1. Fonction

Directeur de Projet Datamining & CRM Analytique

2. Contexte et objectifs

2.1. Objectifs

- Elaborer un Modèle Prédictif (Scoring), afin d’estimer le potentiel (Fort / Moyen / Faible) de ventes des pharmacies françaises sur le marché étudié.
- Construire une typologie (Profiling) des pharmacies selon leur potentiel de ventes.

3. Démarche et méthodologie

3.1. Extraction, Transformation, Chargement des données
a. Préparation et nettoyage des données
  - Préciser et clarifier les définitions
  - Suppression ou Imputation statistique des valeurs manquantes ou aberrantes
  - Analyses factorielles, Classifications
  - Transformations mathématiques
  - Création de nouveaux indicateurs pertinents
b. Exploration des données
  - Statistiques descriptives
  - Tests d’association : Sélection des variables explicatives significatives
  - Détection des valeurs manquantes ou aberrantes

3.2. Echantillonnage, Modélisation & Scoring
a. Echantillonnage des jeux de données
  - Echantillon de Modélisation prédictive
  - Echantillon de Test et de Validation
b. Modélisation prédictive : mise en compétition d’au moins 3 méthodes
  - Réseaux de neurones
  - Segmentation
  - Analyse discriminante
  - Modèles Log-linéaires
  - Analyse de covariance
c. Choix du meilleur modèle & Scoring
  - Comparaison des performances de modèles prédictifs
  - Choix du meilleur modèle
  - Implémentation des règles de décision dans les bases de données

3.3. Profiling statistique des groupes scorés
- Facteurs discriminants caractérisant de chaque groupe
- Profil statistique de chaque groupe à partir de ses propres facteurs discriminants

3.4. Chargement des données dans le Logiciel PharmaScore
3.5. Adaptation de l'interface graphique de l'application par rapports aux marchés et aux niveaux de score modélisés

4. Descriptif des fonctions des intervenants

4.1. Traitements de données : Ingénieurs décisionnels, Statisticien
4.2. Assurance qualité : Inspecteurs Qualité

5. Environnement technique

SAS, Access, VBA

6. Assurance qualité

- Recalculs partiels de résultats
- Vérification de la cohérence des résultats avec le cahier des charges

7. Livrables et formats des livrables

7.1. Listes des livrables & formats :
- Les observations sur les données (Format Excel)
- Le rapport sur la compensation (Format Excel)
- Les statistiques descriptives (Format Excel)
- La sélection des variables explicatives (Format Excel)
- La description statistique des classes (Format Excel)
- Les facteurs discriminants (Format Excel)
- La modélisation :
  * La modélisation et le calage (Format Excel)
  * L'analyse décile avec et sans calage (Format Excel)
  * Les statistiques descriptives des erreurs sans calage (Format Excel)
  * Les statistiques descriptives des erreurs avec calage (Format Excel)
  * La base nominative avec calage contenant les CA (Format Access)
  * Le descriptif de la base nominative avec calage (Format Excel)
  * La distribution statistique avec et sans calage (Format Excel)
- La base anonymisée (Format Access)
- La base nominative (Format Access)
- Le descriptif de la base anonyme avec calage unifiée (Format Excel)
- Le descriptif de la base nominative avec calage unifiée (Format Excel)
- Logiciel PharmaScore

8. Liste des Clients utilisateurs

3M, ANSELL, AURIGA, BEIERSDORF, BIOHORMA BELGIUM, BLEDINA, BOEHRINGER INGELHEIM FRANCE, BOOTS, BRISTOL-MYERS SQUIBB (BMS), COLGATE-PALMOLIVE, CONVATEC, DISTRIBORG, EXPANSCIENCE, FERROSAN, FORTE PHARMA, GEOCIBLE, GLAXOSMITHKLINE (GSK), GRUNENTHAL, IMS HEALTH, IMS HEALTH BELGIQUE, JANSSEN-CILAG, JOHNSON & JOHNSON, KALISTERRA, LIÉRAC, LIFESCAN, LILLY, L'OREAL, MARTIN, MEAD JOHNSON, MEDISENS, MERCK, NESTLE, NOVARTIS, NOVARTIS CONSUMER HEALTH, NUTRICIA, OENOBIOL, ORTIS, PASTEUR MERIEUX, PAUL HARTMANN, PFIZER, PIERRE FABRE, PRIMROSE, PROCTER & GAMBLE, RANBAXY, RATIOPHARM, RECKITT BENCKISER, ROCHE, ROCHE DIAGNOSTICS, SCA HYGIENE PRODUCTS, SSL HEALTHCARE, TEVA, VIATRIS PHARMA, VITANZA, ZAMBON, STALLERGENES