L'analyse des données marketing

Analyser les fichiers de données

• Les types de variables : les échelles de mesure, les données manquantes, les valeurs aberrantes.
• Les objectifs : la variable Y à expliquer ou prédire, les variables X explicatives ou prédictives.
• Les facteurs de confusion : la nécessité des analyses multivariées.

Élaborer un arbre de segmentation

• Le fonctionnement : l’interprétation des résultats et l’utilisation.
• La mesure de la qualité de prédiction selon le seuil retenu : la courbe ROC.
• La validation de la segmentation sur un échantillon de test.

Construire un score par régression linéaire multiple

• L’utilisation d’un score : pour une variable quantitative ; pour une variable oui / non.
• L’erreur de prédiction, la validation, la courbe ROC.
• La pratique de la régression linéaire multiple sur XLStat.
• L’interprétation des résultats : coefficient R2, test F, tests T de Student, erreurs types.
• La sélection des variables explicatives : régression stepwise. La recodification des variables explicatives.

Connaître la panoplie des analyses multivariées

• L’analyse en composantes principales (ACP).
• La régression sur axes d’ACP.
• L’analyse canonique avec plusieurs prédicteurs X et plusieurs variables à prédire Y.
• La typologie vs. la segmentation.