Veuillez utiliser cette adresse pour citer ce document : http://repository.enp.edu.dz/jspui/handle/123456789/11086
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBerrabah, Hamza-
dc.contributor.authorNourine, Billel-
dc.contributor.otherArki, Oussama, Directeur de thèse-
dc.contributor.otherHamana, Youcef, Directeur de thèse-
dc.date.accessioned2024-11-04T08:23:58Z-
dc.date.available2024-11-04T08:23:58Z-
dc.date.issued2024-
dc.identifier.otherEP00819-
dc.identifier.urihttp://repository.enp.edu.dz/jspui/handle/123456789/11086-
dc.descriptionMémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificiel : Alger, École Nationale Polytechnique : 2024fr_FR
dc.description.abstractLe secteur bancaire algérien, en constante évolution, nécessite des outils efficaces pour mesurer et améliorer la performance de ses agences. Société Générale Algérie (SGA), filiale du groupe mondial Société Générale, doit relever ces défis pour rester compétitive. Ce projet de fin d’études propose un modèle d’analyse de la performance et de prédiction de la rentabilité des agences bancaires de SGA, intégrant la Business Intelligence, l’analyse statistique et la modélisation prédictive. L’objectif est de proposer un système d’aide à la décision stratégique, permettant d’évaluer avec précision la performance actuelle à travers des indicateurs clés de performance (KPIs) et de développer des modèles prédictifs robustes pour estimer la rentabilité future des agences, renforçant ainsi la compétitivité de SGA dans un marché de plus en plus digitalisé et exigeantfr_FR
dc.language.isofrfr_FR
dc.subjectPerformancefr_FR
dc.subjectPrédictionfr_FR
dc.subjectRentabilitéfr_FR
dc.subjectKPIsfr_FR
dc.subjectBusiness Intelligencefr_FR
dc.subjectModélisationfr_FR
dc.titleMesure de la performance et prédiction de la rentabilité des agences bancaires par l'intelligence artificielle et la business intelligence : application à la société générale Algériefr_FR
dc.typeThesisfr_FR
Collection(s) :Département Génie industriel : Data Science_Intelligence Artificielle

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
PFE.2024.DSIA.BERRABAH.Hamza_NOURINE.Billel.pdfPI021245.63 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.