import pyodbc
import pandas as pd
import pandasql as ps
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import os

sns.set_context("paper", font_scale=0.9)  
from warnings import filterwarnings
filterwarnings('ignore')

DB = {'servername': 'DESKTOP-RUJ1AK0', 'database': 'BANQUE'}
conn = pyodbc.connect('DRIVER={SQL Server};   SERVER=' + DB['servername'] + ';  DATABASE=' + DB['database']  )
cur= conn.cursor()
print("Connexion établie")

Connexion établie

query = "SELECT TOP 3 * FROM COMPTE;"
df = pd.read_sql(query, conn)
df

query="EXEC sp_RENAME 'compte.DMACCT' , 'NOCOMPTE', 'COLUMN'";
cur.execute(query)
print('Modification éffectuée')

Modification éffectuée

query="EXEC sp_RENAME 'compte.DMTYP' , 'TYPE', 'COLUMN'";
cur.execute(query)
print('Modification éffectuée')

Modification éffectuée

query="EXEC sp_RENAME 'compte.CUSEX' , 'SEXE', 'COLUMN'";
cur.execute(query)
print('Modification éffectuée')

Modification éffectuée

query="EXEC sp_RENAME 'compte.CUBDTE' , 'DATENAIS', 'COLUMN'  ";
cur.execute(query)
print('Modification éffectuée')

Modification éffectuée

query="EXEC sp_RENAME 'compte.DMCBAL' , 'BALANCE', 'COLUMN'";
cur.execute(query)
print('Modification éffectuée')

Modification éffectuée

query="EXEC sp_RENAME 'compte.DMSTAT' , 'STATUT', 'COLUMN'";
cur.execute(query)
print('Modification éffectuée')

Modification éffectuée

query="EXEC sp_RENAME 'compte.CUNBR' , 'NUMERO', 'COLUMN'";
cur.execute(query)
print('Modification éffectuée')

Modification éffectuée

query="EXEC sp_RENAME 'compte.DMBRCH' , 'BRANCH', 'COLUMN'";
cur.execute(query)
print('Modification éffectuée')

Modification éffectuée

query = "select column_name,data_type from INFORMATION_SCHEMA.COLUMNS NomColonnes where TABLE_NAME='COMPTE';" 
df1 = pd.read_sql(query, conn) 
df1

query="ALTER TABLE COMPTE ADD TYPE_COMPTE VARCHAR(25)";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="""
UPDATE COMPTE SET TYPE_COMPTE = 
			   CASE WHEN type=1 THEN 'Compte Epargne'
			        WHEN type=6 THEN 'Compte Courant'
			        WHEN type=5 THEN 'Compte de Prêt'
			        WHEN type=3 THEN 'Dépôt à terme'
			        ELSE 'Autres'
			   END
               commit
               """
cur.execute(query)
print('Mise à jour effectuée')

Mise à jour effectuée

query = " select top 5 nocompte,type,type_compte from compte;" 
df = pd.read_sql(query, conn) 
df

query="ALTER TABLE COMPTE ADD SEXE_CLIENT VARCHAR(10)";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="""
UPDATE COMPTE SET SEXE_CLIENT = 
			   CASE WHEN sexe ='M' THEN 'Homme'
			        WHEN sexe ='F' THEN 'Femme'
			        ELSE 'Autres'
			   END
               commit
               """
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query = " select top 5 nocompte, sexe ,sexe_client from compte;" 
df1 = pd.read_sql(query, conn) 
df1

query="ALTER TABLE COMPTE ADD STATUT_COMPTE VARCHAR(10)";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="""
UPDATE COMPTE SET STATUT_COMPTE = 
			   CASE WHEN statut =1 THEN 'Ouvert'
			        WHEN statut =3 THEN 'No Débit'
                    WHEN statut =5 THEN 'Dormant'
			        WHEN statut =7 THEN 'Fermé'
			        ELSE 'Autres'
			   END
               commit
               """
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query = " select top 5 nocompte, statut ,statut_compte from compte;" 
df1 = pd.read_sql(query, conn) 
df1

