Qu’est-ce que le Data Mining ?

Le terme Data Mining désigne l’analyse ciblée de grandes quantités de données afin d’obtenir de nouvelles informations potentiellement utiles. Découvrez ce qui se cache derrière ce terme et certaines de ses méthodes d’analyse.

Qu’est-ce que le Data Mining ?

La définition du Data Mining est généralement associée au Big Data. Le Big Data, c’est l’ensemble des données qui ne peuvent plus être gérées manuellement, à cause de leur ampleur. Le traitement et l’analyse des données doivent donc être effectués à l’aide de méthodes informatisées.

Les connaissances qui auront pu être acquises grâce au Data Mining font partie intégrante du positionnement stratégique de tout modèle de commerce en ligne, ainsi que des décisions marketing qui en découlent. Les domaines d’application sont caractérisés par leur multiplicité.

Domaines d’intervention du Data Mining

Le Data Mining offre l’opportunité de pouvoir optimiser de manière scientifique les sites e-Commerce. Les grandes bases de données qui doivent être traitées dans le domaine de la vente en ligne peuvent ainsi servir de base aux pronostics. Une fois que ces données ont été travaillées et que des statistiques ont pu être établies, les administrateurs de boutiques en ligne peuvent dresser une liste de facteurs clés de succès à exploiter et mettre en œuvre différentes stratégies de marketing digital. Le Data Mining vise ainsi à :

• Segmenter les marchés
• Analyser le contenu des paniers
• Dresser des profils d’acheteurs types
• Calculer le prix des produits
• Établir des pronostics
• Déterminer la durée des contrats
• Analyser la demande
• Identifier les erreurs dans les processus de vente

Comment fonctionne le Data Mining ?

Le Data Mining est considéré comme une étape partielle de la Knowledge Discovery in Databases (KDD, en français : « découverte de connaissances dans les données »), qui comprend les processus suivants :

• Définir les objectifs : il faut tout d’abord définir des questions concrètes auxquelles l’analyse des données doit permettre de répondre. Il est ainsi plus facile pour les professionnels en data science d’identifier les données pertinentes et les méthodes d’évaluation appropriées.
• Prétraitement des données : la qualité des informations obtenues par l’exploration de données dépend de la nature de la base de données. Les données pertinentes doivent donc être nettoyées avant l’analyse afin d’éliminer les doublons, les valeurs aberrantes et autres distorsions. Il se peut également que les données nettoyées doivent être mises dans le format requis par la méthode d’analyse.
• Analyse des données : l’analyse mathématique des données proprement dite a ensuite lieu. Les méthodes d’analyse à utiliser dépendent fortement des objectifs choisis et des caractéristiques des données. Il peut s’agir d’algorithmes classiques d’analyse des données ou d’algorithmes plus récents basés sur les réseaux neuronaux et le Deep Learning.
• Interprétation des résultats : les résultats issus de l’analyse doivent être interprétés. Si les résultats sont compréhensibles et instructifs, il est possible d’identifier de nouvelles corrélations et d’en tirer des enseignements qui pourront à leur tour influencer les stratégies commerciales futures.

Les différentes méthodes du Data Mining

Pour pouvoir extraire les données pertinentes à une entreprise parmi leur abondance, différentes méthodes sont mises en œuvre. Ces techniques se basent sur l’identification de liens logiques entre différents motifs et tendances, afin d’établir des statistiques.

• Détection des données aberrantes (Outlier Detection) : dans le domaine des statistiques, les données aberrantes sont des observations ou des valeurs qui sont qualifiées de « distantes ». C’est-à-dire que des observations différentes qui auront été effectuées concernant un même phénomène contrasteront fortement avec les valeurs mesurées au préalable. En Data Mining, la détection de données aberrantes est une méthode courante pour tenter d’identifier la fraude par carte de crédit ou autres transactions frauduleuses.
• L’analyse de typologies : les typologies sont des clusters, c’est-à-dire un regroupement. Cette méthode consiste à segmenter un ensemble de personnes. Ainsi, il est possible par la suite de les regrouper par types d’individus. L’objectif de ce type d’analyse vise à segmenter les données non structurées. Pour cela, des algorithmes comme K-Nearest-Neighbor (KNN) sont appliqués. Les algorithmes passent en revue les quantités de données, trouvent des similitudes structurelles, et identifient ainsi différents clusters. Si certaines données ne peuvent pas être classées, cela peut relever de la catégorie des données aberrantes. L’analyse des clusters est principalement utilisée afin de déterminer les différents profils types des visiteurs d’un site, notamment dans le e-commerce.
• Classification : tandis que l’analyse de typologies permet avant tout l’identification de nouveaux groupes, la classification est un excellent moyen pour catégoriser des groupes prédéfinis. Leur répartition s’effectue à partir de différentes spécificités qui se recoupent. La méthode la plus courante pour classifier automatiquement des données consiste à avoir recours à un arbre de décision (decision tree). Ainsi, une spécificité sera dégagée pour chaque nœud de données.
• Technique d’association : cette méthode vise à identifier des ensembles cohérents dans un dataset spécifique. Dans le domaine du e-commerce, cette méthode de Data Mining est appliquée afin de découvrir les corrélations entre différents produits dans des types de paniers. Par exemple : « si le produit A est acheté, il y aura un intérêt pour le produit B ». Cette technique permet donc d’effectuer de manière pertinente des recommandations de produits auprès des visiteurs d’un site.
• Analyse de régression : la régression est un ensemble de méthodes statistiques. Ce modèle vise à expliquer une variable aléatoire à l’aide de différentes variables non aléatoires. Le modèle de régression le plus connu est le modèle de régression linéaire, et permet par exemple d’effectuer un pronostic pour les ventes d’un produit en effectuant une corrélation entre le prix en question et le revenu médian des clients du site e-commerce.

Les limites du Data Mining

Certes, les statistiques entrent en jeu dans le Data Mining, et leur analyse objective permet d’établir une analyse des données existantes. Mais les différents choix des méthodes analytiques mises en œuvre sont néanmoins subjectifs, ce qui peut fausser les résultats. Il en va de même pour les choix appliqués aux algorithmes et aux paramètres. Le moyen le plus efficace pour s’assurer de la pertinence et pour veiller à ce que les résultats ne soient pas biaisés consiste à avoir recours à un prestataire externe spécialisé en Data Mining.

Enfin, il faut noter que les résultats du Data Mining se présentent sous forme de motifs et de connexions. Des éléments de réponse ne peuvent être apportés que lorsqu’une réflexion aura été portée et que les objectifs auront été identifiés.