Intelligence Economique

Présentation au sujet: "Intelligence Economique"— Transcription de la présentation:

1 Intelligence Economique
Emmanuel Houze 27/04/2017 Emanuel Houzé- IE

2 UE Stratégie et veille technologique
Veille technologique (Intelligence Economique) 27/04/2017 Emanuel Houzé- IE

3 Intelligence Economique
Déroulement : 4 cours (CM) 2 séances de TD (2 groupes) Notation : Un projet d’IE à rendre par groupe (max 3 étudiants) pour 30% Un examen : 70% 27/04/2017 Emanuel Houzé- IE

4 Plan du cours Présentation de la veille et de l'intelligence économique Environnement de l'entreprise Les enjeux Méthodologies Déontologie Identification du besoin Le cycle du renseignement Les traitements Recueil de l'information Analyse de l'information Définition de la veille Définition de l'intelligence économique L’analyse Les ressources humaines Les signaux faibles La restitution des résultats Les nouveaux métiers induits 27/04/2017 Emanuel Houzé- IE

5 Définition du commissariat général au Plan en 1994
I. Présentation de la veille et de l'intelligence économique Définition de l'intelligence économique Définition du commissariat général au Plan en 1994 (publication du rapport national) : “ L’Intelligence Economique peut-être définie comme l’ensemble des actions coordonnées de recherche, de traitement et de distribution en vue de son exploitation, de l’information utile aux acteurs économiques. Ces diverses actions sont menées légalement avec toutes les garanties de protection nécessaires à la préservation du patrimoine de l’entreprise, dans les meilleures conditions de qualité, de délais et de coût ” 27/04/2017 Emanuel Houzé- IE

6 Préambule: définition Wikipédia
L'intelligence économique utilise les méthodes de management et les techniques ayant pour objectif d'apporter des informations à l'organisation, c'est-à-dire à enrichir le savoir de l'organisation (entreprise, État, association,...) à des fins de développement et de protection contre les menaces la visant (déstabilisation, espionnage, vandalisme…), d'abord en les anticipant. L'intelligence économique se distingue de l'espionnage économique car elle utilise exclusivement des moyens légaux 27/04/2017 Emanuel Houzé- IE

7 Le principe de l’IE 27/04/2017 Emanuel Houzé- IE

8 I. Présentation de la veille et de l'intelligence économique L'environnement de l'entreprise
Que cherche-t-on exactement: ça dépend du sujet et de son contexte ça dépend de l’entreprise >> il y a des indications générales sur les informations utiles les données brutes importantes Le domaine essentiel de l’entreprise c’est: le secteur dans lequel elle entre en compétition avec d’autres entreprises. 27/04/2017 Emanuel Houzé- IE

9 Quelles sont les structures concernées Grandes entreprises privées
I. Présentation de la veille et de l'intelligence économique L'environnement de l'entreprise Quelles sont les structures concernées Grandes entreprises privées Entreprises et organismes publiques (Universités…) PME & PMI Pépinières & Bassins Métiers & Filières Quels sont les domaines R & D : scientifique et technique Economique et financier Juridique et règlementaire 27/04/2017 Emanuel Houzé- IE

10 Que peut-on surveiller
I. Présentation de la veille et de l'intelligence économique L'environnement de l'entreprise Que peut-on surveiller Des marchés Des coopérations Des alliances Des participations De l'innovation Des ruptures Des modes Des implantations Des transferts de technologie Des dépôts de brevets Des équipes de recherche De la terminologie Des bases documentaires Des publications De la publicité Des appels d'offres Des recrutements 27/04/2017 Emanuel Houzé- IE

11 Légalité Violence légale Actions normales Légitimité Illégitimité
criminelles Actions informelles Illégalité 27/04/2017 Emanuel Houzé- IE

12 Légalité Recherche d’informations Tentatives de contrôle Violence
légale Actions normales Illégitimité Légitimité Actions criminelles Actions informelles Abus criminels Illégalité Tentatives d’influence 27/04/2017 Emanuel Houzé- IE

13 CONTRÔLE INFORMATION CRIME INFLUENCE LÉGALITÉ Lobbying Acquisition
hostile benchmarking Utilisation de cookies sur internet veille Contrôle du personnel traitement sémiologique des pub. officielles LÉGITIMITÉ Espionnage industriel agents d’influence Attaques informatiques CRIME INFLUENCE 27/04/2017 Emanuel Houzé- IE

14 L’économie est complexe : méconnaissance de l ’environnement
I. Présentation de la veille et de l'intelligence économique L'environnement de l'entreprise L’économie est complexe : méconnaissance de l ’environnement La concurrence est mondiale Les produits et les besoins des clients changent rapidement Les dirigeants sont confrontés à un problème de sur ou de sous information 27/04/2017 Emanuel Houzé- IE

15 I. Présentation de la veille et de l'intelligence économique L'environnement de l'entreprise
Les études de Michaël Porter* montrent que l’intensité de la concurrence qui prévaut dans un secteur n’est ni une coïncidence, ni le fait du hasard. Cette concurrence prend plutôt racine dans la structure économique du secteur et dépasse de loin le seul comportement des concurrents existants. * “ Choix stratégiques et concurrence, Michaël Porter, Economica, Paris 1986 ” 27/04/2017 Emanuel Houzé- IE

