PRESENTATION OF FIDELISATION

34
Sujet : Projet de fidélisation (OCR, Génération, Correction , Data Visualisation , Data mining) Année universitaire 2015- 2016 Soutenance de stage de première année Université Mohammed V Ecole Nationale Supérieure d’Informatique et d’Analyse des Systèmes 1 De 11/07/2016 à 11/09/20 GHANOUCH Issam EL MOURABIT Abdelwahad Soutenu par : ENCADRÉ par :

Transcript of PRESENTATION OF FIDELISATION

Page 1: PRESENTATION OF FIDELISATION

1

Sujet : 

Projet de fidélisation (OCR, Génération, Correction , Data Visualisation , Data mining)

Année universitaire 2015-2016

Soutenance de stage de première année

Université Mohammed V

Ecole Nationale Supérieure d’Informatique et d’Analyse des Systèmes

De 11/07/2016 à 11/09/2016

GHANOUCH Issam EL MOURABIT Abdelwahad

Soutenu par : ENCADRÉ par : 

Page 2: PRESENTATION OF FIDELISATION

2

• STAGE

• ENSIAS• ENSIAS Réaliser un projet de fin d’année : 2 mois

• La mission Application de fidélisation

• L’entreprise : l'utilisation de savoirs, savoir-faire et savoir-être liés à l’entreprise,

• L’informatique décisionnel BIG data , collection et analyse de données

• Les stratégies de fidélisation S’approcher aux clients

• Gestion de projet Travail en équipe

Stage d’été de fin d’année

Introduction

Page 3: PRESENTATION OF FIDELISATION

3

Présentation de l’organisme d’accueil

Présentation de la mission de stage

Le comportement de l’OCR

Phase de génération

Segmentation et correction

Stage d’été de fin d’année

Plan

Datamining

Conclusion et perspectives

Page 4: PRESENTATION OF FIDELISATION

4

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Centre R&D

SOFTCENTRE

SOFTWARE DEVELOPMENT

123 Ressources universitaires

Chercheurs

Ingénieurs

Page 5: PRESENTATION OF FIDELISATION

5

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Activités de SOFTCENTRE

Recherche appliquée &

développement logiciel

Recherche prospective

Centre de services partagés

Recherche autofinancée

sur des domaines

d’excellence

Page 6: PRESENTATION OF FIDELISATION

6

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Mode de fonctionnement

Compétences R&D logicielle

Chercheurs

Ingénieurs

Doctorants

SOFTCENTRE

Page 7: PRESENTATION OF FIDELISATION

7

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Organigramme

Conseil d’administrationDirectionComité ProjetsComité d’orientation stratégiqueLaboratoires de recherche

Page 8: PRESENTATION OF FIDELISATION

Plan

Projet de Fin d’Etudes

Présentation de l’organisme d’accueil

Présentation de la mission de stage

Page 9: PRESENTATION OF FIDELISATION

9

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Source de données

Page 10: PRESENTATION OF FIDELISATION

10

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

10

GENERATION

L’équipe du datamining

L’équipe de la correction d’erreurEt de la segmentation

Base de données raffinée

Ticket texte Bruité

L’alimentation des autres équipes par les entrées de traitement

Page 11: PRESENTATION OF FIDELISATION

Plan

Projet de Fin d’Etudes

Présentation de l’organisme d’accueil

Présentation de la mission de stage

Le comportement de l’OCR

Page 12: PRESENTATION OF FIDELISATION

12

L’entrée et la sortie de l’OCR

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Page 13: PRESENTATION OF FIDELISATION

13

Exemples de tickets illisibles

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Page 14: PRESENTATION OF FIDELISATION

14

Plan

Projet de Fin d’Etudes

Présentation de l’organisme d’accueil

Présentation de la mission de stage

Le comportement de l’OCR

Phase de génération

Page 15: PRESENTATION OF FIDELISATION

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Extraction des données utiles depuis un ticket réel

