20161208 Catalogue de formation 2017 - GROUPE BIAgroupebia.com/wp-content/uploads/2017/02/20161208_Catalogue-de... · Comment exploite-t-on l’information décisionnelle ? 7

Business Intelligence Agency

Your Potential, Our Passion

Contact

Business Intelligence Agency - BIA Academy

Rond-point Nlongkack, face Boulangerie centrale

Tél : +237 6 53818572, +237 6 70752093

E-mail : [email protected]

Business Intelligence Agency :

Business Analytics & Management

Catalogue de Formations

2017

B.I.A. Business Analytics & Management – Formations Page 2/35



Introduction

Business Intelligence Agency se veut être un acteur national et international de la transforma-

tion et de la performance des entreprises qui ambitionne de se positionner comme le partenaire

stratégique de ses clients en les accompagnant dans l’analyse et la valorisation de leurs don-

nées, le développement et la maîtrise de leur expérience digitale.

Expert du Conseil et des Technologies, Business Intelligence Agency crée des leviers de créa-

tion de valeur pour aider ses clients à relever leurs enjeux de transformation et de performance.

Au Cameroun, Business Intelligence Agency se veut être :

Leader en :

Business Intelligence (BI) / Data Mining

Risk Management

Customer Relationship Management (CRM).

Acteur majeur en :

E-Business

Enterprise Information Management (EIM)

Solutions de gestion d’entreprise (ERP, solutions sectorielles…)

Management Consulting

Spécialiste de la réussite des projets à forte valeur ajoutée

Partenaire stratégique des plus grands éditeurs du marché

Notre objectif

Construire des solutions innovantes adaptées au contexte de chaque client avec les meilleures

solutions du marché.

Notre engagement

Apporter la valeur ajoutée de l’expert et garantir la qualité de l’exécution, piliers historiques de

notre stratégie d’excellence.




Notre mission

Transmettre notre savoir-faire à nos clients afin de leur assurer une autonomie complète lors du

déploiement de leurs projets, et les accompagner au quotidien.

Nos domaines de compétences

Gestion des risques

Business Intelligence / Data Mining

Gestion de la Relation Client (GRC)

Notre expertise formation

Séminaires état de l’art pour décideurs

Stages pratiques à haute valeur technologique

Inter-entreprises

Intra-entreprise

Transfert de compétences

Charte qualité

Notre charte qualité repose sur une méthodologie claire et répartie en 8 points :

Définir précisément les objectifs de la formation

Analyser les niveaux des stagiaires et leurs attentes pour composer des groupes homo-

gènes

Élaborer un programme de formation pertinent basé sur la pratique

Proposer un support de cours pratique et réutilisable

Gérer toute la chaine logistique dans le respect des contraintes du client

Mettre à disposition des formateurs experts sur les technologies qu’ils enseignent

Évaluer et analyser les résultats des sessions et assurer un suivi

S’inscrire dans une démarche de partenariat avec nos clients




Sommaire

1 Business Intelligence 5

1.1 Les fondements de la Business Intelligence 5

1.2 SQL 6

1.3 Conception et Modélisation d’un Datawarehouse 7

1.4 Les fondements du Data Mining 9

2 Méthodes Statistiques 11

2.1 Méthodes Statistiques usuelles 11

2.2 Méthodes Statistiques non paramétriques 13

2.3 Enquête 15

2.4 Analyses multivariées 17

3 Gestion de la Relation Client (GRC ou CRM) 19

3.1 Les fondements de la GRC 19

4 Gestion des risques 21

4.1 Gestion des risques : Les fondements 21

4.2 Risque de crédit - Niveau 1 24

4.3 Gestion du risque de liquidité 26

4.4 Gestion du risque opérationnel 28

4.5 RECOUVREMENT : ANALYSE DES DONNÉES & STRATÉGIES DE RELANCES 30

5 Logiciels statistiques 32

5.1 Logiciel R 32

5.2 SAS Base 34




1 Business Intelligence

1.1 Les fondements de la Business Intelligence

Référence : BI-01 Durée : 3 jours

Objectifs

Présentation de la Business

Intelligence

Enjeux et apports d’un sys-

tème décisionnel

Présentation des techniques

de mise en œuvre

Présentation des étapes clés

d’un projet décisionnel

Présentation de l’offre du

marché

Groupe cible

Manager, Direction informa-

tique, Chefs de projets

Responsables commerciaux

Contrôle de gestion

Responsable fonctionnel.

