CONCLUSION PARTIELLE
Au cours de ce dernier chapitre de notre travail
intitulé implémentation et interprétation des
résultats, nous avons eu à concevoir et à
implémenter notre modèle de prédiction tout en
commençant par une intégration de données qui
étaient des sources plus variées et non structurées dans
une base de données NoSQL orientées docuent (MongoDB) avec une
importation d'un Dataset. Après cette intégration, nous avons
également intégré d'autres outils Big Data tels que
Navicat-premium, Jupyter RStudio pour les analyses et intégration des
données. Ensuite, nous avons exporté notre Datasetvers excel pour
la présentation des différents graphiques expriment les
comportements des clients selon le cas des variables prédictives
définies dans notre travail, d'une part.
D'autre part, nous avons eu à appliquer, à
l'aide d'un Dataset, l'algorithme des réseaux de neurones pour pouvoir
prédire le nouveau comportement des nouveaux individus. Bref, nous avons
utilisé l'algorithme des réseaux de neurones de sorte que
celui-ci puisse classifier d'une manière automatique la classe à
laquelle appartiennent les nouveaux individus. Et enfin, nous avons
interpréter le résultat.
CONCLUSION GENERALE
Nous voici à la fin de notre travail qui a
consisté à la mise oeuvre d'un outil d'aide à la
décision à temps réel. Le présent travail repose
sur la construction d'un modèle prédictif à partir du Big
Data basé sur l'administration d'un Big Data sous MongoDB et extraction
de connaissance par réseau de neurones : application de l'analyse
de churn dans une institution bancairequi nous a permis de prédire les
risques de départ des clients.
Sur ce, pour atteindre nos fins, nous avons parlé des
Big Data au premier chapitre. Au chapitre second, nous avons traité sur
les SGBDs orientés document et MongoDB ; ici nous avons parlé des
différentes bases des données NoSQL qui existent actuellement,
MongoDB qui étaient d'ailleurs le noeud de notre question. Au chapitre
troisième, on a parlé de fouille de données et
réseau de neurones. En fin le quatrième et dernier chapitre,
consacré à l'implémentation et interprétation de
résultats. Dans ce dernier nous avons proposé les outils Big Data
pour différentes analyses et les langages de programmation python et R,
pour l'implémentation de notre système prédictif.
Sachant qu'il existe plusieurs technologies permettant de
résoudre les problématiques, les bases de données NoSQL
orientées-documents, nous nous sommes servi du système de gestion
des bases des données orientées-documents de la firme MongoDB
foundation, qu'on appelle MongoDB.
Comme tout oeuvre humaine, ce travail n'est pas scellé
par un seau d'achèvement, nous osons croire que les différentes
personnes qui auront l'opportunité de nous lire à travers
celui-ci, les feront avec bienveillance, dévouement et voudrons bien
apporter leurs suggestions et remarques en vue de permettre à la science
d'évoluer à travers d'autres esprits curieux car l'informatique
évolue du jour le jour dit-on.
| 
