Projet de fin d'étude : Réalisation du KPI autour de la Fidélité chez MARJANE avec une ébauche sur la segmentation client en se basant sur l'IA.

Etudiant : DAMI WASSIM

Filière : Master Mathématiques Appliquées et Science des données (MASD)

Encadrant : Pr. AUTRE

Annèe : 2021

Résumé : Le présent rapport est une synthèse du travail effectué dans le cadre de mon projet de fin d’étude pour l’obtention de double diplomation de Master Mathématiques Appliquées et Science des données (MASD), avec l’université sorbonne paris nord, réalisé au sein du siège « MARJANE HOLDING ». L’objectif la première partie de ce projet est de fournir des KPIs ; à partir du data Warehouse, on fait des manipulations de ces données pour exploiter de le data mining et des KPIs (Key Performance Indicator) pour aider MARJANE d'exécuter sa stratégie commerciale ; les trois tableaux de bord : une analyse par clients, une analyse par rayon, et une analyse par magasin. Le premier est une segmentation des clients par la cagnotte, le deuxième présente la distribution de la consommation des produits (Offre par Fidélité) par rayon, et le dernier présente la performance de chaque magasin (Marjane et Marjane market). L’objectif de la deuxième partie est d'appliquer la veille économique à l'identification de clients potentiels en fournissant des données pertinentes et opportunes aux entités commerciales du secteur de la vente au détail. Les données fournies sont basées sur une étude systématique et des applications scientifiques dans l'analyse de l'historique des ventes et du comportement d'achat des consommateurs. Afin d'exécuter et d'appliquer l'approche scientifique utilisant l'algorithme K-Means, l'ensemble de données transactionnelles et de détail en temps réel est analysé. Répartis sur une durée spécifique de transactions commerciales, les valeurs et les paramètres de l'ensemble de données fournissent une compréhension organisée des modèles et du comportement d'achat des clients de Marjane. Cette partie est basée sur le modèle RFM (Récence, Fréquence et Montant) et déploie les principes de segmentation des ensembles de données en utilisant l'algorithme K-Means.