Pré-requis

Aucun

Plan de formation

1. Présentation de la Business Intelligence

2. Réussir un système décisionnel

3. Pourquoi construit-on des systèmes décisionnels ?

4. À quoi sert un système décisionnel ?

5. Comment marche un système décisionnel ?

6. Comment exploite-t-on l’information décisionnelle ?

7. Comment construit-on un système décisionnel ?

8. Comment exploite-t-on l’information décisionnelle ?

9. Comment construit-on un système décisionnel ?

10. Risques et facteurs de succès

11. Mode projet

12. L’analyse

13. L’architecture et la réalisation du système

14. La mise en production du système

15. Les offres du marché




1.2 SQL


Objectifs

Une formation pratique aux

aspects essentiels, logique et

syntaxe, du langage SQL.

Ce cours vous apportera une

méthode sûre d’écriture de

requêtes SQL complexes

Groupe cible

Toute personne désirant se

servir de SQL

Pré-requis

Aucun

Plan de formation

1. Introduction

2. Interrogation des données

3. Objets d’une base de données

4. Instructions SQL complexes




1.3 Conception et Modélisation d’un Dataware-

house


Objectifs

Comprendre les enjeux du

décisionnel, les techniques

mises en œuvre.

Définir les étapes clés d’un

projet Datawarehouse.

Concevoir de l’analyse à la

modélisation un modèle

simple d’étoile ou flocon.

Groupe cible

Direction informatique, chefs

de projets, responsables

commerciaux, contrôle de

gestion, MOE, responsable

fonctionnel, concepteur de

base de données.

Pré-requis

Notions de base de données

et SQL.

Plan de formation

1. Problématique de l’entreprise

• Quelques constats

• Symptômes d’un besoin décisionnel

• But recherché

• Principales applications métiers d’un SID

2. Le besoin décisionnel

3. Les Solutions

• La solution “Infocentre”

• La solution “Datawarehouse”

4. Le Projet décisionnel

• Comment construit-on un SID ?

• Démarches et construction Tata

• L’environnement humain

5. Le Projet technique

• Structure du modèle de données

• Alimenter le Datawarehouse : les ETL

• Systèmes de gestion et de stockage des données

• Outils de restitution




• Architecture technique

6. Métrologie

• La volumétrie

• Les temps de réponse

• Modélisation décisionnelle

7. Introduction à la modélisation

• Notions de bases de données

• Notions de modèles de données

• Principes de modélisation rationnelle

• Le transactionnel

• Le décisionnel

8. Principes de la modélisation décisionnelle

• Approche production

• Approche fonctionnelle

9. Choix des modèles

• Modèle en étoile

• Modèle en flocon

10. Cas particulier

• Dimension à évolution lente

11. Les principes de la modélisation décisionnelle

• Infocentre

• Datawarehouse

• Datamart

12. Alimentation : les ETL

13. Restitution




1.4 Les fondements du Data Mining

Référence : MINING-01 Durée : 5 jours

Objectifs

Comprendre les principes et

la finalité du Data Mining

Identifier les principales

techniques du DM et leur cas

d'utilisation

Mettre en œuvre sur un cas

simple les méthodes de sco-

ring

Découvrir les méthodes pré-

dictives et les méthodes des-

criptives du DM

Connaitre les principales

étapes d'un projet DM

Groupe cible

Cette formation Data Mining

s'adresse aux responsables

commerciaux , responsables

marketing, statisticiens, res-

ponsables informatiques,

chefs de projets et experts

décisionnels.

