CRM Gestion relation client CRM - Data Mining

IBM rachète SPSS, fournisseur de solutions de Data Mining

Crm Sambotte — Tue, 25 Aug 2009 09:50:00 +0200

IBM rachète SPSS, un des principaux fournisseurs de solutions de data mining, d’analyse prédictive et statistique pour 1,2 milliards de dollars. Après Cognos en 2008, le géant américain s'empare de SPSS, un spécialiste de l'analyse de données qui constitue la brique complémentaire qui manquait à son offre de Business Intelligence.

SPSS est un spécialiste de l'analyse de données et de textes (datamining et textmining). La technologie de l'entreprise vient compléter l'arsenal d'IBM dans le domaine de la Business Intelligence. Une offre qui s'articulait jusque-là autour de la base de données DB2 et l'entrepôt de données IBM InfoSphere. Elle avait été complétée avec le rachat de Cognos en 2008. L'opération avait apporté à IBM une plate-forme complète d'aide à la décision.

IBM a annoncé aujourd’hui avoir signé un accord d’acquisition définitif avec SPSS, moyennant le paiement en cash de 1,2 milliards de dollars aux actionnaires de SPSS. Cet accord est bien entendu soumis au vote des actionnaires de la société acquise. Cette acquisition viendrait alors rejoindre la ligne de logiciels et de services business analytics de IBM.

IBM annonce également le rachat d’une petite société privée, Ounce Labs, basée dans le Massachusetts et spécialisée dans l’optimisation des risques et des coûts liés au respect de la règlementation.

Source : IBM & SPSS

Autres articles :

Glossaire de l'article :

Analyse prédictive : Etude de données et caractéristiques comportementales des personnes (B2C) ou des entreprises (B2B) pour en tirer des modèles prédictifs en vue d'optimiser la relation avec les clients. Elle recouvre des technologies et des pratiques comme les statistiques, l'analyse de données ou le data mining.
BI (Business Intelligence) : Informatique décisionnelle - désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données d'une entreprise en vue d'offrir une aide à la décision et de permettre aux responsables de la stratégie d'une entreprise d’avoir une vue d’ensemble de l’activité traitée.
Data Mining : Exploration de données - Processus d'analyse utilisant un système logiciel pour extraire des tendances ou des corrélations à partir de grands volumes de données. Par ailleurs, le Data Mining permet également d'identifier des informations stratégiques et découvrir de nouvelles connaissances, en s'appuyant sur des traitements statistiques.
Data Profiling : Profilage de données - processus qui consiste à analyser des données pour en collecter des statistiques et informations - permet d'améliorer la qualité des données.

iLuminate 4.0 : nouvelle version du moteur de « correlation database », technologie qui conçoit et construit les data warehouses automatiquement

Crm Sambotte — Fri, 12 Jun 2009 18:57:00 +0200

illuminate Solutions annonce la commercialisation de sa « correlation database » : iLuminate. D’après les tests réalisés, iLuminate surpasse largement tous les benchmarks des autres vendeurs de data warehouse ou de datamart pour les mesures intéressantes pour le client, à savoir : time-to-analytics, time-to-answer, et le coût total de possession (TCO).

« Pendant trop longtemps, on a dit aux clients de mesurer la performance d'un vendeur sur ce qui est important aux yeux des vendeurs eux-mêmes : la vitesse et les volumes », a déclaré Kirsten Chapman, responsable marketing et alliances de illuminate. « Qui cela intéresse-t-il de connaître la vitesse à laquelle les données peuvent être chargées dans une base de données si cela n'est pas utilisable ? Et, bien que la performance des requêtes soit importante, ce n'est qu'une étape provisoire. Ce qui compte est de recevoir la réponse dont vous avez besoin afin de pouvoir prendre une décision. La vitesse de la requête n'en est qu'une facette».

Chapman encourage les clients à commencer à exiger des benchmarks reflétant ce qui est important pour eux – l’utilité, les réponses et le coût - plutôt que ce que les vendeurs disent être important.

Pourquoi illuminate excelle dans les benchmarks centrés sur le client ?

Le plus rapide Time-to-analytics = le temps d’analyse est le temps nécessaire à la conception, à la construction, à l'intégration et à la livraison de données brutes sous forme utilisable à des fins d'analyse et d'exploration. Comprend le temps de chargement.

Avec iLuminate 4.0, les clients peuvent déployer un data warehouse ou un datamart totalement optimisé, 100% flexible, de toute taille ou quasiment, en un dixième du temps et du coût total - voire encore moins. Aucun travail de conception, de programmation ou d'optimisation de la base de données physique ne sont nécessaires. La technologie crée un modèle de données généré par les données elles-mêmes, à la volée, pendant leur chargement. Une fois celui-ci terminé, les données sont prêtes pour une analyse incrémentale par l'utilisateur. Les vitesses de chargement d'iLuminate 4.0 sont comparables ou même meilleures que celles de tout autre vendeur prenant en compte les besoins spécifiques du client.

