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

Lieu de formation

54 Rue du Faubourg Saint-Antoine 75012 Paris 12e