WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Administration d'un big data sous mongodb et extraction de connaissance par réseau de neurones.


par Destin CUBAKA BENI
Université Pédagogique Nationale (UPN) - Licence 2019
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

IV.5. Présentation des données

L'ensemble de données exploitées pour l'implémentation et interprétation de résultats de notre modèle prédictif sont issues d'un environnement bancaire en se basant sur la réalité existante au sein de la Banque Commerciale Du Congo, sur la politique de gestion des clients précisément ceux qui souscrivent au crédit (un emprunt, ...). Eu égard à la réalité, nous avons donc constitué un ensemble de données servant à la simulation du dit modèle.

Reste à signaler que cet ensemble de données à simuler contiennent des enregistrements décrivant chacun les comportements des clients provenant desdifférentes sources des données. En fin dans cet ensemble de données, nous avons retenus quelques variables descriptives que nous synthétisons dans le tableau ci-dessous :

NOM VARIABLE

DESCRIPTION VARIABLE

TYPE

CHOIX

1

CUSTOMER_ID

Identifiant du client

Numérique

-

2

OLDNESS

Ancienneté client

Numérique

-

3

AVG_TRANSACT_MONTH

Transaction moyenne par mois du client

Numérique

-

4

AVG_TRANSACT_YEAR

Transaction moyenne par AN du client

Numérique

-

5

BALANCE_USD

Solde actuel du client en USD

Money

-

6

BALANCE_CDF

Solde actuel du client en CDF

Money

-

7

GENDER

Genre du client

Boolean

Homme or Femme

8

AGE

Age du client

Numérique

-

9

TYPE_COUNT

Type du compte client

Text

-

10

JOB

Profession du client

Text

-

11

OLDNESS_JOB

Ancienneté dans la profession

Numérique

-

12

ESTIMATED_SALARY_USD

Estimation Salaire en USD

Money

-

13

CLAIMS

Plaintes

Text

-

14

STATUT_CHURN

Statut churn du client

Text

 

Tableau 4.4: Dictionnaire des variables descriptives utilisées.

IV.5.1. Présentation des données existantes d'analyse

Étant donné que l'algorithme doit prédire sur base des données existantes, nous présentons quelques graphiques qui expriment les comportements des clients dans les différents cas c'est-à-dire les clients non actifs (churner) et les clients actifs (non churner). Autrement dit, nous présentons le deux classes (Churner et Non Churner) d'appartenance à laquelle seront classifier les nouveaux clients. Pour le statut d'un churner nous utiliserons1 « Oui », quant au statut du Non churner nous utiliserons tout simplement 0« Non ».

a) Présentation du statut churn selon les types de compte

Ci-dessous nous représentons en histogramme rouge, les clients qui ont churner ou perdus par rapport au compte ouvert au sein de la BCDC et en vert, les clients non churner (clients actifs)

Figure 4.39: Statut churn selon les types de compte.

b) Présentation du statut churn selon le sexe

Nous représentons dans le graphique ci-dessous en histogramme rouge, les clients churner et non churner selon le sexe, du coup le statut churn peut etre interprété par rapport aux couleurs : rouge pour les clients perdus et vert pour les clients actifs.

Figure 4.40: Statut churn selon le sexe.

c) Présentation du statut churn selon l'âge

Selon l'âge des clients, les clients actifs sont représentés en histogramme vert et en histogramme rouge les clients perdus.

Figure 4.41:Statut churn selon l'âge des clients.

d) Présentation du statut churn selon l'ancienneté

Selon l'ancienneté, les clients actifs sont représentés en histogramme vert et en histogramme rouge les clients perdus. Il sied de signaler que le graphique ci-dessous est réparti sur une période allant de 1 - 5 ans.

Figure 4.42: Statut churn selon l'ancienneté des clients dans l'institution.

e) Présentation du statut churn selon les réclamations ou plaintes

Plusieurs clients affichent un statut de churn d'où le churner. Par rapport aux plaintes nos résolues, la BCDC court un risque de perte de ses clients d'autant plus que la boite à suggestion ainsi que celle de réclamations ne sont pas régulièrement mise à jours. Ci-dessous voici le graphique reprenant en histogramme rouge les clients perdus quant à ce.

Figure 4.43: Statut churn selon les réclamations des clients.

f) Présentation du statut churn selon la profession

Selon la profession, l'institution peut également perdre ses clients, la BCDC n'est pas exclue. Ci-dessous voici le graphique reprenant les clients perdus en histogramme rouge, en histogramme vert, les clients fidélisés malgré leurs professions.

Figure 4.44: Statut churn selon la profession des clients.

g) Extrait de données d'apprentissage

Ci-dessous nous présentons l'extrait des données que nous allons s'en servir pour notre système prédictif.

Figure 4.45: Extrait de données d'apprentissage depuis MongoDB. Vue n°1 [Client Navicat Premium-MongoDB].

Figure 4.46: Extrait de données d'apprentissage depuis MongoDB. Vue n°2 [Client Navicat Premium-MongoDB].

Figure 4.47: Visualisation des données d'apprentissage.[RStudio]

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"L'imagination est plus importante que le savoir"   Albert Einstein