Techniques de scoring avec R et Python

Objectifs

L'objectif est de vous former aux techniques de Scoring afin de vous aider à optimiser vos ciblages en proposant la bonne offre au bon client, au bon moment, via le canal de communication le plus pertinent : l'efficacité et la rentabilité de vos actions seront ainsi renforcées.

Syllabus

Chapitre 1 : Introduction au scoring

• Principe et apports


• Principales familles de scores


• Exemples d'application dans différents secteurs d'activité

Chapitre 2 : Les principales techniques

• Régressions Linéaires, Modèles linéaires généralisés, Régression Logistique, Arbres de décision, Réseaux Bayésiens, Réseaux de neurones, SVM, régressions pénalisées (Elastic net, Lasso, Ridge, PLS).


• Rappels théoriques


• Contexte d'application


• Exemples et Interprétation des résultats obtenus

Chapitre 3 : La démarche projet

• Principales étapes de construction de score :


• Cadrage du besoin (choix de la variable cible, population éligible, …)


• Préparation des données


• Échantillonnage


• Modélisation


• Validation du modèle


• Mise en œuvre opérationnelle


• Partage de bonnes pratiques en fonction des méthodes et problématiques

Chapitre 4 : Application

• Cas pratique

Comment ?

Méthodes pédagogiques

8 à 10 personnes maximum par cours,

1 poste de travail par stagiaire

Remise d'une documentation pédagogique papier ou numérique pendant le stage

La formation est constituée d'apports théoriques, d'exercices pratiques, de réflexions et de retours d'expérience

Évaluation

Auto-évaluation des acquis par le stagiaire via un questionnaire en ligne

Attestation de fin de stage remise au stagiaire