query="ALTER TABLE COMPTE ADD ANNEE INT";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="UPDATE COMPTE SET ANNEE =YEAR(DATENAIS)" 
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query = " select top 5 nocompte, statut ,statut_compte,annee from compte;" 
df1 = pd.read_sql(query, conn) 
df1

query="ALTER TABLE COMPTE ADD MOIS INT";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="UPDATE COMPTE SET MOIS =MONTH(DATENAIS)" 
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query = " select top 5 nocompte, statut ,statut_compte,mois from compte;" 
df1 = pd.read_sql(query, conn) 
df1

query="ALTER TABLE COMPTE ADD JOUR INT";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="UPDATE COMPTE SET JOUR =DAY(DATENAIS)" 
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query = " select top 5 nocompte, statut ,statut_compte,jour from compte;" 
df1 = pd.read_sql(query, conn) 
df1

query="ALTER TABLE COMPTE ADD NOMMOIS VARCHAR(15)";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="UPDATE COMPTE SET NOMMOIS =DATENAME(mm,DATENAIS)"
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query="ALTER TABLE COMPTE ADD NOMJOUR VARCHAR(15)";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="UPDATE COMPTE SET NOMJOUR =DATENAME(dw,DATENAIS)"
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query="ALTER TABLE COMPTE ADD AGE INT";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="UPDATE COMPTE SET AGE =YEAR(getdate())-YEAR(DATENAIS) "
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query="ALTER TABLE COMPTE ADD RANG_AGE VARCHAR(15)";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="""
UPDATE COMPTE SET RANG_AGE = 
			   CASE WHEN age <30  THEN 'Moins que 30'
			        WHEN age between 30 and 50 THEN 'Entre 30 & 50'
                    WHEN age between 50 and 70 THEN 'Entre 50 & 70'
			        WHEN age >=70 THEN 'Plus que 70'
			        ELSE 'Autres'
			   END
               commit
               """
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query="ALTER TABLE COMPTE ADD SUCC VARCHAR(15)";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="""
UPDATE COMPTE SET SUCC = 
			   CASE WHEN branch =1 THEN 'LGN'
			        WHEN branch =2 THEN 'GNV'
                    WHEN branch =3 THEN 'FTL'
			        WHEN branch =4 THEN 'CAY'
			        ELSE 'FDN'
			   END
               commit
               """
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query="ALTER TABLE COMPTE ADD ZONE VARCHAR(15)";
cur.execute(query)
print('Nouvelle colonne ajoutée')

Nouvelle colonne ajoutée

query="""
UPDATE COMPTE SET ZONE = 
			   CASE WHEN branch =1 THEN 'OUEST'
			        WHEN branch =2 THEN 'NORD'
                    WHEN branch =3 THEN 'NORD'
			        WHEN branch =4 THEN 'SUD'
			        ELSE 'EST'
			   END
               commit
               """
cur.execute(query)
print('Mise à jour éffectuée')

Mise à jour éffectuée

query = " select * from compte;" 
df1 = pd.read_sql(query, conn) 
df1.head(3)

query = "SELECT SUCC,count(NOCOMPTE) as QUANTITE from COMPTE group by SUCC"
df = pd.read_sql(query, conn) 
df

sns.set_context("paper", font_scale=0.9)  
plt.figure(figsize=(12,4))
colors = sns.color_palette("Spectral")
plt.subplot(1,2,1)
plt.pie(df['QUANTITE'], labels=df['SUCC'], autopct='%1.1f%%',colors = colors)
plt.title('Répartition des comptes par succursale')

plt.subplot(1,2,2)
sns.set_style("white")
sns.barplot(x=df["SUCC"],y=df["QUANTITE"],data=df,hue=df["SUCC"],palette="Spectral").set_title("Répartition des comptes par succursale");
plt.show()

