•  
  •  
 

Systèmes d'Information et Management

Abstract

La technologie du Data Mining a considérablement enrichi les outils traditionnels de traitement de la connaissance client en améliorant en particulier leur potentiel prédictif. Cet outil complexe a récemment connu de nombreux développements. Parmi ceux-ci, émerge la possibilité d’intégrer aux modèles traditionnels des données non structurées, représentant plus de 80 % de la connaissance disponible dans l’organisation. Le Text Mining permet d’exploiter ces données afin d’optimiser la prise de décision dans l’entreprise. L’objet du présent article est tout d’abord de présenter le Text Mining et son utilité en management, puis de démontrer sa valeur ajoutée, en d’autres termes, de quelle manière l’intégration de données textuelles aux modèles de Data Mining classiques améliore le potentiel prédictif de ces outils. Cette démonstration est faite en deux temps : en mettant en évidence tout d’abord son utilité dans la description et l’identification des données textuelles les plus saillantes, puis en mettant en compétition le modèle enrichi de données textuelles avec d’autres modèles prédictifs sur données structurées. Notre étude reprend un cas dans le secteur automobile, et montre de quelle manière, en combinant données structurées et textuelles, un constructeur peut être capable d’anticiper le rappel d’un véhicule, et par suite d’éviter les risques pour la marque liés à une mauvaise gestion de crise

Download

Share

COinS