Data Mining. Modèle d attrition Business Understanding Phase. Study of Churn
|
|
- Marthe Corriveau
- il y a 8 ans
- Total affichages :
Transcription
1 IUT de Caen - Département STID Responsable : Alain LUCAS Data Mining Modèle d attrition Business Understanding Phase STID 2ème année Lors d une réunion en septembre 2003 avec les responsables des directions Commerciale, Marketing, Statistique et Informatique, le directeur d une banque régionale demande : 1. de mener une étude sur le «churn» (ou «attrition») des clients de la banque, c est-à-dire d évaluer le pourcentage de clients qui quittent la banque pour la concurrence 2. de créer le cas échéant un modèle permettant de détecter en amont les clients susceptibles de partir à la concurrence en vue de les retenir par une stratégie commerciale. Study of Churn 2. Dans le but de réaliser l audit, créer un répertoire Datamining sur votre disque, puis copier le fichier Scores dans ce répertoire. 3. Lancer le logiciel SAS, puis créer une fenêtre EDITOR nommée Audit-Churn. 4. Dans la fenêtre ainsi créée, écrire les lignes de commande suivantes : dm clear log dm clear output options linesize=120 nodate nonumber 5. Créer à la suite du code la librairie DM via l instruction libname (adapter si besoin la lettre du disque!) : libname DM C :\Datamining 6. Dans le but d extraire la segmentation client en date du 01 août 2003, écrire les lignes de commande suivantes : data DM.Churn set DM.Scores if Date= 01AUG2003 d then output 7. Ecrire la procédure PRINT suivante : proc print data=dm.churn (obs=30) heading=h noobs title1 Audit du Churn title3 Visualisation de la table Churn Vérifier que l on obtient la sortie suivante : Après cette réunion, le responsable de la direction Statistique vous demande en tant que chargé d études de réaliser un audit concernant le «churn» des clients de la banque pour le mois de juillet Après avoir demandé au département informatique (IT - Information Technology) les données concernant la segmentation client (New/Gold/Silver/Bronce/Lead/Lost/Undefined) depuis janvier 2003, un fichier sous forme de table SAS nommé Scores vous a été fourni avec les informations demandées (cf. Table 1 pour visualiser un extrait du fichier). Tab. 1 : Extrait de la table Scores 1. La structure de ce fichier est de la forme multiples observations par clients. Qu est ce qui justifie ici le nom d une telle structure? Justifier votre réponse à l aide d un exemple. 1 Tab. 2 : Segment client au 1er août Dans le but de déterminer la fréquence du «churn» au mois de juillet 2003, écrire la procédure FREQ suivante : proc freq data=dm.churn title3 Fréquence des différents segments pour le mois de juillet 2003 table ValueSegment Indiquer alors précisément pour la banque le taux de churn pour le mois de juillet
2 Creation of Datamarts Votre responsable, à la vue de votre résultat, souhaite que le département de Statistique développe un modèle d attrition pour le mois de novembre 2003 permettant d identifier en amont les clients susceptibles de partir à la concurrence. Cela va consister en l élaboration d un score représentant la probabilité, pour chacun des clients, de quitter la banque. Etant novice dans la construction d un tel score, votre responsable vous informe que pour mener à bien cet objectif, il convient de définir une date de référence ainsi que trois périodes de temps spécifiques : Observational window ou Inputs variables window : période de temps permettant d observer l ensemble des caractéristiques des clients (données internes et externes) Operational lag ou Offset : période de latence durant laquelle on ne dispose pas de toutes les données concernant les clients du au processus de vérification et de stockage des informations dans le datawarehouse de la banque Performance window ou Target window : période de temps durant laquelle on observe ou non le départ d un client pour la concurrence. Sachant que votre responsable veut faire usage des données les plus récentes, vous décidez de choisir comme date de référence le 31 mai 2003, afin d avoir les trois périodes suivantes : Observational window : janvier à mai 2003 Operational lag : juin 2003 Target window : juillet En vue de construire le modèle, vous décidez de créer un datamart (ou magasin de données) spécifique à votre objectif en réalisant la fusion de plusieurs fichiers fournis par le département informatique préalablement sollicité par vos soins. Il s agit des fichiers Scores, Accounts, Leasing, Callcenter, et Customer. 6. Compiler le programme, puis vérifier que le contenu des tables nouvellement créées est en accord avec les tables suivantes : Scores Data Set : Dans le cadre du fichier Scores pour lequel vous disposez de toutes les informations, vous souhaitez créer une table nommée DataMart1 contenant les informations suivantes : segment client pour le mois d avril 2003 (LastValueSegment), segment client pour le mois de mai 2003 (ActualValueSegment), segment client pour le mois de juillet 2003 (FutureValueSegment), et création d une variable binaire permettant d identifier les clients partis à la concurrence au cours du mois de juiller 2003 (Cancel). 1. Créer une fenêtre EDITOR nommée Scores-Datamart1. 2. Dans la fenêtre nouvellement créée, écrire les lignes de commande suivantes : dm clear log dm clear output options linesize=120 nodate nonumber 3. Créer à la suite du code la librairie DM via l instruction libname (adapter si besoin la lettre du disque!) : libname DM C :\Datamining 4. Créer la macro-variable snapdate comme suit : %let snapdate = 31MAY2003 d 5. A la suite du programme, écrire les lignes de commande suivantes : data Last (rename = (ValueSegment = LastValueSegment)) Actual (rename = (ValueSegment = ActualValueSegment)) Future (rename = (ValueSegment = FutureValueSegment)) set DM.Scores DateEnd=intnx( month,date,-1, END ) format DateEnd date9. if DateEnd = intnx( month,&snapdate,-1, END ) then output Last else if DateEnd = intnx( month,&snapdate,0, END ) then output Actual else if DateEnd = intnx( month,&snapdate,+2, END ) then output Future drop Date DateEnd ScoreID En quoi consiste l instruction «DateEnd=intnx( month,date,-1, END )»? Expliquer en quoi consiste la séquence de if...then...else? 3 Tab. 3 : Table Last Tab. 4 : Table Actual Tab. 4 : Table Future 7. Vous souhaitez maintenant fusionner ces trois tables permettant ainsi d avoir une observation (i.e. une ligne) par client. Ecrire alors à la suite du programme les lignes de commande suivantes : proc sort data=last proc sort data=actual proc sort data=future Quel est l intérêt de la procédure SORT? 8. Ecrire l étape DATA suivante : data DM.DataMart1 LastValueSegment format = $10. label = Last Value Segment ActualValueSegment format = $10. label = Actual Value Segment FutureValueSegment format = $10. label = Future Value Segment Cancel format = 8. label = Customer canceled merge Last Actual Future (IN = InFuture) if InFuture Cancel = (FutureValueSegment = 8. LOST ) 4
