélisation statistique Recherche de modèles optimaux (discriminante et régression) par la méthode de Furnival et Wilson ; Régressions simples et multiples, ANOVA, ANCOVA ; Régression logistique (forward, backward, stepwise) ; Régression PLS ; Modèle linéaire général ; Analyse discriminante sur variables quantitatives ; Analyse discriminante sur facteurs principaux ; Analyse discriminante sur variables qualitatives (DISQUAL) ; Fonction de score après une analyse discriminante ou une régression logistique : modèle additif simple facilement interprétable ; Courbe de gains, courbe de ROC et de Lift, courbe de répartition, choix visuel et interactif des seuils de score (refus, indécision, acceptation) ; Analyse des séries chronologiques : traitement des données manquantes et des doublons, décomposition saisonnière, stationnarisation, étude des autocorrélations et des autocorrélations partielles, construction de modèles de type lissage exponentiel et ARIMA, recherche automatique des meilleurs modèles de prévision.

5 Algorithmes de Data Mining Text Mining Segmentation par arbres interactifs Traitement simultané d une ou plusieurs variables textuelles ; Construction du vocabulaire : mots et segments répétés (suite de mots). Edition des mots et des segments par ordre alphabétique et ordre de fréquence ; Modification interactive du vocabulaire avec un lemmatiseur semi-automatique ; Sauvegarde des règles de lemmatisation pour application sur un autre corpus ; Recherche et édition des contextes des mots ; Caractérisation de sous-populations par le vocabulaire spécifique : mots et phrases caractéristiques ; Création de tableau lexical de contingence (mots et segments en ligne et variables qualitatives en colonne) ; Analyse des correspondances (AFC) sur tableau lexical, classification des mots et des segments répétés. Création d une base SPAD comprenant les variables numériques initiales et complétée par les mots et les segments. Discriminante et régression par arbres de décision selon les méthodes CART, CHAID, AID, C4.5 ; Edition graphique spécifique pour visualiser et modifier de façon interactive un arbre : élagage, choix des variables de coupure, modification des seuils, regroupement de modalités ; Comparaison à tout moment de l impact des modifications sur la qualité de l arbre par comparaison des matrices de confusion avant et après modifications interactives ; Génération de règles SQL en mode «Select» ou «Update» à partir de l arbre initial ou modifié. Typologies par arbres de décision avec ICT Classification descendante hiérarchique utilisant conjointement les propriétés des analyses factorielles et des arbres de décision ; Typologie basée soit sur des variables qualitatives (ACM préalable) soit sur des variables quantitatives (ACP préalable) ; Résultats et interface graphique analogues aux arbres de décision. Règles d association Recherche d associations au sein de données transactionnelles (tickets de caisse). Possibilité de regrouper les données à chaud selon une table de recodages (Méta data) ; Recherche des associations de modalités dans un tableau individus x variables ; Editeur interactif pour sélectionner des règles selon des filtres statistiques ou des règles métiers. Réseaux Bayésiens Construction du réseau initial selon la méthode «Bayésien naïf», «parent caché», «augmenté par arbres» ou «augmenté par forêt» ; Editeur interactif du réseau permettant d affiner le modèle selon des règles statistiques ou des règles métiers. Réseaux de neurones Classification ou régression par réseau de perceptron multicouches ; Recherche automatique de la meilleure architecture du réseau ; Plusieurs types de fonctions d activation : tangente hyperbolique, sigmoïde, softmax, logarithmique ; Algorithmes d apprentissage performants : back propagation, resilient back propagation, scaled conjuged gradient ; Représentation graphique du réseau. SVM (Support vector machines) Classification ou régression par algorithme de «séparateurs à vaste marge» (C-SVC - Nu-SVC / Epsilon-SVR Nu-SVR) ; Plusieurs types de noyaux : linéaire, polynomial, RBF, sigmoïde ; Recherche automatique des valeurs optimales des paramètres ; Visualisation graphique de la qualité du modèle. Question Création de questionnaires, utilisation de bibliothèques de questions ; Création automatique de masques de saisie avec contrôle de cohérence ; Définition de plans de tri pour l automatisation d enquêtes récurrentes ; Tris à plat et tris croisés avec édition automatique des tableaux et des graphiques dans Excel, Word, Html ; Bilan d image avec la méthode «Satimix». PLS Path Modeling (en option) Modélisation d équations structurelles sur variables latentes ; Définition manuelle ou graphique du modèle ; Mode d estimation interne : structurel, factoriel, centroïde ; Régression classique ou PLS entre variables latentes ; Estimation des intervalles de confiance par bootstrap, jacknife ; Visualisation graphique des résultats du modèle. Serveur de déploiement Permet de déployer vos modèles dans vos bases de données et vos Datamarts ; Vos bases de données opérationnelles sont toujours à jour des indicateurs construits par Coheris SPAD ; Lancement des processus de déploiement de façon manuelle ou programmée ; Exécution des processus en mode parallèle ; Contrôle des exécutions par fichiers Logs ; Mise en place d actions spécifiques selon le déroulement du processus. Le serveur de déploiement est un produit vendu séparément des packs Coheris SPAD. Les packs Coheris Analytics SPAD Data Management Statistiques Descriptives et tests Analyses factorielles et typologies Modéliation statistique Algorithmes de Data Mining Text Mining Question Coheris SPAD Profiling Coheris SPAD Data mining Coheris SPAD Intégral

