Le data mining et la statistique décisionnelle sont des disciplines de plus en plus répandues dans les entreprises et les organisations soucieuses d'extraire l'information pertinente cachée dans leurs bases de données, en vue notamment d'améliorer leurs processus, leur gestion de la relation client (CRM) et leur maîtrise des risques.
Cet ouvrage fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring au web mining et au text mining. Nombre de ces outils appartiennent à l'analyse des données et à 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 support vector machines, les algorithmes génétiques, le boosting, etc. Tous sont disponibles dans des logiciels de plus en plus puissants et conviviaux; un chapitre est notamment destiné à aider le lecteur à se diriger dans un offre fournie et dresse un comparatif très approfondi des deux leaders: SAS et SPSS. L'utilisation des logiciels et l'interprétation des résultats sont illustrées dans tout le livre par de nombreux exemples conduits avec SAS, SPSS et Spad.
Les aspects méthodologiques vont de la conduite des projets 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.
Cet ouvrage de référence intéressera les statisticiens, les data miners, les utilisateurs et les gestionnaires de bases de données, quel que soit leur secteur d'activité, mais également les décideurs, les économètres, les enseignants et les étudiants en sciences économiques.