Le plus rapide Time-to-answer = le temps de réponse est le temps entre le moment où un utilisateur commence à analyser un problème et le moment où il obtient la réponse lui permettant de prendre une décision. Comprend la vitesse d’exécution de la requête. Les utilisateurs peuvent réaliser une analyse incrémentale depuis la définition de leur besoin jusqu'à l’obtention de la réponse. La totalité des données sont indexées et accessibles à l'utilisateur, offrant tous types de requêtes inédits afin d'explorer les données sans atteindre les limites fixées par les structures de modèles de données nécessitant l'intervention du service informatique pour poursuivre l’analyse. La performance des requêtes d'iLuminate est au moins 20x plus rapide qu'avec des bases de données en colonnes telles que Sybase IQ et Vertica, et jusqu'à 60x plus rapide que dans le cas de bases de données relationnelles comme Oracle, DB2, Teradata et Netezza.

Le plus bas coût total de possession (TCO)= la combinaison des coûts matériels, logiciels et humains nécessaires à la mise en œuvre et à la maintenance continue d'un système analytique. Avec iLuminate 4.0, ne nécessitant aucun travail de conception, de programmation ou d'optimisation, le coût de la main d’œuvre ne représente qu'une faible fraction des coûts d’implémentation des autres vendeurs. iLuminate permet également de pratiquement éliminer les coûts de maintenance, et ce de deux manières : 1) toutes les données sont indexées et disponibles, de sorte qu'aucun projet informatique n'est requis pour maintenir la pertinence du système, 2) de nouvelles sources de données sont intégrées et indexées à la volée durant le processus de chargement, éliminant ainsi le besoin de refaire l'architecture et d'optimiser le système.

Nouvelles fonctionnalités d’iLuminate 4.0

L'architecture 64-bit permet une extensibilité pratiquement illimitée et une meilleure performance des requêtes ;
Le multi-threading amélioré permet un accès simultané d’un plus grand nombre d'utilisateurs sur une base de données ;
L'architecture de services web permet de gérer des services et des déploiements cloud ;
Les annuaires LDAP/Active Directory et la gestion des privilèges s'intègrent dans l'environnement de production existant du client ; et
Les API publiques (Java, .Net, C++) permettent le développement facile d'une application analytique personnalisée.

Résultat de la performance des requêtes d'iLuminate 4.0

La technologie de base de données iLuminate 4.0 utilise un stockage révolutionnaire basé sur la valeur de la donnée (value-based storage - VBS), qui consiste à ne stocker chaque valeur qu’une une seule fois, puis un système d'indexation sophistiqué connecte logiquement toutes les corrélations et relations entre données. La base de données - en fait le système d'indexation - est créée à la volée durant le processus de chargement, ce qui la rend compacte et ultra rapide par nature car l'accès à toutes les données se fait à la vitesse de l'index.

Environnement de test :

Coût du matériel = 6 100 $ : 1 serveur Dell 2900, 2 processeurs double cœur 2.66 Ghz, 10 Gbs de mémoire vive, six 300 Gbs, 15 000 disques RPM en raid 5 ;
Source des base de données : retail ERP (90% du total des données, 1 base de données Access (<9% du total des données), 2 feuilles Excel (<1% du total des données) ; total des enregistrements : environ 1,3 milliards ; taille des données extraites : environ 350 Gbs ;
Préparation des données avant le chargement : aucune

Types de requêtes des résultats de test :

1.       Requête de type Scan : <0,01 seconde sur l'intégralité de la base de données. Simule un taux de scannérisation de plus de 10 milliards d'enregistrements par seconde, comparé aux 650 millions d'enregistrements par seconde de Netezza sur matériel propriétaire.

2.       Requête de type Look-up : 0,3 seconde sur l'intégralité de la base de données, montre bien la vitesse pour un ensemble de réponses volumineux.

3.       Requête de type Multi-qualification : 0,2 seconde sur l'intégralité de la base de données, révélateur de la vitesse pour des résultats intermédiaires volumineux.

4.       Requête de type Product affinity : 1,6 seconde sur base de données de 772 836 787 enregistrements. Comparativement au faible résultat de 60 secondes de Vertica lors d'un test sur configuration matérielle similaire.

