Blog CRM

 
  • Increase font size
  • Default font size
  • Decrease font size
Datamining

Le datamining désigne l’ensemble des techniques permettant l’analyse des données et la mise en place d’approches industrielles de gestion de la connaissance du client.

Le data mining est un domaine très large et l’objectif de cette rubrique du blog est de couvrir l’amélioration de la connaissance client et l’optimisation des processus de gestion de la relation client. Le datamining est le passage obligatoire d’une entreprise qui souhaite comprendre ses clients et établir une relation durable avec eux.

Les objectifs de cette rubrique sont d’apporter :

  • aux non experts et aux étudiants une présentation des différentes technologies
  • aux praticiens une description des applications et un suivi de l’évolution dans ce domaine.

Le data mining est un élément important pour valoriser les données recueillies par les canaux de relation avec le client (ordinateur ou pda du commercial, centre d’appels, site internet) et la mise en forme des informations dans les « entrepôts de données ». Le data mining permet en théorie d’assurer un traitement le plus optimal des clients (temps de traitement, ajustement des offres) au moyen de modèles d’analyse et de prévision.

Pourtant malgré une promesse réelle des technologies, la croissance et la variété du flux de captation des données se traduit encore par une sous exploitation des données. Les problèmes de qualité restent majeurs dans le cas des données collectées, et le data mining « butte » sur le problème du « garbage in – garbage out ». Conjointement, les modes de relation avec les clients évoluent, et de nouvelles données comme les navigations internet ou la géo-localisation complètent les possibilités de collecte. Ces nouvelles sources posent des problématiques nouvelles d’analyse des données textuelles ou des images, et le besoin de respecter la vie privée.

L’objectif du blog « data mining » est de présenter les différentes technologies et de suivre leurs évolutions pour affronter les nouvelles données et les contraintes d’industrialisation de la connaissance.

Faire un commentaire (1) Envoyer à un ami

Imprimer PDF