Titre: Apprentissage Supervisé et Données Complexes. Application aux données bancaires.
Encadrant: Mephu Nguifo Engelbert
Description:
La richesse des entreprises réside aujourd'hui dans leurs
clients. La
compréhension des attentes des clients et l'anticipation de
leurs besoins
devient un objectif majeur de nombreuses entreprises, qui souhaitent
augmenter
la rentabilité et la fidélité de leurs clients,
tout en maîtrisant les risques
et en utilisant les bons canaux au bon moment pour vendre le bon
produit.
Ceci nécessite donc une historisation des données sur les
clients et une
gestion fine des moyens de communication entre l'entreprise et le
client.
Dans le domaine bancaire, le développement de score ou
"scoring" permet
l'application des techniques de prédiction. Un cas particulier
de score est
l'attrition, qui consiste à calculer la probabilité d'un
client de quitter
la banque. La complexité de mise en oeuvre de ce score ouvre une
voie à l'usage
des techniques d'apprentissage supervisée.
A l'heure actuelle plusieurs techniques d'apprentissage
supervisée ont
été étudiées dans la litérature et
appliquées avec succès dans des domaines
où généralement la nature des données est
simple. Dans le cas qui nous intéresse,
il s'agit d'étudier l'applicabilité de ses techniques sur
des données complexes,
notamment des données bancaires.
La mise en oeuvre de ce travail se fera en collaboration avec une
banque
régionale.
Mots clés: Socring, Apprentissage Automatique, Classification, Données complexes, Données temporelles, Attrition
Références:
- Cornuejols et Miclet, 2002, Apprentissage Artificiel: méthodologie et applications, Eyrolles.