6 Domaines d application Banque - Assurance Finance Direction Marketing / Commerciale : Ciblage - Fidélisation - Ventes additionnelles, ventes croisées - Efficacité de la force de vente - Personnalisation de l offre - Relation client - Typologie d agences - Enquête de satisfaction. Direction du risque : Gestion et calcul du risque client - Analyse des sinistres - Anticipation de la survenue d incidents financiers Aide au recouvrement en orientant la bonne démarche - Détection de fraudes. Grande Distribution Grande Consommation Direction Marketing / Etudes : Ciblage Relation client - Personnalisation de l offre Etudes de marché - Enquêtes de satisfaction Cross selling - Segmentation comportementale des porteurs de carte de fidélité Prévisions - Analyse textuelle des contacts clients - Segmentation des points de ventes Détection de fraudes. Direction Commerciale : Prédictions Optimisation de la force commerciale. Recherche & Développement / Qualité : Analyses sensorielles - Contrôle qualité. Edition - Média Transport Fidélisation - Ciblage - Personnalisation des contenus médias - Veille comportementale - Veille sociologique - Image et notoriété - Positionnement clientèle et audience - Etudes de lectorat. Transports de personnes : Enquête de satisfaction - Etude des comportements à risque - Etude «Origine - Destination» Prévision du trafic - Mesure de la fraude. Direction Marketing / Commerciale : Veille comportementale Prédiction d audiences et de cibles - Aide à la vente d espaces publicitaires - Affinage des plans de média planning. Santé Santé publique : Hôpitaux - Cliniques, observatoires de santé : Etat des lieux des comportements en matière de santé Analyse des risques sanitaires - Etude de traitements, de thérapies - Etudes en milieu hospitalier. Organismes de Sécurité Sociale : Synthèse des comportements et profils les plus typiques parmi les assurés sociaux, allocataires, retraités - Détection des besoins et services nouveaux. High Tech - Telecom Industrie Cosmétologie - Laboratoires pharmaceutiques Direction Commerciale / Marketing : Ciblage - Fidélisation - Ventes additionnelles, ventes croisées - Efficacité de la force de vente - Personnalisation de l offre - Relation client - Typologie des points de ventes Enquête de satisfaction. Direction Marketing/Etudes : Ciblage Personnalisation de l offre - Enquête de satisfaction. Direction Recherche & Développement : Métrologie - Analyse des pannes. Production / Fabrication : perfectionnement des procédés de fabrication - Etude des défauts survenus à l utilisation - Certification de qualité d un produit - Validation de nouvelles méthodes de mesures - Etudes qualité. Coheris en bref Direction Commerciale : Optimisation des plans d action des visiteurs médicaux Evaluation du potentiel de commercialisation des nouveaux produits. Recherche & Développement/Qualité : Contrôle qualité - Perfectionnement des procédés de fabrication. Transports de marchandises (Routier, FRET) : Gestion des flux - Modélisation des retards - Analyse de la satisfaction client Gestion du parc - Evaluation des risques liés au transport de marchandises. Administrations - Service Public Collectivités locales et territoriales : Détermination des priorités qui assurent le développement économique, la sécurité des biens et des personnes, la protection de l environnement. Etude de l impact d implantation d entreprises, détermination des leviers qui favorisent l implantation d entreprises Photographie des populations, des équipements urbains, de l emploi - Amélioration des services des collectivités territoriales pour les usagers - Etude des migrations de population. Enseignement - Recherche Coheris SPAD entretient depuis sa création des relations privilégiées avec le secteur de l Enseignement et de la Recherche grâce à un accord de distribution signé avec le Ministère de l Enseignement Supérieur et de la Recherche (MESR). La politique de développement de Coheris SPAD s appuie sur des partenariats scientifiques de haut niveau avec des chercheurs français et européens faisant autorité dans leur domaine. Rendre l innovation opérationnelle est notre souci permanent. Editeur de référence de solutions CRM et analytiques, Coheris place la connaissance actionnable au coeur des usages et des stratégies d entreprise. De la PME à la multinationale, plus de 1000 entreprises et collectivités ont déjà fait confiance à Coheris dans plus de 80 pays. Coheris s appuie sur un réseau étendu de partenaires intégrateurs et conseil et sur ses propres experts pour offrir à ses clients des solutions à la fois opérationnelles, analytiques et prédictives au service de leurs performances. En savoir plus : 22 quai Gallieni Suresnes - France / Tél / Fax /

