Etude de cas FNAC et Basch

[pic 1]

                                                   Projet de marketing quantitatif

                                                                       Master 1 MMI

Groupe 11 : HASSAN DAHER Yasmin ; MOUBARAK DJAMA Hamza et HOUMED HASSAN Amina

Professeur : Jean-Bernard BOYABE

                                               2016-2017

1 Description de la base de données et de ses variables

1. Le tableau de données :

Les données qui nous sont soumises à analyse concernent la clientèle d’une compagnie d’assurance vie. NMS est une compagnie d’assurance santé qui souhaite organiser une campagne ciblée de fidélisation (pour T3-2016) de sa clientèle.

Notre travail consistera ici à analyser la base de données et à produire un SCORING à partir d’un tableau de données pour préparer cette campagne qui doit commencer au troisième trimestre de 2016.

Le service des TIC vous a fourni ce tableau de données où figurent les observations sur 2014 des variables explicatives et les observations sur 2015 de la variable à expliquer portant sur le comportement binaire de Quitter Oui/Non (QUIT YES/NO), collectés et codés dans les données.

Nous proposons dans la suite de ce travail de décrire d’abord les variables de cette base de données et de produire quelques statistiques descriptives nécessaires à la bonne compréhension des données. Ensuite, nous procéderons à une analyse par la méthode ACP, analyse dans laquelle nous présenterons les commandes et packages nécessaires pour finir par une interprétation des principaux résultats sortis des tests. Dans un troisième temps, nous effectuerons une classification des individus par la régression logistique avec une interprétation des résultats. La performance de la classification construite sur un échantillon d’apprentissage pourra être évaluée sur un autre échantillon dit de validation ou de test, étant donné que le tableau des données sera subdivisé en deux sous-échantillons, l’une dite d’apprentissage et l’autre dite de validation.

1.2 Implémenter les statistiques descriptives

#La commande « head » (qui affiche quelques lignes du tableau) juste pour avoir un aperçu de vos variables >head (dpg11)

[pic 2]

[pic 3]

#La commande « summary » pour effectuer nos statistiques. Descriptives à commenter >summary (dpg11)

[pic 4][pic 5][pic 6]

Cette variable nous a permis de donner un résumé sur la situation des cibles et de leurs envies envers les différents produits offertes.

Nous avons essayé de faire parler le résultat et commenter les variables les plus importantes.

Pour la commande LP2014 qui représente le ratio pertes / primes pour l’année 2014, nous avons vu que 12% de l’échantillon confirme que ce ratio représente pour eux 25%  et 35% confirme 50% contrairement aux premiers. En totale 339 ont donné leur avis sur ce ratio en 2014.

La commande « cor » de RStudio permet de générer la matrice de corrélation du tableau de données. La matrice de corrélation présente la corrélation entre toutes les variables, une à une, et a pour but de voir les liens entre ces variables. Une corrélation très élevée entre deux variables signifie que les variables en questions se ressemblent voire sont redondantes. 

...