Data mining et statistique décisionnelle

Résumé : Le data mining et la statistique sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente cachée dans leurs bases de données, en vue d'expliquer et de prévoir.Cette nouvelle édition, revue et augmentée de 160 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ses outils appartiennent à l'analyse des données et la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés,) mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les SVM, le boosting, etc. Tous sont disponibles dans des logiciels de plus en plus puissants et conviviaux ; un chapitre est d'ailleurs destiné à aider le lecteur à se diriger dans cette offre logicielle fournie et dresse un comparatif très approfondi des deux leaders, SAS et SPSS. L'utilisation des logiciels et l'interprétation des résultats sont illustrées par de nombreux exemples conduits avec SAS, SPSS et R.Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, l'intégration dans le marketing de bases de données, le calcul du retour sur investissement, les interfaces informatiques, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel.Table des matières : 1. Panorama du data mining. 2. Le déroulement d'une étude de data mining. 3. L'exploration et la préparation des données. 4. L'utilisation des données commerciales. 5. Aperçu sur les techniques de data mining. 6. L'analyse factorielle. 7. Les réseaux de neurones. 8. Les techniques de classification automatique. 9.