www.bayesia.com n'est pas optimisé pour votre navigateur (Internet Explorer 6).
Nous vous suggérons de passer à IE 7 ou Firefox pour une meilleure navigation.

BayesiaLab, source de performance

08 juin 2006 / communiqué de presse

Le Groupe Soft Computing est une société de référence en France, de la gestion de la relation client et en particulier du datamining et de la connaissance client. Soft Computing exploite le logiciel BayesiaLab de la société Bayesia depuis 2003. René Lefébure, Directeur Général Adjoint de Soft Computing a su détecter très tôt le potentiel de ce logiciel unique en son genre. Pour Michel Sebag, Manager au sein de la BU Datamining et responsable de l'offre Convergence, BayesiaLab est « sans conteste l’outil à la pointe de ce qui se fait aujourd’hui en terme de réseaux bayésiens, (…) et son exploitation est source pour nous d’une progression à venir en datamining. »

Interview de Michel Sebag

Comment avez-vous connu la technologie de l’éditeur de logiciel Bayesia ?

Michel Sebag : « Soft Computing est une entreprise pionnière en matière de datamining. René Lefébure et Gilles Venturi (Directeur Général de Soft Computing), ont co-écrit deux livres à forte notoriété sur le sujet : « La Datamining » et « Gestion de la relation client ». René Lefébure a de fait été amené à s’intéresser très tôt aux technologies des réseaux bayésiens et à découvrir le logiciel BayesiaLab. Il a immédiatement su estimer le fort potentiel de cet outil d’analyse. BayesiaLab est devenu notre outil de référence dans le domaine des réseaux bayésiens. »

Pourquoi avez-vous choisi BayesiaLab ?

Michel Sebag : « C’est un logiciel avec une vrai orientation professionnelle. Nous l’exploitons à deux niveaux : pour les enquêtes et en datamining. BayesiaLab propose une convivialité unique. L’ergonomie est exceptionnelle. BayesiaLab dispose d’une fonctionnalité très poussée. La performance de ce logiciel est largement supérieure à ses concurrents. C’est sans conteste l’outil à la pointe de ce qui se fait aujourd’hui en terme de réseaux bayésiens. Soft Computing bénéficie d’une forte expertise dans le domaine du traitement des enquêtes, en particulier des baromètres et des enquêtes de satisfaction clients. Dans ce métier, l’appréhension des « liens » et des « causalités » sont fondamentales. Grâce à BayesiaLab, nous pouvons, pour chaque enquête, identifier de manière beaucoup plus pertinente qu’auparavant les mécanismes qui conduisent les clients et les consommateurs à être fidèles. Le logiciel fait apparaître ainsi des liens et des causalités de manière très large et quasi exhaustive. Ce logiciel permet en plus de simuler des scénarii, et d’interagir sur une base de données. La 3ème spécificité de BayesiaLab, c’est que nous pouvons désormais intégrer les contraintes d’organisation ou les contraintes budgétaires de nos clients et les modéliser. BayesiaLab est quasiment le seul logiciel capable d’intégrer ce type de contraintes dans le cadre de modélisation de la satisfaction ou de la fidélité. En datamining, les quantités de données à traiter et le nombre de variables qui entrent en ligne de comptes sont extrêmement importants. Une des grandes difficultés dans la modélisation en Datamining reste la sélection de variables et la mise en évidence de structure hiérarchique. Là encore, l’apport de BayesiaLab est unique. Il permet de structurer l’analyse de manière très pertinente et il facilite la phase de modélisation. »

En tant que spécialiste du datamining et de l’analyse de données, comment voyez-vous l’avenir de BayesiaLab ?

Michel Sebag : « BayesiaLab est déjà largement diffusé dans le monde du « market research » et cela va continuer. Ce logiciel est déjà exploité en marketing, mais aussi dans l’industrie, la recherche médicale, etc. Mais c’est dans le domaine du datamining que le développement de BayesiaLab va être le plus intéressant : il reste encore beaucoup de pistes d’exploitation nouvelles à explorer. Au sein de Soft Computing, dans le cadre du traitement d’enquêtes, l’utilisation de BayesiaLab est optimisée. En datamining, la marge de progression est encore sensible. Nous devons traiter des quantités très importantes de données et de variables. Nous continuons donc à explorer les fonctionnalités de BayesiaLab appliquées à de nouvelles approches de la connaissance client. »