Solutions Décisionnelles SPAD. La maîtrise des données, l'art de la décision

Solutions 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 détail

GUIDE DU DATA MINER. Scoring - Modélisation. Data Management, Data Mining, Text Mining

GUIDE DU DATA MINER. Scoring - Modélisation. Data Management, Data Mining, Text Mining GUIDE DU DATA MINER Scoring - Modélisation Data Management, Data Mining, Text Mining 1 Guide du Data Miner Scoring - Modélisation Le logiciel décrit dans le manuel est diffusé dans le cadre d un accord

Plus en détail

Choisissez la formation. Qui vous intéresse! SPSS Maghreb 72,Av.des Nations Unies Rabat-Agdal-Maroc. Tél : 037-67.08.66/67 Fax : 037-67.08.

Choisissez la formation. Qui vous intéresse! SPSS Maghreb 72,Av.des Nations Unies Rabat-Agdal-Maroc. Tél : 037-67.08.66/67 Fax : 037-67.08. SPSS Maghreb 72,Av.des Nations Unies Rabat-Agdal-Maroc Tél : 037-67.08.66/67 Fax : 037-67.08.69 Choisissez la formation spssmaroc@maghrebnet.net.ma Qui vous intéresse! Site web : www.spss.com/localoffices/morocco

Plus en détail

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Université de Perpignan - IUT de Carcassonne Vivien ROSSI Année 2006/2007 IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Ce document est tiré du site : http ://www.stat.ucl.ac.be/ispersonnel/lecoutre/stats/spad/

Plus en détail

Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données

Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques

Plus en détail

Coheris est agréé organisme de formation, n d agrément 11 92 19507 92.

Coheris 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 détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Cybermarché et analyse comportementale

Cybermarché 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 détail

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring

Projet 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 détail

Le Data Mining Techniques pour exploiter l information. Auteur : Dan Noël Date : 24.04.2009

Le Data Mining Techniques pour exploiter l information. Auteur : Dan Noël Date : 24.04.2009 Le Data Mining Techniques pour exploiter l information Auteur : Dan Noël Date : 24.04.2009 Agenda de la présentation du 26.03.2009 Concept de Data Mining ou qu est-ce que le Data Mining Déroulement d un

Plus en détail

Agenda de la présentation

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 détail

Les techniques d exploitation de données (Data Mining)

Les techniques d exploitation de données (Data Mining) Les techniques d exploitation de données (Data Mining) 1 Présenté par : Emer Mestiri, M.sc Finance, Data Scientist Conseiller Gestion de risque de crédit, Mouvement Desjardins Sommaire 2 I. Logiciel SAS

Plus en détail

CRM Assurance. Fonctionnalités clés. Vue globale de l assuré. Gestion des échanges en Multicanal

CRM Assurance. Fonctionnalités clés. Vue globale de l assuré. Gestion des échanges en Multicanal CRM Assurance Fonctionnalités clés Vue globale de l assuré Le CRM pour les compagnies d'assurances est une solution spécialement conçue pour mettre en place et soutenir les fondements d une orientation

Plus en détail

Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON

Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON L analytique joue un rôle désormais primordial dans la réussite d une entreprise. Les pouvoirs qu elle délivre sont incontestables, cependant

Plus en détail

INTRODUCTION AU DATA MINING

INTRODUCTION 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 détail

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7

Table des matières. PREMIÈRE PARTIE Étapes initiales des études marketing 7 Table des matières Préface Public 1 Structure de l ouvrage 1 Caractéristiques de l ouvrage 3 Contenu 3 Pédagogie 4 Remarques sur l adaptation française 4 Ressources numériques 5 Biographie 6 PREMIÈRE PARTIE

Plus en détail

Ingénierie d aide à la décision

Ingénierie d aide à la décision Ingénierie d aide à la décision Maria Malek 1 er septembre 2009 1 Objectifs et débouchés Nous proposons dans cette option deux grands axes pour l aide à la décision : 1. La recherche opérationnelle ; 2.

Plus en détail

Glossaire Analyse en Composantes Principales (ACP) Analyse Factorielle des Correspondances (AFC) Apprentissage supervisé Apprentissage non supervisé

Glossaire Analyse en Composantes Principales (ACP) Analyse Factorielle des Correspondances (AFC) Apprentissage supervisé Apprentissage non supervisé Glossaire Analyse en Composantes Principales (ACP) : *méthode factorielle (Pearson 1901, Hotelling 1933) permettant de fournir un résumé descriptif (sous forme graphique le plus souvent) d une population

Plus en détail

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS

Logiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence

Plus en détail

Analyse Quantitative et Qualitative de données textuelles. Normand Péladeau, Ph.D. Président Recherches Provalis