query = "SELECT TYPE_COMPTE,count(NOCOMPTE) as QUANTITE from COMPTE group by TYPE_COMPTE"
df = pd.read_sql(query, conn) 
df

plt.figure(figsize=(12,4))
colors = sns.color_palette("Spectral")
plt.subplot(1,2,1)
plt.pie(df['QUANTITE'], labels=df['TYPE_COMPTE'], autopct='%1.1f%%',colors = colors)
plt.title('Répartition des comptes par Succursale')

plt.subplot(1,2,2)
sns.set_style("white")
sns.barplot(x='TYPE_COMPTE',y='QUANTITE',data=df,hue="TYPE_COMPTE",palette="Spectral").set_title("Répartition des comptes par Succursale");
plt.show()

query = """
SELECT SUCC, TYPE_COMPTE, COUNT(NUMERO) QUANTITE
from COMPTE 
group by SUCC,TYPE_COMPTE
ORDER BY SUCC
"""
df = pd.read_sql(query, conn)
df

plt.figure(figsize = (12,4))
sns.set_style("white")
sns.barplot(x=df.SUCC,y=df.QUANTITE,data=df,hue="TYPE_COMPTE",palette="pastel").set_title("Répartition des comptes par Succursale et type");
plt.xlabel("Succursales")
plt.ylabel("Nombre de compte")

Text(0, 0.5, 'Nombre de compte')

query = """
SELECT SUCC ,TYPE_COMPTE, CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION 
from COMPTE 
group by SUCC,TYPE_COMPTE
ORDER BY SUCC
"""
df = pd.read_sql(query, conn)
df

plt.figure(figsize = (12,4))
sns.barplot(x=df.SUCC,y=df.TOTAL_MILLION,data=df,hue="TYPE_COMPTE",palette="Spectral" , estimator=sum).set_title(
    "Répartition de la balance des comptes par Succursale et type de compte");
plt.xlabel("Succursales")
plt.ylabel("Montant en million")

Text(0, 0.5, 'Montant en million')

query = "SELECT ZONE,count(NOCOMPTE) as QUANTITE from COMPTE group by ZONE"
df = pd.read_sql(query, conn) 
df

plt.figure(figsize=(12,4))
colors = sns.color_palette("Spectral")
plt.subplot(1,2,1)
plt.pie(df['QUANTITE'], labels=df['ZONE'], autopct='%1.1f%%',colors = colors)
plt.title('Répartition des comptes par zone')

plt.subplot(1,2,2)
sns.set_style("white")
sns.barplot(x='ZONE',y='QUANTITE',data=df,hue="ZONE",palette="Spectral").set_title("Répartition des comptes par zone");
plt.show()

query = "SELECT SEXE_CLIENT,count(NOCOMPTE) as QUANTITE from COMPTE group by SEXE_CLIENT"
df = pd.read_sql(query, conn) 
df

plt.figure(figsize=(12,4))
colors = sns.color_palette("Spectral")
plt.subplot(1,2,1)
plt.pie(df['QUANTITE'], labels=df['SEXE_CLIENT'], autopct='%1.1f%%',colors = colors)
plt.title('Répartition des comptes par zone')

plt.subplot(1,2,2)
sns.set_style("white")
sns.barplot(x='SEXE_CLIENT',y='QUANTITE',data=df,hue="SEXE_CLIENT",palette="Spectral").set_title("Répartition des comptes par zone");
plt.show()

query = "SELECT STATUT_COMPTE,count(NOCOMPTE) as QUANTITE from COMPTE group by STATUT_COMPTE"
df = pd.read_sql(query, conn) 
df

plt.figure(figsize=(12,4))
colors = sns.color_palette("Spectral")
plt.subplot(1,2,1)
plt.pie(df['QUANTITE'], labels=df['STATUT_COMPTE'], autopct='%1.1f%%',colors = colors)
plt.title('Répartition des comptes par statut')

