Automatisation des scripts avec le logiciel Automate Builder.

Il est tout à fait possible de lancer un script Automate Builder avec une ligne de commande DOS afin de planifier l’exécution des scripts.

C :> automatebuilder.exe [Nom_du_script] [RUN]

Le paramètre [Nom_du_script] précise le nom du script à exécuter

Le paramètre [RUN] indique que le script doit être exécuté automatiquement

Ex d’utilisation :

c:>Automatebuilder.exe google.eng

Ouvre automatiquement le script google.eng

c:>Automatebuilder.exe google2.eng run

Ouvre automatiquement le script google2.eng et l’exécute

Utilisez également les procédures AUTORUN (exécute automatiquement le script lors de son ouverture) et QUIT (ferme le logiciel Automate Builder lorsque le script a terminé son exécution).

REMARQUE : Il est possible de lancer des scripts Automate Builder à des périodes ou des heures bien précises grâce à des tâches planifiées.

Les Tâches planifiées permettent de planifier l’exécution d’un script, d’un programme ou d’un document quelconque au moment qui vous convient le mieux. Les Tâches planifiées permettent de réaliser les tâches suivantes :

planifier l’exécution d’une tâche tous les jours, toutes les semaines, tous les mois ou à certains moments (par exemple, lors du démarrage du système) ;

modifier la planification d’une tâche ;

arrêter une tâche planifiée ;

personnaliser l’exécution d’une tâche à un moment planifié.

Vous pouvez créer des tâches planifiés directement dans Automate Builder en cliquant le bouton tâches planifiées, dans votre panneau de configuration (tâches planifiées) ou bien avec la commande DOS appelée AT

Qu’est-ce que le Data Mining ?

Le Data Mining englobe l’ensemble des outils qui facilitent l’extraction et l’analyse des données qui se trouvent dans une base de données de type Data Warehouse ou DataMart. Il utilise des méthodes efficaces capables d’extraire depuis de grandes quantités de données, des informations importantes. C’est un processus interactif où l’expertise métier est utilisée de façon conjointe avec les dernières innovations technologiques pour identifier les relations et les caractéristiques dans les informations. La majeure partie de ses méthodes est issue de l’intelligence artificielle ou des techniques de modélisation. Ces méthodes ont pour objectif de procéder à une estimation, de prédire et d’aider à prendre une décision. Le Data Mining est un processus ou une démarche avec 5 étapes :

1- La détermination du problème
Selon les données disponibles, il s’agit de déterminer quelle est la raison de l’analyse ? Ce qui est recherché ? La manière de déterminer le problème en une seule question qui servira de sujet pour l’enquête ? Il est donc important de savoir que les données sur lesquelles on travaille sont bien existantes.

2- Collecter les données
C’est une étape très importante dans la mesure où on ne fait qu’une analyse des données utilisables. Ainsi, il est important d’extraire de cette analyse les données dont la qualité n’est pas assez fiable. Les données méritent d’être réétudiées pour qu’à la fin on puisse se retrouver avec des données suffisantes afin de ne pas fausser les résultats. La phase de collecte des données demande une grande attention.

3- La construction du modèle d’analyse
Il faut toujours veiller à la validation de ses choix d’analyse sur les jeux d’essais tout en variant les échantillons. Ainsi, une évaluation initiale est capable de vous amener à refaire la collecte des données et la détermination du problème.

4- Étudier les résultats
L’étude des résultats se fait à travers une exploitation de ces derniers. Ainsi, il faut pour affiner l’analyse refaire les phases de construction du modèle, de détermination du problème et de collecte des données, si on se retrouve avec des résultats qui ne sont pas satisfaisants.

5- Formaliser et diffuser les résultats
Pour être diffusés, les résultats doivent être formalisés. Ils ne sont utilisés que s’ils deviennent une connaissance partagée, d’où l’aboutissement du processus.
Il est donc important d’accorder une très grande importance à la phase de collecte des données et de bien prêter une attention à l’étude des résultats.