3 Expliquer la ligne de commande «Cancel = (FutureValueSegment = 8. LOST )». Compiler le programme, puis visualiser la table DataMart1. Vérifier le succès de l opération. 9. Afin d obtenir les caractéristiques de la table ainsi que le nombre d observations et le nombre de données manquantes, écrire les deux procédure suivantes : proc contents data=dm.datamart1 title1 Table Scores title3 Caractéristiques de la table DataMart1 proc means data=dm.datamart1 n nmiss title3 Nombre d observations et nombre de données manquantes pour la table DataMart1 Compiler alors le programme, puis commenter succinctement les caractéristiques de la table DataMart1. Accounts Data Set : Vous décidez maintenant de travailler sur la table Accounts contenant des informations sur les comptes clients. Dans ce but, vous souhaitez créer une table DataMart2 contenant les informations suivantes : nombre de compte de chacun des clients (NrAccounts), solde total des comptes (Balance), moyenne des taux d intérêts (SavingAccount), moyenne des taux d emprunts (Loan), et la moyenne des taux de fonds disponibles immédiatement (Funds). 1. Placer le fichier Accounts dans le répertoire Datamining. 2. Créer une fenêtre EDITOR nommée Accounts-Datamart2. 3. Dans la fenêtre ainsi créée, écrire les lignes de commande suivantes : dm clear log dm clear output options linesize=120 nodate nonumber 4. Créer à la suite du code la librairie DM via l instruction libname (adapter si besoin la lettre du disque!) : libname DM C :\Datamining 5. Compiler le programme, puis vérifier que la table SAS admet la structure suivante : 6. Dans le but de dénombrer les comptes de chacun des clients, écrire les lignes de commande suivantes : proc sort data=dm.accounts ( keep = CustID AccountID ) out=tmp by CustID AccountID data tmp set tmp by CustID AccountID if last.accountid proc freq data=tmp noprint tables CustID / out=nraccounts (rename = (count = NrAccounts) drop = percent) proc datasets lib=work delete tmp quit Expliquer en quoi consiste la ligne de commande «if last.accountid». (Aide : comparer les résultats obtenus avec et sans cette ligne). 7. Compiler le programme, puis visualiser la table NrAccounts. Vérifier alors le succès de l opération. 8. Vous souhaitez maintenant extraire le solde des comptes de chaque client. Ecrire les lignes de commande suivantes à la suite de votre programme : proc sort data=dm.accounts (keep = CustID Balance) out=tmp data Balance set tmp if last.custid proc datasets lib=work delete tmp quit Compiler alors le programme, puis vérifier le succès de l opération en visualisant la table Balance. 9. Vous souhaitez synthétiser pour chaque client les trois types de taux en calculant la moyenne des taux par type de produit. Ecrire alors les lignes de commande suivantes : proc means data=dm.accounts (keep = CustID Interest Type) nway noprint class CustID Type var Interest output out = Interest (keep = CustID Type MeanInterest) Mean(Interest)=MeanInterest data Interest set Interest Type=compress(Type) proc transpose data=interest out=interest (drop = NAME LABEL ) var MeanInterest ID Type Préciser l intérêt de faire usage de la procédure TRANSPOSE. Compiler le programme, puis s assurer du succès de l opération. Tab. 6 : Table Accounts 5 6
4 10. Vous décidez maintenant de fusionner les tables ainsi créées. Dans ce but, écrire les lignes de commande suivantes : proc sort data=nraccounts proc sort data=balance proc sort data=interest data DM.DataMart2 NrAccounts format = 8. label = Number of Accounts Balance format = 8.2 label = Balance Loan format = 8.2 label = Loan Rate Mean SavingAccount format = 8.2 label = Savings Account Rate Mean Funds format = 8.2 label = Funds Rate Mean merge NrAccounts Balance Interest proc datasets lib=work delete NrAccounts Balance Interest quit Préciser en quoi consiste la procédure DATASETS. Compiler ce programme, puis vérifier que la table DataMart2 est cohérente avec la suivante : 11. Dans le but d obtenir des informations sur la table DataMart2, écrire à la suite du programme les procédures suivantes : proc contents data=dm.datamart2 title1 Accounts Data Set title3 Caractéristiques de la table DataMart2 proc means data=dm.datamart2 min mean median max cv n nmiss title3 Statistics for Balance, Loan, SavingAccount and Funds var Balance Loan SavingAccount Funds proc freq data=dm.datamart2 title3 Frequency for NrAccounts table NrAccounts Déterminer le nombre de clients présents dans cette table. Observez-vous des données manquantes? si oui, pour quelle(s) variable(s)? Commenter succintement le résultat de la procédure FREQ. Leasing Data Set : Vous décidez de travailler maintenant sur la table Leasing contenant des informations concernant les prêts accordés aux clients. En particulier, vous disposez des informations suivantes : date du début du prêt (StartDate), date de fin du prêt (EndDate), montant du prêt (Value), et taux annuel de remboursement (AnnualRate). 1. Placer le fichier Leasing dans le répertoire Datamining. 2. Créer une fenêtre EDITOR nommée Leasing-Datamart3. 3. Dans la fenêtre ainsi créée, écrire les lignes de commande suivantes : dm clear log dm clear output options linesize=120 nodate nonumber 4. Créer à la suite du code la librairie DM via l instruction libname (adapter si besoin la lettre du disque!) : libname DM C :\Datamining 5. Compiler le programme, puis vérifier que la table SAS admet la structure suivante : Tab. 7 : Table DataMart2 Préciser ce que représente les points dans la table. Tab. 8 : Table Leasing 7 8
5 6. Dans le but d extraire l information concernant la durée du prêt et le nombre de mois restant à payer, écrire l étape DATA suivante : data tmp (drop = StartDate EndDate) set DM.Leasing Duration=intck( month,datepart(startdate),datepart(enddate)) Rest=max(intck( month, 31MAY2003 d,datepart(enddate)),0) if Rest>0 then LeasingYN=1 else LeasingYN=0 Compiler le programme, puis vérifier le succès de l opération. Note : la fonction Datepart permet d extraire la date d une variable temporelle admettant un codage du type Date :Heure s exprimant sous la forme 13SEP1999 :00 :00 :00. Quant à la fonction intck, elle permet de calculer un écart entre deux dates exprimé en nombre de jours, de mois ou d années. 7. Cela étant, vous avez observé que des clients peuvent avoir plusieurs prêts en cours. Aussi, vous décidez de créer de nouvelles variables permettant de synthétiser les caractéristiques de prêt d un même client. Vous décidez donc de créer les variables : montant total des prêts (LeasingValue), taux moyen annuel (LeasingAnnualRate), durée moyenne des prêts (DurationMean), nombre de mois maximum restant à rembourser (RestMax), et emprunt en cours (HasLeasing). Ecrire alors les lignes de commande suivantes à la suite de votre programme : proc means data=tmp nway noprint class CustID var Value AnnualRate Duration Rest LeasingYN output out=tmp (drop = TYPE rename = ( FREQ = NrLeasing)) sum(value) = LeasingValue mean(annualrate) = LeasingAnnualRate mean(duration) = DurationMean max(rest) = RestMax max(leasingyn) = HasLeasing Compiler le programme, puis s assurer du succès de l opération en visualisant la table tmp. Expliquer concrètement le rôle de l option nway de la procédure MEANS (Aide : compiler avec et sans cette option, puis comparer la première ligne des deux tables tmp ainsi créées). 8. Dans le but de créer le DataMart3, écrire les lignes de commande suivantes : data DM.DataMart3 HasLeasing format = 8. label = Customer has any leasing contract NrLeasing format = 8. label = Number of leasing contracts LeasingValue format = 8.2 label = Total leasing value LeasingAnnualRate format = 8.4 label = Mean annual leasingrate RestMax format = 8. label = Maximum leasing rest (months) DurationMean format = 8.2 label = Mean leasing duration set tmp proc datasets lib=work delete tmp quit Compiler, puis vérifier le succès de l opération. 