Passer au contenu

Les KXEN Components anticipent les comportements clients

Les composants du français KXEN établissent rapidement des statistiques permettant de dresser des modèles comportementaux.

Nouvel arrivant sur le marché du data mining, KXEN propose une approche inédite de l’analyse des données. À la différence des logiciels de requête Olap classiques dans lesquels ils s’insèrent, les KXEN Components établissent des statistiques sur des informations clients afin d’établir des modèles de comportement. Écrits en C++, ces objets métiers communiquent avec des bases compatibles ODBC, des fichiers textes ou des feuilles Excel. Leurs nouveaux algorithmes permettent d’atteindre une vitesse d’analyse élevée : l’éditeur annonce un délai d’une heure trente, avec un simple PC, pour établir un modèle à partir d’un tableau d’un million de lignes contenant 200 variables.

Des objets spécifiques pour des tâches spécialisées

Deux composants forment la base du système : KXEN Robust Regression définit les variables les plus fréquentes (tranches d’âge ou lieu d’habitation), donc les plus intéressantes à mettre en avant, et vérifie également l’intérêt du modèle obtenu. KXEN Consistent Coder, quant à lui, code les variables en chiffres pour les analyser en fonction des objectifs définis par l’utilisateur. D’autres objets sont disponibles en option pour des tâches plus spécialisées. Ainsi, KXEN Event Log va chercher les données dans les journaux d’événements de logiciels transactionnels, alors que KXEN Smart Segmenter permet d’affiner les segmentations. En ce qui concerne la compatibilité, les KXEN Components possèdent des API COM/DCOM et Corba pour leur permettre de s’implanter dans un requêteur de type Business Object ou Cognos, ou dans des applications statistiques. L’éditeur a également prévu deux modèles d’interfaces graphiques clients, l’une écrite en Java et l’autre en VisualBasic, afin de faciliter la programmation de l’intégration.

🔴 Pour ne manquer aucune actualité de 01net, suivez-nous sur Google Actualités et WhatsApp.


Olivier Bibard