« Pour quelqu'un d'aussi proche que je le suis de la technologie, j'ai moi-même été étonné des benchmarks », explique Joe Foley, Directeur technique d'illuminate. « Mais lorsque vous considérez que l'accès est réalisé à la vitesse de l'index, cela explique que nous ayons fait un bond en avant dans la performance. Même avec cette vitesse record, l'important pour les utilisateurs est cette mesure des temps de réponse ».

Foley a souligné le fait que la valeur réelle d’illuminate est sa capacité à proposer aux utilisateurs une analyse incrémentale pour qu'ils puissent travailler sur un problème jusqu'à ce qu'ils soient satisfaits d'avoir obtenu ce dont ils ont besoin pour prendre une décision. Cela évite de devoir se heurter aux barrières inhérentes aux modèles figés de bases de données qui nécessitent la mise en place de projets informatiques spécifiques afin de les contourner.

Le processus de ventes d'illuminate consiste à inviter les clients à réaliser des Proof-of-Concepts (POC) permettant d'apporter la preuve de ses affirmations : conception et réalisation automatiques de data warehouse ainsi que flexibilité de requête à 100% avec les meilleures performances au monde.

Produits illuminate, tarifs et distribution

iLuminate 4.0 : moteur de correlation database. Prix sur la base du nombre d'enregistrements chargés. A partir de 30 600 € pour 35 millions d'enregistrements maximum. Des frais de connexions simultanées s'appliquent, à partir de 2 000 € pour un maximum de quatre connexions ;
iCorrelate : outil d'exploration et d'analyse. Prix = 5 900 € par siège ;
iLook&Load : outil de chargement et de profilage rapides des données. Prix = 7 300 € par outil.

illuminate vend ses produits exclusivement par le biais d'un réseau d'alliance. Ses partenaires sont des sociétés de conseil en informatique reconnues et expérimentées qui participent à un programme intensif et passent un examen de certification organisé par illuminate afin d'acquérir les qualifications pour installer et prendre en charge ses produits. Actuellement, la société met en place son réseau de partenaires en Europe, en Amérique latine et en Amérique du Nord.

A propos d'illuminate Solutions

illuminate Solutions, basée à Minneapolis dans le Minnesota et à Barcelone en Espagne, est le pionnier du CDBMS (Correlation DataBase Management System), une technologie permettant de concevoir et de construire automatiquement des data warehouses indépendants d’un modèle de données. En créant une structure centrée sur les données et en indexant 100 % de celles-ci durant leur chargement, un CDBMS élimine les phases longues et fastidieuses de conception logique et physique du data warehouse. Un data warehouse de type CDBMS est compact grâce à son modèle original VBS (Value Based Storage), qui ne stocke chaque valeur d’une variable qu’une seule fois. Un CDBMS élimine le compromis entre la performance et la flexibilité qui frustre si souvent les utilisateurs d’applications analytiques, et réduit considérablement le temps et le coût de déploiement et de gestion d’un data warehouse.

illuminate propose ses produits exclusivement par l’intermédiaire de son programme d’alliance 1:1:1 aux Etats-Unis, en Amérique Latine et en Europe. Parmi les clients on peut citer : BBVA, CAIFOR (LA CAIXA), ARAG, IESE, ZURICH, infojobs et RORI.

Source : Illuminate (www.illuminateinc.com)

Autres articles :

Glossaire de l'article :

Datawarehouse : Entrepôt de données - Structure informatique dans laquelle est centralisé un volume important de données consolidées à partir des différentes sources de renseignements d'une entreprise (notamment les bases de données internes). L’objectif est de les synthétiser de manière à en extraire l’information essentielle la plus pertinente et ainsi favoriser la prise de décision.

KXEN Data Mining propose un module d’Analyse des Réseaux Sociaux

Crm Sambotte — Mon, 30 Mar 2009 07:51:00 +0200

KXEN Data Mining propose un module d’Analyse des Réseaux Sociaux pour analyser les connections entre les individus pour améliorer les résultats et la profitabilité des campagnes marketing.

Grâce à son nouveau module d’Analyse des Réseaux Sociaux, l'éditeur de data mining automatisé KXEN, propose d'améliorer la pertinente et l'efficacité des campagnes marketing. En exploitant les connections entre les clients, le nouveau module KSN de KXEN a montré une amélioration de plus de 15 % des résultats des campagnes marketing menées dans les secteurs des télécommunications, des services financiers, et de la distribution entre autres.

KSN identifie les liens autrefois inexploités - appels téléphoniques, transferts bancaires par exemple - entre amis, membres d’une famille, collègues ou au sein d’autres communautés et en extrait des mesures significatives, mettant en évidence les membres les mieux connectés et ceux qui jouent le rôle le plus important dans chaque groupe. Cela permet ainsi de révéler une nouvelle intelligence client qui – ajoutée aux informations existantes – peut améliorer significativement les résultats des campagnes d’acquisition, de rétention client, de vente croisée et additionnelle.

