CHAPITRE IV. APPLICATION
[4]
Dans ce qui suit, nous présentons la conception de notre
outil d'aide à la décision. Notre solution est constituée
de trois volets, le premier est consacré à la conception d'une
application transactionnelle, le deuxième, à l'utilisation d'une
technique de datamining basée sur un algorithme de classification
automatique, et le troisième nous utiliserons une technique de
prédiction basée sur la statistique de bayes. Nous utiliserons
des diagrammes UML, pour illustrer les aspects statiques, dynamiques et
fonctionnels de notre conception.
IV.1. Les Diagrammes UML
IV.1.1. Diagrammes de cas
d'utilisation :
Le gestionnaire, étant l'acteur principal. Les cas
d'utilisation de base qui vont être mis en évidence pour
l'assister dans la constitution des décisions ou la prise de
décision seront :
Ø Accéder à l'application transactionnelle.
Ø Visualiser les données des clients à
classifier.
Ø Appliquer les centres mobiles pour la segmentation.
Ø Analyse les classes obtenues.
Ø Appliquer la statistique bayesienne pour la
prédiction.
Ø Proposer un marketing au client.
Ø Visualiser les rapports
IV.1.2 Diagrammes de
séquence:
Dans cette phase de notre développement, après
identification des cas d'utilisation, et des scénarios associés
à chaque cas, nous représentons quelques cas à l'aide des
diagrammes de séquence :
IV.1.2.1 Diagramme de séquence Appliquer les
centres mobiles pour la segmentation
Ø IV.1.2.2 Diagramme de séquence
Appliquer la statistique bayesienne pour la prédiction
IV.3 Module de la conception
Data Mining
La deuxième phase de notre solution est
consacrée à la création des groupes des clients
homogènes en utilisant l'algorithme des centres mobiles permettant de
construire des groupes de clients en fonction de critères de
similarité. Avant de détailler la modélisation de notre
algorithme de partitionnement, il faut éclaircir certains points et
rappeler quelques définitions de base utilisées dans les
étapes de calcul des groupes d'individus.
IV.4. Implémentation et
mise en oeuvre
Notre travail consiste à analyser le comportement des
clients ou consommateurs des produits fabriqués par une entreprise. Le
but ultime de ce travail est de voir la distribution de clients de la
société, leur profil, leur comportement ou habitude d'acheter tel
ou tel autre produit, en fin à l'aide de la statistique bayesienne
prédire la classe qu'un nouveau client peut appartenir en vue de mettre
une stratégie qui permet à l'entreprise de garder ce client.
IV.4.1 Architecture du
système
L'architecture montre l'ensemble des composants, outils et
matériels interconnectés permettant d'obtenir une architecture
simple.
L'architecture est composée de parties
différentes :
Ø La première partie constitue l'interface de notre
application permettant d'effectuer les opérations de vente,
d'enregistrement des informations
Ø La deuxième partie permet de classifier les
clients en groupes homogène en utilisant l'algorithme des centres
mobiles,
Ø et enfin la prédiction de groupe de nouveau
client.
| 
