Les 10 grands secrets d`utilisation du data mining pour une gestion

IBM Software
Business Analytics
Gestion de la Relation Client
Les 10 grands principes
de l’utilisation du data
mining pour une gestion
de la relation client réussie
Découvrir les stratégies ayant fait leurs preuves et les
meilleures pratiques
Introduction
Points clés :
•
Planifier et exécuter des projets réussis
de data mining à l’aide de IBM SPSS
Modeler.
•
Comprendre les rôles et les
responsabilités des membres de
l’équipe du projet.
•
Déterminer les données correspondant
aux objectifs de votre projet.
•
Développer la portée du data mining
pour obtenir des résultats encore
meilleurs.
Le data mining est désormais une approche courante. Cette approche,
qui permet de découvrir des schémas ou des connexions entre des
données auparavant inconnus, a été développée par des universitaires et
utilisée pour la première fois par les laboratoires de recherche
gouvernementaux. Elle joue désormais un rôle essentiel dans
l’amélioration de la prise de décisions de quasiment toutes les industries.
IBM® SPSS® Modeler est un outil de data mining efficace qui prend en
charge les améliorations de la gestion de la relation client (CRM).
Acquisition et fidélisation de la clientèle à moindres coûts, ciblage
amélioré des campagnes de marketing, vente croisée et vente incitative
plus efficaces pour améliorer la valeur économique du client : ces
exemples ne sont que quelques-unes des solutions que le data mining
apporte aux grandes entreprises. L’outil de data mining IBM SPSS est un
composant clé des analyses prédictives. Grâce aux analyses prédictives,
votre entreprise peut utiliser les informations obtenues par l’analyse des
données et diriger, optimiser et automatiser les interactions centrées sur
le client, n’importe où au sein de votre organisation.
SPSS a fait partie des pionniers dans le domaine de l’analyse des
données ; elle a été la première sur ce créneau et reste l’une des
applications logicielles les plus populaires et les plus largement utilisées.
En tant que nouveau membre de l’entreprise IBM, SPSS apporte ses
outils d’analyse de pointe et permet ainsi à IBM SPSS Modeler de se
placer en tête du marché des analyses prédictives.
Les offres d’IBM SPSS incluent des produits de référence dans le
domaine de la collecte de données, des statistiques et du data mining,
avec une plateforme unifiée prenant en charge la gestion et le
déploiement sécurisés des ressources d’analyse. Les outils de data mining
d’IBM SPSS sont basés sur les normes de l’industrie et peuvent
facilement s’intégrer à votre infrastructure existante pour améliorer
l’exactitude, réduire la main d’œuvre et minimiser les pertes. L’effort
conjugué d’IBM et de SPSS vous offre une flexibilité optimale et
s’adapte aux types de données que vous explorez et à la façon dont vous
déployez les résultats.
IBM Software
Business Analytics
Récapitulatif :
Les entreprises qui ont utilisé la solution
de data mining d’IBM SPSS pour
améliorer leur gestion de la relation client
ont une expérience extrêmement
intéressante à partager. Ce livre blanc
propose dix conseils utiles à votre
entreprise si celle-ci recherche des façons
de démarrer ou d’améliorer ses activités
de gestion de la relation client.
Gestion de la Relation Client
Si votre entreprise débute dans l’utilisation des solutions de data mining
d’IBM SPSS, vous pouvez profiter de l’expérience d’entreprises les
ayant utilisées. Elles ont découvert un certain nombres de conseils et de
tuyaux permettant de maximiser leur retour sur investissement : Ce qui
suit est un extrait de cette expérience : Les 10 grands principes de
l’utilisation du data mining pour une gestion de la relation client réussie.
1. La planification est la clé d’un projet de data
mining réussi
Tout comme pour n’importe quel projet important, la planification est
la moitié du succès. Il est essentiel que toute organisation ayant un
projet de data mining établisse d’abord les objectifs de ce projet d’un
point de vue commercial puis convertisse ces informations en une
stratégie de data mining cohérente et un plan de projet bien défini.
Planifiez le succès de votre projet de data mining en suivant ces trois
étapes :
•
•
•
Commencez en gardant la fin à l’esprit. Évitez le piège habituel qui
consiste à explorer des données sans définir d’objectifs commerciaux.