KSN permet aux entreprises d’accroître la précision de leurs campagnes en générant de nouveaux attributs clients. Elles peuvent ainsi mieux prédire le moment où leurs clients seront le plus susceptibles de partir chez un autre fournisseur, de solder un compte ou d’acheter un nouveau produit. Une fonctionnalité unique et propre à KSN permet l’analyse de réseaux multiples et de leur évolution dans le temps, permettant la mise en évidence de comportements spécifiques tels que le churn rotationnel, la fraude ou le vol d’identité.

« Le marketing traditionnel s’appuie sur des modèles basés exclusivement sur l’interaction client-vendeur et part du principe que les clients agissent indépendamment les uns des autres, » déclare Roger Haddad, fondateur et PDG de KXEN. « Mais la nouvelle technologie d’analyse de réseaux sociaux de KSN révèle que les clients agissent, en réalité, en interaction avec les autres et exploite cette nouvelle connaissance pour augmenter l’efficacité et la précision des campagnes marketing. »

KSN s’intègre aux environnements de data mining existants pour les enrichir, ou peut être déployé de façon entièrement autonome. En exploitant la notion de marketing viral, il élimine les aspects habituellement manuels et rébarbatifs de l’analyse de réseaux sociaux. Le module fournit autant de graphes de réseaux que l’utilisateur le souhaite, partant du principe que les individus peuvent appartenir à de nombreux cercles relationnels différents à travers leur activité professionnelle, leur famille ou leur vie sociale.

KSN, disponible aujourd’hui, complète le module existant KXEN Text Coder qui permet aux organisations d’intégrer des données textuelles dans leurs processus analytiques. Ensemble, les deux modules, avec le cœur du logiciel de KXEN, sous-tendent l’approche de « Data Fusion » de l’éditeur qui permet de combiner l’ensemble des données disponibles - structurées et non structurées - pour générer des résultats rapides et précis permettant aux entreprises de maximiser leur retour sur investissement au niveau analytique.

Source : KXEN

Autres articles :

Glossaire de l'article :

Churn : Attrition (perte de client) - Il exprime le taux de déperdition de clients pour une entreprise ou un produit. Ce taux représente le pourcentage de clients perdus, sur une période donnée (en général une année) par rapport au nombre total de clients au début de cette période.
Data Mining : Exploration de données - Processus d'analyse utilisant un système logiciel pour extraire des tendances ou des corrélations à partir de grands volumes de données. Par ailleurs, le Data Mining permet également d'identifier des informations stratégiques et découvrir de nouvelles connaissances, en s'appuyant sur des traitements statistiques.

Tibco : évolution de ses solutions d'analyse prédictive

Crm Sambotte — Sat, 28 Feb 2009 19:00:00 +0100

L'éditeur propose aux entreprises d'appliquer l'analyse prédictive aux ensembles de données volumineux, sur un large éventail d'applications métier. Grâce aux nouvelles solutions logicielles de Tibco Spotfire, les entreprises peuvent ainsi envisager le déploiement d'applications métier simples d'utilisation.

Ces dernières, dotées de fonctionnalités de data mining, de modélisation statistique et prédictive, leur permettront d'identifier de nouvelles tendances, d'anticiper de nouvelles opportunités dans un environnement de marché volatil, ou encore d'optimiser leurs investissements.

Tibco Spotfire Miner intègre une nouvelle fonction pour l'accès, le nettoyage, la transformation et la réduction des données, permettant ainsi d'intégrer des fonctionnalités de data mining, de modélisation statistique et prédictive aux applications Spotfire. Spotfire est ainsi en mesure de traiter et de nettoyer des données volumineuses.
L'objectif est de permettre aux décideurs utilisant les solutions Tibco Spotfire Professional ou Tibco Spotfire Web Player de mieux orienter et cibler leurs analyses de données.

Source : Tibco

Autres articles :

Glossaire de l'article :

Analyse prédictive : Etude de données et caractéristiques comportementales des personnes (B2C) ou des entreprises (B2B) pour en tirer des modèles prédictifs en vue d'optimiser la relation avec les clients. Elle recouvre des technologies et des pratiques comme les statistiques, l'analyse de données ou le data mining.
Data Mining : Exploration de données - Processus d'analyse utilisant un système logiciel pour extraire des tendances ou des corrélations à partir de grands volumes de données. Par ailleurs, le Data Mining permet également d'identifier des informations stratégiques et découvrir de nouvelles connaissances, en s'appuyant sur des traitements statistiques.

