Bank Marketing

Description

‍

Le dataset Bank Marketing compile des données provenant de campagnes de marketing direct menées par une banque portugaise. Chaque ligne représente un appel téléphonique réalisé pour promouvoir un dépôt à terme, avec des informations comme l'âge, la profession, le statut marital, l'historique bancaire, etc. L’objectif est de prédire si le client acceptera ou non l’offre.

‍

‍

À quoi sert ce dataset ?

‍

• Entraîner des modèles de classification supervisée (ex. : arbre de décision, logistic regression, random forest)
• Optimiser les campagnes marketing selon les profils clients les plus susceptibles de souscrire
• Analyser l’influence de variables socio-démographiques sur les comportements bancaires

‍

‍

Peut-on l’enrichir ou l’améliorer ?

‍

Oui, on peut enrichir le dataset en y ajoutant des indicateurs comportementaux issus de données réelles ou simulées (ex. : historique de navigation, e-mails marketing). Il est aussi possible de recoder certaines variables pour les rendre plus exploitables (binning, encodage, etc.) ou d’entraîner des modèles sur des versions réduites pour des benchmarks.

‍

‍

🔎 En résumé

‍

‍

🧠 Recommandé pour

• Analystes marketing
• Étudiants en machine learning
• Démonstrations de scoring client

‍

‍

🔧 Outils compatibles

• Scikit-learn
• LightGBM
• Orange
• Jupyter
• Tableau

‍

‍

💡 Astuce

Testez différentes combinaisons de variables pour détecter les profils client les plus sensibles aux relances téléphoniques.