• Acquérir une méthodologie éprouvée d’analyse de données et de mise au point d’un modèle de prévision de la demande.
• Se sensibiliser aux techniques statistiques pour la prévision : connaître les principales gammes de modèles, leurs avantages et inconvénients, ainsi que le lien avec l’expertise métier.
• Principales caractéristiques et avantages.
• Description de la syntaxe et des mots clefs les plus utiles.
• Bonnes pratiques de programmation en R.
• Installation du logiciel et de l’environnement de travail.
Eclairer les données et la problématique
• Prise en main des données en visualisant les chroniques.
• De la donnée brute à la donnée exploitable (méthodes de prétraitement des données).
• Identification des caractéristiques structurantes des données (indicateurs numériques et graphiques, saisonnalités, facteurs explicatifs).
• Définition de la problématique, des enjeux et des critères de qualité des prévisions.
Construire une modélisation pertinente de la demande
• Quels modèles envisager au vu des caractéristiques des données ? Présentation de plusieurs modèles classiques : modèles autorégressifs (S)AR(I)MA(X), modèles linéaires.
• Mise en œuvre des différents modèles avec le logiciel R.
• Comment choisir un bon modèle : analyse de la qualité des résultats de prévision (performance d’ajustement, généralisation).
Pour aller plus loin
• D’autres types de modèles envisageables (modèles fréquentiels).
• Comment réaliser des graphiques pertinents (package ggplot).
• Pérenniser son travail sous R.
2 jours
81 rue Saint Lazare – 75009 Paris – France
Intéressé par cette formation ? Inscrivez-vous !
