crmdata.Rmd

---
title: "crm"
author: "laurent"
date: "19/11/2019"
output:
  html_document: default
  pdf_document: default
---

```{r}
library(summarytools)
library(corrplot)
library(PerformanceAnalytics)
library(ggplot2)
library(FactoMineR)
```


# Importation fichier de donnée

```{r cars}
crmdata = read.csv('CRM - data.csv', row.names=1)
crmdata
```

```{r}
view(dfSummary(crmdata))
```

```{r}
corrplot(cor(crmdata[,c(3:6, 8)]))
```

```{r}
pairs(crmdata, col=hcl.colors(3)[crmdata$Origine], pch=19, lower.panel=NULL)
par(xpd=T)
legend('bottomleft', fill=hcl.colors(3), legend=unique(crmdata$Origine))
```

```{r}
qplot(Origine, Poids, data=crmdata, color=Origine, geom=c('boxplot'))
```

```{r}
apply(crmdata[,c(3:6, 8)], 2, tapply, crmdata$Origine, mean)
```

```{r}
barplot(
  prop.table(table(crmdata$MarquePref, crmdata$Origin), 2),
  legend=T,
  col=hcl.colors(length(levels(crmdata$MarquePref)), alpha=0.6),
  args.legend=list(x="bottom", inset=-0.3, horiz=T)
  )

```


```{r}
barplot(
  prop.table(table(crmdata$MarquePref, crmdata$Sexe), 2),
  legend=T,
  col=hcl.colors(length(levels(crmdata$MarquePref)), alpha=0.6),
  args.legend=list(x="bottom", inset=-0.3, horiz=T)
  )
```

```{r}
qplot(Origine, MontantFacture, data=crmdata, color=MarquePref, geom=c('boxplot'))
```

```{r}
summary.PCA(PCA(crmdata[, c(3:6, 8)]))
```



## Obervations et conclusion

- Les plus gros acheteurs sont les Plutoniens, qui achètent toutes les marques équitablement.
- Les terriens et marsiens consomment d'une façon similaire, A et C à 50-50 mais peu de B et D
- Les femmes achètent des chaussures chères et viennent de pluton
- Si on a un nouveau produit, le proposer d'abord aux plutoniens qui sont gros des consommateurs (plutot modèle femme)
-