Analyse_Predictive_Projet_M2_EMLV

Note obtenue : 9/10

PRESENTATION

A partir d'une problématique de notre choix, nous devions récupérer des données (sur Kaggle ou venant d'une entreprise par exemple) afin de réaliser une analyse prédictive à l'aide des modèles vus en cours et du template donné. Nous devions ensuite formuler la problématique, réaliser les étapes du template, et fournir une analyse pertinente et adaptée à la situation.

Pour notre projet, nous avons choisi d'analyser les données de l'entreprise ThéraSomnia, entreprise dans laquelle j'ai effectué mon alternance, en mettant en scène une demande de la direction dans le but de trouver des insights sur les prospects.

INTRODUCTION

ThéraSomnia est le 1er programme de Thérapies Comportementales et Cognitives de l’insomnie en ligne. L'entreprise offre un programme de thérapie basé sur les méthodes comportementales, visant à améliorer la qualité du sommeil de ses clients et lutter contre les insomnies. Le but étant de dormir mieux, plus longtemps, de manière saine et durable.

Pour cela, le programme agit sur les émotions, les comportements, et les pensées, pour créer un cercle vertueux où chaque élément agira sur les autres.

CONTEXTE :

A leur arrivée sur le site web, les prospects ont la possibilité de répondre à un questionnaire bilan sur leur sommeil, qui leur permet d'obtenir un premier diagnostic en moins de 3 minutes.

Souhaitant mieux cibler ces prospects et ainsi améliorer le taux de conversion de l'entreprise, la direction nous a demandé d'analyser les données de ce questionnaire pour trouver des insights.

OBJECTIFS :

Nous cherchons, à travers ce notebook, à trouver quel est le modèle le plus efficace. Nous utiliserons l'apprentissage supervisé pour développer un modèle de régression logistique, un arbre de décision, et un algorithme de random forest. A travers ces modèles, nous allons déterminer :

• les acheteurs potentiels du programme autour de l'insomnie
• les questions les plus déterminantes dans la décision d'achat

L'objectif de ce notebook, d'un point de vue business, est d'améliorer la précision du ciblage des campagnes et l'efficacité des indicateurs de performances. Cela permettra également de mieux connaitre les utilisateurs.

TECHNOLOGIES :

Analyse univariée, multivariée, Implémentation des modèles (Arbre de décision, Random forest, Régression logistique)

Librairies : Numpy, Pandas, Seaborn, Matplotlib, Sklearn