9. Enfin, pour terminer vous décidez d éditer un certain nombre de caractéristiques de la table ainsi que des variables la constituant. Dans ce but, écrire les trois étapes suivantes : proc contents data=dm.datamart3 title1 Leasing Data Set title3 Caractéristiques de la table DataMart3 proc means data=dm.datamart3 min mean median max cv n nmiss title3 Statistics for LeasingValue, LeasingAnnualRate, RestMax and DurationMean var LeasingValue LeasingAnnualRate RestMax DurationMean proc freq data=dm.datamart3 title3 Frequency for HasLeasing and NrLeasing table HasLeasing NrLeasing Compiler ces procédures, puis indiquer : le nombre de clients présents dans la table, la présence ou l absence de données atypiques ou «outliers», la présence ou l absence de données manquantes pour les variables quantitatives, la fréquence de clients ayant un prêt en cours, et la répartition du nombre de prêts. CallCenter Data Set : Vous décidez maintenant de travailler sur la table CallCenter contenant des informations concernant les appels passés par les clients au centre d appels. N ayant aucune information sur ce fichier, vous décidez d en réaliser une analyse rapide. 1. Placer le fichier CallCenter dans le répertoire Datamining. 2. Créer une fenêtre EDITOR nommée CallCenter-Datamart4. 3. Dans la fenêtre ainsi créée, écrire les lignes de commande suivantes : dm clear log dm clear output options linesize=120 nodate nonumber 4. Créer à la suite du code la librairie DM via l instruction libname (adapter si besoin la lettre du disque!) : libname DM C :\Datamining 5. Afin d obtenir des informations sur la table, écrire les lignes de commande suivantes : proc contents data=dm.callcenter title1 CallCenter Data Set title3 Caractéristiques de la table CallCenter Compiler le programme, puis visualiser la sortie. Préciser alors le nombre d observations et le nombre de variables. Préciser pour chacune des variables son type (qualitatif, quantitatif, chaîne de caractères, ou date). 6. Visualiser la table CallCenter, puis vérifier qu elle est en accord avec la table de la figure 9 (cf. page 11). 7. Vous souhaitez avoir des informations concernant la variable Category comme ses modalités ainsi que sa distribution. Dans ce but écrire les lignes de commande suivantes : proc freq data=dm.callcenter title3 Distribution de la variable Category table Category Compiler cette procédure, puis en déduire les modalités ainsi que la distribution de la variable Category. Commenter succinctement ce résultat. 8. Peut-on avoir, dans le cas présent, plusieurs appels enregistrés passés par un même client? Justifier votre réponse à l aide d un exemple. 9 10
6 proc datasets lib=work delete tmp1 tmp2 quit Compiler le programme, puis s assurer du succès de l opération. En quoi consiste la ligne de commande «if Complaints=. then Complaints=0»? 13. Dans le but de connaître les caractéristiques de la table DataMart4, écrire les lignes de commande suivante : proc contents data=dm.datamart4 title1 CallCenter Data Set title3 Caractéristiques de la table DataMart4 proc freq data=dm.datamart4 title3 Frequency for Calls and Complaints table Calls Complaints Compiler, puis commenter succinctement la distribution des variables Calls et Complaints. 9. Créer la macro-variable snapdate comme suit : %let snapdate = 31MAY2003 d Tab. 9 : Table CallCenter 10. Vous souhaitez comptabiliser le nombre d appels passés par client. Ecrire les lignes de commande suivantes : proc freq data=dm.callcenter noprint table CustID / out = tmp1 (drop = Percent rename = (Count = Calls)) where datepart(date) &snapdate Compiler le programme, puis s assurer du succès de l opération. 11. Vous souhaitez maintenant comptabiliser le nombre de réclamations par client qui sont intervenues avant la date de référence. Ecrire à la suite de votre programme les lignes de commande suivantes : proc freq data=dm.callcenter noprint table CustID / out = tmp2 (drop = Percent rename = (Count = Complaints)) where datepart(date)<&snapdate and Category= Complaint Compiler le programme, puis s assurer du succès de l opération. 12. Vous souhaitez enfin réaliser la fusion des deux tables nouvellement créées afin de constituer le DataMart4. Ecrire les lignes de commande suivantes : proc sort data=tmp1 proc sort data=tmp2 data DM.DataMart4 Calls format = 8. label = Number of call center contacts Complaints format = 8. label = Number of complaints merge tmp1 tmp2 if Complaints=. then Complaints=0 11 Customer Data Set : Dans le but de compléter l information interne détenue par la banque sur ses clients, vous décidez de faire usage de la table Customer contenant des informations personnelles concernant l ensemble des clients de la banque. Vous avez en particulier les informations suivantes : année de naissance (Birthdate), titre (Title), branche d activité (Branch), date d entrée à la banque (CustomerSince), sexe (Gender), et statut matrimonial (MaritalStatus). 1. Copier le fichier Customer dans le répertoire Datamining. 2. Créer une fenêtre EDITOR nommée Customer-Datamart5. 3. Dans la fenêtre ainsi créée, écrire les lignes de commande suivantes : dm clear log dm clear output options linesize=120 nodate nonumber 4. Créer à la suite du code la librairie DM via l instruction libname (adapter si besoin la lettre du disque!) : libname DM C :\Datamining Tab. 10 : sortie CONTENTS de la table Customer 12
7 5. Vous souhaitez avoir des informations sur la table Customer, avec notamment le nombre de clients sur lesquels on connaît des informations externes. A cette fin, écrire les lignes de commande suivantes : proc contents data=dm.customer title1 Customer Data Set title3 Caractéristiques de la table Customer Compiler le programme, puis vérifier que vous obtenez une sortie identique à celle de la figure 10 (cf. page 12). En déduire le type de chacune des variables et le nombre de clients présents dans la table. 6. Vous souhaitez dans le cadre du DataMart5 créer les variables suivantes : âge du client (Age), possession d un titre (HasTitle) et ancienneté du client à la banque en mois (CustomerMonths). Dans ce but, écrire les lignes de commande suivantes : data DM.DataMart5 Birthdate format = date9. label = Date of Birth Age format = 8. label = Age (years) Gender format = $6. label = Gender MaritalStatus format = $10. label = Marital Status Title format = $10. label = Academic Title HasTitle format = 8. label = Has Title? (0/1) Branch format = $5. label = Branch Name CustomerSince format = date9. label = Customer Start Date CustomerMonths format = 8. label = Customer Duration (months) set DM.Customer Age = round(yrdif(birthdate,&snapdate, ACTUAL )) HasTitle = (Title ne ) CustomerMonths=intck( month,customersince,&snapdate) Compiler le programme, puis vérifier le succès de l opération. En vous aidant éventuellement de l aide en ligne de SAS, expliquer en quoi consiste l instruction «round(yrdif(birthdate,&snapdate, ACTUAL ))». 7. Vous souhaitez maintenant contrôler les caractéristiques physiques de la table DataMart5. Dans ce but, écrire les lignes de commande suivantes : proc contents data=dm.datamart5 title1 Customer Data Set title3 Caractéristiques de la table DataMart5 Compiler le programme, puis vérifier que le type des variables est cohérent avec la définition imposée dans votre programme. 