plt.subplot(1,2,2)
sns.set_style("white")
sns.barplot(x='STATUT_COMPTE',y='QUANTITE',data=df,hue="STATUT_COMPTE",palette="Spectral").set_title("Répartition des comptes par statut");
plt.show()

query = "SELECT RANG_AGE ,count(NOCOMPTE) as QUANTITE from COMPTE group by RANG_AGE"
df = pd.read_sql(query, conn) 
df

plt.figure(figsize=(12,4))
colors = sns.color_palette("Spectral")
plt.subplot(1,2,1)
plt.pie(df['QUANTITE'], labels=df['RANG_AGE'], autopct='%1.1f%%',colors = colors)
plt.title("Répartition des comptes par tranche d'âge")

plt.subplot(1,2,2)
sns.set_style("white")
sns.barplot(x='RANG_AGE',y='QUANTITE',data=df,hue="RANG_AGE",palette="Spectral").set_title("Répartition des comptes par tranche d'âge");
plt.show()

query = """
SELECT ZONE,SUCC, CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION ,
CAST(SUM(BALANCE)*100/(SELECT SUM(BALANCE) FROM COMPTE) AS DECIMAL(10,2))  AS POURCENTAGE
from COMPTE group by ZONE,SUCC
ORDER BY TOTAL_MILLION
"""
df = pd.read_sql(query, conn)
df

plt.figure(figsize=(12,4))
sns.set_style("white")
sns.barplot(x='SUCC',y='TOTAL_MILLION',data=df,hue="SUCC",palette="Spectral").set_title("Répartition la balance totale des comptes par succursale");
plt.ylabel("Montant en million")
plt.show()

query = """
SELECT TYPE_COMPTE,SUCC, CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION,
CAST(SUM(BALANCE)*100/(SELECT SUM(BALANCE) FROM COMPTE) AS DECIMAL(10,2))  AS POURCENTAGE
from COMPTE group by TYPE_COMPTE,SUCC
ORDER BY TOTAL_MILLION
"""
df = pd.read_sql(query, conn)
df

plt.figure(figsize=(12,4))
sns.set_style("white")
sns.barplot(x='TYPE_COMPTE',y='TOTAL_MILLION',data=df,hue="SUCC",palette="Spectral").set_title(
    "Répartition la balance totale des comptes par type de compte et succursale");
plt.ylabel("Montant en million")
plt.show()

query = """
SELECT ZONE, TYPE_COMPTE,CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION,
CAST(SUM(BALANCE)*100/(SELECT SUM(BALANCE) FROM COMPTE) AS DECIMAL(10,2))  AS POURCENTAGE
from COMPTE group by ZONE,TYPE_COMPTE
ORDER BY TOTAL_MILLION
"""
df = pd.read_sql(query, conn)
df

plt.figure(figsize=(12,4))
sns.set_style("white")
sns.barplot(x='ZONE',y='TOTAL_MILLION',data=df,hue="TYPE_COMPTE",palette="Spectral").set_title(
    "Répartition la balance totale des comptes par zône géographique et type de compte");
plt.ylabel("Montant en million")
plt.show()

query = """
SELECT SEXE_CLIENT,TYPE_COMPTE, CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION ,
CAST(SUM(BALANCE)*100/(SELECT SUM(BALANCE) FROM COMPTE) AS DECIMAL(10,2))  AS POURCENTAGE
from COMPTE group by SEXE_CLIENT,TYPE_COMPTE
ORDER BY TOTAL_MILLION
"""
df = pd.read_sql(query, conn)
df

plt.figure(figsize=(12,4))
sns.set_style("white")
sns.barplot(x='SEXE_CLIENT',y='TOTAL_MILLION',data=df,hue="TYPE_COMPTE",palette="Spectral").set_title(
    "Répartition la balance totale des comptes par sexe et type de compte");
plt.ylabel("Montant en million")
plt.show()