Analyse Quantitative et Qualitative de données textuelles. Normand Péladeau, Ph.D. Président Recherches Provalis Analyse Quantitative et Qualitative de données textuelles Normand Péladeau, Ph.D. Président Recherches Provalis Les Produits de Recherches Provalis SIMSTAT (1989) Analyses Statistiques Simstat v2.5 Les

Plus en détail

Leçon 4 : Typologie des SI

Leçon 4 : Typologie des SI Leçon 4 : Typologie des SI Typologie des SI Système formel Système informel Typologie des SI Chaque jour au sein d une organisation Le système d info stocke, traie ou restitue des quantités importantes

Plus en détail

données en connaissance et en actions?

données 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 détail

Outils Statistiques du Data Mining

Outils Statistiques du Data Mining Outils Statistiques du Data Mining Pr Roch Giorgi roch.giorgi@univ-amu.fr SESSTIM, Faculté de Médecine, Aix-Marseille Université, Marseille, France http://sesstim-orspaca.org http://optim-sesstim.univ-amu.fr

Plus en détail

Reconnaissance des formes : Classement d ensembles d objets

Reconnaissance des formes : Classement d ensembles d objets Reconnaissance des formes : Classement d ensembles d objets Données Méthodes Extraction de connaissances Applications Expertise Apprentissage Bernard FERTIL Directeur de Recherche CNRS Équipe LXAO, UMR

Plus en détail

Des 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 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 détail

Sphinx Institute. Conseil et expertise en collecte et analyse de données. Confiez-nous vos projets!

Sphinx Institute. Conseil et expertise en collecte et analyse de données. Confiez-nous vos projets! Sphinx Institute Conseil et expertise en collecte et analyse de données Confiez-nous vos projets! Sphinx Institute, un label pour vos études Sphinx Institute est un pôle de compétences qui vous conseille

Plus en détail

Easy to. report. Connexion. Transformation. Stockage. Construction. Exploitation. Diffusion

Easy to. report. Connexion. Transformation. Stockage. Construction. Exploitation. Diffusion M y R e p o r t, L A S O L U T I O N R E P O R T I N G D E S U T I L I S AT E U R S E X C E L Connexion Transformation Stockage Construction Exploitation Diffusion OBJECTIF REPORTING : De la manipulation

Plus en détail

Classification Exemple : Enquête d opinion sur les OGM. Pauline Le Badezet Alexandra Lepage

Classification Exemple : Enquête d opinion sur les OGM. Pauline Le Badezet Alexandra Lepage Classification Exemple : Enquête d opinion sur les OGM Pauline Le Badezet Alexandra Lepage SOMMAIRE Introduction Méthodologie Méthode de partitionnement Classification Ascendante Hiérarchique Interprétation

Plus en détail

S84-1 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 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 détail

Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 18/12/2006 Stéphane Tufféry - Data Mining - http://data.mining.free.fr

Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 18/12/2006 Stéphane Tufféry - Data Mining - http://data.mining.free.fr 1 Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 2 Plan du cours Qu est-ce que le data mining? A quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data

Plus en détail

REQUEA. v 1.0.0 PD 20 mars 2008. Mouvements d arrivée / départ de personnels Description produit

REQUEA. v 1.0.0 PD 20 mars 2008. Mouvements d arrivée / départ de personnels Description produit v 1.0.0 PD 20 mars 2008 Mouvements d arrivée / départ de personnels Description produit Fonctionnalités L application Gestion des mouvements d arrivée / départ de Requea permet la gestion collaborative

Plus en détail

L ANALYSE DES DONNÉES CLIENTS AU SERVICE DE LA PRÉVISION D ACHAT DE VOYAGES

L ANALYSE DES DONNÉES CLIENTS AU SERVICE DE LA PRÉVISION D ACHAT DE VOYAGES L ANALYSE DES DONNÉES CLIENTS AU SERVICE DE LA PRÉVISION D ACHAT DE VOYAGES SAS 3 DEC 2015 1 sur 9 TRANSAT Un voyagiste international solidement installé au Canada, en France et au Royaume-Uni, qui offre

Plus en détail

SharePoint (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)... 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 détail

Introduction au datamining

Introduction 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 détail

Solution d intelligence marketing et CRM

Solution d intelligence marketing et CRM Solution d intelligence marketing et CRM L entreprise d aujourd hui est littéralement ensevelie sous une masse d information générée par son activité commerciale et par les liens qu elle tisse avec ses

Plus en détail

Programme détaillé des enseignements

Programme détaillé des enseignements Programme détaillé des enseignements SEMESTRE S1 STATISTIQUES Méthodes d'estimation ponctuelle (méthodes des moments, du maximum de vraisemblances, bayésienne) et par intervalles de confiance. Statistiques

Plus en détail

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances 1 Introduction Définition et motivations Tâches de data mining (fouille de données, exploration de données) Techniques et algorithmes Exemples et applications 1 Motivation : pourquoi exploration de données?

