Etudiant : FAIZAL ALI SOUMEYA

Filière : Master Big Data et Systèmes intelligents (BDSI)

Encadrant : Pr. ELABDERRAHMANI ABDELLATIF

Annèe : 2026

Résumé : La transformation numérique des entreprises a entraîné une croissance importante des données générées par les plateformes e-commerce. Ces données, lorsqu’elles sont correctement stockées, traitées et analysées, peuvent constituer un levier stratégique pour améliorer la prise de décision, anticiper les comportements clients et renforcer les stratégies de fidélisation. Dans ce contexte, ce mémoire porte sur la conception et la mise en œuvre d’une solution analytique basée sur le Big Data et le Cloud Computing, appliquée à la prédiction du churn client et à la recommandation de produits. La solution proposée repose sur une architecture Cloud déployée sur Google Cloud Platform. Elle utilise Google Cloud Storage pour la construction d’un Data Lake organisé selon une logique Bronze/Silver/Gold, Apache Spark sur Dataproc pour le traitement distribué des données, BigQuery pour l’exposition analytique des résultats, et Looker Studio pour la visualisation décisionnelle. Le pipeline développé permet d’ingérer un dataset e-commerce, de nettoyer et transformer les données, puis d’entraîner deux composantes analytiques complémentaires : un modèle de prédiction du churn client et un système de recommandation basé sur l’algorithme ALS. Les résultats obtenus montrent la faisabilité technique de l’approche proposée. Le modèle de churn permet d’identifier les clients présentant un risque élevé de départ, tandis que le système de recommandation fournit des catégories de produits personnalisées. La fusion de ces deux composantes aboutit à un système hybride capable d’associer à chaque client un score de risque, des recommandations et une stratégie de rétention. Les résultats finaux sont centralisés dans BigQuery et visualisés dans un tableau de bord Looker Studio. L’orchestration du pipeline avec Dataproc Workflow Template renforce la reproductibilité et l’automatisation de la solution.