query = """
SELECT TYPE_COMPTE, STATUT_COMPTE,CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION,
CAST(SUM(BALANCE)*100/(SELECT SUM(BALANCE) FROM COMPTE) AS DECIMAL(10,2))  AS POURCENTAGE
from COMPTE group by TYPE_COMPTE,STATUT_COMPTE
ORDER BY TOTAL_MILLION
"""
df = pd.read_sql(query, conn)
df

plt.figure(figsize=(12,4))
sns.set_style("white")
sns.barplot(x='TYPE_COMPTE',y='TOTAL_MILLION',data=df,hue="STATUT_COMPTE",palette="Spectral").set_title(
    "Répartition la balance totale des comptes par type de compte et statut");
plt.ylabel("Montant en million")
plt.show()

query = """
SELECT ZONE,RANG_AGE, CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION,
CAST(SUM(BALANCE)*100/(SELECT SUM(BALANCE) FROM COMPTE) AS DECIMAL(10,2))  AS POURCENTAGE
from COMPTE group by ZONE, RANG_AGE
ORDER BY TOTAL_MILLION
"""
df = pd.read_sql(query, conn)
df

plt.figure(figsize=(12,4))
sns.set_style("white")
sns.barplot(x='ZONE',y='TOTAL_MILLION',data=df,hue="RANG_AGE",palette="Spectral").set_title(
    "Répartition la balance totale des comptes par tranche zône et tranche d'âge");
plt.show()

query = """
SELECT ZONE,SUCC,TYPE_COMPTE, CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION, 
CAST(SUM(BALANCE)*100/(SELECT SUM(BALANCE) FROM COMPTE) AS DECIMAL(10,2))  AS POURCENTAGE
from COMPTE group by ZONE,SUCC,TYPE_COMPTE
ORDER BY ZONE
"""
df = pd.read_sql(query, conn)
df

query = "SELECT ANNEE,SEXE_CLIENT, COUNT(NOCOMPTE) QUANTITE from COMPTE group by ANNEE,SEXE_CLIENT ORDER BY ANNEE"
df = pd.read_sql(query, conn)
df

plt.figure(figsize=(16,4))
data=df
sns.set_style("white")
sns.barplot(x="ANNEE",y="QUANTITE",data=data,palette="Spectral",hue="SEXE_CLIENT").set_title(
    "Répartition des comptes par sexe et année de naissance du client");
plt.show()

query = """
	WITH CTE AS
	(
	SELECT TYPE_COMPTE,NUMERO, CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION,
	RANK() OVER( PARTITION BY TYPE_COMPTE ORDER BY CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) DESC) AS RANG from COMPTE 
	GROUP BY TYPE_COMPTE,NUMERO)
	SELECT * FROM CTE WHERE RANG<=5 ORDER BY TYPE_COMPTE
"""

df = pd.read_sql(query, conn)
df

query = """
	WITH CTE AS
	(
	SELECT SUCC,NUMERO, CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) TOTAL_MILLION,
	RANK() OVER( PARTITION BY SUCC ORDER BY CAST(SUM(BALANCE)/1000000 AS DECIMAL(10,2)) DESC) AS RANG from COMPTE 
	GROUP BY SUCC,NUMERO)
	SELECT * FROM CTE WHERE RANG<=2 ORDER BY SUCC
"""

df = pd.read_sql(query, conn)
df

	NOCOMPTE	TYPE	BRANCH	SEXE	DATENAIS	BALANCE	STATUT	NUMERO
0	4141000226	6	1	M	1954-01-03	0.02	1	1028649
1	1610053064	3	5	M	1954-01-03	0.12	1	5253
2	410044628	3	4	M	1954-01-03	0.13	5	42087

	nocompte	statut	statut_compte	annee
0	4141000226	1	Ouvert	1954
1	1610053064	1	Ouvert	1954
2	410044628	5	Dormant	1954
3	2110022595	1	Ouvert	1954
4	2410015269	5	Dormant	1954