Plus en détail

MyReport, LE REPORTING SOUS EXCEL

MyReport, LE REPORTING SOUS EXCEL MyReport, LE REPORTING SOUS EXCEL Avec MyReport : De la manipulation en moins. De l analyse en plus! Les données d une entreprise sont un vrai capital. Bien exploitées, elles facilitent les prises de décisions.

Plus en détail

Offre INES CRM + BI MyReport. Logiciels pour une meilleure performance commerciale

Offre INES CRM + BI MyReport. Logiciels pour une meilleure performance commerciale Offre INES CRM + BI MyReport Logiciels pour une meilleure performance commerciale Notre Métier Le Client L intégrateur = AGI Distribution Installation, Paramétrage, Formation, Support L éditeur de logiciel

Plus en détail

Le parcours pédagogique Sage Business Intelligence. Utilisateur Niv I BO XI 3.0 WebI pour Sage 1000 2 jours

Le parcours pédagogique Sage Business Intelligence. Utilisateur Niv I BO XI 3.0 WebI pour Sage 1000 2 jours Vous êtes Consultant, Chef de Projets, Directeur des Systèmes d Information, Directeur Administratif et Financier, Optez pour les «formations Produits» Nous vous proposons des formations vous permettant

Plus en détail

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Gilbert Saporta Chaire de Statistique Appliquée, CNAM ActuariaCnam, 31 mai 2012 1 L approche statistique

Plus en détail

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE GUIDE COMPARATIF BUSINESS INTELLIGENCE www.viseo.com Table des matières Business Intelligence :... 2 Contexte et objectifs... 2 Une architecture spécifique... 2 Les outils de Business intelligence... 3

Plus en détail

MyReport, LE REPORTING SOUS EXCEL

MyReport, LE REPORTING SOUS EXCEL MyReport, LE REPORTING SOUS EXCEL De la simplicité d Excel à l autonomie des utilisateurs Avec MyReport : De la manipulation en moins. De l analyse en plus! Tous les services de l entreprise utilisent

Plus en détail

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise.

Nos 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 détail

Logiciel d analyse du monde des objets connectés intelligents

Logiciel d analyse du monde des objets connectés intelligents Logiciel d analyse du monde des objets connectés intelligents Le défi : Transformer les données en intelligence décisionnelle Le logiciel SkySpark analyse automatiquement les données issues des équipements

Plus en détail

Logiciel QDA Miner. Deuxième partie Gestion du livre des codes et codage manuel

Logiciel QDA Miner. Deuxième partie Gestion du livre des codes et codage manuel PLAN DE COURS «ANALYSE DE DONNEES TEXTUELLES» Trois approches pour l analyse de textes Analyse qualitative Analyse quantitative Fouille de textes Introduction au logiciel QDA Miner Introduction et gestion

Plus en détail

Utilisations des mathématiques à des fins opérationnelles

Utilisations des mathématiques à des fins opérationnelles Utilisations des mathématiques à des fins opérationnelles Michael Vandenbossche mvn@softcomputing.com Soft Computing 165 avenue de Bretagne 59000 Lille 1. Présentation 2. Indicateurs statistiques de base

Plus en détail

Améliorer la précision des modèles avec des données non structurées

Améliorer la précision des modèles avec des données non structurées IBM SPSS Modeler Premium Améliorer la précision des modèles avec des données non structurées Points clés Consultez, préparez et intégrez facilement des données structurées ainsi que des données tirées

Plus en détail

Le métier de Chargé(e) d Etudes Statistiques

Le métier de Chargé(e) d Etudes Statistiques Le métier de Chargé(e) d Etudes Statistiques Nicolas Cabaj Sommaire Présentation du chargé d études statistiques 3 exemples de missions réalisées: Le scoring, illustré par un outil de détection des fraudes

Plus en détail

Spécificités, Applications et Outils

Spécificités, 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 détail

FICHE CONCEPT 01 ETL (EXTRACT TRANSFORM & LOAD)

FICHE CONCEPT 01 ETL (EXTRACT TRANSFORM & LOAD) FICHE CONCEPT 01 ETL (EXTRACT TRANSFORM & LOAD) BIEN GERER SES REFERENTIELS DE DONNEES : UN ENJEU POUR MIEUX PILOTER LA PERFORMANCE DE SON ETABLISSEMENT octobre 2008 GMSIH 44, Rue de Cambronne 75015 Paris.

