OLAP et Data Mining

Quid du CRM	Composantes	SFA	EMA	Call center
Web et e-CRM	Décisionnel	Gains du CRM	Implémentation	Critère de Choix
Direction Générale	Organisation	Prix	ROI + Timing	Biblio, et +

1001 QUESTIONS SUR LA RELATION-CLIENT EN PHARMA, VIA LE CRM, E-CRM

QUESTION ABRÉGÉE	QUESTION ET RÉPONSE	M.A.J.
OLAP et Data Mining	Existe-t-il d'autres formes d'analyse que l'OLAP, comme le Data Mining ? Quel est son usage ? Olap (Online analytical processing) qualifie la méthode analytique en tant que telle, qui s'applique au modèle multidimensionnel et utilise les requêteurs. L'OLAP fait partie des systèmes de l'informatique décisionnelle, avec 12 règles de fonctionnement normalisées : vue multidimensionnelle des données, transparence vis à vis de l'utilisateur, qui doit accéder à la base de données par l'intermédiaire d'outils standards tels que des tableurs, base de données disposant d'un modèle de données et d'outils permettant d'accéder à de multiples sources, d'effectuer les conversions et extractions nécessaires, flexibilité du modèle des données, pour le nombre de dimensions ou le nombre de niveaux d'agrégation, architecture client-serveur (ou pur Web), accessibilité·pour chacune des données à toutes les dimensions définies dans le modèle de données, gestion des matrices creuses (données vides) de manière à ne pas détériorer les temps d'accès, accessibilité simultanément pour plusieurs utilisateurs, accessibilité à toutes les données stockées ou calculées dans l'hyper-cube, toutes «tranches» du cube visualisables, navigation aisée dans les données pour les utilisateurs, de manière intuitive, avec outil de présentation des données, nombre illimité de dimensions et de niveaux d'agrégation. En général plus anciens que les algorithmes d'analyse multidimensionnelle, les algorithmes de Data Mining utilisent une approche statistique pour modéliser des courbes dans le temps. A partir d'un certain nombre d'événements observés et historisés, il est parfois possible de prévoir, selon les critères entrés au préalable, comment la courbe va évoluer. Par exemple, le Data Mining est souvent utilisé par les opérateurs (d'un centre d'appels, d'un site marchand, d'une base de données clients) pour prévenir le «churn» ou le «zapping», c'est à dire le moment même où les clients vont devenir infidèles. Dans ce cadre, seule une historisation du comportement de l'utilisateur (achat de services, degré d'utilisation...) permet de définir des probabilités en fonction de critères tirés d'observations préalables. Acteurs OLAP : Cognos, Business Objects, et encore Accrue Software, Brio, Hyperion, Microstratégie.	[Février 2001]