8. Dans le but d obtenir quelques caractéristiques des variables pertinentes, écrire les deux procédures suivantes à la suite de votre programme : proc means data=dm.datamart5 min max Q1 mean median Q3 CV nmiss title3 Statistics var Age CustomerMonths proc freq data=dm.datamart5 title3 Frequency for HasTitle and Branch table Gender MaritalStatus HasTitle Branch Compiler, puis analyser succinctement les caractéristiques de chacune des variables. 13 Creation of Business Data Set L ensemble des informations pertinentes (dans le cadre de votre objectif) concernant vos clients étant contenues dans plusieurs tables, il convient maintenant de les fusionner afin de regrouper ces informations dans une table unique que vous avez décidé d appeler BusinessDataset. 1. Créer une fenêtre EDITOR nommée DataMartFinal. 2. Dans la fenêtre ainsi créée, écrire les lignes de commande suivantes : dm clear log dm clear output options linesize=120 nodate nonumber 3. Créer à la suite du code la librairie DM via l instruction libname (adapter si besoin la lettre du disque!) : libname DM C :\Datamining Compiler ce programme. 4. Pour réaliser la fusion des cinq «datamarts», vous devez au préalable les trier selon la variable CustID. Aussi, vous décidez de créer une macro afin de faciliter le travail : %macro sort(k) proc sort data=dm.datamart&k %mend sort %sort(1) %sort(2) %sort(3) %sort(4) %sort(5) Compiler alors ce programme. 5. Dans le but de réaliser la fusion effective des cinq «datamarts», écrire les lignes de commande suivantes : data DM.BusinessDataset /*Scores DataMart1*/ LastValueSegment format = $10. label = Last Value Segment ActualValueSegment format = $10. label = Actual Value Segment FutureValueSegment format = $10. label = Future Value Segment Cancel format = 8. label = Customer canceled /*Accounts DataMart2*/ NrAccounts format = 8. label = Number of Accounts Balance format = 8.2 label = Balance Loan format = 8.2 label = Loan Rate Sum SavingAccount format = 8.2 label = Savings Account Rate Sum Funds format = 8.2 label = Funds Rate Sum /*Leasing DataMart3*/ HasLeasing format = 8. label = Customer has any leasing contract /*New Variable*/ NrLeasing format = 8. label = Number of leasing contracts LeasingValue format = 8.2 label = Total leasing value LeasingAnnualRate format = 8.4 label = Total annual leasingrate RestMax format = 8. label = Maximum leasing rest (months) DurationMean format = 8.2 label = Mean leasing duration /*Call Center DataMart4*/ HasCallCenter format = 8. label = Customer has any call center contact /*New Variable*/ Calls format = 8. label = Number of call center contacts Complaints format = 8. label = Number of complaints ComplaintsPct format = percent8.2 label = Percentage of complaints /*New Variable*/ 14
8 /*Customer DataMart5*/ Birthdate format = date9. label = Date of Birth Age format = 8. label = Age (years) Gender format = $6. label = Gender MaritalStatus format = $10. label = Marital Status Title format = $10. label = Academic Title HasTitle format = 8. label = Has Title? (0/1) Branch format = $5. label = Branch Name CustomerSince format = date9. label = Customer Start Date CustomerMonths format = 8. label = Customer Duration (months) merge if InCustomer DM.DataMart1 DM.DataMart2 DM.DataMart3 (IN = InLeasing) DM.DataMart4 (IN = InCallCenter) DM.DataMart5 (IN = InCustomer) 8. Vous décidez de supprimer les clients dont la variable Cancel contient une donnée manquante. Ecrire les lignes de commande suivantes : data DM.BusinessDataset set DM.BusinessDataset if Cancel=. then delete proc freq data=dm.businessdataset title1 Business Dataset title3 Distribution de la variable Cancel - Churn table Cancel Compiler, puis contrôler le succès de l opération. Vous disposez maintenant d un fichier de travail sous forme d une table SAS nommé BusinessDataset qui devrait ressembler à la table suivante : *Création des nouvelles variables /*Leasing*/ HasLeasing = InLeasing /*CallCenter*/ If Calls>0 then ComplaintsPct=Complaints/Calls HasCallCenter = InCallCenter Compiler le programme, puis vérifier le succès de l opération via une visualisation de la table. 6. Après visualisation de la table BusinessDataset, vous notez qu un certain nombre de données manquantes traduisent en fait la valeur numérique 0. Vous décidez alors de procéder au remplacement en insérant dans l étape DATA, après la phase de création des nouvelles variables, les lignes de commande suivantes : if Loan=. then Loan=0 if SavingAccount=. then SavingAccount=0 if Funds=. then Funds=0 if NrLeasing=. then NrLeasing=0 if LeasingValue=. then LeasingValue=0 if RestMax=. then RestMax=0 if DurationMean=. then DurationMean=0 if Calls=. then Calls=0 if Complaints=. then Complaints=0 if ComplaintsPct=. then ComplaintsPct=0 Compiler le de nouveau le programme, puis contrôler le succès de l opération. 7. Vous désirez connaître la distribution de la variable Cancel qui rend compte du «churn» dans votre «Business Dataset». Ecrire alors les lignes de commande suivantes : proc freq data=dm.businessdataset title1 Business Dataset title3 Distribution de la variable Cancel - Churn table Cancel Compiler, puis commenter le résultat de la procédure FREQ. Observe-t-on des données manquantes pour cette variable? Tab. 11 : table BusinessDataset Conclusion : vous disposez maintenant d un business data set opérationnel sur lequel il reste à opérer des modifications (transformation et création de variables) avant de construire le modèle d attrition
L export de SAS vers Excel expliqué à ma fille
L export de SAS vers Excel expliqué à ma fille SAS est un logiciel merveilleux, mais tous n y ont pas accès. Pour contenter la soif de données de vos collègues qui n auraient pas d autre outil à disposition,
Plus en détailCrédit Scoring. Master 2 SRO. Année scolaire 2009/2010. Professeur : RICHARD EMILION. Réalisé par : MAHAMAT OUMAR ALHABO et OULD EL HADDAD CHEIKH
Master 2 SRO Année scolaire 2009/2010 Crédit Scoring Professeur : RICHARD EMILION Réalisé par : MAHAMAT OUMAR ALHABO et OULD EL HADDAD CHEIKH Master_2_SRO_Data-Mining 1 Table des matières PARTIE 1 1. Résumé
Plus en détailTable des matières PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS. Introduction
PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS Depuis SAS 9.2 TS2M3, SAS propose un nouveau langage de programmation permettant de créer et gérer des tables SAS : le DS2 («Data Step 2»). Ces nouveautés
Plus en détail1 Modélisation d être mauvais payeur
1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage
Plus en détailLes dates SAS expliquées à ma fille
Les dates SAS expliquées à ma fille Eternel sujet de questionnements, les dates SAS ont un fonctionnement qui a tout pour surprendre. Petite série d explications avant qu il vous prenne l envie de passer
Plus en détailSAS de base : gestion des données et procédures élémentaires
1 SAS de base : gestion des données et procédures élémentaires SAS de base : gestion des données et procédures élémentaires Résumé Description des commandes (module SAS de base) les plus utiles de l étape
Plus en détailManipulation de données avec SAS Enterprise Guide et modélisation prédictive avec SAS Enterprise Miner
Le cas Orion Star Manipulation de données avec SAS Enterprise Guide et modélisation prédictive avec SAS Enterprise Miner Le cas Orion Star... 1 Manipulation de données avec SAS Enterprise Guide et modélisation