Plus en détail

TABLE DES MATIÈRES CHAPITRE

TABLE DES MATIÈRES CHAPITRE TABLE DES MATIÈRES CHAPITRE 1 Le pilotage de la performance... 17 I. Du contrôle au pilotage de la performance... 17 A. Le contrôle de gestion traditionnel... 17 B. Le pilotage de la performance... 19

Plus en détail

ANALYSE : OUTIL D ANALYSE DE DONNEES POUR LES SCIENCES HUAMINES MANUEL DE L UTILISATEUR : PRISE EN MAIN

ANALYSE : OUTIL D ANALYSE DE DONNEES POUR LES SCIENCES HUAMINES MANUEL DE L UTILISATEUR : PRISE EN MAIN Pôle Informatique de Recherche et d Enseignement en Histoire ANALYSE : OUTIL D ANALYSE DE DONNEES POUR LES SCIENCES HUAMINES MANUEL DE L UTILISATEUR : PRISE EN MAIN A. PREMIER PAS 1. INTEGRATION DU TABLEAU

Plus en détail

TP DE DATA MINING 2 : MODELISATION AVEC SPSS CLEMENTINE

TP DE DATA MINING 2 : MODELISATION AVEC SPSS CLEMENTINE TP DE DATA MINING 2 : MODELISATION AVEC SPSS CLEMENTINE EPF 4/ 5 ème année - Option Ingénierie d Affaires et de Projets - Finance Bertrand LIAUDET TP n 2 de DATA MINING : Modélisation 1 Jeu de données

Plus en détail

Module 3 : Introduction à la Modélisation SOUS MODELER

Module 3 : Introduction à la Modélisation SOUS MODELER Module 3 : Introduction à la Modélisation SOUS MODELER 1 Techniques prédictives Passé pour prédire l avenir 2 Concepts de la modélisation Données test / apprentissage Généralement créées par l utilisateur

Plus en détail

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Christophe 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 détail

The job scheduling company. The job scheduling Company. Visual TOM V5

The job scheduling company. The job scheduling Company. Visual TOM V5 The job scheduling Company Visual TOM V5 0 Fonctionnalités actuelles Fonctionnel Planification et ordonnancement évolués permettant de concevoir des modèles complexes Intégration aux systèmes et logiciels

Plus en détail

Offre CRM Analytique Logiciels pour une meilleure performance commerciale, 2011

Offre CRM Analytique Logiciels pour une meilleure performance commerciale, 2011 Offre CRM Analytique Logiciels pour une meilleure performance commerciale, 2011 Notre Métier Le Client L intégrateur = AGI Distribution Installation, Paramétrage, Formation, Support L éditeur de logiciel

Plus en détail

Manipulation de données avec SAS Enterprise Guide et modélisation prédictive avec SAS Enterprise Miner

Manipulation 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 détail

SAS Visual Analytics. Fiche solution A quoi sert SAS Visual Analytics? Avantages

SAS Visual Analytics. Fiche solution A quoi sert SAS Visual Analytics? Avantages Fiche solution A quoi sert SAS Visual Analytics? SAS Visual Analytics est une plate-forme complète pour l exploration et la visualisation des données qui met en évidence les schémas et relations non perceptibles.

Plus en détail

MYXTRACTION. 2009 La Business Intelligence en temps réel

MYXTRACTION. 2009 La Business Intelligence en temps réel MYXTRACTION 2009 La Business Intelligence en temps réel Administration Qui sommes nous? Administration et management des profils Connecteurs Base des données Gestion des variables et catégories de variables

Plus en détail

Pentaho Business Analytics Intégrer > Explorer > Prévoir

Pentaho Business Analytics Intégrer > Explorer > Prévoir Pentaho Business Analytics Intégrer > Explorer > Prévoir Pentaho lie étroitement intégration de données et analytique. En effet, les services informatiques et les utilisateurs métiers peuvent accéder aux

Plus en détail

Travailler avec les télécommunications

Travailler 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 détail

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS established in 2006 at the University of Abomey-Calavi (Republic of Benin) UNITWIN/UNESCO

Plus en détail

Communiqué de Lancement

Communiqué de Lancement Direction du Marketing Produits Sage - Division Mid Market Communiqué de Lancement Rapprochement Bancaire 1000 Produit : Rapprochement Bancaire 1000 Bases de Données : Oracle - MS/SQL Server Microsoft

Plus en détail

Avantages. Protection des réseaux corporatifs de gestion centralisée

Avantages. Protection des réseaux corporatifs de gestion centralisée Protégez votre univers Protection des réseaux corporatifs de gestion centralisée Avantages Gestion centralisée de protection des postes de travail des serveurs de fichier Windows et des serveurs de messagerie

Plus en détail

CRM pour le Service clients et l Assistance technique

CRM pour le Service clients et l Assistance technique CRM pour le Service clients et l Assistance technique La satisfaction Maximizer. Inciter la fidélisation de la clientèle. Servir la clientèle efficacement est l élément clé d une croissance d affaires

Plus en détail

De la donnée à la décision. Sofian MAABOUT LaBRI. Université Bordeaux 1

De la donnée à la décision. Sofian MAABOUT LaBRI. Université Bordeaux 1 De la donnée à la décision Sofian MAABOUT LaBRI. Université Bordeaux 1 1 Décider c est choisir, parmi plusieurs actes possibles, celui qui apparaît comme le plus pertinent pour atteindre un résultat envisagé,