	ANNEE	SEXE_CLIENT	QUANTITE
0	1942	Femme	28
1	1942	Homme	44
2	1943	Homme	84
3	1943	Femme	51
4	1944	Homme	88
...	...	...	...
83	1983	Homme	432
84	1984	Homme	372
85	1984	Femme	161
86	1985	Homme	293
87	1985	Femme	64

	TYPE_COMPTE	NUMERO	TOTAL_MILLION	RANG
0	Compte Courant	387277	30.01	1
1	Compte Courant	797017	27.45	2
2	Compte Courant	810018	24.76	3
3	Compte Courant	87151	24.08	4
4	Compte Courant	412932	23.01	5
5	Compte de Prêt	89436	25.87	1
6	Compte de Prêt	89434	24.08	2
7	Compte de Prêt	89432	21.35	3
8	Compte de Prêt	89430	20.93	4
9	Compte de Prêt	89425	19.48	5
10	Compte Epargne	543318	14.45	1
11	Compte Epargne	194212	13.08	2
12	Compte Epargne	148969	12.70	3
13	Compte Epargne	928944	11.59	4
14	Compte Epargne	526328	11.32	5
15	Dépôt à terme	92507	21.95	1
16	Dépôt à terme	92617	20.00	2
17	Dépôt à terme	91673	20.00	2
18	Dépôt à terme	16081	18.68	4
19	Dépôt à terme	32159	18.11	5

	SUCC	NUMERO	TOTAL_MILLION	RANG
0	CAY	84115	15.71	1
1	CAY	85865	11.18	2
2	FDN	797017	27.45	1
3	FDN	92507	21.95	2
4	FTL	810018	24.76	1
5	FTL	92617	20.00	2
6	GNV	50346	19.42	1
7	GNV	66215	13.93	2
8	LGN	387277	30.01	1
9	LGN	89436	25.87	2

	column_name	data_type
0	NOCOMPTE	nvarchar
1	TYPE	int
2	BRANCH	int
3	SEXE	nvarchar
4	DATENAIS	date
5	BALANCE	float
6	STATUT	int
7	NUMERO	int

	TYPE_COMPTE	QUANTITE
0	Compte Courant	6299
1	Compte de Prêt	11435
2	Dépôt à terme	4890
3	Compte Epargne	14303

	SUCC	TYPE_COMPTE	QUANTITE
0	CAY	Compte Epargne	1550
1	CAY	Compte de Prêt	990
2	CAY	Dépôt à terme	40
3	CAY	Compte Courant	1271
4	FDN	Compte Epargne	1923
5	FDN	Compte de Prêt	2278
6	FDN	Compte Courant	669
7	FDN	Dépôt à terme	2553
8	FTL	Compte de Prêt	2518
9	FTL	Dépôt à terme	338
10	FTL	Compte Epargne	5945
11	FTL	Compte Courant	1292
12	GNV	Compte Epargne	1980
13	GNV	Dépôt à terme	1055
14	GNV	Compte Courant	148
15	GNV	Compte de Prêt	960
16	LGN	Compte Courant	2919
17	LGN	Compte Epargne	2905
18	LGN	Compte de Prêt	4689
19	LGN	Dépôt à terme	904

