Retour
Techniques de scoring
Objectifs de la formation
Objectifs Apprendre à mettre en oeuvre les techniques de scoring afin d'affecter un score à un client, un prospect, un patient, .... pour répondre à différents objectifs : sélection des risques, prévision des défauts, suivi et contrôle ... Compétences visées - Avoir une introduction aux techniques du scoring - Revoir les méthodes statistiques multidimensionnelles en vue du scoring - Connaître les différents types de score - Savoir mener les différentes étapes préalables à la construction d'une modèle de scoring - Sélectionner les variables entrant dans la construction du modèle - Mettre en oeuvre la modélisation sur un échantillon d'apprentissage et en évaluer la performance sur un échantillon de test - Être capable de mesurer le pouvoir discriminant du modèle
Contenu de la formation
- Le scoring et ses applications Introduction Rappels de statistiques multidimensionnelles Méthodes exploratoires (analyses factorielles) Méthodes décisionnelles (modélisation : régression logistique, ...) Les divers types de scores Appétence ou propension Risque (comportement) Octroi ou acceptation Attrition (fidélisation, impayés) Diagnostic médical Spam courriels - L'élaboration d'un modèle de scoring Définition de la variable à expliquer Biais de sélection Construction de la base d'analyse Sélection des périodes d'observation Analyse exploratoire des données Traitement des valeurs manquantes Normalisation : transformations Découpage en classes, regroupement de modalités - La sélection des variables Importance de la sélection des variables Variables corrélées Complexité du modèle versus pouvoir explicatif Sélection multidimensionnelle - La modélisation Logique d'apprentissage et de test Méthodes et algorithmes utilisés pour le scoring - La mesure du pouvoir discriminant Validation des modèles Les courbes ROC - Conclusion, conditions de réussites
Résultats de la formation
Attestation de suivi de présence
Conditions spécifiques d'accès à la formation
Pour suivre ce stage dans de bonnes conditions, il est recommande d avoir suivi en amont la formation Realiser ses analyses statistiques avec R ou d avoir atteint par la pratique un niveau equivalent
Métier formé
Data / Big data
Niveau d'étude visé
Sans le Bac
Type d'immersion professionnelle
Formation initiale
Organisme de formation
Data Value
Durée de la formation
1 mois
Modalités de formation
formation entièrement présentielle
Prochaine(s) session(s)
- 19/03/2025 - 21/03/2025