Plus en détail

L externalisation de vos logiciels entreprises : une solution aux problèmes de coûts, de sécurités et de réactivités

L externalisation de vos logiciels entreprises : une solution aux problèmes de coûts, de sécurités et de réactivités Bureau Virtuel L externalisation de vos logiciels entreprises : une solution aux problèmes de coûts, de sécurités et de réactivités Que ce soit par la communication, par les échanges ou par la collaboration,

Plus en détail

L'intelligence d'affaires: la statistique dans nos vies de consommateurs

L'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 détail

Dossier : Radarly Henry 2013-2014

Dossier : Radarly Henry 2013-2014 Dossier : Radarly Henry Antoine Président Cellie 2013-2014 Comme l'a annoncé Cellie, un partenariat a été signé entre l'iae de Poitiers et la société Linkfluence. Il se traduit notamment par la mise à

Plus en détail

Typologie des fonctionnalités textométriques selon un point de vue utilisateur : illustration par leurs implémentations dans des logiciels

Typologie des fonctionnalités textométriques selon un point de vue utilisateur : illustration par leurs implémentations dans des logiciels EDITION DU 19 NOVEMBRE 2009 Typologie des fonctionnalités textométriques selon un point de vue utilisateur : illustration par leurs implémentations dans des logiciels Bénédicte Pincemin (éditeur) Les différents

Plus en détail

Sommaire. 1 Introduction 19. 2 Présentation du logiciel de commerce électronique 23

Sommaire. 1 Introduction 19. 2 Présentation du logiciel de commerce électronique 23 1 Introduction 19 1.1 À qui s adresse cet ouvrage?... 21 1.2 Comment est organisé cet ouvrage?... 22 1.3 À propos de l auteur... 22 1.4 Le site Web... 22 2 Présentation du logiciel de commerce électronique

Plus en détail

Découvrez la gestion collaborative multi-projet grâce à la. solution Project EPM

Découvrez la gestion collaborative multi-projet grâce à la. solution Project EPM Découvrez la gestion collaborative multi-projet grâce à la solution Project EPM Project EPM 2007 est la solution de gestion de projets collaborative de Microsoft. Issue d une longue expérience dans le

Plus en détail

Rapport d'activités / Curriculum Vitae

Rapport d'activités / Curriculum Vitae Rapport d'activités / Curriculum Vitae Dominique Mahut Né le 01 Juillet 1964 à Paris 14ème Marié, deux enfants (18 et 20 ans) Ingénieur d étude statistique IE2 BAP E titulaire CNRS UMR 7088 (DMR) et UMR

Plus en détail

Portail SIRH CBM Value

Portail SIRH CBM Value Portail SIRH CBM Value Gestion et pilotage des rémunérations PEOPLE BASE CBM Compensations & Benefits Management Présentation Pour s assurer des succès de demain, ne pas se laisser distancer par la concurrence

Plus en détail

We make your. Data Smart. Data Smart

We 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 détail

Introduction à la B.I. Avec SQL Server 2008

Introduction 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 détail

http://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines

http://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association

Plus en détail

Présentation de l épreuve

Présentation de l épreuve MÉTHODO Présentation de l épreuve 1. Programme de l arrêté du 22 décembre 2006 DURÉE DE L ENSEIGNEMENT ÉPREUVE N 11 CONTRÔLE DE GESTION (à titre indicatif) : 210 heures 18 crédits européens 1. Positionnement

Plus en détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le 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 détail

QLIKVIEW POUR SALESFORCE

QLIKVIEW POUR SALESFORCE QLIKVIEW POUR SALESFORCE Exploiter rapidement et facilement les données issues de votre CRM QlikView simplifie l intégration de la Business Discovery à une Plate-forme PaaS (Platform as a Service) éprouvée

Plus en détail

Une solution complète, ergonomique et flexible Baissez vos coûts d acquisition et de traitement de l information Augmentez votre réactivité

Une solution complète, ergonomique et flexible Baissez vos coûts d acquisition et de traitement de l information Augmentez votre réactivité LA RELATION CLIENT SUR MOBILE Une solution complète, ergonomique et flexible Baissez vos coûts d acquisition et de traitement de l information Augmentez votre réactivité Le smartphone, outil d acquisition

Plus en détail

Pilot4IT Tableaux de Bord Agréger et consolider l ensemble de vos indicateurs dans un même portail.

