Contexte Métier
Une enseigne de grande distribution souhaite simplifier ses variables de comportement client (Récence, Fréquence, Montant, Visites Web) pour préparer une segmentation. Les analystes veulent travailler sur la covariance brute car les unités monétaires sont significatives et ils souhaitent limiter l'analyse aux 3 axes principaux.
Préparation des Données
Génération d'une table clients avec des métriques comportementales (Revenus, Dépenses, Ancienneté).
Copié !
| 1 | |
| 2 | DATA casuser.clients; |
| 3 | call streaminit(123); |
| 4 | DO id = 1 to 1000; |
| 5 | recence = rand('Integer', 1, 365); |
| 6 | frequence = rand('Poisson', 5); |
| 7 | montant = rand('Normal', 500, 100); |
| 8 | visites_web = rand('Integer', 0, 50); |
| 9 | OUTPUT; |
| 10 | END; |
| 11 | |
| 12 | RUN; |
| 13 |
Étapes de réalisation
1
Exécution de l'ACP sur matrice de covariance en limitant à 3 composantes.
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | pca.eig / TABLE={name="clients"} inputs={"recence", "frequence", "montant", "visites_web"} cov=true n=3 OUTPUT={casOut={name="client_scores", replace=true}, copyVars={"id"}} outStat={casOut={name="client_stats", replace=true}}; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Vérification des sorties (statistiques et scores).
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.fetch / TABLE="client_scores" to=5; |
| 4 | TABLE.fetch / TABLE="client_stats"; |
| 5 | |
| 6 | RUN; |
| 7 |
Résultat Attendu
L'action doit produire deux tables : 'client_stats' contenant les valeurs propres basées sur la covariance, et 'client_scores' contenant les 3 nouvelles colonnes (Prin1, Prin2, Prin3) ainsi que l'identifiant client copié.