Uniserv optimise la qualité des données avec DQ Explorer, solution de profilage

Crm Sambotte — Thu, 19 Feb 2009 07:53:00 +0100

La nouvelle solution de profilage Data Quality Explorer assure l'analyse efficace et transparente des données d'entreprise, elle comprend également des fonctions de reporting et d'optimisation.

Uniserv, acteur du Data Quality Management, éditeur de solutions d'analyse de la qualité des données, met en œuvre un dispositif complet de gestion de cycle de vie de l'ensemble des données stratégiques avec une offre globale dédiée à la qualité des données d'entreprise.

En effet, les données de mauvaise qualité sont légion: références inexactes, valeurs manquantes, orthographes ou abréviations différentes, informations clients incorrectes, etc. constituent autant d'éléments aux conséquences économiques néfastes. Le principe GIGO (Garbage In Garbage Out) fait que la présence d'erreurs dans les données de départ aboutit à des décisions erronées, des coûts plus élevés et des processus non fiables ou encore compromet le respect des obligations en matière de conformité. Les analyses manuelles classiques destinées à assurer la qualité des données prennent du temps et manquent de précision car souvent elles sont subjectives, reposent sur des suppositions et ne recherchent que des carences ou incohérences connues à l'avance.

Dans ce contexte, DQ Explorer, premier produit proposé par Uniserv, consiste en un système interactif innovant de profilage et d'analyse des données. Ce logiciel est idéal pour dresser un inventaire des données clients et métier d'une entreprise. DQ Explorer s'inscrit du point de vue fonctionnel, dans un cycle complet et constant de qualité des données (profilage et analyse, nettoyage des données, pare-feu et surveillance).

Avec DQ Explorer, les décideurs, mais aussi les analystes, développeurs et administrateurs de bases de données, disposent constamment et instantanément d'une vue exacte et détaillée de l'état des données conservées dans l'entreprise, avec un gain de temps pouvant atteindre 90% par rapport aux méthodes traditionnelles.

Analyse automatisée des données et gestion efficace des problèmes
Uniserv DQ Explorer apporte à l'analyse des données une facilité sans précédent. Grâce à sa richesse fonctionnelle, il procure automatiquement, en quelques étapes, une vision rapide, exacte et détaillée de l'état des données.

Pour une exploitation efficace des résultats de l'analyse en vue d'une amélioration de la qualité des données, le logiciel intègre d'autres fonctionnalités destinées à la préparation et au suivi des projets correspondants, de façon à éviter les conflits et rectifications ultérieurs. A titre d'exemple, les collaborateurs concernés peuvent se voir affecter les problèmes à traiter et suivre les progrès via la nouvelle fonction d'alerte par e-mail.

L'Analyse et le profilage des données en 3 étapes
Grâce à DQ Explorer, il n'est plus nécessaire de recourir à une multitude d'outils pour mener à bien les projets d'analyse. DQ Explorer intègre la gestion de ces différentes étapes dans une seule et même application : l'utilisateur recherche avec facilité et rapidité via une interface intuitive, dans le cadre de l'analyse automatique des données, l'état actuel de ces dernières ainsi que les éventuelles erreurs, anomalies et incohérences. Les résultats peuvent ensuite être transmis à d'autres systèmes pour des projets de contrôle de conformité et de Business Intelligence (BI) ou encore de migration, de tableaux de bord prospectifs ou d'entrepôts de données.

L'outil de profilage fournit alors automatiquement, pour chaque attribut, des informations telles que des valeurs et des échantillons ainsi que leur fréquence, la proportion de valeurs nulles, celle de valeurs non ambiguës, les minima et maxima, le type des données isolées ou encore les présomptions de fuites. Les valeurs suspectes ou problématiques peuvent être immédiatement détectées et les fichiers concernés être affichés d'un simple clic. Des contrôles de jointure entre tables à partir de sources de données différentes sont également possibles.

DQ Explorer est disponible en trois versions distinctes
Workstation pour l'analyse de petits volumes de données, Entry Server pour l'analyse coopérative de volumes moyens de données et Advanced Server pour l'analyse coopérative de gros volumes de données par de nombreux collaborateurs.

Uniserv présentera ses nouvelles solutions de Data Quality sur MD EXPO du 31 mars au 2 avril 2009 : Stand E30 Paris Expo, Porte de Versailles - Pavillon 4

Source : Agence Hardcom - Carole Brozek

Autres articles :

Glossaire de l'article :

Data Mining : Exploration de données - Processus d'analyse utilisant un système logiciel pour extraire des tendances ou des corrélations à partir de grands volumes de données. Par ailleurs, le Data Mining permet également d'identifier des informations stratégiques et découvrir de nouvelles connaissances, en s'appuyant sur des traitements statistiques.
Data Profiling : Profilage de données - processus qui consiste à analyser des données pour en collecter des statistiques et informations - permet d'améliorer la qualité des données.