Plan de formation

1. Le Système d'Information Décisionnel (SID)

• Les enjeux du SID : besoins, domaines d'application.

• Architecture type d'un SID, état de l'art.

• Élaboration des informations décisionnelles.

• Conception d'un SID : étapes, optimisation, organisation

des données, dictionnaires.

2. Comprendre le Data Mining (DM)

• Définition et finalité du Data Mining (DM).

• Quel lien entre le DM et les statistiques, quelle dépen-

dance entre le DM et l'informatique ?

• Différence entre DM et OLAP ?

• Les attentes des entreprises, les réponses du DM.

3. Techniques du Data Mining

• Différentes familles du DM.

• Méthodes prédictives et méthodes descriptives.

• Analyse factorielle, typologique. La classification...

• Arbres de décisions, réseaux de neurones...

• Classification des techniques de DM.




Pré-requis

Connaissances de base en

analyse décisionnelle.

Connaissances de base en

statistiques.

4. Méthode descriptive du Clustering

• Définition et méthodologie.

• Les critères pour structurer les données à classer.

• Évaluation et validation des classes obtenues.

• Différentes sous-familles du Clustering.

Exemple

Présentation d'applications du Clustering.

5. Exemples d'application du DM

• Le scoring : définition, finalité, méthodologie.

Exemple

Mise en œuvre de la méthode de scoring.

6. Les données de l'entreprise

• Rappel de la problématique des données du SI.

• Qualité des données et administration des données.

• Processus de collecte et d'exploration.

• Création d'agrégats et de nouvelles données.

• Transformation des données.

7. Méthodologie de projet Data Mining

• Définition du problème métier à résoudre et des objectifs à

atteindre.

• Inventorier, décrire et classer les données.

• Concevoir et alimenter la base Data Mining.

• Explorer, segmenter des entités analysées.

• Établir et appliquer les modèles d'analyse.

• Itérer, déployer auprès des utilisateurs.




2 Méthodes Statistiques

2.1 Méthodes Statistiques usuelles

Référence : STAT-01 Durée : 2 jours

Objectifs

Réviser ou acquérir les con-

cepts statistiques fonde-

ments (statistiques descrip-

tives et statistiques inféren-

tielles), comprendre et mettre

en œuvre les principales mé-

thodes de statistiques

usuelles

Groupe cible

Toute personne susceptible

d’exploiter et d’analyser sta-

tistiquement des données

quel que soit son secteur

d’activité.

Pré-requis

Il est souhaitable de maîtriser

les concepts mathématiques

tels que racine carrée, loga-

rithmes... Des notions de

base en statistique consti-

Plan de formation

1. Définitions

Terminologie statistique, typologie des variables, échantillon-

nage, randomisation et distributions statistiques.

2. Statistiques descriptives

Distribution en fréquences, paramètres de position et de dis-

persion, dissymétrie et aplatissement.

3. Distributions théoriques

Variables aléatoires, lois de probabilité : binomiale, Poisson et

normale.

4. Statistiques inférentielles

Problèmes d’estimation (distribution d’échantillonnage, inter-

valle de confiance...), tests d’hypothèses : principe, hypo-

thèses et risques, unilatéralité et bilatéralité, développement

des tests de normalité.

5. Typologie et développement pratique des tests usuels, test-t

de Student et test-t sur séries appariées, analyse de la va-

riance à un facteur sur séries indépendantes, corrélation et

régression linéaire simple.




tuent un atout supplémen-

taire.

6. Panorama des autres familles statistiques

• Méthodes non paramétriques

• Analyse des plans d’expériences

• Analyse multivariée.




2.2 Méthodes Statistiques non paramétriques


Objectifs

Acquérir une bonne maîtrise

des méthodes non paramé-

triques (position du pro-

blème, hypothèses testées,

principe de calcul, puis-

sance...) et porter un regard

critique sur ces méthodes en

comparaison des méthodes

paramétriques usuelles.