Plus en détailUtilisation du Logiciel de statistique SPSS 8.0
Utilisation du Logiciel de statistique SPSS 8.0 1 Introduction Etude épidémiologique transversale en population générale dans 4 pays d Afrique pour comprendre les différences de prévalence du VIH. 2000
Plus en détailInterest Rate for Customs Purposes Regulations. Règlement sur le taux d intérêt aux fins des douanes CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Interest Rate for Customs Purposes Regulations Règlement sur le taux d intérêt aux fins des douanes SOR/86-1121 DORS/86-1121 Current to August 4, 2015 À jour au 4 août
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailINSCRIPTION MASTER / MASTER S APPLICATION
Section : Section Française English Section INSCRIPTION MASTER / MASTER S APPLICATION Choix du programme de Master à l Université La SAGESSE / Choice of Master s program at SAGESSE UNIVERSITY Programme
Plus en détailINITIATION AU LOGICIEL SAS
INITIATION AU LOGICIEL SAS (version 9.1.3 sous Windows) Hélène HAMISULTANE Bibliographie : Initiation au logiciel SAS(9) pour Windows, Coqué N. (juin 2006). www.agroparistech.fr/img/pdf/polysas.pdf SAS
Plus en détailSurveillance de Scripts LUA et de réception d EVENT. avec LoriotPro Extended & Broadcast Edition
Surveillance de Scripts LUA et de réception d EVENT avec LoriotPro Extended & Broadcast Edition L objectif de ce document est de présenter une solution de surveillance de processus LUA au sein de la solution
Plus en détail1 Imputation par la moyenne
Introduction au data mining L3 MIS - STA 1616-2010 V. Monbet Données manquantes L'objectif de ce TD est de manipuler et de comparer plusieurs méthodes d'imputation de données manquantes. La première partie
Plus en détailSupport Orders and Support Provisions (Banks and Authorized Foreign Banks) Regulations
CANADA CONSOLIDATION CODIFICATION Support Orders and Support Provisions (Banks and Authorized Foreign Banks) Regulations Règlement sur les ordonnances alimentaires et les dispositions alimentaires (banques
Plus en détailExploiter les statistiques d utilisation de SQL Server 2008 R2 Reporting Services
Exploiter les statistiques d utilisation de SQL Server 2008 R2 Reporting Services Nous verrons dans cet article comment exploiter simplement les données de Log de SQL Server 2008 R2 Reporting Services
Plus en détailFormulaire de candidature pour les bourses de mobilité internationale niveau Master/ Application Form for International Master Scholarship Programme
Formulaire de candidature pour les bourses de mobilité internationale niveau Master/ Application Form for International Master Scholarship Programme Année universitaire / Academic Year: 2013 2014 A REMPLIR
Plus en détailTP SAS initiation IUP MIAGE L3
TP SAS initiation IUP MIAGE L3 Année 2008-2009 Sources Cours SAS, IUT STID Grenoble, Eric PREUD'HOMME I.G.W.T. Juin 2001 «Maîtriser SAS Base et SAS Macro», DUNOD, Hélène Kontchou Kouomegni et Olivier Decourt
Plus en détailFormation au logiciel SAS Statistical Analysis System
Formation au logiciel SAS Statistical Analysis System Odile Wolber (CNAM) Objectif du cours : acquérir les principes du langage de programmation SAS Etape DATA - import des données - saisie des données
Plus en détailPlan 1/9/2013. Génération et exploitation de données. CEP et applications. Flux de données et notifications. Traitement des flux Implémentation
Complex Event Processing Traitement de flux de données en temps réel Romain Colle R&D Project Manager Quartet FS Plan Génération et exploitation de données CEP et applications Flux de données et notifications
Plus en détailTable des matières L INTEGRATION DE SAS AVEC JMP. Les échanges de données entre SAS et JMP, en mode déconnecté. Dans JMP
L INTEGRATION DE SAS AVEC JMP Quelles sont les techniques possibles pour intégrer SAS avec JMP? Comment échanger des données entre SAS et JMP? Comment connecter JMP à SAS? Quels sont les apports d une
Plus en détailScénario: Données bancaires et segmentation de clientèle
Résumé Scénario: Données bancaires et segmentation de clientèle Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. 1 Présentation Le travail proposé
Plus en détailCalculation of Interest Regulations. Règlement sur le calcul des intérêts CONSOLIDATION CODIFICATION. Current to August 4, 2015 À jour au 4 août 2015
CANADA CONSOLIDATION CODIFICATION Calculation of Interest Regulations Règlement sur le calcul des intérêts SOR/87-631 DORS/87-631 Current to August 4, 2015 À jour au 4 août 2015 Published by the Minister
Plus en détailIntroduction aux outils BI de SQL Server 2014. Création de cubes dans SQL Server Analysis Services (SSAS)
MIT820: Entrepôts de données et intelligence artificielle Introduction aux outils BI de SQL Server 2014 Création de cubes dans SQL Server Analysis Services (SSAS) Description générale Ce tutoriel a pour
Plus en détailODS : organiser et diffuser des sorties
1 ODS : organiser et diffuser des sorties Objectifs Depuis l éphémère version 7 de SAS, l ODS (Output Delivery System) permet de produire des sorties de tous formats : tables SAS, pages HTML, documents
Plus en détailExamen Médian - 1 heure 30
NF01 - Automne 2014 Examen Médian - 1 heure 30 Polycopié papier autorisé, autres documents interdits Calculatrices, téléphones, traducteurs et ordinateurs interdits! Utilisez trois copies séparées, une
Plus en détailMéthodologie de conceptualisation BI
Méthodologie de conceptualisation BI Business Intelligence (BI) La Business intelligence est un outil décisionnel incontournable à la gestion stratégique et quotidienne des entités. Il fournit de l information
Plus en détailCheque Holding Policy Disclosure (Banks) Regulations. Règlement sur la communication de la politique de retenue de chèques (banques) CONSOLIDATION
CANADA CONSOLIDATION CODIFICATION Cheque Holding Policy Disclosure (Banks) Regulations Règlement sur la communication de la politique de retenue de chèques (banques) SOR/2002-39 DORS/2002-39 Current to
Plus en détailLife Companies Borrowing Regulations. Règlement sur les emprunts des sociétés d assurance-vie CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Life Companies Borrowing Regulations Règlement sur les emprunts des sociétés d assurance-vie SOR/92-277 DORS/92-277 Current to August 4, 2015 À jour au 4 août 2015 Published
Plus en détailPartie I : Créer la base de données. Année universitaire 2008/2009 Master 1 SIIO Projet Introduction au Décisionnel, Oracle
Année universitaire 2008/2009 Master 1 SIIO Projet Introduction au Décisionnel, Oracle Ce projet comporte trois parties sur les thèmes suivants : création de base de donnée, requêtes SQL, mise en œuvre
Plus en détailCOMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2
SQL Sommaire : COMMANDES SQL... 2 COMMANDES DE DEFINITION DE DONNEES... 2 COMMANDES DE MANIPULATION DE DONNEES... 2 COMMANDES DE CONTROLE TRANSACTIONNEL... 2 COMMANDES DE REQUETE DE DONNEES... 2 COMMANDES
Plus en détailCOMPRENDRE LES DIFFERENTS TYPES DE CONNEXION LORS DE LA
COMPRENDRE LES DIFFERENTS TYPES DE CONNEXION LORS DE LA DEFINITION D UNE BIBLIOTHEQUE D ACCES A UNE BASE DE DONNEES Cet article s adresse aux administrateurs SAS en charge de la mise à disposition des
Plus en détailGestion des données avec R
Gestion des données avec R Christophe Lalanne & Bruno Falissard Table des matières 1 Introduction 1 2 Importation de fichiers CSV 1 2.1 Structure du fichier de données...................................