COMPLEX SYSTEMS annonce la version 7 de sa solution de datamining : DataLab

Crm Sambotte — Wed, 17 Sep 2008 07:18:00 +0200

Suite complète destinée à l’utilisateur métier comme au dataminer, DataLab, architecturée autour de son moteur de Data Scanning, représente une véritable innovation datamining. Le Data Scanning crée et évalue automatiquement et en quelques minutes des milliers de nouveaux critères qui enrichissent les analyses. Avec à la clé, des gains de temps considérables, la découverte de corrélations insoupçonnées, une compréhension fine des comportements clients, des scores plus performants. Ces qualités ont imposé DataLab comme une référence dans les secteurs banque, assurance, commerce, services...

Parmi les nouveautés majeures de la version 7 :

Un module de Data Management, pour constituer, en quelques clics et sans programmation, toutes les tables d'analyse à partir de la base de données.
Une nouvelle fonctionnalité de segmentation client.
La mise à jour automatique des analyses avec de nouvelles données.
Une nouvelle interface plus efficace pour une utilisation encore plus intuitive.
Une version désormais disponible aussi en anglais et en espagnol.

A propos de COMPLEX SYSTEMS
Reconnu par Oseo (l’Agence pour l’Innovation) comme acteur de l’innovation, COMPLEX SYSTEMS apporte des solutions pour l’optimisation du marketing depuis 1996.
COMPLEX SYSTEMS est éditeur des solutions DataLab, conçu pour exploiter efficacement et rapidement toute l'information contenue dans les bases de données, et OptiPlan, solution unique d’optimisation des plans de campagnes marketing.

Source : COMPLEX SYSTEMS
Hélène Ivanoff - Tél : 01 42 21 48 86

Glossaire :

Data Mining : Exploration de données - Processus d'analyse utilisant un système logiciel pour extraire des tendances ou des corrélations à partir de grands volumes de données. Par ailleurs, le Data Mining permet également d'identifier des informations stratégiques et découvrir de nouvelles connaissances, en s'appuyant sur des traitements statistiques.

Netezza acquiert NuTech Solutions et renforce ses capacités analytiques

Crm Sambotte — Mon, 19 May 2008 08:19:00 +0200

Netezza, fournisseur de solutions d'entrepôt de données (datawarehouse) acquiert NuTech Solutions : une société américaine spécialisée dans les technologies analytiques. Le montant et les modalités de l'opération n'ont pas été dévoilés. Netezza prévoit d'intégrer la solution NuTech à ses appliances en vue d'en renforcer les capacités de datamining.

Netezza propose le système Netezza Performance Server qui permet d'analyser efficacement des téraoctets de données détaillées. Le système NPS se charge de stocker, filtrer et traiter des téraoctets d'enregistrements sur une seule unité et d'analyser uniquement les informations appropriées pour chaque question. Netezza a mis la puissance du processeur à la portée des données pour permettre au système NPS d'accélérer les processus qui demanderaient à la majorité des systèmes d'entreposage de données plusieurs heures, voire même plusieurs jours, et augmente ainsi considérablement la productivité à travers l'organisation.

Source : Netezza, Nutech Solutions

A propos de Netezza

Netezza est le leader mondial des périphériques analytiques qui simplifient de manière inégalée l'analyse haute performance des données d'utilisateurs dans toute l'entreprise. La famille Netezza Performance Server® (NPS®) de périphériques « streaming analytic™ » apportent une grande simplicité à toute une série de systèmes et problèmes complexes de stockage et analyse des données. Parmi les clients ayant intégré les avantages des solutions Netezza figurent Ahold, Amazon.com, CNET Networks, Debenhams, Department of Veterans Affairs, Epsilon, Ford, General Motors, Neiman Marcus, Orange UK, Premier, Procter & Gamble. Netezza dispose de bureaux à Washington DC, au Royaume-Uni et dans la région Asie Pacifique.

A propos de NuTech Solutions

NuTech Solutions, Inc. propose des solutions d'exploration de données (Intelligent Business
Engines™) Nutech solutions compte parmi ses clients General Motors, BMW, Oxy, Beiersdorf, BB&T, Ford Motor Company, ChevronTexaco, Air Liquide.

Glossaire de l'article

Data Mining : Exploration de données - Processus d'analyse utilisant un système logiciel pour extraire des tendances ou des corrélations à partir de grands volumes de données. Par ailleurs, le Data Mining permet également d'identifier des informations stratégiques et découvrir de nouvelles connaissances, en s'appuyant sur des traitements statistiques.
Data Warehouse : Entrepôt de données - Structure informatique dans laquelle est centralisé un volume important de données consolidées à partir des différentes sources de renseignements d'une entreprise (notamment les bases de données internes). L’objectif est de les synthétiser de manière à en extraire l’information essentielle la plus pertinente et ainsi favoriser la prise de décision.