	SUCC	TYPE_COMPTE	TOTAL_MILLION
0	CAY	Compte Epargne	120.87
1	CAY	Compte de Prêt	28.48
2	CAY	Dépôt à terme	14.81
3	CAY	Compte Courant	282.23
4	FDN	Compte Epargne	395.05
5	FDN	Compte de Prêt	379.09
6	FDN	Compte Courant	238.48
7	FDN	Dépôt à terme	781.03
8	FTL	Compte de Prêt	202.74
9	FTL	Dépôt à terme	147.06
10	FTL	Compte Epargne	532.21
11	FTL	Compte Courant	268.60
12	GNV	Compte Epargne	123.18
13	GNV	Dépôt à terme	161.50
14	GNV	Compte Courant	44.98
15	GNV	Compte de Prêt	23.52
16	LGN	Compte Courant	992.80
17	LGN	Compte Epargne	337.44
18	LGN	Compte de Prêt	1448.00
19	LGN	Dépôt à terme	501.25

	ZONE	SUCC	TOTAL_MILLION	POURCENTAGE
0	NORD	GNV	353.17	5.03
1	SUD	CAY	446.39	6.36
2	NORD	FTL	1150.62	16.38
3	EST	FDN	1793.64	25.54
4	OUEST	LGN	3279.48	46.69

	TYPE_COMPTE	SUCC	TOTAL_MILLION	POURCENTAGE
0	Dépôt à terme	CAY	14.81	0.21
1	Compte de Prêt	GNV	23.52	0.33
2	Compte de Prêt	CAY	28.48	0.41
3	Compte Courant	GNV	44.98	0.64
4	Compte Epargne	CAY	120.87	1.72
5	Compte Epargne	GNV	123.18	1.75
6	Dépôt à terme	FTL	147.06	2.09
7	Dépôt à terme	GNV	161.50	2.30
8	Compte de Prêt	FTL	202.74	2.89
9	Compte Courant	FDN	238.48	3.40
10	Compte Courant	FTL	268.60	3.82
11	Compte Courant	CAY	282.23	4.02
12	Compte Epargne	LGN	337.44	4.80
13	Compte de Prêt	FDN	379.09	5.40
14	Compte Epargne	FDN	395.05	5.62
15	Dépôt à terme	LGN	501.25	7.14
16	Compte Epargne	FTL	532.21	7.58
17	Dépôt à terme	FDN	781.03	11.12
18	Compte Courant	LGN	992.80	14.14
19	Compte de Prêt	LGN	1448.00	20.62

	SEXE_CLIENT	TYPE_COMPTE	TOTAL_MILLION	POURCENTAGE
0	Femme	Dépôt à terme	410.76	5.85
1	Femme	Compte Courant	539.04	7.68
2	Femme	Compte Epargne	544.31	7.75
3	Homme	Compte de Prêt	811.30	11.55
4	Homme	Compte Epargne	964.44	13.73
5	Homme	Dépôt à terme	1194.88	17.01
6	Femme	Compte de Prêt	1270.52	18.09
7	Homme	Compte Courant	1288.05	18.34

	TYPE_COMPTE	STATUT_COMPTE	TOTAL_MILLION	POURCENTAGE
0	Compte Courant	Fermé	3.41	0.05
1	Dépôt à terme	No Débit	19.34	0.28
2	Compte Courant	No Débit	28.27	0.40
3	Compte Epargne	No Débit	46.41	0.66
4	Dépôt à terme	Dormant	107.28	1.53
5	Compte Courant	Dormant	196.93	2.80
6	Compte Epargne	Dormant	210.42	3.00
7	Compte Epargne	Ouvert	1251.92	17.83
8	Dépôt à terme	Ouvert	1479.03	21.06
9	Compte Courant	Ouvert	1598.49	22.76
10	Compte de Prêt	Ouvert	2081.82	29.64

	ZONE	RANG_AGE	TOTAL_MILLION	POURCENTAGE
0	SUD	Plus que 70	6.59	0.09
1	EST	Plus que 70	6.67	0.09
2	NORD	Plus que 70	15.73	0.22
3	OUEST	Plus que 70	22.43	0.32
4	SUD	Entre 50 & 70	64.42	0.92
5	EST	Entre 50 & 70	94.06	1.34
6	NORD	Entre 50 & 70	322.97	4.60
7	OUEST	Entre 50 & 70	358.74	5.11
8	SUD	Entre 30 & 50	375.38	5.34
9	NORD	Entre 30 & 50	1165.09	16.59
10	EST	Entre 30 & 50	1692.92	24.10
11	OUEST	Entre 30 & 50	2898.31	41.27

