Déroulement

Le challenge se déroulera en trois (3) round :

1. analyse du churn avec un persona
2. analyse du churn avec un modèle d’arbre de décision
3. analyse du churn avec un algorithme d’apprentissage statistique

Livrables

Pour participer au challenge, chaque candidat doit s’inscrire au préalable sur le site web de Management & Data Science, puis vous connecter et créer votre équipe dans l’onglet « Participer ».

A la fin de l’étape d’entraînement, les candidats soumettent leurs résultats qui comprend :

1. le fichier d’évaluation avec les prévisions définitives. Les candidats auront complété les valeurs vierges par leurs prédictions.
2. une vidéo explicative de 7 minutes max avec :
   • un titre
   • une introduction qui rappelle le contexte, la problématique et ses enjeux,
   • la méthode et les étapes utilisées pour réaliser les prédictions (transformation des données, modélisation, comparaisons des algorithmes utilisés, stratégie d’optimisation du modèle, évaluation du modèle) ;
   • des préconisations managériales pour réduire le churn (stratégies de rétention);
   • une conclusion rapide qui montre l’intérêt de la data science en marketing;

Évaluation

1) les prévisions

Les soumissions sont comparées aux valeurs réelles. Plus les soumissions sont précises, plus les candidats obtiennent un score élevé.

La métrique d’évaluation principale sera l’exactitude (accuracy), c’est-à-dire le nombre de prédictions justes rapporté au nombre de cas de test dans le jeu de test.

Une péréquation est ensuite réalisée pour obtenir un score et réaliser le classement du challenge entre les équipes.

2) La vidéo explicative

La qualité de la vidéo sera évaluée suivant les critères suivants

• la pertinence: dans quelle mesure le livrable répond à la mission ? (qualité de la prédiction)
• la rigueur : les résultats proposés sont-ils valides ? (robustesse de la démarche)
• l’impact : quelle est la valeur de la contribution ? (qualité des préconisations)
• la clarté : la solution proposée est-elle intelligible et originale ? (qualité de la présentation du rapport)