Avant de commencer la modélisation, définissez un projet qui prend en
charge les objectifs stratégiques de votre organisation. Par exemple,
votre objectif commercial peut être d’attirer des clients
supplémentaires ayant un profil semblable à celui de vos clients les plus
importants. Ou il peut être de fidéliser encore plus vos clients les plus
rentables.
Faites participer toutes les parties prenantes de l’entreprise. N’oubliez
pas d’inclure tous ceux qui ont un intérêt dans ce projet. Généralement,
les départements Finances, Ventes et Marketing sont concernés par les
statégies de gestion de la relation client à coûts réduits. Cependant, les
responsables des départements Base de données et Technologie de
l’information sont également des parties prenantes intéressées car leurs
équipes sont souvent appelées en renfort pour aider à l’exécution de ces
stratégies.
Définissez une stratégie de data mining réalisable. Planifiez comment
atteindre votre objectif en utilisant au mieux vos ressources. Les
ressources techniques et humaines doivent être prises en compte.
2. Définissez des objectifs spécifiques pour votre
projet de data mining
Avant de débuter un projet de data mining, clarifiez en quoi la solution
de data mining d’IBM SPSS peut vous aider à atteindre votre objectif.
Par exemple, si réduire le départ (ou « churn ») des clients est un
objectif stratégique, quel niveau d’amélioration souhaitez-vous voir ?
2
IBM Software
Business Analytics
Gestion de la Relation Client
Ensuite, utilisez un processus de data mining standard, comme
CRISP-DM (CRoss-Industry Standard Process for Data Mining).
CRISP-DM est une méthodologie de data mining complète et un
modèle de processus qui rend les gros projets de data mining plus
rapides, plus efficaces et moins coûteux. IBM SPSS adhère à cette
approche optimale du data mining, dont plusieurs autres compagnies de
premier plan sont co-auteurs, et la met au service de votre organisation
pour vous offrir des résultats exploitables. Le modèle CRISP-DM offre
des instructions pas-à-pas, des tâches et des objectifs pour chaque étape
du processus, comme la compréhension de l’activité, la compréhension
des données, la préparation des données, la modélisation, l’évaluation et
le déploiement. Cette méthodologie peut constituer un excellent point
de départ pour vos efforts de data mining en vous aidant à :
•
•
•
•
•
évaluer et hiérarchiser les problèmes commerciaux
élaborer des méthodes de data mining pour les résoudre
appliquer des techniques de data mining
interpréter les résultats de data mining
déployer et tenir à jour les résultats de data mining
Pour plus d’informations sur CRISP-DM, voir www.crisp-dm.org.
Créez ensuite un plan de projet vous permettant d’atteindre vos
objectifs, notamment une définition claire de ce que « réussir »
signifiera.
Enfin, effectuez une analyse coûts-avantages, en n’oubliant pas d’inclure
le coût de toutes les ressources nécessaires.
3. Recrutez une équipe de projet diversifiée
Une des erreurs habituelles commises par ceux qui découvrent le data
mining est de donner la responsabilité d’un projet de data mining à un
spécialiste de l’exploration de données. Or, parce que le data mining
nécessite une bonne compréhension du problème adressé et parce que
dans la majorité des organisations, les différents éléments permettant
une bonne compréhension de ce problème sont dispersés entre les
différentes disciplines et services, il est important de recruter une
équipe diversifiée pour votre projet. Par exemple, pour évaluer les
facteurs associés à l’attrition des clients, il vous faudra peut-être des
membres du service client, du service des études de marché ou même
du service de la facturation, ainsi que des membres avec des
connaissances spécifiques sur vos données et sur le data mining.
En fonction de votre objectif, il vous faudra peut-être des représentants
de certains ou de tous les rôles suivants : sponsor du projet, responsable
du projet expert commercial, spécialiste de l’exploration de données,
expert en données et sponsor IT. Certains projets peuvent nécessiter
deux ou trois personnes, d’autres beaucoup plus.
3
IBM Software
Business Analytics
Gestion de la Relation Client
4. Rassemblez les données appropriées
Pour réussir votre projet, vous devez connaître les types de données
disponibles et les conditions dans lesquelles ces données se trouvent.
