Étude de cas : rapport sur le risque de crédit
Concepts de communication des données
Hadrien Lacroix
Curriculum Manager
Risque de crédit
Risque de crédit : probabilité de défaut
La banque LoanMe veut prédire si un client risque de faire défaut
Données brutes disponibles
Analyse exploratoire des données
Entraînement et évaluation du modèle
Public cible
Parties prenantes non techniques
Décideurs de la banque
Histoire
Contexte :
Hausse du pourcentage de défauts depuis 5 ans.
Prédire quels clients ont une forte probabilité de défaut.
Constat : plus de périodes de chômage → plus de défauts
Constat : revenu plus faible → plus de défauts
Point culminant : possible de prédire les défauts avec une exactitude de 95 %
Prochaines étapes : lancer un essai sur une population témoin
Tech ou non tech
Traduire les résultats techniques
Les bonnes données
Persona du public
Rôle
: directrice ou directeur du service de financement
Intérêt
: décider d'implanter un système automatisé de refus de prêts
Données pertinentes
:
Lien entre l'âge ou le revenu et le défaut de paiement
Pourcentage de clients en défaut dans les prochains mois
Statistiques
Âge et revenu médians
Pourcentage de variation
Visuels
Boîte à moustaches : âge vs. défaut
Visuels
Boîte à moustaches : âge vs. défaut
Graphique linéaire : % de variation des clients en défaut
Format approprié
Qui ?
Direction des finances
Pourquoi ?
Décisions majeures à venir
Contenu :
Principaux constats et recommandations
Canal :
Envoyer les résultats avant la réunion
Rapport
Rapport écrit
Rapport sommaire ou final ?
Rapport
Rapport sommaire
Rapport informatif ou analytique ?
Rapport
Rapport sommaire
Rapport analytique
Structure du rapport sommaire
Introduction
Objectif
Contexte
Question d'analyse
Corps
Données
Résultats : constats clés
Conclusions
Reformuler la question
Constat central
Ajouter des recommandations
Passons à la pratique !
Concepts de communication des données
Preparing Video For Download...