COMPLEX SYSTEMS annonce la version 6.8 de DataLab, solution de datamining dédiée au marketing

Crm Sambotte — Tue, 01 Apr 2008 12:52:00 +0200

Dès la première version en 2002, DataLab a été conçu comme une solution de datamining adaptée aux exigences et spécificités du marketing. La version 6.8 s’inscrit résolument dans cette voie : intégration d’un module complet de classification et de description clients, création de bibliothèques de résultats descriptifs, enrichissement des livrables …

DataLab repose sur un moteur unique de Data Scanning qui recode et explore de manière exhaustive
l’ensemble des données. Ce module garantit une performance maximale des modèles marketing qui exploite des données souvent nombreuses, mais en général peu porteuses d’information.

Parallèlement, DataLab met en œuvre automatiquement un ensemble d’algorithmes de validation qui garantissent la robustesse des modèles. Un jeu d’indicateurs synthétise les niveaux de performance et de robustesse atteints.

Sans programmation, totalement interactif et naturellement interfacé avec le système d’information existant, DataLab est architecturé pour apporter des gains de productivité considérables à tous les niveaux de la chaîne d’ analyse, de l’accès aux données (accès SAS et SPSS natifs) et recodages initiaux au déploiement des modèles (génération de code SQL, SAS, SPSS), en passant par la restitution des résultats.

Enfin, DataLab demeure une solution totalement transparente et délivre tous les résultats en langage métier, pour une appropriation et un partage optimaux par les utilisateurs opérationnels.
Résolument conçu pour les départements marketing analytique, DataLab apporte la performance, les gains de productivité et la transparence nécessaires, et a déjà su convaincre de nombreuses entreprises des secteurs banque, assurance et VAD.

A propos de COMPLEX SYSTEMS

Soutenu par Oseo Anvar (l’Agence pour l’Innovation), COMPLEX SYSTEMS apporte des solutions pour
l’optimisation du marketing et la valorisation des bases de données depuis 1996.
COMPLEX SYSTEMS est éditeur des solutions DataLab, conçu pour exploiter efficacement et rapidement
toute l'information contenue dans les bases de données, et OptiPlan, solution innovante d’optimisation des plans de campagnes marketing.

Source : COMPLEX SYSTEMS
Hélène Ivanoff

Glossaire :

BI (Business Intelligence) : Informatique décisionnelle - désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données d'une entreprise en vue d'offrir une aide à la décision et de permettre aux responsables de la stratégie d'une entreprise d’avoir une vue d’ensemble de l’activité traitée.
Data Mining : Exploration de données - Processus d'analyse utilisant un système logiciel pour extraire des tendances ou des corrélations à partir de grands volumes de données. Par ailleurs, le Data Mining permet également d'identifier des informations stratégiques et découvrir de nouvelles connaissances, en s'appuyant sur des traitements statistiques.
SAS (Statistical Analysis System) : Langage de programmation de quatrième génération (L4G) édité par le SAS Institute. Le language SAS intègre une brique conceptuelle destinée à s'implanter dans le monde des logiciels d’informatique décisionnelle.
SPSS (Statistical Package for the Social Sciences) : Logiciel utilisé pour l'analyse statistique - porte le même nom que son éditeur (SPSS).

SPAD Suite 7 : Nouvelle version de la solution Data Mining de Coheris Spad

Crm Sambotte — Tue, 25 Mar 2008 08:26:00 +0100

Coheris SPAD, leader français sur le marché du datamining, annonce la sortie de SPAD Suite, la version 7 de ses produits de Data Mining. La version 7 de SPAD propose de nombreuses évolutions et offre désormais une véritable suite logicielle dont les mots clés sont rationalisation, puissance et gain de productivité.
L’offre de SPAD Suite s’articule autour de trois axes : de nouvelles fonctionnalités de Data Management, une interface de modélisation totalement graphique, et un module d’industrialisation des processus.

Le travail de préparation des données pour la modélisation, tâche nécessaire mais rébarbative et informatique, est désormais intégrée à SPAD Suite à partir d’une interface graphique.

Le module de Data Management de la Suite permet la manipulation des données brutes issues des systèmes opérationnels, afin de créer les fichiers pertinents sur lesquels les méthodes de Data Mining pourront être appliquées et obtenir ainsi des résultats optimaux.
Parmi toutes les fonctionnalités de Data Management, citons : la refonte complète de l’accès aux données : jointure, agrégation, transposition, verticalisation, gestion des données manquantes, une bibliothèque complète de fonctions de transformation et l’intégration du langage Python pour couvrir toute transformation de donnée spécifique.