Plus en détailTD d économétrie appliquée : Introduction à STATA
Ecole normale supérieure (ENS) Département d économie TD d économétrie appliquée : Introduction à STATA Marianne Tenand marianne.tenand@ens.fr OBJECTIFS DU TD Découvrir le logiciel d économétrie STATA,
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailRécupérer au format AVI un extrait d'un DVD à l'aide du logiciel FlaskMpeg
Récupérer au format AVI un extrait d'un DVD à l'aide du logiciel FlaskMpeg Préambule : Les supports analogiques (cassettes VHS, cassettes audio...) sont progressivement remplacés par leurs équivalents
Plus en détailBorrowing (Property and Casualty Companies and Marine Companies) Regulations
CANADA CONSOLIDATION CODIFICATION Borrowing (Property and Casualty Companies and Marine Companies) Regulations Règlement sur les emprunts des sociétés d assurances multirisques et des sociétés d assurance
Plus en détailLe Système SAS et les accès via OLE DB : une introduction
Le Système SAS et les accès via OLE DB : une introduction SOMMAIRE Sommaire. p.2 Introduction. p.3 I- Les différents modes d accès aux bases externes. p.3 1- Avec Base SAS. p.3 2- Avec SAS/ACCESS to PC
Plus en détaildistribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position
Arbre de NESI distribution quelconque Signe 1 échantillon distribution symétrique non gaussienne Wilcoxon gaussienne Student position appariés 1 échantillon sur la différence avec référence=0 2 échantillons
Plus en détailSauvegarde et Restauration d un environnement SAS
Sauvegarde et Restauration d un environnement SAS 1 INTRODUCTION 3 1.1 OBJECTIFS 3 1.2 PERIMETRE 3 2 LA SAUVEGARDE 4 2.1 QUELQUES REGLES D ORGANISATION 4 2.2 DEFINIR LES BESOINS 5 2.3 LA SAUVEGARDE, ETAPE
Plus en détailLe décisionnel plus que jamais au sommet de l agenda des DSI
Le décisionnel plus que jamais au sommet de l agenda des DSI 9 juin 2011 www.idc.com Cyril Meunier IDC France Research & Consulting Manager Copyright 2008 IDC. Reproduction is forbidden unless authorized.
Plus en détailConfirmation du titulaire de la carte en cas de contestation de transaction(s) Cardholder s Certification of Disputed Transactions
Confirmation du titulaire de la carte en cas de contestation de transaction(s) Cardholder s Certification of Disputed Transactions Informations personnelles Nom/Prénom Name / Firstname Numéro de la carte
Plus en détailLE PETIT RELATION CLIENT. Les pratiques clés en 15 fiches. Nathalie Houver
LE PETIT 2014 RELATION CLIENT Les pratiques clés en 15 fiches Nathalie Houver Dunod, Paris, 2014 ISBN 978-2-10-070826-0 Table des matières LA PRÉPARATION DE LA RELATION COMMERCIALE FICHE 1 Acquérir la
Plus en détailAllo Support et services électroniques
Support Clients ALLO SUPPORT N 9 Allo Support et services électroniques Déjà 4 ans! Dans le premier numéro d Allo Support je vous annonçais que la diffusion par notre site Internet et par messagerie électronique
Plus en détailExport Permit (Steel Monitoring) Regulations. Règlement sur les licences d exportation (surveillance de l acier) CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Export Permit (Steel Monitoring) Regulations Règlement sur les licences d exportation (surveillance de l acier) SOR/87-321 DORS/87-321 Current to August 4, 2015 À jour
Plus en détailcalls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne *** Online Applications Tutorial
calls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne Online Applications Tutorial 1/4 Pour postuler aux Appels d Offres de l ENP, vous devez aller sur la plateforme : calls.parisneuroscience.fr.
Plus en détailTP: Représentation des signaux binaires. 1 Simulation d un message binaire - Codage en ligne
Objectifs : Ce TP est relatif aux différentes méthodes de codage d une information binaire, et à la transmission en bande de base de cette information. Les grandes lignes de ce TP sont l étude des méthodes
Plus en détailChanger la source d'une requête dans SAS Enterprise Guide. Ce document explique comment changer la table source de la tâche Filtre et requêtes.
SAS, Cognos, Stata, Eviews, conseil, expertise, formation, mining, datamining, statistique, connaissance Changer la source d'une requête dans SAS Enterprise Guide client, valeur client, CRM, fidélisation,
Plus en détailLOI SUR LA RECONNAISSANCE DE L'ADOPTION SELON LES COUTUMES AUTOCHTONES ABORIGINAL CUSTOM ADOPTION RECOGNITION ACT
ABORIGINAL CUSTOM ADOPTION RECOGNITION ACT ABORIGINAL CUSTOM ADOPTION RECOGNITION REGULATIONS R-085-95 In force September 30, 1995 LOI SUR LA RECONNAISSANCE DE L'ADOPTION SELON LES COUTUMES AUTOCHTONES
Plus en détailDOSSIER DE CANDIDATURE APPLICATION FORM
DOSSIER DE CANDIDATURE APPLICATION FORM BACHELOR EN MANAGEMENT INTERNATIONAL EM NORMANDIE N D INSCRIPTION (Réservé à l EM NORMANDIE) (to be filled by EM NORMMANDIE) CHOISISSEZ UNE SEULE OPTION / CHOOSE
Plus en détailBIRT (Business Intelligence and Reporting Tools)
BIRT (Business Intelligence and Reporting Tools) Introduction Cette publication a pour objectif de présenter l outil de reporting BIRT, dans le cadre de l unité de valeur «Data Warehouse et Outils Décisionnels»
Plus en détailForm of Deeds Relating to Certain Successions of Cree and Naskapi Beneficiaries Regulations
CANADA CONSOLIDATION CODIFICATION Form of Deeds Relating to Certain Successions of Cree and Naskapi Beneficiaries Regulations Règlement sur la forme des actes relatifs à certaines successions de bénéficiaires
Plus en détailDécouverte du tableur CellSheet
Découverte du tableur CellSheet l application pour TI-83 Plus et TI-84 Plus. Réalisé par Guy Juge Professeur de mathématiques et formateur IUFM de l académie de Caen Pour l équipe des formateurs T 3 Teachers
Plus en détailLogiciel HLA Fusion Version 3.X.X
Manuel d utilisation de Database Utility Logiciel HLA Fusion Version 3.X.X Référence de catalogue : FUSPGR HLAF-MAN-v3.x.x-FR-01, Rév. 0 (Manuel d utilisation de HLA Fusion Database Utility v3.x.x) Tous
Plus en détailDEMANDE D OUVERTURE DE COMPTE REQUEST OF ACCOUNT OPENING. PROFIL CLIENT Customer Profile. Identité* Identity. Nom de jeune fille* / Maiden name
DEMANDE D OUVERTURE DE COMPTE REQUEST OF ACCOUNT OPENING PROFIL CLIENT Customer Profile Identité* Identity M.* / M Mme / Mrs Mlle / Miss Nom* / Name: Nom de jeune fille* / Maiden name Prénom* / First name
Plus en détailECR_DESCRIPTION CHAR(80), ECR_MONTANT NUMBER(10,2) NOT NULL, ECR_SENS CHAR(1) NOT NULL) ;
RÈGLES A SUIVRE POUR OPTIMISER LES REQUÊTES SQL Le but de ce rapport est d énumérer quelques règles pratiques à appliquer dans l élaboration des requêtes. Il permettra de comprendre pourquoi certaines
Plus en détailFormulaire de candidature pour les bourses de mobilité internationale niveau Master/ Application Form for International Master Scholarship Program
Formulaire de candidature pour les bourses de mobilité internationale niveau Master/ Application Form for International Master Scholarship Program Année universitaire / Academic Year: 2013 2014 INTITULE
Plus en détailFirst Nations Assessment Inspection Regulations. Règlement sur l inspection aux fins d évaluation foncière des premières nations CONSOLIDATION
CANADA CONSOLIDATION CODIFICATION First Nations Assessment Inspection Regulations Règlement sur l inspection aux fins d évaluation foncière des premières nations SOR/2007-242 DORS/2007-242 Current to September
Plus en détailINTRODUCTION. Bienvenue dans la TCN FRENCH TEAM, nous allons ensemble démarrer une belle aventure qui peut devenir lucrative pour tous.