Projet: SEGMENTATION DES CLIENTS ET DES COMPTES

Réalisation:Haral Valcourt

Présentation du projet

La demande formulée par la Direction du Marketing

L'avis de satisfaction exprimé par la Direction du Marketing

Outils technologiques

Jeu de données

Compréhension du jeu de données

Les étapes de l'implémentation

Importation des librairies

Création de la Base de Données

Importation des données

Connexion à la Base de Données

Renommage des colonnes

Affichage du nom des colonnes et des types de données

Modélisation des données

Ajout d'une colonne "TYPE_COMPTE" pour classifier les comptes

Mettre à jour la colonne "TYPE_COMPTE"

Ajout d'une colonne "SEXE_CLIENT" pour classifier le sexe

Mettre à jour la colonne "SEXE_CLIENT"

Ajout d'une colonne "STATUT_COMPTE" pour classifier le statut du compte

Mettre à jour la colonne STATUT_COMPTE

Ajouter un colonne "ANNEE" pour stocker l'année de naissance des clients

Ajouter un colonne "MOIS" pour stocker le mois de naissance des clients

Ajouter un colonne "JOUR" pour stocker le jour de naissance des clients

Ajouter une colonne "NOMMOIS" pour stocker le mois de naissance des clients

Ajouter une colonne "NOMJOUR" pour stocker le jour de naissance des clients

Ajouter une colonne "AGE" pour stocker l’âge des clients

Mettre à jour l’âge des clients

Ajouter une colonne "RANG_AGE" pour classifier l’âge des clients

Ajouter une colonne "SUCC" pour classifier les branches

Mettre à jour la colonne "SUCC"

Ajouter une colonne "ZONE" pour la gestion des zônes géographiques

Mettre à jour la colonne "ZONE"

Exploration des données

Répartition des comptes par succursale

Répartition des comptes par type

Répartition des comptes par Succursale et type

Répartition de la balance des comptes par succursale et type

Répartition des comptes par zone géographique

Répartition des comptes par sexe

Répartition des comptes par statut du compte

Répartition des comptes par tranche d'âge

Répartition la balance totale des comptes par zône et succursale

Répartition la balance totale des comptes par type de compte et succursale

Répartition la balance totale des comptes par zône géographique et type de compte

Répartition la balance totale des comptes par sexe et type de compte

Répartition la balance totale des comptes par type de compte et statut

Répartition la balance totale des comptes zône et tranche d'âge

Répartition la balance totale par zône, succursale et type de compte

Répartition des comptes par sexe et année de naissance du client

Afficher les 5 plus grands clients par produit

Afficher les 2 plus grands clients par Succursale

Visualisation des données avec MS Excel

Connexion de MS Excel avec MS SQL Server à traver Power Query

Importation des données de MS SQL Server

Nettoyage des données

Modelisation des données

Ajout d'une colonne "MOIS_ABREG"

Ajout d'une colonne "JOUR_ABREG"

Analyse et Visualisation des données

Définition des indicateurs de performance

Définition des graphiques exigés

Répartition des comptes par produit

Répartition des comptes par groupe d’âge

Répartition des comptes par Succursale

Répartition de la balance par Succursale

Répartition des comptes par produit et genre

Répartition des comptes par produit et statut

Répartition des comptes par produit et zône

Top cinq grands clients

Création du tableau de bord avec MS Excel

Interface de Segmentation des Clients

Fonctionnalités

Jeu de données

Rapports de segmentation selon la nature des comptes générés automatiquement

Rapports de segmentation selon la catégorie des comptes générés automatiquement