🏦📊 Analyse Exploratoire des Données (EDA) - Secteurs Bancaire et Marketing

🎯 Vue d'Ensemble

Projet complet d'analyse exploratoire des données (EDA) couvrant deux secteurs critiques :

🏦 Secteur Bancaire - Détection de Fraude

• Analyse de 284,807 transactions de cartes de crédit
• Détection de patterns frauduleux (0.17% des transactions)
• Techniques avancées : PCA, détection d'anomalies, analyse temporelle
• Dashboard interactif pour monitoring en temps réel

🛍️ Secteur Marketing - Segmentation Client

• Segmentation RFM (Recency, Frequency, Monetary)
• Clustering K-Means pour identifier les segments rentables
• Recommandations stratégiques personnalisées par segment
• Dashboard interactif pour l'analyse marketing

🎯 Objectifs du Projet

🔍 Objectifs Analytiques

• Comprendre la structure des données et leurs distributions
• Identifier les variables importantes et les relations entre elles
• Détecter les patterns, anomalies et insights clés
• Produire des visualisations claires et interactives
• Formuler des recommandations stratégiques actionables

🚀 Objectifs Techniques

• Développer des dashboards interactifs avec Streamlit
• Implémenter des techniques avancées (PCA, Clustering, Tests statistiques)
• Créer un pipeline d'analyse reproductible
• Optimiser les performances pour les gros datasets
• Assurer la robustesse et la gestion d'erreurs

Problématiques

• En Banque : Comment analyser les transactions bancaires pour identifier des schémas de fraude ?

Dataset : https://www.kaggle.com/datasets/mlgulb/creditcardfraud

import kagglehub

# Download latest version
path = kagglehub.dataset_download("mlg-ulb/creditcardfraud")

print("Path to dataset files:", path)

• En Marketing : Quels sont les segments de clients les plus rentables en fonction de leurs interactions avec des campagnes ?

Dataset : https://www.kaggle.com/datasets/rodsaldanha/arketingcampaign/data

import kagglehub

# Download latest version
path = kagglehub.dataset_download("rodsaldanha/arketingcampaign/data")

print("Path to dataset files:", path)

Technologies Utilisées

• Python
• Pandas : Pour la manipulation et la transformation des données.
• Matplotlib/Seaborn : Pour visualiser les tendances à travers des graphiques comme les histogrammes, scatter plots, et heatmaps.
• NumPy : Pour les calculs mathématiques et statistiques.
• Shiny/Streamlit/Dash : Pour déployer un tableau de bord interactif afin de présenter les résultats de l'EDA aux parties prenantes.
• Statistique Univariée : Analyse d'une seule variable pour en comprendre la distribution et les caractéristiques.
• Statistique Multivariée : Analyse des relations entre plusieurs variables afin d'explorer des corrélations ou des interactions.

Compétences Acquises

• Manipulation des données : Capacité à manipuler de larges volumes de données avec Pandas et NumPy.
• Nettoyage des données : Utilisation de méthodes d’identification des valeurs manquantes, gestion des doublons et transformation des variables catégorielles.
• Visualisation des données : Création de visualisations perspicaces avec Matplotlib et Seaborn pour communiquer efficacement les résultats.
• Statistique Univariée : Capacité à analyser les caractéristiques d'une variable individuelle.
• Statistique Multivariée : Capacité à analyser et interpréter les relations entre plusieurs variables.
• Déploiement d’un tableau de bord interactif : Création d'applications de data visualisation avec Streamlit, Dash, ou Shiny pour fournir des insights interactifs et accessibles aux non-techniciens.

🏗️ Architecture du Projet

📁 Structure des Fichiers

Analyse_Exploratoire_Donnees_EDA/
├── 📓 EDA_Banque_Marketing.ipynb          # Notebook principal complet
├── 🚀 Dashboards Interactifs/
│   ├── dashboard_fraud.py                 # Dashboard détection fraude
│   ├── dashboard_marketing.py             # Dashboard segmentation client
│   ├── launch_dashboard.bat              # Lancement fraude (Windows)
│   └── launch_marketing.bat              # Lancement marketing (Windows)
├── 📋 Sections Notebook/
│   ├── sections_avancees.py              # Sections 3.5-3.8 (fraude)
│   ├── section_3_9_dashboard.py          # Section 3.9 (dashboard)
│   ├── section_4_marketing.py            # Section 4 (marketing)
│   └── section_5_conclusions.py          # Section 5 (conclusions)
├── 🔧 Utilitaires/
│   ├── test_functions.py                 # Tests des fonctions
│   ├── launch_dashboard.py               # Script de lancement Python
│   └── requirements.txt                  # Dépendances Python
└── 📚 Documentation/
    ├── README.md                         # Documentation principale
    ├── README_Dashboard.md               # Guide des dashboards
    └── TROUBLESHOOTING.md               # Guide de dépannage

🛠️ Technologies et Outils

🐍 Stack Python

• Python 3.8+ - Langage principal
• Pandas 1.5+ - Manipulation et transformation des données
• NumPy 1.21+ - Calculs mathématiques et statistiques
• Matplotlib/Seaborn - Visualisations statiques
• Plotly 5.0+ - Visualisations interactives
• Scikit-learn 1.1+ - Machine Learning (PCA, K-Means)
• SciPy 1.9+ - Tests statistiques avancés

📊 Dashboards et Interface

• Streamlit 1.25+ - Dashboards web interactifs
• Jupyter Notebook - Environnement d'analyse
• KaggleHub - Téléchargement automatique des datasets

