Data Science

Objectifs

• 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

Programme

Principes de l’analyse de survie

• 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

Les données de survie

• 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

Les méthodes d’analyse

• 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

Cas pratique sous R