Groupe cible

Chercheurs, analystes et

responsables de services

d’études quel que soit le sec-

teur d’activité (recherche

scientifique et médicale, in-

dustrie, marketing...) confron-

tés aux problèmes des va-

riables qualitatives ou des

petits échantillons.

Pré-requis

Il est souhaitable de bien

maîtriser les concepts statis-

Plan de formation

1. Rappels : les tests statistiques

• Terminologie, typologie des variables, hypothèses et

risques

• Unilatéralité et bilatéralité

• Condition de validité d’un test classique et puissance d’un

test.

2. Tests paramétriques et tests non paramétriques

• Spécificité des tests non paramétriques

• Parallèle entre les tests usuels paramétriques et non pa-

ramétriques.

3. Développement pratique des principaux tests non paramé-

triques

• Test de Mac Nemar

• Test T de Wilcoxon

• Test U de Mann-Whitney

• Test Q de Cochran

• Test de Friedman

• Test H de Kruskal-Wallis

• Corrélations des rangs de Spearman et de Kendall.




tiques fondements (distribu-

tions statistiques, problème

d’estimation, tests

d’hypothèses...) et les tests

statistiques usuels.

Avec pour chaque test :

• But, hypothèses et conditions de validité

• Mode de calcul

• Interprétation des résultats.




2.3 Enquête


Objectifs

Acquérir les concepts de

base, essentiels pour la défi-

nition (que veut-on analy-

ser...), la conception (quelles

questions poser, comment et

à qui...), la mise en place

(définition du questionnaire,

technique d'échantillon-

nage...), le suivi (collecte,

saisie et contrôle des don-

nées...) et le traitement sta-

tistique (descriptifs, gra-

phiques, tests d'hypothèse...)

d'une enquête afin d'atteindre

l'objectif initialement fixé.

Groupe cible

Toute personne devant "ma-

nager" une enquête, de sa

mise en place à son

dépouillement, qu'il s'agisse

d'une enquête à caractère

commercial, d'une enquête

d'opinion ou de satisfaction,

Plan de formation

1. Définition des besoins

• Objectif de l'enquête et formalisation des hypothèses (que

recherche-t-on, que veut-on mettre en évidence,...)

• Définition du panel : quelle population prendre en considé-

ration et comment

• Contraintes de temps, de lieu et de budget.

2. Conception du questionnaire

• Différents types de questions : Q.R.M., questions ouvertes,

précodage...

• Cohérence dans la suite des questions et entre les ques-

tions

• Conception d'un questionnaire par les auditeurs.

3. Collecte et saisie des informations

• Méthode d'échantillonnage et taille de l'échantillon

• Pondération et redressement

• Préparation des données (post codage...) et les divers

modes de saisie

• Contrôle de la qualité des données et détection des er-

reurs de saisie

• Traitement des questions ouvertes : analyse lexicale, dic-




d'enquêtes sociologique

Pré-requis

Ce séminaire ne requiert pas

de compétences particulières

en statistiques et la connais-

sance d'un logiciel de traite-

ment d'enquêtes n'est pas

indispensable.

tionnaires, transformation en questions fermées.

4. Dépouillement et analyse de données

• Filtres : concept et mise en place

• Tris à plat, tris croisés, tests de dépendance (test du

Chi2...) et régression linéaire simple

• Analyse graphique des données (diagramme, nuage,...)

• Analyse et interprétation des résultats

• Introduction à l'analyse multivariée (ACP, AFC, ACM, ré-

gression multiple..).




