Exercice 0 : Questions du cours
● Definir: fouille de donnees, indicateur, flocon, classification, dimension, sujet,
datamart
● Definir la regle des 5V
● Definir les proprietes ACID
● Definir les operations CRUD du paradigme cle/valeur
● Faire une comparaison entre SIO et un SID sur 5 criteres que vous choisissez
● Faire une comparaison entre l’architecture des entrepots suivant B. Inmon et
l’architecture suivant R. Kimball sur 5 que vous choisissez
● Pourquoi dit-on que les systemes d’information operationnels ne sont pas
appropries au pilotage de l’entreprise?
● Quelles sont les operatios du processus ETL, dire en quoi consiste chacune
d’elles
● Que signifie base de donnees normalisees? Donnees denormalisees? Presenter
les avantages et les inconveniets dans chaque cas
● Dans votre specialite (Genie Logiciel), decrire un probleme qui peut etre resolue
par une approche de fouille de donnees
○ En quoi consiste le probleme
○ Comment sont decrites les donnees
○ Comment sont collectees les donnees
○ Votre probleme peut etre transforme comment en quel probleme de fouille
de donnees? Comment evaluer la solution
Exercice 1 : Une agence de voyage aimerait pouvoir analyser ses donnees afin de planifier de
meilleures campagnes de promotio aupres de ses clients. Plus particulierement, elle aimerait
analyser le nombre et le montant des ventes en fonction:
- De la destination: hotel, ville, pays, region, categorie de region (ex: bord de la mer,
alpine, etc.), categorie de destination (ex: familial ou non), categorie hotel (ex: 4 etoiles)
- De la date d’achat: jour de l’annee, jour de la semaine, mois, annee, saison touristique
(ex: basse ou haute saison)
- Du forfait: nombre de personnes, nombre de nuits, type de forfait (ex: tout inclus, repas
inclus, etc.), type de chambre (ex: standard, suite, penthouse, etc.)
- De la promotion: categorie (ex: 2 pour 1, rabais 10%, rabais 25%, etc.), debut et fin de
validite
- Du mode de paiement: categorie (ex: credit, comptat, etc.)
1. Definir clairement les indicateurs a analyser pour ce probleme
2. Proposer un schema en etoile permettant de faire ces analyses en faisant
ressortir clairement les cles primaires et etrageres des tables de faits et de
dimension
3. Identifier, pour chaque table de dimension, une hierarchie de niveaux de
granularite et proposer un schema en flocon
4. Proposer une strategie d’agregation pour mettre ensemble plusieurs etoiles ou
flocons
Exercice 2 :
Les donnees ont ete recueillies dans le but de predire si un client allait souscrire a un souscrire
a un service bancaire ou pas. Les donnees ont donc un attribut souscription dont les valeurs
possibles sont soit YES (95%), soit NO (5%)
1. Decrire chaque etape du processus de CRISPDM
2. En quoi consiste le pretraitement? Decrire en quoi consiste les operations de
normalisation et de discretisation
3. La proportions de YES et NO dans le jeu de donnees posent elles un probleme pour
faire cette classification? Si oui lequel? Proposer une solution si oui
4. Il existe des correlations et des implicatios entre les attributs decrivant les clients.
Donner le principe de l’algorithme APRIORI pour l’extraction des regles. Prooposer aussi
des solutions pour rendre cet algorithme plus efficace (en temps et en memoire)
5. La tache suivante consiste a construire a partir des donnees recueillies un modele
permettant de predire si le client va souscrire au service ou pas. Quelles sont les
mesures a utiliser pour evaluer ce modele? Donner les formules et les interpretations de
ces formules
6. Ces donnees vont servir pour construire un modele permettant de classer ces clients?
Proposer 3 mesures pour evaluer ce modele. Donner une interpretation de chacune
d’elle
7. Decrire un probleme de votre specialite qui peut etre resolue par une approche de fouille
de donnees. Comment collecter les donnees? Comment construire et evaluer la
solution?
Exercice 2.10:
Les donnees ont ete recueillies dans le but de proposer de l’aide a l’octroi de credit dans une
baque. Les donnees ont donc un attribut credit dont les valeurs possibles sont soit YES (95%),
soit NO (5%), un attribut genre et un attribut handicap
1. Decrire chaque etape du processus de CRISPDM
2. En quoi consiste le pretraitement? Decrire en quoi consiste les operations de
normalisation et de discretisation
3. La proportions de YES et NO dans le jeu de donnees posent elles un probleme pour
faire cette classification? Si oui lequel? Proposer une solution si oui
4. Ces donnees vont servir pour construire un modele permettant de classer ces clients?
Proposer 3 mesures pour evaluer ce modele. Donner une interpretation de chacune
d’elle
5. Est-ce que ce modele peut poser des questions ethiques? Si oui, decrire deux de ces
problemes, et proposer des idees de solutio pour les resoudre
6. Decrire un probleme de votre specialite qui peut etre resolue par une approche de fouille
de donnees. Decrivez les attributs que vous pensez utiliser pour decrire les donnees?
