Une introduction en douceur à la suite TIMi

Comprendre le data engineering et l’analytique

L’Academy explique aussi les concepts de base des infrastructures de données modernes.

Ces ressources vous aident à comprendre comment fonctionnent les systèmes analytiques et comment concevoir des architectures de données efficaces.

Au programme :

Intégration de données (ETL)

Data warehousing

Reporting & BI

Logiciels CRM

Chaque sujet couvre à la fois les concepts techniques et leurs applications concrètes en entreprise.

2 approches différentes

Le CRM analytique se divise en deux familles : les outils fondés sur la segmentation et les outils fondés sur le prédictif.

Par nature, la segmentation est une technique bien adaptée au travail exploratoire. L’analytique prédictive, elle, est discriminante par nature. Les outils de CRM analytique fondés sur le prédictif génèrent en général un meilleur ROI pour les campagnes marketing.

Pour savoir lequel de deux modèles prédictifs est le meilleur (celui qui a la meilleure précision et le meilleur ROI), comparez UNIQUEMENT les « courbes de lift calculées sur le jeu de données de TEST » et, si possible, utilisez toujours le même jeu de TEST.

Quand on construit un modèle qui ne fait aucune erreur sur le « jeu d’apprentissage », on obtient un modèle qui se comporte mal sur des données qu’il n’a jamais vues.

La « capacité de généralisation » du modèle est faible. Il s’appuie sur des informations qui n’étaient en réalité que du bruit. Ce phénomène s’appelle l’« overfitting », ou surapprentissage.

Un modèle qui « overfitte » peut afficher 100 % de précision sur le jeu d’apprentissage.