2.4 Analyses multivariées


Objectifs

L’analyse multivariée est un

ensemble d’outils aidant à la

compréhension de tableaux

de données (individus x va-

riables) généralement très

grands et pour lesquels les

méthodes classiques biva-

riées ne suffisent plus à ap-

préhender la structure afin de

décrire ou expliquer un phé-

nomène. L’objectif de ce sé-

minaire est donc d’établir le

lien entre ces informations et

les méthodes d’analyse ainsi

que de mettre en pratique les

méthodes descriptives clas-

siques d’analyse multivariée.

Groupe cible

Chefs de projet, ingénieurs

d’études, responsables de

marché et analystes, dans

des domaines aussi variés

que la production, le marke-

Plan de formation

1. Introduction à l’analyse multivariée

• Lien entre informations et analyses.

2. Pratique des méthodes descriptives classiques

• Typologie (classification) et segmentation

• Analyse factorielle en composantes principales (ACP)

• Analyse factorielle des correspondances simple et multiple

(AFC, AFCM)

• Analyse multidimensionnelle non métrique (MDS)

Avec pour chaque méthode :

• Hypothèses de base et limites d’utilisation

• Principe de la méthode

• Signification statistique et pratique

• Interprétation et validation des résultats.




ting, la finance, la recherche

biomédicale, l’agronomie...,

sensibilisés aux problèmes

d’analyse multidimension-

nelle.

Pré-requis

Il est souhaitable de bien

maîtriser les concepts statis-

tiques fondements (distribu-

tions statistiques, problème

d’estimation, tests

d’hypothèses...) et les mé-

thodes de statistiques

usuelles.




3 Gestion de la Relation Client (GRC ou CRM)

3.1 Les fondements de la GRC

Référence : CRM-01 Durée : 3 jours

Objectifs

Choisir une solution,

l’intégrer au système

d’information de l’entreprise.

Lancer des projets pilotes.

Être initié à la prise en main

d’une solution.

Groupe cible

DSI, Maîtrise d’ouvrage, con-

sultants, chefs de projets,

développeurs

Pré-requis

Il est conseillé de posséder

une connaissance du SI.

Plan de formation

1. Introduction

2. Problématiques et enjeux du CRM

• CRM : la réalité

• Fonctions cibles du CRM

• Objectifs du CRM

3. Le CRM en action

Données et Marketing direct :

• Maîtriser les données clients

• Marketing et contacts

• Processus de collecte

• Qualité des données : le challenge

• Journalisation CRM

• Connaissance du client

Campagnes, Mailings :

• Outils de gestion de campagne SFA

• Gérer le cycle de vie du client

• Identification du client




• composants clés du SFA

Centres d’appels :

• Les relations entreprises-clients au téléphone

• Différentes approches de service

• Importance des SLA




4 Gestion des risques

4.1 Gestion des risques : Les fondements

Référence : RISK-01 Durée : 4 jours

Objectifs

Comprendre la réalité des

risques bancaires et leurs

coûts

Aborder la définition «mesure

et gestion» des différents

risques : marché, crédit, opé-

rationnel

Comprendre l’impact de la

réforme Bâle 2 et de son

évolution vers Bâle 3 sur les

fonds propres de la banque

Groupe cible

Analystes financiers.

Ingénieurs risques. MOA en

front et middle office ou

risques.

Plan de formation

Le bilan de la banque

• Principe d’un bilan de banque

• Impact des principales opérations sur le bilan de la banque

• Impact sur le compte de résultat

Études de cas : comprendre à travers des exercices, l’évolution

du bilan d’une banque et les risques sous-jacents

Typologie des risques

Principe, mesure et exemples pour chaque type de risque

• Risque de marché

• Risque de crédit et de contrepartie

• Risque de liquidité

• Risque global de taux

• Risque opérationnel

Environnement règlementaire et Bâle 2 / Bâle 3

• Instances règlementaires : nationales, internationales

• Obligations règlementaires et prudentielles : Bâle 2 et Bâle

3




Pré-requis

Connaissances de base des

marchés financiers et des

instruments financiers.