16 Les différents comportements de l’entreprise
I. Présentation de la veille et de l'intelligence économique L'environnement de l'entreprise Les différents comportements de l’entreprise Passive : ne fait rien Ré-active : veille évite les dangers Pré-active : évite les dangers en tire parti Pro-active : influence le marché 27/04/2017 Emanuel Houzé- IE

17 I. Présentation de la veille et de l'intelligence économique L'environnement de l'entreprise
ENTRANTS POTENTIELS Aspects sociétaux, légaux et environnementaux Menace de nouveaux entrants CONCURRENTS DU SECTEUR Rivalité entre les firmes existantes FOURNISSEURS CLIENTS Pouvoir de négociation des fournisseurs Pouvoir de négociation des clients Menace des produits ou services substituables SUBSTITUTS 27/04/2017 Emanuel Houzé- IE

18 Les actions: les éléments clés: identifier connaître surveiller
I. Présentation de la veille et de l'intelligence économique L'environnement de l'entreprise Avant même de définir la meilleure stratégie à adopter dans son environnement, l'entreprise doit prendre en compte: Les actions: identifier connaître surveiller les éléments clés: concurrentiels commerciaux chez les fournisseurs commerciaux chez les clients technologiques environnementaux 27/04/2017 Emanuel Houzé- IE

19 I. Présentation de la veille et de l'intelligence économique Les enjeux
Quelque soit l'appellation que l'on donne à la veille, l'enjeu reste toujours la survie de l'entreprise. En raison de la surabondance des écrits, les décideurs sont confrontés à des problèmes de sur information sous information. Il y a croissance exponentielle du nombre de sources d’information L’édition électronique + les réseaux offrent un accès direct à toutes sortes de Bases de Données Documentaires. 27/04/2017 Emanuel Houzé- IE

20 On est passé d’une économie de production à une économie globale:
I. Présentation de la veille et de l'intelligence économique Les enjeux On est passé d’une économie de production à une économie globale: A l’époque des premières voitures, la demande était supérieure à l’offre. Les fabriquants n’avait pas à se préoccuper des besoins de leur clientèles, ni même de leurs concurrents. L’important était de savoir produire en quantité sans trop se soucier de son environnement en dehors des technologies de base. La fonction de veille était réduite. 27/04/2017 Emanuel Houzé- IE

21 Les besoins des clients peuvent changer rapidement
I. Présentation de la veille et de l'intelligence économique Les enjeux Les acteurs de l’économie baignent dans un univers de plus en plus turbulent : Les besoins des clients peuvent changer rapidement Les produits se renouvellent de plus en plus vite Les nouvelles technologies envahissent notre quotidien Les concurrents et les marchés sont nombreux et éloignés Les normes sont complexes et évolutives Sans compter les effets de Mode! 27/04/2017 Emanuel Houzé- IE

22 Le contexte est changeant et mondial,
I. Présentation de la veille et de l'intelligence économique Les enjeux Le contexte est changeant et mondial, L’information est devenue une matière précieuse Il faut maîtriser son utilisation. Dans une économie globale : Le plus important c'est le client L’environnement de l’entreprise est turbulent L’information devient vitale Son traitement est essentiel 27/04/2017 Emanuel Houzé- IE

23 Surveiller en permanence votre environnement
I. Présentation de la veille et de l'intelligence économique Définition de la veille Surveiller en permanence votre environnement technologique, concurrentiel commercial afin de détecter les opportunités et les menaces et orienter ainsi votre stratégie de développement. Le terme général de veille stratégique regroupe la veille technologique, la veille concurrentielle, la veille commerciale, etc. ... 27/04/2017 Emanuel Houzé- IE

24 I. Présentation de la veille et de l'intelligence économique Définition de la veille
Selon les objets ou domaines de la veille la veille technologique (dont la veille brevet) La veille commerciale La veille produit / concurrentielle la veille environnementale la veille scientifique (recherche) Selon les destinataires des résultats de la veille décideurs, experts, ingénieurs, opérationnels Selon les termes ou objectifs de la veille la veille-alerte (opérationnelle) la veille à moyen terme (tactique) la veille prospective (stratégique) 27/04/2017 Emanuel Houzé- IE

25 Veille environnementale
I. Présentation de la veille et de l'intelligence économique Définition de la veille Veille environnementale ENTRANTS POTENTIELS Veille concurrentielle Menace de nouveaux entrants CONCURRENTS DU SECTEUR Rivalité entre les firmes existantes Veille commerciale Veille commerciale FOURNISSEURS CLIENTS Pouvoir de négociation des fournisseurs Pouvoir de négociation des clients Menace des produits ou services substituables Veille technologique SUBSTITUTS 27/04/2017 Emanuel Houzé- IE

