Contexte

Dans ce projet, j’ai intégré ESN Data (fictif), une société de services numériques, en tant que consultante junior en Business Intelligence. Ma mission était de collaborer avec Mehdi, un consultant senior, sur un projet pour le client Primero Bank (fictif). La banque faisait face à une hausse préoccupante du taux d’attrition de ses clients. L'objectif de la mission était d'analyser les données client pour identifier les causes des départs et anticiper les futurs désengagements, afin d’aider la direction commerciale à prendre des décisions éclairées.

Datasets

Source : Données extraites du logiciel de gestion commerciale de Primero Bank. Nature : Informations client (profils, historique, comportement d’utilisation, statut de départ ou fidélité). Volume : Jeu de données couvrant l’ensemble des clients (10127 enregistrements, 15 attributs clés), suffisamment conséquent pour nécessiter l’utilisation de filtres, tableaux croisés dynamiques et statistiques descriptives

Workflow

• Exploration et préparation des données dans Excel : tris, filtres, création de colonnes calculées et vérification d’intégrité.
• Analyse descriptive via tableaux croisés dynamiques pour comparer les profils clients perdus vs restants.
• Conception de visualisations appropriées selon la situation (histogrammes, camemberts, graphiques combinés, graphiques en anneau) et bonnes pratiques d’accessibilité (WebAIM Contrast Checker, Microsoft Accessibility).

Insights

• Taux de churn global: 16 % des clients ont quitté la banque récemment.
• Profil des churners vs restants:
  • Mariage : 57 % des churners étaient mariés vs 43 % des restants (+14 %).
  • Personnes à charge : les churners mariés ont en moyenne une personne à charge de plus que les autres.
  • Revenus : près de 50 % des churners ont un revenu annuel entre 40 000 € et 80 000 € (vs 31 % pour l’ensemble).
  • Crédit renouvelé : les churners renouvellent en moyenne moins de crédit que les clients restants.
  • Inactivité : les churners restent inactifs 1 mois de plus en moyenne que les clients restants.
  • Service client : 60 % des churners contactent plus fréquemment le service client, signe possible d’insatisfaction.
  • Carte Platinum : malgré les défaut de cette carte, seuls 0,1 % des clients perdus détenaient la carte Platinum.

• Segments à risque : j’ai identifié les clients peu actifs (1 803) et les couples avec enfants (1 552) comme priorités pour des actions de rétention.

Business Impact

J’ai produit un rapport d’analyse structuré, validé par Mehdi, et une présentation claire de 15 slides destinée à Paola, la directrice marketing de la banque.

Mon travail a permis de :

• Identifier des profils à risque, permettant à l’équipe de mettre en place des actions ciblées de fidélisation.
• Présenter des visualisations accessibles facilitant la compréhension des données par des non-experts.
• Sensibiliser à l’importance de la data visualisation dans la communication business.

À partir de ces insights, j’ai formulé et présenté à Paola plusieurs recommandations opérationnelles:

• Revoir les services et avantages liés à la carte Platinum pour en améliorer l’attractivité.
• Développer des offres ciblées pour les familles (couples avec enfants).
• Mettre en place un suivi et des relances automatisées pour les clients inactifs afin de réengager leur intérêt.
• Créer un programme dédié aux clients à haut potentiel d’investissement pour renforcer leur fidélité.

Links

Rapport d'analyse

Présentation PDF