WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Une contribution du datamining àƒÂ la segmentation du marché et au ciblage des offres àƒÂ  l'aide de la statistique de Bayes

( Télécharger le fichier original )
par samuel Kalombo
UNiversité de Kinshasa - Licence 2011
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

CONCLUSION

Le travail présenté dans le cadre du mémoire en vue de l'obtention du titre de licencié en sciences groupe informatique consiste à donner une contribution de la fouille de données à la segmentation du marché et au ciblage des offres.

Les clients constituant la richesse première d'une entreprise, comme on dit-on que ce sont les clients qui payent nos salaires, une entreprise qui aspire voir sa croissance doit se préoccuper de comprendre les comportements de ses clients. L'intérêt principal d'un tel outil est triple :

Ø d'offrir aux décideurs une meilleure vision de leurs clients leur permettant ainsi, une meilleure gestion et une meilleure satisfaction des clients en lui proposant des produits susceptibles d'être acheter par ces derniers.

Ø Faire le marketing ciblé ou une offre particulière à un groupe des clients présentant des caractéristiques similaires et ayant des comportements de consommation

Ø Connaître quoi à offrir au nouveau client qui se présente à l'entreprise en lui affectant à un groupe des clients dans lequel les habitudes ou les préférences de vis-à-vis d'un produit ou d'un groupe des produit sont connues.

Le logiciel développé permet à toute personne expert ou non d'effectuer quelques tâches de datamining comme la classification automatique et la prédiction. Cet outil constitue une aide efficace pour interpréter les résultats de l'analyse effectuée.

Comme perspective à ce travail, nous proposons un enrichissement du module data mining en intégrant d'autres techniques de classification telles que une classification des variables qualitatives avec les centres de profil qui est une version de centres mobiles traitant de données qualitatives, quant à la statistique bayesienne nous espérons introduire le méthodes de simulation de monte Carlo pour estimer la vraisemblance au cas où les méthodes numériques ne marcheraient pas ou lorsque l'hypothèse de la normalité n'est pas vérifiée.

BIBLIOGRAPHIE

1. Ouvrage

1. ALAIN BACCINI et PHILIPPE BESSE, « Statistique descriptive multidimensionnelle, Version Juillet 1999 »

2. ANNE BOYER, «  Introduction au datamining » ;

3. CHRISTINE FRODEAU, «  Data mining, outil de predictiondu comportement du consommateur le 08 juin 2006 » ;

4. CLERMONT FERRAND, «  Algorithmes de Data Mining Distribués le 05 juillet 2006» 

5. E-G. TALBI, «  Fouille de données (Data Mining) » ;

6. GILBERT SAPORTA, « Data mining » ou fouille de données, le 05 Janvier 2004 » ;

7. HANS WACKERNAGEL, « Cours de Géostatistique Multivariable le 03 février 2001 »

8. LINE FORTIN, « Analyse de la segmentation de la clientèle, le 08 Mars 2005 »

9. NAZIH SELMOUNE, SAIDA BOUKHEDOUMA et ZAIA ALIMAZIGHI, «  Conception d'un outil décisionnel pour la gestion de la relation client dans un site de e-commerce le 27 Mar 2005 »

10. OLIVIER DECOURT, « DataMining, Le datamining, qu'est ce que c'est et comment l'apprehender le 18 juin 2006 »

11. PHILIPPE BESSE, « Apprentissage Statistique Datamining Version Juillet 2009 »

12. PHILIPPE PREUX, « Fouille de données Notes de cours, 31 aôut 2009 »

13. PROFESSEUR Dr. Andreas Meier, « Le CRM analytique Les outils d'analyse OLAP et le Data Mining, le 26 avril 2008 »

14. RICCO RAKOTOMALALA, « Analyse discriminante lineaire, une approche pour rendre calculable p(y/x) le 28 Janvier 2008 »

15. STÉPHANE TUFFÉRY, « Data mining et statistique cisionnelle, 25/12/2006 »

II. Cours

1. Eugène MBUYI MUKENDI, analyse de données, Cours inédit L1 informatique, UNIKIN, 2007.

2. Leonard MANYA NDJAJIL, Statistique II, cours inédit G2 informatique, UNIKIN, 2007.

3. Nathanaél KASORO MULENDA, Analyse de données, cours inédit L1 informatique Gestion, UNIKIN, 2009.

4. Saint Jean DJUNGU, Génie Logiciel Cours inédit L1 informatique, UNIKIN 2009.

III. WEBOGRAPHIE

5. www. kdnuggets.com, consulté le 12 septembre 2001

6. http://www.cs.bham.ac.uk/~anp/TheDataMine.html, consulté le 12 septembre

7. http://www-stat.stanford.edu/~jhf/ftp/dm-stat.ps, consulté le 05 Janvier 2012

8. http://www.univ-lille3.fr/grappa, consulté le 10 Janvier 2012

9. :http://www.cairn.info/article_p.php, consulté le 12 Janvier 2012

10. http://www.journaldunet.com/solutions/0301/030108_olap.shtml, Consulté le 30 Décembre 2011

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Il ne faut pas de tout pour faire un monde. Il faut du bonheur et rien d'autre"   Paul Eluard