AIDE AU DEMARRAGE INTRODUCTION Bienvenue dans la TCN FRENCH TEAM, nous allons ensemble démarrer une belle aventure qui peut devenir lucrative pour tous. Text Cash Network s implante juste en France et
Plus en détail8. Gestionnaire de budgets
8. Gestionnaire de budgets 8.1 Introduction Le Gestionnaire de budgets (Budget Workbench) permet aux utilisateurs de travailler sur les données budgétaires qu ils ont importées sur leur station de travail
Plus en détailDidacticiel Études de cas. Description succincte de Pentaho Data Integration Community Edition (Kettle).
1 Objectif Description succincte de Pentaho Data Integration Community Edition (Kettle). L informatique décisionnelle («Business Intelligence BI» en anglais, ça fait tout de suite plus glamour) fait référence
Plus en détailI. Programmation I. 1 Ecrire un programme en Scilab traduisant l organigramme montré ci-après (on pourra utiliser les annexes):
Master Chimie Fondamentale et Appliquée : spécialité «Ingénierie Chimique» Examen «Programmation, Simulation des procédés» avril 2008a Nom : Prénom : groupe TD : I. Programmation I. 1 Ecrire un programme
Plus en détailETABLISSEMENT D ENSEIGNEMENT OU ORGANISME DE FORMATION / UNIVERSITY OR COLLEGE:
8. Tripartite internship agreement La présente convention a pour objet de définir les conditions dans lesquelles le stagiaire ci-après nommé sera accueilli dans l entreprise. This contract defines the
Plus en détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailRèglement sur les baux visés à la Loi no 1 de 1977 portant affectation de crédits. Appropriation Act No. 1, 1977, Leasing Regulations CODIFICATION
CANADA CONSOLIDATION CODIFICATION Appropriation Act No. 1, 1977, Leasing Regulations Règlement sur les baux visés à la Loi no 1 de 1977 portant affectation de crédits C.R.C., c. 320 C.R.C., ch. 320 Current
Plus en détailGuide pour les chercheurs. Version 1.0
Guide pour les chercheurs Version 1.0 Septembre 2012 Table des matières 1. Introduction... 3 2. Les types de fonds... 3 3. Accès... 3 4. FAST MaRecherche... 4 4.1 Hyperlien pour accéder à FAST MaRecherche...
Plus en détailDonnées des SIM. Données signalétiques (nom, adresse), Historique d achat, Réactions passées aux actions de promotion
Données des SIM Bases de données produits Identification, caractéristiques techniques, caractéristiques commerciales (prix, unités de vente, fournisseurs), état des stocks, ventes réalisées Bases de données
Plus en détailRèglement sur le télémarketing et les centres d'appel. Call Centres Telemarketing Sales Regulation
THE CONSUMER PROTECTION ACT (C.C.S.M. c. C200) Call Centres Telemarketing Sales Regulation LOI SUR LA PROTECTION DU CONSOMMATEUR (c. C200 de la C.P.L.M.) Règlement sur le télémarketing et les centres d'appel
Plus en détail5. L Entreprise et les politiques budgétaires
5. L Entreprise et les politiques budgétaires 5.1 La politique Entreprise - Budget Le terme Entreprise symbolise l environnement de gestion complet de l Université. Afin de visualiser la politique Entreprise
Plus en détailTP Bases de données réparties
page 1 TP Bases de données réparties requêtes réparties Version corrigée Auteur : Hubert Naacke, révision 5 mars 2003 Mots-clés: bases de données réparties, fragmentation, schéma de placement, lien, jointure
Plus en détailProjet 1 : RiskMetrix Conversion
Projet 1 : RiskMetrix Conversion 1 Genèse du projet Alter Domus Malte, Chypre et Hong Kong utilisent un logiciel de gestion de fonds et de comptabilité des entreprises appelé PAXUS. Ce logiciel permet
Plus en détailOutils pour les réseaux de neurones et contenu du CD-Rom
Outils pour les réseaux de neurones et contenu du CD-Rom Depuis le développement théorique des réseaux de neurones à la fin des années 1980-1990, plusieurs outils ont été mis à la disposition des utilisateurs.
Plus en détailManuel de l Administrateur
Manuel de l Administrateur Monitor 1 2 Table des matières 1. Objectif... 5 2. Fonctionnement... 5 2.1. Schéma de fonctionnement... 6 2.2. Les indicateurs... 6 2.3. Le serveur de supervision... 7 2.4. L
Plus en détailUNIVERSITE DE YAOUNDE II
UNIVERSITE DE YAOUNDE II The UNIVERSITY OF YAOUNDE II INSTITUT DES RELATIONS INTERNATIONALES DU CAMEROUN INTERNATIONAL RELATIONS INSTITUTE OF CAMEROON B.P. 1637 YAOUNDE -CAMEROUN Tél. 22 31 03 05 Fax (237)
Plus en détailGrégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved.
