Espace apprenant

Analyse de données

Comprendre et réduire le churn client

Les résiliations augmentent. Définissez le churn, trouvez les signaux précurseurs et livrez une liste de rétention actionnable.

Intermédiaire 3 h 45SQLPython

Avant de commencer

  • Les exercices Python et SQL s’exécutent dans le navigateur : aucune installation locale n’est nécessaire pour les contrôles guidés.
  • Réservez environ 3 h 45 pour les étapes guidées, puis 60 à 90 minutes pour finaliser, documenter et partager le dossier.

Le contexte

Vous êtes Data Analyst chez FitPulse, un service d'abonnement sportif présent au Maroc et en Europe.

La direction connaît le nombre de résiliations, mais pas leur cause ni les clients qu'il faut contacter avant le départ. Les contrats, usages mensuels, incidents de paiement et tickets support vivent dans des tables différentes.

Votre mission est de construire une définition défendable du churn, mesurer les cohortes et les plans, repérer les signaux qui précèdent une résiliation, puis produire une liste de clients actifs à risque avec une intervention adaptée.

Ce que vous allez construire

  • Une définition documentée du churn et de la population observée
  • Des requêtes SQL de taux global, par plan et par cohorte
  • Une analyse Python des signaux d'usage, support et paiement
  • Une liste priorisée des clients actifs à risque avec MRR exposé
  • Un playbook de rétention par motif et un mémo exécutif
  • Un dossier SQL/notebook, PDF et README avec tests de régression

Les étapes

  1. 1. Définir — Ce que churn veut dire3 tâches · 25 min
  2. 2. Mesurer — Établir le taux de référence3 tâches · 40 min
  3. 3. Diagnostiquer — Trouver le signal avant le départ3 tâches · 45 min
  4. 4. Prioriser — Construire la file de rétention3 tâches · 45 min
  5. 5. Concevoir — Le playbook et le dashboard3 tâches · 40 min
  6. 6. Livrer — Une étude de cas responsable4 tâches · 30 min