26 de l’information stratégique pour développer ses activités
I. Présentation de la veille et de l'intelligence économique Définition de l'intelligence économique L’Intelligence Economique est une démarche qui associe à la stratégie de l’entreprise et à sa culture, le recueil, le suivi, le traitement, la diffusion et la protection de l’information stratégique pour développer ses activités 27/04/2017 Emanuel Houzé- IE

27 Le terme de veille souffre de deux défauts :
I. Présentation de la veille et de l'intelligence économique Définition de l'intelligence économique Le terme de veille souffre de deux défauts : Une connotation statique parce qu’il est compris comme une action de préservation ou une attitude de défense Ce concept est envisagé de façon parcellaire 27/04/2017 Emanuel Houzé- IE

28 I. Présentation de la veille et de l'intelligence économique De la veille à l'intelligence économique L’Intelligence Economique est surtout une culture collective de l’information Culture stratégique fondée sur la maîtrise de l’information Culture collective interne (partage de l’information et émulation interne) Culture collective externe (logique de réseau) Culture subversive fondé sur l’information (influence, désinformation, contre-information…) 27/04/2017 Emanuel Houzé- IE

29 Donnée information et connaissance
27/04/2017 Emanuel Houzé- IE

30 II. Méthodologies Déontologie
L’Intelligence Economique n’est pas de l’espionnage Son activité se restreint aux activités qui sont à la fois déontologique et légales 80% des informations qui nous intéresse sont publiques 60% des informations recherchées se trouvent au sein du patrimoine de l'entreprise 27/04/2017 Emanuel Houzé- IE

31 II. Méthodologies Le cycle du renseignement
27/04/2017 Emanuel Houzé- IE

32 II. Méthodologies L'analyse
Réunions des groupes d’experts Fiche de synthèse - action DECISION - ACTION Observateurs : capteurs d’information Formulaire de capture ANIMATEUR ANALYSTE

33 II. Méthodologies Les ressources humaines
RECHERCHE UTILISATION COLLECTE DIFFUSION TRAITEMENT Réseau d’observateurs Décideurs + Réseau d’experts 27/04/2017 Emanuel Houzé- IE

34 II. Méthodologies Typologie des prestataires
27/04/2017 Emanuel Houzé- IE

35 II. Méthodologies Les institutions
ADBS : association des professionnels de l’information et de la documentation AFDIE : association française pour le développement de l’intelligence économique AF2I : association française des intermédiaires en information SCIP : society of competitive intelligence Professionnals SYNAPI : syndicat national des prestataires et conseils en information Conseil Régional, etc... 27/04/2017 Emanuel Houzé- IE

36 II. Méthodologies La synthèse de l’information
27/04/2017 Emanuel Houzé- IE

37 II. Méthodologies Les niveaux de l’information
l’information explicite (exogène) l’information implicite (endogène) Maturité de l ’information L’information consciente collective L’information consciente individuelle L’information inconsciente collective L’information inconsciente individuelle Les concepts émergents cohérence, simultanéité, consensus 27/04/2017 Emanuel Houzé- IE

38 III. Les traitements Recueil de l’information
Les sources d’information Bases documentaires En ligne Sur DVD Internes Internet News Forums Site Web Brevets Mails Flux RSS Réseaux Sociaux Presse Journaux en ligne Agences de presse Revues de presse Données financières Information informelle Fiches de prospection Rapports d ’étonnement Prise de notes Information noire 27/04/2017 Emanuel Houzé- IE

39 III. Les traitements Recueil de l’information
Les caractéristiques des sources d’information Langages d’interrogation propriétaires Langages unifiées (multi-base, par serveur) Moteurs de recherche / Méta moteurs Agents intelligents Robots spécialisés Méthodes de Push 27/04/2017 Emanuel Houzé- IE

40 III. Les traitements Recueil de l’information
En ligne temps de connexion statistiques payantes disponibilité Sur CD/DVD/ROM limitations / champs Interne ça dépend! Mise au point recherche du vocabulaire connaissance des sources 27/04/2017 Emanuel Houzé- IE

41 III. Les traitements Recueil de l’information
Le temps passé dépend: du débit de la connexion des limitations en nombre de l’évolution de la base: mise à jour format … En ligne serveurs Internet Sur CD/ROM achat du DVD rentabilisation Interne SI SGBD Saisie (info informelle) 27/04/2017 Emanuel Houzé- IE

42 III. Les traitements Recueil de l’information
Problème des Doublons dans la même base dans des bases différentes sur Internet notion de version Problèmes de faux amis sigles synonymes ambiguïtés Problèmes d’indexation dans les bases sur Internet Problèmes de pertinence 27/04/2017 Emanuel Houzé- IE

43 III. Les traitements Recueil de l’information
Pour un corpus en plusieurs formats prise en compte des formats propriétaires pdf, ps, doc, … prise en compte des bannières html, xml, sgml, txt documentaires, news, ... correspondances entre champs titre, auteur, adresse, pays, date, … le problème des polices de caractères français, allemand, espagnol, russe, japonais!!! Reformatage physique, logique, mixte 27/04/2017 Emanuel Houzé- IE

