Acte I · Le contexte
1. e4 e5
Le jeu de données est un classique sérieux : Telco Churn, 7 043 clients d’un opérateur télécom, 35 colonnes qui racontent chacun d’eux (services souscrits, type de contrat, ancienneté, charges, méthode de paiement), et une étiquette : parti, ou resté.
Acte II · Le problème
2. Cf3 Cc6
Un client qui part ne prévient pas. Au moment où l’opérateur s’en aperçoit, il est déjà trop tard. La question : peut-on lire dans les données les signaux avant-coureurs du départ, et les transformer en prédiction fiable ?
Acte III · La démarche
3. Fc4 Fc5
L’exploration d’abord : 12 analyses bivariées pour comprendre qui part et pourquoi, avant toute modélisation. Les signaux les plus nets :
- Le type de contrat domine tout : les contrats au mois (Month-to-Month) concentrent le churn le plus élevé.
- L’ancienneté protège : le risque maximal se situe dans les 12 premiers mois.
- Les services additionnels retiennent : support technique, sécurité en ligne, sauvegarde et protection d’appareils sont associés à moins de départs.
- La méthode de paiement parle : le prélèvement par chèque électronique (Electronic Check) est associé au churn maximal.
- Les charges mensuelles et totales complètent le tableau.
Section en préparation
Acte IV · Les résultats
4. O-O
Section en préparation
Acte V · Ce que j’ai appris
5. d4
Section en préparation