Grâce à une interface graphique extrêmement ergonomique, il est désormais possible d’organiser, transformer et valider l’ensemble des données en les visualisant en temps réel, puis de définir et tester les modèles prédictifs et analyses, pour enfin industrialiser les processus.

En matière de marketing, les données et leur qualité sont primordiales dans l’efficacité d’une campagne. Anticiper est le maître mot. Etre capable de prévoir les comportements, de dessiner des profils particuliers de consommation, de devancer des tendances est beaucoup plus rentable que de simplement répondre aux besoins de ses clients.

La souplesse de SPAD Suite alliée à une solution de BI, donne l’opportunité aux directeurs marketing d’anticiper et d’orienter des stratégies qui reposeront alors sur des données fiables et réelles. Pouvoir ensuite analyser et mesurer l’impact des campagnes complète le tableau. Le CRM prend ici tout son sens et permet la mise en place d’un système de CRM Analytique et Prédictif.

SPAD Suite est disponible en version monoposte à partir de 6000€, licence flottante, mode Terminal Server.

Source : Coheris Spad

Glossaire :

Analyse prédictive : Etude de données et caractéristiques comportementales des personnes (B2C) ou des entreprises (B2B) pour en tirer des modèles de prévision en vue d'optimiser la relation avec les clients. Elle recouvre des technologies et des pratiques comme les statistiques, l'analyse de données ou le data mining.
BI (Business Intelligence) : Informatique décisionnelle - désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données d'une entreprise en vue d'offrir une aide à la décision et de permettre aux responsables de la stratégie d'une entreprise d’avoir une vue d’ensemble de l’activité traitée.
CRM (Customer Relationship Management) : Gestion de la Relation Client (GRC) - voir notre article le CRM c'est quoi ?
CRM analytique : Branche de la CRM qui fournit une analyse statistique des données collectées.
Les outils de CRM Analytique propose de mieux connaître ses clients par l’analyse des données centralisées et structurées autour de la notion de client. Par exemple, le suivi de la valeur client (croisement de données quantitatives et qualitatives), segmentation client, opportunité de cross selling et up selling ...
Data Mining : Exploration de données - Processus d'analyse utilisant un système logiciel pour extraire des tendances ou des corrélations à partir de grands volumes de données. Par ailleurs, le Data Mining permet également d'identifier des informations stratégiques et découvrir de nouvelles connaissances, en s'appuyant sur des traitements statistiques.

Business Object s'allie avec SPSS et intègre des fonctionnalités d'analyse prédictive

Crm Sambotte — Tue, 11 Dec 2007 10:03:00 +0100

Business Objects, spécialisé dans les solutions décisionnelles, et SPSS, éditeur de logiciels d'analyse prédictive, ont annoncé la signature d'un contrat OEM. Les deux entreprises s'allient pour intégrer l'analyse prédictive à la première plate-forme de BI du marché.

Aux termes de ce contrat, Business Objects permettra à ses clients d'utiliser la technologie de Data Mining et d'analyse prédictive de SPSS dans le cadre de la plateforme BusinessObjects XI.

Les utilisateurs de la plateforme BusinessObjects XI intégrant cette technologie de Data Mining et d'analyse prédictive pourront s'appuyer sur des prévisions pour anticiper les demandes de ces clients.

Source : SPSS

Glossaire :

Analyse prédictive : Etude de données et caractéristiques comportementales des personnes (B2C) ou des entreprises (B2B) pour en tirer des modèles de prévision en vue d'optimiser la relation avec les clients. Elle recouvre des technologies et des pratiques comme les statistiques, l'analyse de données ou le data mining.
BtoB (Business To Business) : désigne les relations commerciales mises en oeuvre entre deux entreprises leurs permettant de procéder à des échanges commerciales. Le commerce B to B désigne par exemple les échanges entre un fournisseur de produits intermédiaires et un producteur distribuant au consommateur final. Les Services B to B désignent les services aux entreprises.
BtoC (Business To Consumer) : désigne tout type d'activité économique destinés au grand public ou consommateur final.
BI (Business Intelligence) : Informatique décisionnelle - désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données d'une entreprise en vue d'offrir une aide à la décision et de permettre aux responsables de la stratégie d'une entreprise d’avoir une vue d’ensemble de l’activité traitée.
Data Mining : Exploration de données - Processus d'analyse utilisant un système logiciel pour extraire des tendances ou des corrélations à partir de grands volumes de données. Par ailleurs, le Data Mining permet également d'identifier des informations stratégiques et découvrir de nouvelles connaissances, en s'appuyant sur des traitements statistiques.