44 III. Les traitements Recueil de l’information
Les acteurs: auteurs: formats, prénoms, tirets, fautes, ... pays: langue, abréviations, absence récupérable, évolution, ... journaux: pas de standard, abréviations, synonymes, tomes, … colloques et congrès: année, actes, lieux, ... organismes: formats totalement hétéroclites!!! sites Web: sites miroir, copies partielles, noms de fichiers, … La sémantique du domaine mots-clés: thesaurus différents pour chaque base! index: pluriels, mots composés, … texte libre: langue, mots composés, ... 27/04/2017 Emanuel Houzé- IE

45 III. Les traitements L’analyse de l ’information
Les nouveaux concepts Le Data mining Le Data Warehouse La gestion des connaissances KM … 27/04/2017 Emanuel Houzé- IE

46 III. Les traitements Le processus de découverte
Cooc Corpus 4 3 2 1' 1 Dico 3 1 2 BD Web CD 3 D X 27/04/2017 Emanuel Houzé- IE

47 III. Les traitements La restitution des résultats
Les documents papier Etudes, Synthèses, Rapports, Feuilles, … Les documents électroniques Bureautique web, … Cartes connaissances (TP) L’intranet Groupware, Workflow, Bases de données relationnelles 27/04/2017 Emanuel Houzé- IE

48 III. Les traitements Le réseau de compétences
BD Web CD Documentaliste Analyste Décideur Expert Serveur 27/04/2017 Emanuel Houzé- IE

49 III. Les traitements Les nouveaux métiers induits
Cyber documentaliste Ingénieur documentaire Analyste (statistique, …) Spécialiste de la veille (par domaine) Consultant (Intelligence économique, KM,…) Spécialiste réseau et sécurité Nouvelle approche de la décision stratégique 27/04/2017 Emanuel Houzé- IE

50 Le Data Mining 27/04/2017 Emanuel Houzé- IE

51 Plan de la présentation: Une introduction au Data Mining
1. Explorer les données: acquérir la connaissance client 2. Expliquer un comportement: la recherche du modèle 3. Exploiter la connaissance client: la mise en œuvre Le marché des éditeurs 27/04/2017 Emanuel Houzé- IE

52 Datamining dignifie littéralement forage de données
Introduction DATA MINING données forage Datamining dignifie littéralement forage de données 27/04/2017 Emanuel Houzé- IE

53 Introduction DATA MINING ENTRANTS POTENTIELS CONCURRENTS DU SECTEUR
Menace de nouveaux entrants CONCURRENTS DU SECTEUR Rivalité entre les firmes existantes FOURNISSEURS CLIENTS Pouvoir de négociation des fournisseurs Pouvoir de négociation des clients Menace des produits ou services substituables SUBSTITUTS 27/04/2017 Emanuel Houzé- IE

54 Introduction EMA SFA CSS
[03/33] Introduction EMA : Entreprise Marketing Automation SFA : Sale Forces Automation CSS : Client Service Support Le Schéma du CRM (Customer Relationship Management) Prévoir Décisionnel Reporting Anticiper Fidéliser Opérationnel EMA SFA CSS Conquérir Cibler marketing ventes service Comprendre Décisionnel Analyse Connaître Enrichir Gestion des Données Base De Données Stocker Organiser Nettoyer Customer Data 27/04/2017 Emanuel Houzé- IE

55 Introduction EMA SFA CSS Le Schéma du CRM Décisionnel Reporting
[04/33] Introduction 2. analyse prédictive = Data Mining Le Schéma du CRM 1. analyse descriptive Prévoir Décisionnel Reporting Anticiper Fidéliser Opérationnel EMA SFA CSS Conquérir Cibler marketing ventes service Comprendre Décisionnel Analyse Connaître Enrichir Gestion des Données Base De Données Stocker Organiser Nettoyer Customer Data 27/04/2017 Emanuel Houzé- IE

56 1 3 2 Analytique Introduction Les domaines du décisionnel Prédictif
[05/33] Les domaines du décisionnel 1 Descriptif 3 Prédictif 2 Analytique 27/04/2017 Emanuel Houzé- IE

57 Moins de 15% des données stockées sont analysées
[06/33] Introduction Constat: le manque de productivité des données Moins de 15% des données stockées sont analysées Moins de 5% des données manipulées sont analysées 27/04/2017 Emanuel Houzé- IE

58 Introduction Constat: l’accumulation des données
[07/33] Introduction Constat: l’accumulation des données Les données exploitables augmentent de 300% par an Les bases de données croissent, de plus en plus de clients, de plus en plus d’informations sur les clients: texte libre, transactionnelles, comportementales, géocodées, nav web, … L'augmentation en taille des bases de données et les nouveaux besoins d'analyse des utilisateurs métiers ont engendré l'essor des outils de Data Mining. 27/04/2017 Emanuel Houzé- IE

59 Introduction Constat: Etat du marché du CRM en France 2007 Partenaires
[08/33] Introduction Constat: Etat du marché du CRM en France 2007 Partenaires 27/04/2017 Emanuel Houzé- IE