Comment collecter les donnees? Comment construire et evaluer la solution?
Exercice 3 :
Le parc de Mvog-Beti veut evaluer ses performances. Le directeur et son staff gerent en
associant plusieurs outils: les tableaux Excel pour enregistrer les visites, les registres manuels
pour le pointage des employes, une base de donnees pour la gestion des animaux, les reseaux
sociaux pour collecter les avis des visiteurs, les mails pour les reservations, …
Pour simplifier sa tache et prendre des decisions sur la base de donnees stockees dans son
systeme d’informations, le directeur fait appel a un expert des SID
1. Entre les architectures en SILO, de B. Inmon et R. Kimball, que que choisissez pour
mettre en place un entrepot de donnees pour ce probleme? Justifier
2. Dessiner et expliquez l’architecture choisie
3. Definir clairement 3 indicateurs a analyser pour ce probleme
4. Entre un schema d’entrepot en etoile et un schema d’entrepot en flocon, lequel preferez
vous? Justifier
5. Proposer une strategie d’agregation pour mettre ensemble plusieurs etoiles ou flocons
Exercice 4 :
Une entreprise de fabrication de pates alimentaires souhaite mettre en place un systeme
d’information decisionnel sous la forme d’un datamart pour observer son activite de ventes aux
niveaux des differents lieux de distributions de ses articles et cela dans plusieurs villes. Ces
lieux de distributions sont renseignes par leur enseigne, leur type (en fonctio de leur surface),
leur adresse (arrondissement et localite), leur departement, leur region. Les ventes sont
renseignees selon une periode qui se declie en mois, en trimestre et annee. Les ventes sont
observees par le nombre d’articles selon le type, et le chiffre d’affaire
1. Quel est le fait a observer? Quels sont les indicateurs?
2. Quels sont les axes d’analyse?
3. Construire le modele en etoile de ce datamart
4. Construire le modele en flocon de datamart
Exercice 5 :
Soit un ensemble de donnees decrites avec 4 attributs: ensoleillement, temperature, humidite,
vent et l’attribut a predire jouer. L’arbre de decision suivant a ete construit pour classer les
donnees du tableau
1. Decrire le principe validation croise d’ordre k et celui du holdout
2. Donner le principe general de construction d’un arbre de decision
3. Evaluer la precision, le rappel et la F-mesure de cet arbre. Donner une interpretation de
chacune de ces mesures
N Ensoleillement Temperature Humidite Vent Jouer
1 Soleil 75 70 Oui Oui
2 Soleil 80 90 Oui Non
3 Soleil 85 85 Non Non
4 Soleil 72 95 Non Non
5 Soleil 69 70 Non Oui
6 Couvert 72 90 Oui Oui
7 Couvert 83 78 Non Oui
8 Couvert 64 65 Oui Oui
9 Couvert 81 75 Non Non
10 Pluie 71 80 Oui Non
11 Pluie 65 70 Non Non
12 Pluie 75 80 Non Oui
13 Pluie 68 80 Non Oui
14 Pluie 70 96 Oui Oui
Arbre de decision (representation):
Ensoleillement = ?
Ensoleillement -> (Soleil)-> Humidite -> >77.5 -> Classe “Oui”
Ensoleillement -> (Soleil)-> Humidite -> <=77.5 -> Classe “Non”
Ensoleillement -> (Couvert) -> Classe “Oui”
Ensoleillement -> (Pluie)-> Vent = ? -> Oui-> Classe “Non”
Ensoleillement -> (Pluie)-> Vent = ? -> Non-> Classe “Oui”
Exercice 6:
Une entreprise de location de vehicules vous demande de lui concevoir un entrepot de
donnees, dans le but d’optimiser son fonctionnement et/ou son processus de prise de decision.
Ses souhaits sont relativement vagues, on vous demande donc de l’aider a definir le contenu,
les buts et l’architecture de cet entrepot de donnees. La compagnie est a l’echelle
internationale: elle se compose de plusieurs societes nationales
Chaque societe nationale comprend un grand nombre de succursales couvrant chacun des
pays:
● Les clients peuvent reserver un vehicule au guichet, par telephone, par internet
● Les clients peuvent rendre le vehicule dans n’importe laquelle des agences de la
marque
● Lorsqu’un client rend un vehicule, on connait le nombre de kilometre qu’il a parcouru, et
les eventuels incidents qui ont eu lieu pendant la location (panne, accident,...)
● Il existe plusieurs categories de vehicules
● Il existe plusieurs tarfis de location (a la journee, au kilometre, a la semaine,...)
● La compagnie a souvent recours a des promotions sur ses tarifs
1. Identifiez 3 sujets d’entreprise (decisionnels) que vous pensez pouvoir modeliser
a l’aide de cette description
2. Choisissez un de ces 3 sujets pour approfondir votre analyse et proposition:
● A quels types de questions votre entrepot permettra-t-il de repondre?
● Quel sera le fat de base? Et sa granularite
● Definir chacune des tables de dimensions
● Faire un modele en etoile correspondant
● Identifier les hierarchies (si elles existent) et proposer le modele en flocon
correspondant