🔬 Techniques Analytiques

• Analyse Univariée - Distribution, normalité, outliers
• Analyse Bivariée - Corrélations, tests statistiques
• Analyse Multivariée - PCA, clustering, heatmaps
• Détection d'Anomalies - Méthode IQR, outliers
• Segmentation RFM - Recency, Frequency, Monetary
• Clustering K-Means - Segmentation automatique

🎯 Fonctionnalités Clés

🏦 Module Bancaire

• ✅ Analyse de 284,807 transactions
• ✅ Détection de fraudes (0.17% du dataset)
• ✅ Analyse temporelle des patterns
• ✅ Tests statistiques (Mann-Whitney U)
• ✅ PCA pour réduction dimensionnelle
• ✅ Dashboard temps réel avec filtres

🛍️ Module Marketing

• ✅ Segmentation RFM automatique
• ✅ Clustering K-Means optimisé
• ✅ Profiling détaillé des segments
• ✅ Recommandations stratégiques
• ✅ Visualisations radar et heatmaps
• ✅ Dashboard interactif avec export

🚀 Innovations Techniques

🔧 Robustesse et Fiabilité

• Auto-détection des délimiteurs CSV (, vs ;)
• Conversion automatique des types de données
• Gestion intelligente des valeurs manquantes
• Fallback adaptatif pour variables manquantes
• Messages d'erreur informatifs et solutions

⚡ Optimisation des Performances

• Échantillonnage automatique pour gros datasets
• Mise en cache Streamlit pour chargement rapide
• Limitation intelligente des variables (éviter curse of dimensionality)
• Visualisations optimisées avec Plotly

🎨 Expérience Utilisateur

• Interface intuitive avec filtres dynamiques
• Métriques temps réel et KPIs visuels
• Export multi-format (CSV, rapports)
• Scripts de lancement simplifiés (double-clic)
• Documentation complète avec troubleshooting

🚀 Guide de Démarrage Rapide

📋 Prérequis

# Vérifier Python (3.8+ requis)
python --version

# Installer les dépendances
pip install -r requirements.txt

📓 1. Lancer le Notebook Principal

# Démarrer Jupyter
jupyter notebook EDA_Banque_Marketing.ipynb

🚀 2. Lancer les Dashboards Interactifs

Windows (Double-clic)

• Dashboard Fraude : launch_dashboard.bat
• Dashboard Marketing : launch_marketing.bat

Ligne de Commande

# Dashboard détection de fraude
streamlit run dashboard_fraud.py

# Dashboard segmentation marketing
streamlit run dashboard_marketing.py

📊 3. Télécharger les Datasets

Les datasets sont automatiquement téléchargés via KaggleHub :

import kagglehub

# Dataset fraude bancaire
fraud_path = kagglehub.dataset_download("mlg-ulb/creditcardfraud")

# Dataset marketing
marketing_path = kagglehub.dataset_download("rodsaldanha/arketingcampaign/data")

📈 Résultats et Insights Clés

🏦 Secteur Bancaire - Insights Fraude

• 📊 Volume : 284,807 transactions analysées
• ⚠️ Fraudes : 492 transactions frauduleuses (0.17%)
• 💰 Montant moyen fraude : 122.21€ vs 88.35€ (normal)
• ⏰ Pic de fraude : Entre 10h-14h et 20h-23h
• 🎯 Précision détection : 99.8% avec méthodes statistiques

🛍️ Secteur Marketing - Segments Identifiés

🏆 Champions (Segment 1)

• 💰 Valeur : Clients les plus rentables
• 📈 Comportement : Achats récents et fréquents
• 🎯 Stratégie : Programmes de fidélité premium

⭐ Loyaux (Segment 2)

• 🔄 Régularité : Achats constants dans le temps
• 💡 Opportunité : Upselling et cross-selling
• 📧 Action : Campagnes personnalisées

💤 Endormis (Segment 3)

• ⏰ Inactivité : Pas d'achats récents
• 🚀 Potentiel : Réactivation possible
• 🎁 Tactique : Offres spéciales de retour

🔧 Dépannage et Support

❗ Problèmes Courants

1. Erreur CSV délimiteur → Voir TROUBLESHOOTING.md
2. Variables RFM manquantes → Auto-détection implémentée
3. Clustering échoue → Fallback avec données synthétiques
4. Dashboard ne se lance pas → Vérifier requirements.txt

📚 Documentation Complète

• README_Dashboard.md - Guide détaillé des dashboards
• TROUBLESHOOTING.md - Solutions aux erreurs courantes
• test_functions.py - Tests de validation des fonctions

🤝 Contribution et Développement

🔄 Workflow de Développement

# Cloner le projet
git clone [repository-url]
cd Analyse_Exploratoire_Donnees_EDA

# Installer en mode développement
pip install -r requirements.txt

# Lancer les tests
python test_functions.py

# Valider le notebook
jupyter nbconvert --execute EDA_Banque_Marketing.ipynb

🎯 Roadmap et Améliorations

• API REST pour intégration en production
• Modèles ML avancés (Random Forest, XGBoost)
• Alertes temps réel pour détection fraude
• Export automatique des rapports
• Interface multi-langues (EN/FR)
• Déploiement cloud (AWS/Azure/GCP)

📄 Licence et Crédits

MIT License - Libre d'utilisation pour projets académiques et commerciaux

🙏 Remerciements

• Kaggle pour les datasets de qualité
• Streamlit pour l'écosystème dashboard
• Communauté Python pour les librairies exceptionnelles

---

📧 Contact : soboure.bello@gmail.com 🔗 Portfolio : https://github.com/soboure69 💼 LinkedIn : https://www.linkedin.com/in/sobourebello/

Développé avec ❤️ pour la communauté Data Science