60 Définition Décrire, comprendre, modéliser et anticiper
[09/33] Définition Décrire, comprendre, modéliser et anticiper ▪ Le Data Mining est une méthode d’exploration et d’analyse de données qui permet, grâce à l’élaboration d’un algorithme mathématique, de détecter des règles inconnues ou cachées qui permettent d’identifier les tendances de marchés et les profils de clients, pour ensuite prévoir comment ils vont évoluer dans le futur ▪ La notion de “connaissance” signifie un ensemble de relations entre les données: règles, phénomènes, exceptions, tendances, … 27/04/2017 Emanuel Houzé- IE

61 1. Explorer les données: acquérir la connaissance client
[11/33] 1. Explorer les données: acquérir la connaissance client La dimension prédictive de l’analyse Quel sera le prochain achat de mon Client ? Quel pourcentage de ma clientèle envisage de passer à la concurrence ? Comment la retenir et à quel coût ? Puis-je, avec un minimum de risque, accorder ce crédit ? Pour quelle cible ma campagne de marketing sera-t-elle profitable ? Un outil de Data Mining permet, en déployant des modèles prédictifs sur les données, de prédire quel client va répondre à une offre, acheter un produit/service ou risque de partir à la concurrence 27/04/2017 Emanuel Houzé- IE

62 1. Explorer les données: acquérir la connaissance client
[12/33] 1. Explorer les données: acquérir la connaissance client Concentrer l’analyse sur le client Qui contacter? Quoi proposer? Quand faire l’offre? Comment faire l’offre? Étape #1: le bon client #2: la bonne offre #3: le bon moment #4: le bon canal Objectif Prédire quels clients vont répondre Choisir la meilleure offre pour chaque client Réagir au change-ment de compor-tement du client Choisir le canal le plus approprié pour chaque client Technologie Analyse Prédictive Optimisation du plan de campagne Campagnes sur événements Optimisation multi-canal Résultats Réduction des coûts 20-40% 25-50% de revenus en plus Doubler le taux de réponse Utilisation optimale des canaux 27/04/2017 Emanuel Houzé- IE

63 B A C D 2. Expliquer un comportement La segmentation
[13/33] 2. Expliquer un comportement La segmentation Segmenter consiste à découper un marché en groupes distincts quant à leurs attitudes et leurs comportements avec comme objectif de pouvoir choisir ces groupes et que l’on puisse s’adresser à eux avec un mix distinct. B A C D Base de Données 27/04/2017 Emanuel Houzé- IE

64 2. Expliquer un comportement
[14/33] 2. Expliquer un comportement Les segments: La segmentation RFM Le principe: 27/04/2017 Emanuel Houzé- IE

65 2. Expliquer un comportement
[15/33] 2. Expliquer un comportement Les stratégies de ciblage permettent le positionnement 27/04/2017 Emanuel Houzé- IE

66 2. Expliquer un comportement
[16/33] 2. Expliquer un comportement Analyse du résultat Présentation sous un tableau des coûts, revenu, et bénéfice prévisible de la campagne en fonction du nombre de contacts aléatoire avec l’outil 27/04/2017 Emanuel Houzé- IE

67 2. Expliquer un comportement
[17/33] 2. Expliquer un comportement Scoring, scoring prédictif Utilisation des données du passé pour expliquer le futur: Un score peut être assimilé à une probabilité affectée à un individu qui estime la propension à voir un certain comportement se produire Ex. appétence pour un produit, risque, … 27/04/2017 Emanuel Houzé- IE

68 3. Exploiter la connaissance client: la mise en œuvre
[18/33] 3. Exploiter la connaissance client: la mise en œuvre Le process de Data Mining 1 :: Poser le problème: choix du sujet/définition des objectifs 2 :: Sélectionner les données pertinentes: constitution d’une base d’analyse 3 :: Mise en forme des données 4 :: Mener les actions sur les variables: mise en œuvre des algorithmes 5 :: Elaboration du modèle 6 :: Evaluer le résultat: validation et choix du modèle 7 :: Déploiement du modèle: diffusion et intégration de la connaissance 27/04/2017 Emanuel Houzé- IE

69 3. Exploiter la connaissance client: la mise en œuvre
La mise en œuvre d’un projet d’analyse La mise en œuvre de chaque fonction d’analyse est un process itératif: Une base d’analyse est constituée – à partir de la base clients, de données externes, de résultats d’enquêtes, … Un modèle est constitué ex. profil d’usage, comportement d’achat, … Le modèle est intégré dans la stratégie de l’entreprise pour participer à l’élaboration d’un plan d’action (promotion spéciale, nouvelle politique de prix, …) Le plan d’action est évalué par le lancement de tests L’analyse des retours va permettre d’affiner progressivement la connaissance, et ainsi, améliorer la stratégie 27/04/2017 Emanuel Houzé- IE