Grégoire de Lassence 1 Grégoire de Lassence Responsable Pédagogie et Recherche Département Académique Tel : +33 1 60 62 12 19 gregoire.delassence@fra.sas.com http://www.sas.com/france/academic SAS dans
Plus en détailDeuxième Licence en Informatique Data Warehousing et Data Mining La Classification - 1
Deuxième Licence en Informatique Data Warehousing et Data Mining La Classification - 1 V. Fiolet Université de Mons-Hainaut 2006-2007 Nous allons aujourd hui nous intéresser à la tâche de classification
Plus en détailVue d ensemble de Windows PowerShell
Chapitre 1 Vue d ensemble de Windows PowerShell Après avoir lu ce chapitre, vous serez capable de : Comprendre l utilisation et les capacités de base de Microsoft Windows PowerShell. Installer Windows
Plus en détailde stabilisation financière
CHAPTER 108 CHAPITRE 108 Fiscal Stabilization Fund Act Loi sur le Fonds de stabilisation financière Table of Contents 1 Definitions eligible securities valeurs admissibles Fund Fonds Minister ministre
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Plus en détailLa base de données dans ArtemiS SUITE
08/14 Vous préférez passer votre temps à analyser vos données plutôt qu à chercher un fichier? La base de données d ArtemiS SUITE vous permet d administrer et d organiser confortablement vos données et
Plus en détailM2-Images. Rendu Temps Réel - OpenGL 4 et compute shaders. J.C. Iehl. December 18, 2013
Rendu Temps Réel - OpenGL 4 et compute shaders December 18, 2013 résumé des épisodes précédents... création des objets opengl, organisation des données, configuration du pipeline, draw,... opengl 4.3 :
Plus en détailPHOTO ROYAUME DE BELGIQUE /KINDOM OF BELGIUM /KONINKRIJK BELGIE. Données personnelles / personal data
1 ROYAUME DE BELGIQUE /KINDOM OF BELGIUM /KONINKRIJK BELGIE Service Public Fédéral Affaires Etrangères, Commerce et Coopération au développement Federal Public Service Foreign Affairs, External Trade and
Plus en détailConfigurer la supervision pour une base MS SQL Server Viadéis Services
Configurer la supervision pour une base MS SQL Server Référence : 11588 Version N : 2.2 : Créé par : Téléphone : 0811 656 002 Sommaire 1. Création utilisateur MS SQL Server... 3 2. Configuration de l accès
Plus en détailRULE 5 - SERVICE OF DOCUMENTS RÈGLE 5 SIGNIFICATION DE DOCUMENTS. Rule 5 / Règle 5
RULE 5 - SERVICE OF DOCUMENTS General Rules for Manner of Service Notices of Application and Other Documents 5.01 (1) A notice of application or other document may be served personally, or by an alternative
Plus en détailGuide informatique AUDIT EVALUATION DE LA PRATIQUE DE L ANTIBIOPROPHYLAXIE EN MATERNITE
Guide informatique AUDIT EVALUATION DE LA PRATIQUE DE L ANTIBIOPROPHYLAXIE EN MATERNITE CCLIN Sud-Est Hôpital Henry Gabrielle - Villa Alice 20 Route de Vourles 69 230 Saint-Genis Laval Secrétariat réseau
Plus en détailI. COORDONNÉES PERSONNELLES / PERSONAL DATA
DOSSIER DE CANDIDATUREAPPLICATION FORM 2012 Please tick the admission session of your choice FévrierFebruary SeptembreSeptember MASTER OF ART (Mention the subject) MASTER OF SCIENCE (Mention the subject)
Plus en détailAméliorer les performances du site par l'utilisation de techniques de Web Mining
Améliorer les performances du site par l'utilisation de techniques de Web Mining CLUB SAS 2001 17/18 octobre 2001 Stéfan Galissie LINCOLN stefan.galissie@lincoln.fr contact@web-datamining.net 2001 Sommaire
Plus en détailParis Airports - Web API Airports Path finding
Paris Airports - Web API Airports Path finding Hackathon A660 Version Version Date writer Comment 1.0 19/05/2015 Olivier MONGIN Document creation Rédacteur : Olivier.MONGIN@adp.fr Date : 19/05/2015 Approbateur
Plus en détailCréation dynamique des répertoires WORK et SASUSER des utilisateurs
SAS, Cognos, Stata, Eviews, conseil, expertise, formation, mining, datamining, statistique, connaissance Création dynamique des répertoires WORK et SASUSER des utilisateurs client, valeur client, CRM,
Plus en détailMEMORANDUM POUR UNE DEMANDE DE BOURSE DE RECHERCHE DOCTORALE DE LA FONDATION MARTINE AUBLET
MEMORANDUM POUR UNE DEMANDE DE BOURSE DE RECHERCHE DOCTORALE DE LA FONDATION MARTINE AUBLET ATTENTION : Tout formulaire de candidature qui présentera des erreurs ou anomalies dans le remplissage des champs
Plus en détailTP1. Outils Java Eléments de correction
c sep. 2008, v2.1 Java TP1. Outils Java Eléments de correction Sébastien Jean Le but de ce TP, sur une séance, est de se familiariser avec les outils de développement et de documentation Java fournis par
Plus en détailName Use (Affiliates of Banks or Bank Holding Companies) Regulations
CANADA CONSOLIDATION CODIFICATION Name Use (Affiliates of Banks or Bank Holding Companies) Regulations Règlement sur l utilisation de la dénomination sociale (entités du même groupe qu une banque ou société
Plus en détailAIDE FINANCIÈRE POUR ATHLÈTES FINANCIAL ASSISTANCE FOR ATHLETES
AIDE FINANCIÈRE POUR ATHLÈTES FINANCIAL ASSISTANCE FOR ATHLETES FORMULAIRE DE DEMANDE D AIDE / APPLICATION FORM Espace réservé pour l utilisation de la fondation This space reserved for foundation use
Plus en détailApproche Contract First
Exemple HelpDesk Approche Contract First Développement d un premier web service en utilisant l approche contract first (ou WSDL First) Écriture du wsdl avant d écrire le code java Autre possibilité implementation
Plus en détailCONVENTION DE STAGE TYPE STANDART TRAINING CONTRACT
CONVENTION DE STAGE TYPE STANDART TRAINING CONTRACT La présente convention a pour objet de définir les conditions dans lesquelles le stagiaire ci-après nommé sera accueilli dans l entreprise. This contract
Plus en détailTHE LAW SOCIETY OF UPPER CANADA BY-LAW 19 [HANDLING OF MONEY AND OTHER PROPERTY] MOTION TO BE MOVED AT THE MEETING OF CONVOCATION ON JANUARY 24, 2002
2-aes THE LAW SOCIETY OF UPPER CANADA BY-LAW 19 [HANDLING OF MONEY AND OTHER PROPERTY] MOTION TO BE MOVED AT THE MEETING OF CONVOCATION ON JANUARY 24, 2002 MOVED BY SECONDED BY THAT By-Law 19 [Handling
Plus en détailArchitecture de la plateforme SBC
Simple Business Connector Architecture de la plateforme SBC Titre Projet Description Architecture de la plateforme SBC Plateforme SBC Ce document reprend toutes les étapes de l'installation du serveur
Plus en détailCompétences Business Objects - 2014
Compétences Business Objects - 2014 «Mars-Juin 2014. Réf : Version 1 Page 1 sur 34 Sommaire CONTEXTE DE LA REMISE A NIVEAU EN AUTOFORMATION... 3 1. MODELISATION... 4 1.1 DESCRIPTION FONCTIONNEL DE L'APPLICATION
Plus en détail