• Le coût des fonds propres

Le risque de marché : taux, change, action

• La mesure du risque de marché et la notion de VaR

• Les différents types de VaR : définition, mesure et applica-

tions

• TP Excel : illustration de calculs de VaR

Le risque de crédit-contrepartie

• Mesure du risque

• Notations internes et externes

• Modèles de mesure

• Réalité du risque de contrepartie sur les marchés

• Gestion globale du risque de crédit et portefeuille de crédit

Le risque opérationnel : réalité et gestion

• Prise en compte dans Bâle 2

• Gestion du risque opérationnel et organisation au sein des

banques

• Calcul de fonds propres règlementaires

• Calcul de l’exigence de fonds propres

• Application des ratios de Bâle 2

• Le coût du capital - introduction au RAROC

TP : illustration à partir d’extraits du dernier rapport annuel d’une

banque

Le risque global de taux




Mesure et gestion du risque de liquidité

• Les ratios actuels et les évolutions prévues

• Situation de crise de liquidité pour une banque

Étude de cas : comprendre la mesure et la gestion du risque de

liquidité par une banque

Coût du risque et exigences de rentabilité

• Les normes et le besoin en capital

• Coût du capital et exigences de rentabilité




4.2 Risque de crédit - Niveau 1


Objectifs

Acquérir les fondements de

la gestion du risque de crédit

Intégrer des réflexes simples

en matière d’appréciation du

risque de crédit

Diffuser les meilleures pra-

tiques et favoriser les

échanges sur des cas con-

crets

Groupe cible

Collaborateurs souhaitant

acquérir une vision

d’ensemble du risque de cré-

dit

Collaborateurs désireux

d’évoluer vers des fonctions

requérant une maîtrise du

risque de crédit

Pré-requis

Plan de formation

Introduction et cadre du risque de crédit

Définition et illustration des différentes facettes du risque de crédit

• Évolutions réglementaires

• Dispositif de gestion du risque de crédit en place

• Typologie et comparaison des différentes formes de risque

de crédit selon les instruments concernés (crédit amortis-

sable, autorisation de découvert, crédit revolving)

Organisation du processus d’octroi du crédit

• Schéma d’octroi de crédit, système de délégation et

d’autorisations

• Analyse des risques de crédit au niveau transactionnel

• Notation interne, taux de perte et ROE/RAROC prédictif

• Facteurs d’atténuation des risques : garanties et collaté-

raux

• Rôle du comité de crédit et prise de décision

Évaluation du risque de crédit

• Analyse des documents financiers : bilans / comptes de

résultat / business plans / principaux ratios financiers

• Analyse sur dossier (dire d’expert) et approches plus







quantitatives (scoring)

• Mesure des principaux indicateurs de risque : probabilité

de défaut (PD), perte en cas de défaut (LGD)…

• Les crédits syndiqués : engagement / risque de syndica-

tion / prise finale / rôle de l’agent

Gestion du risque de crédit

• Suivi des dossiers de crédit en cours de vie

• Revue régulière des crédits et l’analyse des signaux

d’alerte

• Prise en compte des « effets de contagion »

• Suivi des risques sectoriels et le suivi du risque pays

• Approche par transaction et approche par portefeuille (ef-

fets de concentration/diversification)

• Suivi des limites par engagement / par signature / par sec-

teur / par pays

• Prise en compte des garanties et suretés

• Transfert et atténuation du risque de crédit : dérivés de

crédit, pooling, fonds de garantie

• Caution, garanties physiques…




4.3 Gestion du risque de liquidité


Objectifs

Comprendre les implications

règlementaires

Maîtriser la gestion du risque

de liquidité

Savoir analyser les mesures

de liquidité

Groupe cible

Collaborateurs des fonctions

souhaitant acquérir une vi-

sion d’ensemble du risque de

crédit

Collaborateurs désireux

d’évoluer vers des fonctions

requérant une maîtrise du

risque de crédit

Pré-requis




Plan de formation

Définition du risque de liquidité

• Liquidité transactionnelle vs liquidité de financement

• Interaction entre le risque de liquidité et d’autres types de

risques

• La liquidité et la confiance du marché

Sources du risque de liquidité

• Risque “Roll”