70 3. Exploiter la connaissance client: la mise en œuvre
[21/33] 3. Exploiter la connaissance client: la mise en œuvre Ce que l’on retrouve dans un processus de Data Mining VERIFICATION DE LA QUALITE DES DONNEES SELECTION D’UN ECHANTILLON CONSTRUCTION D’UN MODELE ANALYSE DES RESULTATS OBJECTIFS? Quelles sont les questions que l’on cherche à résoudre? La taille de l’échantillon dépend du nbre de variables étudiées (notion stat de déviation) Ce que l’on cherche à démontrer, construit à partir des données test Confrontation des résultats avec les données existantes dans l’échantillon Ciblage, potentiel par tête … Le processus de Data Mining est itératif, les résultats sont réintégrés en tant que données. Il concerne des données stockées dans un Data Warehouse, et peut inclure également des données externes: enquêtes, … 27/04/2017 Emanuel Houzé- IE

71 La décision en gestion : entre simplification et réalisme…
[20/33] Les modèles : compréhension de la prise de décision La décision en gestion : entre simplification et réalisme… Approche de H.Simon: Détection du pb, recherche des information Proposition de solution utilisant des modèles Choix de la solution avec des critères Evaluation de la solution Intelligence Modélisation Choix Evaluation 27/04/2017 Emanuel Houzé- IE

72 Les algorithmes: (1) l’arbre de segmentation
27/04/2017 Emanuel Houzé- IE

73 Les algorithmes: (2) l’arbre de segmentation
27/04/2017 Emanuel Houzé- IE

74 Les algorithmes: (1) le réseau de neurones
27/04/2017 Emanuel Houzé- IE

75 3. Exploiter la connaissance client: la mise en œuvre
[22/33] 3. Exploiter la connaissance client: la mise en œuvre Le processus de validation 2 70% Modélisation Création des bases 1 Base d’ apprentissage Modèle Base d’ exemples Validation sur la base de test et itération de la modélisation 4 Base de Tests 3 Application du modèle à la base test 30% 27/04/2017 Emanuel Houzé- IE

76 3. Exploiter la connaissance client: la mise en œuvre
[23/33] 3. Exploiter la connaissance client: la mise en œuvre La mise en œuvre du projet Un projet Data Mining peut être traité de manière autonome et mis en œuvre rapidement Le nombre de données à exploiter ne doit pas forcément être élevé. Une quinzaine de variables peuvent suffire pour amorcer un projet Data Mining. L’environnement d’étude peut se limiter à un fichier plat issu d’une ou plusieurs extractions ad hoc; ou d’un rapprochement de fichiers provenant de différentes sources. 27/04/2017 Emanuel Houzé- IE

77 3. Exploiter la connaissance client: la mise en œuvre
[24/33] 3. Exploiter la connaissance client: la mise en œuvre La mise en œuvre du projet Les traitements Data Mining peuvent être gérés à partir d’un poste autonome suffisamment performant L’installation d’un logiciel statistique ne présente pas de complexité particulière Le traitement des données propre au Data Mining (transposition et fusion de fichiers, création d’agrégats, d’indicateurs, …) peuvent être réalisés à partir des fonctionnalités des logiciels statistiques et bureautiques classiques. 27/04/2017 Emanuel Houzé- IE

78 3. Exploiter la connaissance client: la mise en œuvre
[25/33] 3. Exploiter la connaissance client: la mise en œuvre En conclusion ▪ La base des solutions CRM consiste à organiser de grands volumes de données client. ▪ Ces informations sont analysées. ▪ Les entreprises déterminent ensuite leur stratégie sur la base de cette analyse. ▪ Elles comprennent mieux leurs clients, peuvent les garder plus longtemps, et attirer plus efficacement de nouveaux clients. ▪ Le Data Mining permet d’analyser des informations associées, par exemple, en recensant les habitudes de consommation, les profils des clients. ▪ Le but est de faciliter la compréhension des comportements à plus long terme. 27/04/2017 Emanuel Houzé- IE

79 Présentation des outils de Data Mining
[26/33] Présentation des outils de Data Mining Le marché des éditeurs L’analyse des données est une niche du marché très dynamique du Décisionnel. Sa croissance se situe autour de 10% par an et n’est plus seulement réservée aux grands comptes. 27/04/2017 Emanuel Houzé- IE

80 Présentation des outils de Data Mining
[27/33] Présentation des outils de Data Mining Deux directions opposées La performance: Les algorithmes de prédiction sont de plus en plus élaborés et performants. Les machines sont de plus en plus puissantes. Ils évoluent vers des prévisions de plus en plus précises. Ils prennent en compte de mieux en mieux les données bruitées ou incomplètes. L’accessibilité: Les assistants méthodologiques des outils qui prennent en charge la modélisation sont de plus en plus sophistiqués et conviviaux. 27/04/2017 Emanuel Houzé- IE

81 Présentation des outils de Data Mining
[28/33] Présentation des outils de Data Mining Deux types de profils Les utilisateurs ont de plus en plus facilement accès à des techniques qui étaient réservées à des spécialistes. L’exploration est de mieux en mieux guidée. Les statisticiens sont de plus en plus pointus pour paramétrer et mettre en œuvre des algorithmes de modélisation plus en plus complexes. 27/04/2017 Emanuel Houzé- IE