Page 16: PRESENTATION OF FIDELISATION

16

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Web Scraping

Database data

Microsoft extraction

Insertion Nettoyage

Processus de la collection des données

Page 17: PRESENTATION OF FIDELISATION

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Page 18: PRESENTATION OF FIDELISATION

18

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Input de paramétrage Extraction suivant le paramétrage OUTPUT

TICKET

données

Traitement

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Le processus de la Génération des tickets

Page 19: PRESENTATION OF FIDELISATION

19

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Page 20: PRESENTATION OF FIDELISATION

20

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Page 21: PRESENTATION OF FIDELISATION

21

Présentation  Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Page 22: PRESENTATION OF FIDELISATION

22

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Page 23: PRESENTATION OF FIDELISATION

23

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

TRANSDUCTEUR

TICKET PROPRE TICKET BRUITE

MATRICE DE CONFUSION DE L’OCR

INPUT

INPU

T

OUPUT

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Page 24: PRESENTATION OF FIDELISATION

24

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Choisir le comportement à

implémenter

STRATEGIE Paramétrage

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Le processus d’implémentation des comportements

Page 25: PRESENTATION OF FIDELISATION

25

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Concept Base de données Ticket propre Ticket bruité Comportements Outils

Page 26: PRESENTATION OF FIDELISATION

26

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Concept Base de données Ticket propre Ticket bruité Comportements Outils

26

WampServerPOI appache….

Page 27: PRESENTATION OF FIDELISATION

27

Plan

Projet de Fin d’Etudes

Présentation de l’organisme d’accueil

Présentation de la mission de stage

Le comportement de l’OCR

Phase de génération

Segmentation et correction

Page 28: PRESENTATION OF FIDELISATION

Le processus engendrant la Segmentation et la correction

28

SOFT CENTRE Mission OCR Génération Segmentation + Correction Datamining ConclusionClassificateur SVM

Ticket bruité classifié

Tockénisation

Ticket Segmentation structuré

Amélioré par OCR

Correction

0% d’échec

Erreur encore

Base de donnée propre

Input

Remplissage

Remplissage

Ticket bruité non classifié Machine Learning (SVM)

Page 29: PRESENTATION OF FIDELISATION

29

Plan

Projet de Fin d’Etudes

Présentation de l’organisme d’accueil

Présentation de la mission de stage

Le comportement de l’OCR

Phase de génération

Segmentation et correction

Datamining

Page 30: PRESENTATION OF FIDELISATION

30

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Extraction Analyse données

Stratégie A

Stratégie B

Processus d’extraction des connaissances

Phase de DATAMINING

Page 31: PRESENTATION OF FIDELISATION

31

Présentation de l’organisme d’accueil

Présentation de la mission de stage

Le comportement de l’OCR

Phase de génération

Segmentation et correction

Stage d’été de fin d’année

Introduction

Datamining

Conclusion et perspectives

Page 32: PRESENTATION OF FIDELISATION

32

SOFT CENTRE Mission OCR Génération Segmentation  + Correction Datamining Conclusion

Participer au développement d'une application de fidélisation

EvaluationBilan• Personnel : IHM attribué à la génération• Projet entier : l’extraction de données vers des pages web exploitable

et manipulable par ceux qui décide leurs stratégie commercialPerspectives

• Génération à base d’un module intégré.

• Participation à un projet de recherche

Page 33: PRESENTATION OF FIDELISATION

33

Merci pour votre aimable attention

Page 34: PRESENTATION OF FIDELISATION

34

Sujet : 

Projet de fidélisation (OCR, Génération, Correction , Data Visualisation , Data mining)

Année universitaire 2015-2016

Soutenance de stage de première année

Université Mohammed V

Ecole Nationale Supérieure d’Informatique et d’Analyse des Systèmes

De 11/07/2016 à 11/09/2016

GHANOUCH Issam EL MOURABIT Abdelwahad

Soutenu par : ENCADRÉ par :