Pilot4IT Tableaux de Bord Agréger et consolider l ensemble de vos indicateurs dans un même portail. Pilot4IT Tableaux de Bord Agréger et consolider l ensemble de vos indicateurs dans un même portail. Comment exploiter au mieux l ensemble de vos indicateurs? Avec la solution agile Pilot4IT Tableau de

Plus en détail

DESCRIPTION DES PRODUITS ET MÉTRIQUES

DESCRIPTION DES PRODUITS ET MÉTRIQUES DESCRIPTION DES PRODUITS ET MÉTRIQUES DPM Adobe - Adobe Analytics (2015v1) Les Produits et Services décrits dans cette DPM sont soit des Services On-demand soit des Services Gérés (comme décrits ci-dessous)

Plus en détail

LoReNa : pour dynamiser votre Relation Client (CRM)

LoReNa : pour dynamiser votre Relation Client (CRM) LoReNa : pour dynamiser votre Relation Client (CRM) Valorisez votre Relation Client! http://www.lorena.pro/nossolutions/crm.aspx Introduction La connaissance du client est une des bases de la réussite

Plus en détail

CRM et GRC, la gestion de la relation client R A LLER PL US L OI

CRM et GRC, la gestion de la relation client R A LLER PL US L OI 3 R A LLER PL US L OI CRM et GRC, la gestion de la relation client Comment exploiter et déployer une solution de relation client dans votre entreprise? Les usages d une CRM Les fonctionnalités d une CRM

Plus en détail

Présentation des. MicroStrategy 10.

Présentation des. MicroStrategy 10. Présentation des nouveautés de MicroStrategy 10. microstrategy.com/analytics 1 M MicroStrategy 10. Une véritable révolution. MicroStrategy 10 représente une étape majeure dans l évolution de la suite MicroStrategy

Plus en détail

Technologie SAFE* X3 - Outils et Développement. Développement, Fonction de base 2 e partie 3 jours. Web Services. 2 jours

Technologie SAFE* X3 - Outils et Développement. Développement, Fonction de base 2 e partie 3 jours. Web Services. 2 jours - Vous êtes consultant, chef de projets, acteur clé au sein de votre entreprise et vous intervenez en phase de déploiement ou de paramétrage d un logiciel Sage, Optez pour les formations «Produits» : Nous

Plus en détail

Cours IFT6266, Exemple d application: Data-Mining

Cours IFT6266, Exemple d application: Data-Mining Cours IFT6266, Exemple d application: Data-Mining Voici un exemple du processus d application des algorithmes d apprentissage statistique dans un contexte d affaire, qu on appelle aussi data-mining. 1.

Plus en détail

Paie - RH. Un ERP à la richesse fonctionnelle exceptionnelle

Paie - RH. Un ERP à la richesse fonctionnelle exceptionnelle Un ERP à la richesse fonctionnelle exceptionnelle Un ERP est un progiciel de planification des ressources nécessaires au bon fonctionnement d une entreprise (Entreprise Ressources Planning). l entreprise,

Plus en détail

Méthodes d apprentissage statistique («Machine Learning»)

Méthodes d apprentissage statistique («Machine Learning») Méthodes d apprentissage statistique («Machine Learning») Journées d Etudes IARD Niort, 21 Mars 2014 Fabrice TAILLIEU Sébastien DELUCINGE Rémi BELLINA 2014 Milliman. All rights reserved Sommaire Introduction

Plus en détail

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)

SQL 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 détail

IBM SPSS Direct Marketing

IBM 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 détail

Décisionnel. SI Virtualisé. Performant. Cloud. SAP BusinessObjects. Dashboards. Expertise. Succès. Service Reporting. Finance. SaaS. Web 2.0.

Décisionnel. SI Virtualisé. Performant. Cloud. SAP BusinessObjects. Dashboards. Expertise. Succès. Service Reporting. Finance. SaaS. Web 2.0. Performant Expertise SAP BusinessObjects BI Finance SaaS Formation Cloud Dashboards Web 2.0 Service Reporting Audit Diffusion Internet SI Virtualisé CATALOGUE FORMATION Succès Optimisation Ad-hoc Conseil

Plus en détail

PLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION

PLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION PLATEFORME MÉTIER DÉDIÉE À LA PERFORMANCE DES INSTALLATIONS DE PRODUCTION KEOPS Automation Espace Performance 2B, rue du Professeur Jean Rouxel BP 30747 44481 CARQUEFOU Cedex Tel. +33 (0)2 28 232 555 -

Plus en détail

QU EST-CE-QUE LASER? POUR QUI?

QU EST-CE-QUE LASER? POUR QUI? QU EST-CE-QUE?, Logiciel Actuariel de Simulation et d Evaluation de Retraites, est un logiciel d évaluation des engagements au titre des Indemnités de Départ en Retraite, des Prestations d Ancienneté et

Plus en détail

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...)

SQL Server 2014 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services, Power BI...) 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 détail

Ozélya Retail One Ozélya Ozélya Retail One

Ozélya Retail One Ozélya Ozélya Retail One Ozélya Retail One Pour vous aider à faire face à un monde devenu complexe, individuel, incertain, et interdépendant, Ozélya capitalise depuis plus de 20 ans sur les meilleures pratiques rencontrées dans

Plus en détail