82 Présentation des outils de Data Mining
[29/33] Présentation des outils de Data Mining Eléments différenciateurs Les fonctionnalités : la variété et la qualité des algorithmes implémentés La rapidité d’exécution : la capacité à traiter un certain volume de données La convivialité utilisateur : navigation intuitive et facilité à produire des rapports La Pérennité de l’éditeur, et sa capacité R&D 27/04/2017 Emanuel Houzé- IE

83 Présentation des outils de Data Mining
[30/33] Présentation des outils de Data Mining Les différents niveaux Niveau 1 : Knowlbox, Alice, Spad Faciles à installer et abordables - quelques milliers d’€ Peuvent gérer plusieurs dizaines de milliers d’individus Souvent dédiés à un type d’algorithme unique (arbres de décision ou réseaux de neurones – sauf SPAD) Conviviaux, et faciles à utiliser 27/04/2017 Emanuel Houzé- IE

84 Présentation des outils de Data Mining
[31/33] Présentation des outils de Data Mining Les différents niveaux Niveau 2 : Unica, SPSS, Insightful, Statistica, Kxen €50,000 - €150,000 Les outils sont complémentaires, ils peuvent être combinés les uns aux autres (et avec un logiciel de niveau 3). Conçus pour exploiter de grands volumes de données et pour couvrir une large palette de techniques. 27/04/2017 Emanuel Houzé- IE

85 Présentation des outils de Data Mining
[32/33] Présentation des outils de Data Mining Les différents niveaux Niveau 3 : IBM, SAS €150,000 - €300,000 Conçus pour exploiter de grands volumes de données et pour couvrir une très large palette de techniques. Ces éditeurs ont d’autres offres dans le domaine du Décisionnel. 27/04/2017 Emanuel Houzé- IE

86 Présentation des outils de Data Mining
[33/33] Présentation des outils de Data Mining Mapping des éditeurs budget Fonctionnalités, capacité 27/04/2017 Emanuel Houzé- IE

87 IV IE et Internet : les outils
Masse et qualité des informations présentes Accessibilité des informations Mais informations disséminées (web, forum,..) et difficiles à cibler) 27/04/2017 Emmanuel Houzé

88 Les outils de recherche
Annuaires généralistes Moteurs généralistes Annuaires et moteurs sectoriels Sites spécialisés Forums et Listes de distribution Agents Intelligents recherche générique d’information Spécifique à la veille… 27/04/2017 Emmanuel Houzé

89 Annuaires Généralistes
Principe : l’indexation thématique Utilisation : 1er approche Limite : indexation limitée, catégorisation peu riche et actualisation de l’information … 27/04/2017 Emmanuel Houzé

90 Les Moteurs de Recherche
Principe : indexation automatique du web et / ou des forums Utilisation : recherche précise à base de mots clefs et d’une syntaxe adaptée Limite : classement des pages trouvées, bases de données et actualisation de l’information 27/04/2017 Emmanuel Houzé

91 Annuaires et moteurs sectoriels
Mêmes principes de fonctionnement que les moteurs et annuaires généralistes Meilleure sélectivité de l ’information, mais les trouver constitue un travail de veille… Bases documentaires : exemple à l’UM2: 27/04/2017 Emmanuel Houzé

92 Sites spécialisés Veille sectorielle déjà réalisée
Utilisation : veille généraliste sur le sujet, actualisée automatiquement Limites : souvent trop généraliste, coût de l’information Exemple : 27/04/2017 Emmanuel Houzé

93 Newsgroup et Mailling list
Être informé des discussions et échanges d’informations concernant un domaine Les listes de diffusion : exemple : Les forums Usenet (recherche sur ) 27/04/2017 Emmanuel Houzé

94 Agents Intelligents Programme informatique permettant d’automatiser une recherche d’information. Typologie : Recherche générique veille commerce (divers) 27/04/2017 Emmanuel Houzé

95 Agents Intelligents Recherche Générique (1)
Utilisation : recherches complexes et exhaustives Limites : lenteur et actualisation Types : Méta-moteurs on-line Méta-moteurs off-line Agents de recherche spécifiques 27/04/2017 Emmanuel Houzé

96 Agents Intelligents Recherche Générique (2)
Méta-moteurs on-line Principe : interrogation simultanée d ’un grand nombre de moteurs et annuaires utilisation : recherche rapide des meilleurs résultats (scoring), exhaustivité. Limite : lenteur, syntaxe d’interrogation pauvre, perte de l’historique des recherches Exemples : metacrawler.com ; 27/04/2017 Emmanuel Houzé

97 Agents Intelligents Recherche Générique (3)
Méta-moteurs off-line Principe : logiciel interrogeant simultanément un grand nombre de moteurs et annuaires utilisation : recherche des meilleurs résultats, exhaustivité et sauvegarde des résultats Limites : lenteurs et syntaxe d’interrogation Exemples :copernic, lexibot, web-ferret 27/04/2017 Emmanuel Houzé

98 Agents Intelligents Recherche Générique (4)
Agents de recherche spécifiques Principe : développement de fonctions avancées en plus de l’interrogation : analyse sectorielle, linguistique... Utilisation : recherche spécialisée Limite : lenteur, coût et complexité Exemples : Strategic Finder, DigOut4U 27/04/2017 Emmanuel Houzé

