Modelli di scoring per la prevenzione degli abbandoni
Data: 24-26 febbraio 2010
Luogo: sede Nunatac
Registrazione: compilare il documento allegato e inviarlo per fax allo 02 89012074
Obiettivi
Il corso percorre un intero processo analitico finalizzato alla costruzione di un modello di churn prevention e alle successive ipotesi di utilizzo dei risultati a supporto delle strategie di retention di un’azienda.
I modelli di churn prevention sono usati per stimare la probabilità di abbandono (e.g.: disdetta o mancato rinnovo di un abbonamento, chiusura di un conto corrente, estinzione anticipata di un finanziamento) o prevedere la diminuzione di utilizzo di un prodotto o servizio (e.g.: drastica riduzione del traffico telefonico di una SIM o dell’utilizzo di una carta di credito).
Come tutti i modelli di scoring, anche quelli di churn prevention stimano la probabilità che il soggetto/cliente effettui oppure no una determinata azione (rinnovo/non rinnovo), assuma oppure no un determinato stato (attivo/cessato). Questa probabilità viene stimata in funzione di un insieme delle caratteristiche e dei comportamenti del cliente che precedono l’eventuale “abbandono”.
Destinatari
Analisti statistici, esperti di data mining, business user.
Requisiti
E’ richiesta una esperienza di base nell’utilizzo del linguaggio SAS ed in generale nelle tecniche statistiche di analisi multivariata. Si richiede inoltre la conoscenza del tool Enterprise Miner.
Contenuti
• Il contesto aziendale
• Obiettivi e impostazione del problema
• La popolazione oggetto dell’analisi
• I dati a disposizione per la definizione della variabile target e per le variabili esplicative
• Estrazione del campione
• Analisi preliminari sulle variabili di input: gestione dei dati mancanti, trasformazioni di variabili
• Individuazione degli outlier
• Costruzione del modello
• Valutazione della capacità discriminante del modello
• Score dell’intera popolazione
• Ipotesi di messa in produzione e test su altra popolazione
• Estrazione delle liste
Le tecniche statistiche utilizzate sono: regressione logistica, alberi decisionali.
Durata
Il corso ha una durata di 3 giorni.