• Le risque de transformation des échéances

Étude de cas : Northern Rock

• Concentration de financement

• Swaps de devises

Étude de cas : BEAC et le financement

• Liquidité intra-groupe

• La viabilité de la Franchise

• Actif négociable

• Actif non négociable

• Hors bilan

• Liquidité intrajournalière




Gouvernance de liquidité

• La tolérance au risque de liquidité et appétit pour le risque

• Cadre de gouvernance

Mesure de liquidité

• Analyse des écarts

• Modélisation des cash-flows incertains

• Autres mesures

Gestion des liquidités

• Diversification du financement

• Liquidité intrajournalière

Étude de cas : Lehman Brothers

• Définition des prix de transfert des fonds

• Actifs tampons (buffers)

• Stress Testing

• Key Risk Indicators (Indicateurs clés de risque) et les dé-

clencheurs associés

• La planification d’urgence

Étude de cas : LTCM




4.4 Gestion du risque opérationnel


Objectifs

Appréhender l’importance du

risque opérationnel en

termes financiers

Maîtriser toutes les sources

de risque opérationnel avec

méthode

Comprendre les techniques

pour limiter le risque opéra-

tionnel

Groupe cible

Responsables et collabora-

teurs des services risques,

conformité, contrôle perma-

nent ou de contrôle pério-

dique

Pré-requis




Plan de formation

Définition et règlementation propre au risque opérationnel

Typologie du Risque Opérationnel

• Étude de cas réels : traduction concrète des facteurs de

risque

• Exemples choisis dans les catégories de Bâle 2

Analyse, causes et conséquences

• Étude de cas : autopsie de pertes liées au risque opéra-

tionnel à partir d’exemples réels

Classement des cas en fonction de la typologie

• Processus

• Personnes

• Systèmes

• Événements extérieurs

Le cercle vertueux de la gestion des risques

L’organisation du dispositif

Rôle et responsabilité des managers du RO

L’approche quantitative

Mise en place d’une collecte des pertes :




• Pourquoi ? Comment ?

L’approche qualitative

Cartographier les risques : l’approche processus

Reporting et lien avec le plan d’action d’amélioration du Contrôle

Interne

• Étude de cas : analyse de cas réels de risques opération-

nels

• Quelles actions auraient pu éviter les pertes ?

• Quel reporting à produire ?




4.5 RECOUVREMENT : ANALYSE DES DONNÉES

& STRATÉGIES DE RELANCES


Objectifs

Cette formation a pour objec-

tif de poser les probléma-

tiques pour traiter ensuite

des méthodologies.

Groupe cible

Manager recouvrement

amiable, contentieux, suren-

dettement

Pré-requis


produits financiers

Plan de formation

Enjeux

• Modernisation des fonctions de recouvrement, deux mo-

dèles de recouvrement

• Actions porteuses de résultats et Diagnostic recouvrement

• Les principaux bénéfices liés à la mise en place de best

practices

Suivi des données décisionnelles

• Indicateurs clés de performance (KPIS) et suivi

• Observation aux différentes étapes du processus

• Entrées au recouvrement et seuil de solde recouvrement

• Entrées au recouvrement et encours des dossiers

• Durée de gestion hors recouvrement depuis la dernière

sortie

• Effets des règles d’entrée et de sortie

• Sorties précoces du Recouvrement

• Durée de gestion avant sortie du recouvrement

• Qualité des sorties du recouvrement

• Récidive et probabilité de transfert au contentieux




• Suivi générationnel

• 1er impayé et effet des actions automatiques

• Matrice de transition et Intérêt d’un suivi par agrégat

Utilisation des scores

• Scores de recouvrement et Segmentation

• Grille de score générique de recouvrement, liste des va-

riables

• Les variables d’un score spécifique

• Répartition par déciles et choix des segments

• Segmentation et son application, le choix des Segments

• Mise en place de stratégies Champion/Challenger

• Programmation des actions (batchs)

