Data mining, Analyse de survie et durée de vie

Retenir vos clients est certainement un de vos préoccupations majeures
Vous souhaitez pour cela mettre en place des modèles anti-churn performants
L’analyse de durée de vie (encore appelée analyse de survie) est une méthode alternative aux méthodes plus classiques telles que la régression logistique
Cette formation de deux journées vous familiarisera avec cette technique et vous permettra de construire des modèles d’attrition opérationnels, efficaces et robustes
Vous découvrirez également les autres problématiques pour lesquelles l’analyse de survie peut apporter une réponse pertinente

Définition de l’analyse de survie et contexte d’utilisation
Champs d’applications possibles : bio-statistiques, marketing (attrition, prévision, durée de vie produit …), secteur bancaire (risque de crédit et recouvrement), actuariat, industrie
Les avantages et inconvénients de l’analyse de survie : comparaison avec la Régression Logistique

Définition de l’événement d’intérêt
Importance du choix de l’unité de temps
Censures et troncatures : définitions et principales méthodes
Fonctions de hasard et courbes de survie : définition, lois statistiques (loi de Weibull, loi de Pareto, loi log-logistique), exemples
Application : Construction d’une table de survie

L’analyse de la variance : rappel, mode d’utilisation, limites
Une méthode non paramétrique usuelle, l’estimation de Kaplan Meier : définition, utilisation pratique, limites
Les modèles paramétriques et semi paramétriques : modèle de Poisson, modèle de Cox, modèle « accéléré », modèle logistique conditionnelle

Modalités pédagogiques :

Évaluation des besoins et du profil des participants.
Apport théorique et méthodologique : séquences pédagogiques regroupées en différents modules.
Contenus des programmes adaptés en fonction des besoins identifiés pendant la formation.
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de travaux pratiques, étude de cas et mise en situation.
Méthodes expositive, active et participative.
Réflexion et échanges sur cas pratiques.
Retours d'expériences.
Corrections appropriées et contrôles des connaissances à chaque étape, fonction du rythme de l’apprenant mais également des exigences requises au titre de la formation souscrite.

Éléments matériels :

Mise à disposition des outils nécessaires au bon déroulement des travaux pratiques.
Support de cours au format numérique projeté sur écran et transmis au participant en fin de la formation.

Référent pédagogique et formateur :

Chaque formation est sous la responsabilité du directeur pédagogique de l’organisme de formation.
Le bon déroulement est assuré par le formateur désigné par l’organisme de formation.

Feuilles de présences signées des participants et du formateur par demi-journée.
Attestation de fin de formation mentionnant les objectifs, la nature et la durée de l’action et les résultats de l’évaluation des acquis de la formation.

Please login to get access to the quiz

Back to Data Science

Data Science