|
|
Modélisation statistique et Analyse opérationnelle pour les différentes « Business Units » du département marketing
|
|
Mise en place de scores d'appétence pour différentes actions marketing récurrentes afin d’optimiser le ciblage des campagnes (ventes additionnelles) :
• Analyse exploratoire (étude des corrélations, création d’indicateurs, discrétisation, traitements des données manquantes).
• Constitution des échantillons d’apprentissage et de validation (en cas de faible taux de retour, échantillon d’apprentissage stratifié 50-50).
• Modélisation par régression logistique (calcul d’une note de score).
• Application aux bases opérationnelles (ciblage des campagnes en fonction des notes de score calculées).
Bilan des campagnes marketing direct afin d'orienter les choix court terme à retenir en termes de ciblage, de media et d'offre:
• Mesure des taux de retour primaire et secondaire.
• Caractérisation des clients ayant réagi à l’offre :
• Analyse exploratoire afin de mettre en évidence les critères les plus discriminants à partir des critères explicatifs disponibles (caractéristiques socio-démographiques, consommation,…),
• Définition des principaux cœurs de cible (pour le ciblage des campagnes).
• Analyse à long terme visant à mesurer l'impact des campagnes sur le comportement client (consommation, usages, service, churn).
• Analyse de la rentabilité (gain en valeur) : comparaison du revenu généré par client avec le coût de la campagne.
• Présentation et promotion des résultats auprès des différents services pour l’ensemble des études menées.
|
|
Mots clés :
Scores ♦ Analyses ♦ Données manquantes ♦ Modélisations ♦ SAS Enterprise Miner ♦ SAS STAT ♦ SAS Base ♦ SAS Macro ♦ SQ
|
|
|
Etudes datamining / statistiques sur les clients Professionnels
|
|
|
|
Mots clés :
Score de vulnérabilité ♦ Segmentation ♦ Etudes quantitative ♦ Etudes qualitatives ♦ Statistique descriptive ♦
|
|
|
Prévision de production de gaz pour les clients Entreprises
|
|
|
|
Mots clés :
Prévision ♦ Analyse ♦ Modèle ♦ SARIMAX ♦ Régression linéaire ♦ SAS 9 ♦ SAS BASE ♦ SAS STAT ♦ SAS MACRO ♦ SAS ETS ♦ SQL
|
|
|
Validation d’une méthode de calcul des aléas de la production d’électricité
|
|
|
|
Mots clés :
Prévision ♦ Analyse ♦ Modèle ♦ SAS 9 ♦ SAS BASE ♦ SAS STAT ♦ SAS MACRO
|
|
|
Estimation de modèles saisonniers de prévision à court terme de la consommation de gaz
|
|
|
|
Mots clés :
Etudes statisiques ♦ Estimation ♦ Modèles ♦ Prévision ♦ SAS 9 ♦ SAS BASE ♦ SAS STAT ♦ SAS MACRO
|
|
|
Projet d’Etudes et de Conseil sur les besoins en renouvellement des rails
|
|
Optimisation du modèle de prédiction des ruptures (scoring des portions de rail) en terme de taille d’échantillon d’apprentissage et de qualité des prédictions dans le temps
|
|
Mots clés :
Modèles de prévision ♦ Scoring ♦ SAS BASE ♦ SAS STAT ♦ SAS MACRO
|
|
|
Projet d’Etudes et de Conseil sur les taux de remplissage des trains
|
|
• identification et compréhension des relations entre les caractéristiques connues des trains et leur performance commerciale en termes de taux de remplissage.
• production d'une classification des trains qui permet aux responsables de la tarification d’améliorer l’optimisation de l’offre tarifaire en portant leur attention sur les classes de trains identifiées comme intéressantes au regard de leurs objectifs d’optimisation.
|
|
Mots clés :
Modèles de prévision ♦ Scoring ♦ SAS BASE ♦ SAS STAT ♦ SAS MACRO
|
|
|
Prestation de conseil en choix d’outils de statistique et Data Mining. Benchmark, préconisations
|
|
|
|
Mots clés :
SAS ♦ Datamining ♦ Benchmark ♦ scoring
|
|
|
Conseil et assistance technique SAS et statistiques pour le pôle produits « fidélisants »
|
|
Conception, création et gestion de la base décisionnelle. · Mise en œuvre de scores d’acquisition et d’attrition pour les produits « fidélisants » (carte Cofinoga +, produits de prévoyance, produits d’abonnement).
Mesure de l’impact de campagnes marketing spécifiques
|
|
Mots clés :
SAS ♦ Campagnes ♦ Mesure ♦ Score
|
|
|
Analyse et recherche des facteurs les plus pertinents qui permettent d’expliquer la souscription ou non à une formule d’assurance Auto particulière
|
|
"Le périmètre des critères explicatifs potentiels est principalement défini par 2 ensembles d’informations : les informations véhicules et les informations conducteurs, disponibles et recensées par la MAIF.
• Reporting et calcul d’indicateurs.
• Méthodes statistiques utilisées : ACP, ACM, Classification."
|
|
Mots clés :
Etude statistique ♦ critères explicatifs ♦ ACP ♦ ACM ♦ Classification ♦ SAS
|
|
|
Modélisation des tarifs d’assurance habitation pour la MAIF et un ensemble de sociétés concurrentes et comparaison des modes tarifaires
|
|
"Modélisation des tarifs d’assurance habitation pour la MAIF et un ensemble de sociétés concurrentes et comparaison des modes tarifaires.
• Comparaison des méthodes GAM, GLM et arbres de décision
• Facteurs explicatifs constitués d’éléments de structure de l’habitat (nombre de pièces, type de résidence…) et de données externes INSEE (type d’agglomération…)
• Rapport et présentation des résultats"
|
|
Mots clés :
Modélisation ♦ GAM ♦ GLM ♦ arbres de décision ♦ SAS
|
|
|
Assistance statistique sur la mise en place de la réglementation Bâle II au sein du groupe Crédit du Nord
|
|
|
|
Mots clés :
Documentation Bâloise ♦ Modélisation ♦ Calibrage ♦ Système de notation ♦ PD ♦ LGD ♦ back-testing
|
|
|
Connaissance client et gestion de campagnes
|
|
|
|
Mots clés :
Gestion de campagnes ♦ SAS ♦ Segmentation
|
| | |