Comprendre les principes théoriques de la statistique est une chose ; savoir les

mettre en pratique en est une autre, et le fossé peut être large entre les deux.

C'est pour vous aider à le franchir que l'auteur a écrit un ouvrage de «travaux

pratiques» de la statistique décisionnelle, qui fait suite à son ouvrage de cours, Data

Mining et statistique décisionnelle , paru dans la même collection.

Ce nouvel ouvrage présente une étude de cas réalisée de A à Z à partir du même

jeu de données, et répondant de façon complète et cohérente à deux importantes

problématiques de la statistique décisionnelle : la construction d'une segmentation

de clientèle et l'élaboration d'un score d'appétence à l'achat d'un produit ou la

souscription d'un contrat.

Les données utilisées sont à la fois réelles et complètes. Elles proviennent

du secteur de l'assurance, mais l'étude qu'elles permettent de réaliser peut se

transposer à de nombreux autres domaines. Ces données sont disponibles sur

Internet, notamment sur le site des Editions Technip où elles sont accompagnées des

programmes présentés dans l'ouvrage. Ceci permettra au lecteur de compléter sa

lecture par des exercices personnels, par le test de variantes, mais aussi d'utiliser

ces programmes pour les appliquer à ses propres données et ses propres projets.

L'étude de cas est menée avec le logiciel SAS, qui est à la fois le plus complet et

le plus répandu des logiciels commerciaux, et qui permet de traiter tous les sujets

abordés dans l'ouvrage, et même d'optimiser, d'automatiser et d'industrialiser les

traitements. Tout au long de l'ouvrage, une bonne partie des procédures classiques

de SAS/STAT est passée en revue, mais, au-delà des questions de programmation,

nous souhaitons surtout montrer au lecteur qu'il est souhaitable et possible de

conjuguer rigueur et productivité.

Pour le scoring, les trois principales méthodes de modélisation sont mises en

oeuvre et comparées, l'analyse discriminante linéaire, les arbres de décision et la

régression logistique, de même que l'agrégation de modèles par bagging.