Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

SETIT 2005 3RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES O

SETIT 2005 3RD INTERNATIONAL CONFERENCE: SCIENCES OF ELECTRONIC, TECHNOLOGIES OF INFORMATION AND TELECOMMUNICATIONS MARCH 27-31, 2005 – TUNISIA Conception d’un outil décisionnel pour la gestion de la relation client dans un site de e-commerce Nazih SELMOUNE*, Saida BOUKHEDOUMA* and Zaia ALIMAZIGHI* *Laboratoire des Systèmes Informatiques(LSI )- USTHB - ALGER selmoune@wissal.dz boukhedouma@wissal.dz alimazighi@wissal.dzT Résumé Les entreprises soucieuses de leur progrès tentent à satisfaire continuellement leurs clients potentiels. L’utilisation du e-commerce, l’essor des technologies liées à l’internet fait naître de nouvelles attentes de la part des clients et des collaborateurs. Ceci oblige ces entreprises à prendre les décisions adéquates en vue de répondre aux exigences de leurs clients, en examinant leur comportement sur son site de e-commerce. L’analyse du marché pour une entreprise donnée repose sur la quantité importante d’informations provenant de son site web marchand. Cette analyse peut se faire en exploitant les entrepôts de données (ED) ou data warehouse (DW) d’une part et les outils de data mining ou de fouille de données pour une classification (profilage) des clients d’autre part, car l’aide à la décision peut nécessiter de comprendre plus profondément les chiffres et les faits de l’entreprise. Le présent article décrit la conception, l’architecture et quelques fonctionnalités d’un outil d’aide à la décision pour la gestion de la relation client sur un site de e-commerce. Mots clés E-CRM , Data warehouse, Data Mining, modèle multidimensionnel, OLAP. 1. Introduction De nombreuses entreprises ont bâti en partie leurs succès grâce à une politique de constante innovation technologique et ont su utiliser les nouvelles technologies, depuis longtemps, pour acquérir de nouveaux marchés et viser de nouveaux clients. De plus en plus sensibilisés au web, ils veulent accéder directement de façon personnalisée et sécurisée, au service de l’entreprise et de ses partenaires. Partant de ce fait, les entreprises ont senti le besoin et la nécessité de prendre certaines décisions pour répondre aux attentes de ce nouveau type de clients qui se manifeste via ce nouveau canal d’interactions. La connaissance de l’environnement décisionnel est un élément vital dans la prise de décision. Par exemple la connaissance de clients et de leur comportement d’achat constitue un élément décisionnel pour le lancement d’un produit. L’anayse du marché pour une entreprise donnée aura comme référence les données qui découlent de son site web marchand. Les entreprises possèdent donc, d’importants volumes de données aux formats généralement hétérogènes, ce qui nécessite l’utilisation d’un outil permettant l’exploitation efficace et performante de ces données pour aider l’entreprise à la prise de décision, d’où la naissance des entrepôts de données (ED) ou data warehouse (DW) (Inmon, 1996b), (Kimball & al, 2000). Cette approche vise à extraire des données de bases de production, à les assembler, par sujet, à les organiser, à les transformer et à les résumer pour l’aide à la décision. L’entrepôt doit pouvoir mémoriser l’histoire de l’entreprise. Pour mieux connaître sa clientèle, une entreprise peut décider d’effectuer une classification basée sur le comportement des clients. Ceci implique la nécessité de mettre en place des outils de data mining ou fouille de données . Ces outils reposent en général sur des techniques basées sur les SETIT2005 2 statistiques, la classification ou l’extraction de règles associatives (Gardarin, 2000). Le travail présenté dans cet article consiste en la conception et la mise en œuvre d’un outil d’aide à la décision basé sur les techniques de DW et de data mining, susceptible d’assister les entreprises de ventes sur internet , dans la prise de leurs décisions. La suite du document est organisée comme suit : La section 2 présente les concepts de base du décisionnel, à savoir les entrepôts de données (ED) et le data mining. La section 3 présente le concept d’aide à la décision dans la gestion de la relation client. La section 4 décrit la conception de l’outil réalisé pour l’aide à la décision. En effet, elle présente les vues statique et dynamique du système en utilisant quelques diagrammes d’UML, le modèle multidimensionnel selon deux axes ventes et visites. Une description d’un algorithme de groupage est aussi donnée dans cette section. Enfin, quelques figures montrant les principales fonctionnalités de l’outil sont données dans la section 5. 