99 Agents Intelligents Veille
Travail de surveillance, même ciblé, impossible à réaliser manuellement Agents de veille automatisent la surveillance de sites précis Deux types : Agents de type pull Agents de type push 27/04/2017 Emmanuel Houzé

100 Agents Intelligents Veille pull (1)
Les Agents de type Pull Principe : définition de sites à surveiller et analyse dynamique de ces sites. Deux types : Alerte par Alerte off-line 27/04/2017 Emmanuel Houzé

101 Agents Intelligents Veille Pull (2)
Agents d’alerte par Principe : prévenir par qu’une page sur le web,que le résultat d’une requête à changée ou d’une nouvelle contribution dans un forum. Exemple : mindit, tracerlock 27/04/2017 Emmanuel Houzé

102 Agents Intelligents Veille Pull (3)
Agents d’alerte off-line Principe : « aspiration » de sites web et analyse fine des évolutions dans le temps (pour les outils de seconde génération). Limite : ciblage nécessaire et lenteur 27/04/2017 Emmanuel Houzé

103 Agents Intelligents Veille Push (1)
Les Agents de type Push Principe : L ’information arrive automatiquement, en suivant le principe d ’une chaîne de télévision. Le problème est alors le choix des chaînes et la sélectivité. Deux types : Agents push on-line Agents push off-line 27/04/2017 Emmanuel Houzé

104 Agents Intelligents Veille Push (2)
Agents Push on-line Principe : Ils permettent d’obtenir des nouvelles personnalisées. Les informations thématiques sont diffusées au sein d’une page personnelle relative au profil utilisateur. Limite : généralement très peu de possibilités de personnalisation. Informations trop générales Flux RSS (Rich Site Summary) : meilleure solution actuelle 27/04/2017 Emmanuel Houzé

105 Agents Intelligents Commerce (1)
Principe : Les agents intelligents dédiés au commerce sont en pleine expansion. Ils permettent de rapprocher une demande et une offre toujours plus importante et difficile à mettre en relation. Deux types : Agents contrôlés par le client Agents contrôlés par le producteur 27/04/2017 Emmanuel Houzé

106 Agents Intelligents Commerce (2)
Agents contrôlés par le client Principe : Les agents contrôlés par les clients ont pour but de faciliter le processus d’achat. En indiquant la référence du produit, ils cherchent les sites de vente les plus intéressant. Exemples : monsieur prix, Kelkoo... 27/04/2017 Emmanuel Houzé

107 Agents Intelligents Commerce (3)
Agents contrôlés par le producteur Principe : un profil enrichi après chaque transaction permet de cibler l’offre adresser à un client. Exemple : Amazon, Fnac... Publicité associée : un nouvelle entrant, la Corée du nord!! (de l’analyse contextuelle à l’analyse comportementale 27/04/2017 Emmanuel Houzé

108 Quelques parcours de recherche...
Les différents types d ’information impliquent des outils différents. Les différentes formes de veille amènent à privilégier des parcours spécifiques. 27/04/2017 Emmanuel Houzé

109 Quelques parcours de recherche… Veille Technologique
Suivre une technologie existante ou détecter une technologie émergente 1 S ’abonner et ou consulter des services de revue de presse en ligne (my yahoo, individual, flux RSS…) 1 bis Consulter les sites web spécialisés 2 Identifier les forums et mailing lists les plus proche de la problématique. 3 Surveiller les forums au moyen d ’agents de veille 4 Suivre la création de forums 27/04/2017 Emmanuel Houzé

110 Quelques parcours de recherche… Veille Concurrentielle et Commerciale
Surveiller ses concurrents, leurs produits et services, et ses clients / fournisseurs démarche directe : 1 identifier les sites des concurrents ou acteurs 2 définir les parties de site à surveiller 3 utiliser des agents d’alerte démarche indirecte : 1 recherche sites web non officiels et revue de presse 3 utiliser des agents d ’alerte surveiller les signaux faibles (bruits, rumeurs…) 1 identifier les forums et mailing lists relatifs à l ’étude 2 utiliser des agents d ’alerte sur les forums 27/04/2017 Emmanuel Houzé

111 Quelques parcours de recherche… Veille Juridique
Détecter des contrefaçons 1 Identifier les sites des concurrents 2 Surveiller ces sites au moyen d’agents d’alerte paramétrés sur des caractéristiques des produits ou de l’offre commerciale. Détecter des campagnes de désinformation 1 identifier les sites et surtout les forums concernant votre activité 2 utiliser des agents d ’alerte paramétrés sur des mots clefs (nom d ’entreprise, du produit, + ceux relatifs à des problèmes) 3 identifier les auteurs des contributions (mails) 27/04/2017 Emmanuel Houzé

112 Quelques parcours de recherche… Surveiller une personne
Objectif : suivre les contributions d ’un expert ou d ’une autre personne sur un forum Recherche sur le mail en utilisant des moteurs spécialisés dans les forums (déjà…) 27/04/2017 Emmanuel Houzé