• Module décisionnel de calcul de score et de segmentation,

programmation des actions

• Possibilité d’affecter des scores différents en fonction du

segment

• Une meilleure allocation des moyens

• Niveau de risque compte, stratégies

• Importance de l’exposition au risque dans la stratégie

Les facteurs clés de succès

• Facteurs clés et recommandations exemplaires




5 Logiciels statistiques

5.1 Logiciel R

Référence : Logi-01 Durée : 3 jours

Objectifs

Voir et approfondir les no-

tions fondamentales néces-

saires à la compréhension et

la mise en œuvre de l'ana-

lyse statistique des résultats.

Groupe cible

Programmeurs, créateurs de

rapports, statisticiens, char-

gés de recherche, analystes

et dataminers.

Toute personne ayant une

première expérience en sta-

tistique et souhaitant parfaire

ses connaissances dans la

programmation avec R

Pré-requis

Aucun

Plan de formation

Introduction : découverte de R

Étape 1 : l'Analyse descriptive des données (tableaux et gra-

phiques)

Individus et variables ou la construction du tableau de données

• Comment repérer les individus ?

• Définir les variables

Classement des données :

• Données quantitatives : continues, discrètes

• Données qualitatives : nominales, ordinales

Distribution de fréquence :

• Loi de probabilité usuelle : le cas de la loi normale

Choisir la mesure de tendance centrale la plus adaptée :

• Avantages et inconvénients de la moyenne et de la mé-

diane

Mesures de dispersion :

• La variance, son interprétation

• L'écart-type, son interprétation




• Les percentiles.

Les représentations graphiques associées :

• Histogramme, nuages de points, boîte à moustache...

Mise en œuvre sous R

Étape 2 : décrire les relations entre deux variables

Entre deux variables qualitatives :

• Tableau de contingence ou tableau croisé

• Test du chi²

• Mise en œuvre sous R.

Entre deux variables quantitatives :

• Tableau de données

• Notion de corrélation

• Régression linéaire simple

• Mise en œuvre sous R.

Étape 3 : les tests statistiques

La théorie des tests :

• Notion de risque de 1ère espèce, de 2ème espèce

• Puissance d'un test

• Tests paramétriques et non-paramétriques 2 à 2 :

principes, avantages et inconvénients

Mise en œuvre sous R des tests paramétriques




5.2 SAS Base

Référence : Logi-02 Durée : 3 jours

Objectifs

Familiarisation avec

l’interface et utilisation des

fonctionnalités de base de

SAS

Découverte du langage SAS

et de ses concepts fonda-

mentaux

Présentation des étapes SAS

Création, exécution et correc-

tion de programmes

Découverte de la gestion des

données avec le Système

SAS et des procédures per-

mettant la restitution

d’informations

Groupe cible

Programmeurs SAS, créa-

teurs de rapports, statisti-

ciens, chargés de recherche,

analystes et dataminers.

Toute personne ayant une

Plan de formation

1. Introduction

2. Les étapes DAT

3. Tri des tables

4. Procédures

5. Les fonctions

6. Combinaison des tables

7. Les formats Date/Time

8. Lecture et écriture de fichiers non SAS

9. Utilitaire de gestion de données

10. Contrôle des entrées et sorties I/O

11. Synthèse des données

12. Lecture et écriture de différents types de données

13. Transformation de données




première expérience en SAS

et souhaitant parfaire ses

connaissances dans la pro-

grammation avec SAS

Pré-requis

Aucun

Documents

20161208 Catalogue de formation 2017 - GROUPE BIAgroupebia.com/wp-content/uploads/2017/02/20161208_Catalogue-de... · Comment exploite-t-on l’information décisionnelle ? 7