2. Concepts de base des systèmes d’aide à la décision : Nous présentons dans ce qui suit quelques concepts de base, concernant les systèmes d’aide à la décision et notamment, les entrepôts de données : 2.1 Entrepôt de données (data warehouwse) : Un entrepôt de données (ED) ou data warehouse (DW) se définit selon W. INMON comme étant un ensemble de données intégrées, orientées sujet, non volatiles, gérées dans un environnement de stockage particulier, historisées, résumées, disponibles pour l’interrogation et l’analyse et organisées pour le support d’un processus d’aide à la décision (Bret & al, 2001) . Les données d’un ED possèdent les caractéristiques suivantes (Teste, 2000) , (Raval & al, 2001) : Intégrées Les données de l’entrepôt proviennent de différentes sources éventuellement hétérogènes. L’intégration consiste à résoudre les problèmes d’hétérogénéité des systèmes de stockage, des modèles de données, de sémantique de données. Orientées sujet Après leur intégration dans une sorte de source globale, les données sont réorganisées autour de thèmes tels que : client, vendeur, produit…etc. Chaque décideur d’une entreprise doit disposer d’une vue sur les informations qui lui sont pertinentes, et qui peuvent influer dans ses décisions pour une meilleure exploitation de ces données. Non volatiles Tout se conserve, rien ne se perd : cette caractéristique est primordiale dans les ED. En effet, et contrairement aux bases de données classiques, un ED est accessible en ajout ou en consultation uniquement. Les modifications ne sont autorisées que pour des cas particuliers (correction d’erreurs…etc.). Historisées La conservation de l’évolution des données dans le temps, constitue une caractéristique majeure des ED. Elle consiste à s’appuyer sur les résultats passés pour la prise de décision et faire des prédictions ; autrement dit, la conservation des données afin de mieux appréhender le présent et d’anticiper le futur. Résumées Les informations issues des sources de données doivent être agrégées et réorganisées afin de faciliter le processus de prise de décision. Disponibles pour l’interrogation et l’analyse Les utilisateurs doivent pouvoir consulter les données en fonction de leurs droits d’accès. L’ED doit comporter un module de traitement des requêtes, exprimées dans un langage, doté d’opérateurs puissants, pour l’exploitation de la richesse du modèle. 2.2 Architecture d’un entrepôt de données : L’architecture d’un ED, représentée dans la figure 1, s’articule autour de trois phases : l’intégration, la restructuration, et l’exploitation (Inmon, 1996b). Figure 1.1 : Architecture d’un entrepôt de données SETIT2005 3 Intégration : Cette première étape, est assez délicate, car elle consiste à extraire et regrouper les données, provenant de sources multiples, et hétérogènes. Un certain nombre de problèmes est à résoudre à ce niveau : les données doivent être filtrées, triées, homogénéisées et nettoyées. Structuration : Cette étape consiste à réorganiser les données, dans des magasins afin de supporter efficacement les processus d’analyse et d’interrogation, et d’offrir aux différents utilisateurs, des vues appropriées à leurs besoins. Interrogation et Analyse : L’exploitation de l’entrepôt, pour l’aide à la décision peut se faire de différentes façons, dont : ¾ l’interrogation à travers un langage de requêtes, ¾ La connexion à des composants de report, pour des représentations graphiques et tabulaires, ¾ L’utilisation des techniques OLAP (OnLine Analytical Process ), ¾ L’utilisation des techniques de fouille de données (Data Mining). 2.3 Modèle Multidimensionnel (Bret & al, 2001): Les modèles basés sur le concept multidimensionnel, sont les plus appropriés, à capturer les caractéristiques des DW. Ils permettent en effet, de donner une vision simple, et facilement interprétable par des non informaticiens, et de visualiser les données selon différentes dimensions. Le modèle multidimensionnel contient deux types d’attributs : les dimensions et les mesures. Les dimensions sont les valeurs numériques que l’on compare, les dimensions sont les points de vue depuis lesquels les mesures peuvent être observées. La modélisation multidimensionnelle est illustrée par des cubes de données ou des hypercubes. Les données représentées sur l’hypercube peuvent être sujettes à une analyse OLAP. Le terme OLAP (OnLine Analytical Process) désigne communément, un ensemble de fonctionnalités qui servent à faciliter l’analyse multidimensionnelle, opérations réalisables sur l’hypercube, parmi lesquelles nous citons : la rotation, la coupe, le pliage et le dépliage (Codd, 1993 ), (Chaudrui,1997). 2.4 La fouille de données (Data mining) Le data mining fait référence à un ensemble de techniques d’exploration et d’analyse, par des moyens automatiques ou semi-automatiques, d’une masse importante de données dans le but de découvrir des tendances cachées ou des règles significatives (non triviales, implicites et potentiellement utiles) (Gardarin, 2000), (Inmon, 1996a). Les outils de data mining reposent en général, sur des techniques basées sur les statistiques, la classification ou l’extraction de règles associatives. Objectifs du data mining Les objectifs du Data Mining peuvent être regroupés dans trois axes importants : 1. Prédiction (What-if) : consiste à prédire les conséquences d’un événement (ou d’une décision), se basant sur le passé. 2. Découverte de règles cachées : découvrir des règles associatives, entre différents événements (Exemple : corrélation uploads/Management/ conception-d-x27-un-outil-decisionnel-pour-la-gestion-de-la-relation-client-dans-un-site-de-e-commerce.pdf