GLOSSAIRE
Ø AuC : Authentification Center
Ø BI: Business Intelligence
Ø CAH: Classification Automatique Hierarchique
Ø CHURN :Change Turn (expiration de la ligne
téléphonique d'un client due à son arrêt de son
activité
Ø DM :DataMart
Ø DM: Data Mining
Ø DW :Dataware House
Ø ECD: Exctration des connaissances à partir des
Données
Ø ED : Entrepôt de Données
Ø ETL: Extraction transformation Load
Ø GSM :Global System for Mobile
Ø HOLAP: Hybrid OLAP
Ø UML :Unified Methodl angage
Ø KDD: Knowledge Discovery in Databases
Ø MDX: Multidimensional Expression
Ø MOLAP: Multidimensional OLAP
Ø OLAP: On Line Analytical Processing
Ø OLTP: On Line Transaction Processing
Ø ROLAP : Relationnal OLAP
Ø SGBD : Système de Gestion de Base de
Données
Ø SIM : Subscriber Identity Module (carte à
puce identifiant l'abonné sur le réseau GSM)
Ø SMS :Short Message Service
Ø SQL: Structured Query Language
Ø SSAS: SQL Server Analysis Services
LISTE DES FIGURES
Fig.01 : architecture de dataware house
Fig.2 : schéma en étoile
Fig.3 : schéma d'un modèle en flocon
Fig.4 :Les arbres de décision
Fig.5 : L' Algorithme de CART
Fig.6 : Diagramme de cas
d'utilisation
Fig.7 : Diagramme de classes
Fig. 8 : architecture cliente serveur
FIG.9 : Création de la base source en SQL Server
avec le management
Studio
Fig 10 :Crétion de vues de source de
données avec le visual studio
Fig 11 : ajout de la dimension temps
Fig 12 : création des cubes de données
Fig 13 : Déploiement du cube
Fig 14 : visualisation des abonnés en Excel à
partir des cubes des données
Fig.15 Filière Attrition
Fig . 16 Représentation de l'arbre
hiérarchique
Fig. 17 Représentation de la partition en 4
classes
0. INTRODUCTION GENERALE
Depuis ces deux dernières décennies, les
entreprises commerciales sont en possession d'une remarquable quantité
de données concernant leurs clients (passés et présents)
à tel point que ce potentiel n'est pas exploité de manière
optimale. Or, c'est justement cette capacité à en tirer parti qui
peut vous démarquez dans la situation de concurrence.
Certes, il est arrivé alors la nécessité
de fouiller, torturer les données des clients dans les entrepôts
pour en dégager les corrélations, relations entre les
clients pour une prise de décision.
Face à de telles constations, il est évident de
constituer un support d'aide à la décision pour
s'imprégner de toutes les données de clients en se basant sur
l'exploitation de bases de données évoluées à
l'aide des techniques de datamining qui mettent en oeuvre de puissants outils
d'extraction des connaissances à partir des données.
0.1 PROBLEMATIQUE
La perte des clients d'une entreprise appelée
communément « attrition (churn) »
constitue un vrai problème pour les entreprises évoluant dans les
différents secteurs d'activité surtout en situation de
concurrence.
Nul n'ignore que ce phénomène n'a pas
épargné le secteur de la télécommunication.
Vodacom évoluant dans ce secteur est buttée
aussi à ce phénomène pour ses abonnés, très
surtout en situation de concurrence.
A cet effet, la prise de décision pour la Direction des
Marketing pour la réduction de ce phénomène suscite trop
d'interrogations pour l'éradiquer:
Ø Quels sont les abonnés fragiles au vu de leurs
profils d'utilisation du réseau ?
Ø Quelle est la zone géographique la plus
affectée par l'attrition de la clientèle ?
Ø Sur quel facteur agir pour modifier les
comportements des abonnés ?
Ø Quelles sont les causes de la perte des clients?
Ø Quels sont les abonnés
fidèles ?
| 