Commencez par des données facilement accessibles. Il n’est pas
nécessaire qu’il y en ait une grande quantité ni qu’elles soient
organisées dans un entrepôt de données. De nombreux projets de data
mining pertinents sont effectués sur des ensembles de données de petite
taille ou de taille moyenne et certains ne contiennent que quelques
centaines ou quelques milliers de fiches. Par exemple, à partir d’un
échantillon de fiches client, vous pouvez être capable de déterminer les
produits de votre entreprise qui sont généralement achetés par des
clients correspondant à un certain profil démographique. Cela vous
permet de prévoir ce que les autres clients pourraient acheter ou quelle
offre pourrait leur plaire le plus.
5. Assurez la participation du service IT
Le service IT est un élément important de la réussite de tout projet de
data mining. N’oubliez pas que l’outil de data mining que vous
choisissez jouera un rôle important dans la participation de votre
service IT. Cet outil de data mining devra intégrer votre infrastructure
de données existante (bases de données, entrepôts de données et
magasins de données importants) et devra proposer un accès libre aux
données ainsi que la possibilité d’améliorer les bases de données
existantes avec des évaluations et des prévisions générées par le data
mining.
6. Sélectionnez la solution de data mining
appropriée
IBM SPSS Modeler fait gagner du temps aux organisations et améliore
le flux des analyses en prenant en charge chaque étape du processus,
assurant ainsi l’efficacité et le succès du projet de data mining. Une
solution intégrée est particulièrement importante lors de
l’incorporation de types de données supplémentaires, telles que des
données textuelles, ou des données provenant d’Internet ou d’enquêtes.
Cela est dû au fait que chaque type de données peut provenir d’un
système différent et existe sous de nombreux formats différents.
L’utilisation d’une solution intégrée permet à vos analystes de suivre un
raisonnement de manière efficace, quel que soit le type de données que
comporte l’analyse.
L’intégration est également importante pendant la phase de « gestion
des décisions » de l’analyse prédictive. La gestion des décisions
détermine les actions qui offriront les meilleurs résultats possibles puis
transmet ensuite ces actions recommandées aux systèmes et aux
personnes qui peuvent correctement les mettre en œuvre.
Pour prendre en charge la gestion de décisions, il vous faut une solution
qui relie les systèmes opérationnels, tel que votre centre d’appels ou
votre logiciel d’automatisation marketing. Ce genre de solution prend
en charge une livraison plus importante et plus rapide (voire en temps
réel) des informations prédictives.
4
IBM Software
Business Analytics
Gestion de la Relation Client
7. Réfléchissez à l’exploration d’autres types de
données pour améliorer le retour sur
investissement de votre data mining
Lorsque vous combinez des données de texte, Internet ou d’enquêtes
avec des données structurées utilisées pour la création de modèles, vous
enrichissez les informations prédictives disponibles. Même si vous
n’ajoutez qu’un seul type de données supplémentaires, vous assisterez à
une amélioration des résultats générés. L’incorporation de divers types
de données génèrera des améliorations encore plus importantes.
Pour déterminer si votre entreprise peut tirer profit de l’incorporation
de types de données suplémentaires, commencez par vous poser les
questions suivantes : Quels genres de problèmes commerciaux
essayons-nous de résoudre ? Quels genres de données possédons-nous
qui pourraient résoudre ces problèmes ? Les réponses à ces questions
vous aideront à déterminer le genre de données à inclure et pourquoi
les inclure. Si vous essayez de savoir pourquoi des clients de longue date
s’en vont, par exemple, il vous faudra peut-être analyser le texte des
notes des centres d’appel combiné aux résultats de groupes de clientèle
ou d’enquêtes de satisfaction client.
8. Développez la portée du data mining pour
obtenir des résultats encore meilleurs
Une façon d’améliorer le retour sur investissement généré par le data
mining est d’augmenter le nombre de projets entrepris. IBM SPSS
Modeler est la solution de data mining qui élimine le besoin de
personnel supplémentaire en automatisant les tâches courantes.
Améliorez votre investissement sur le data mining en relevant d’autres
défis commerciaux ou en appliquant le data mining à différents services
ou régions géographiques. Si votre entreprise a déjà accompli des
progrès dans vos défis les plus importants – amélioration du taux de
conversion pour les campagnes de vente croisée par exemple –
demandez-vous s’il existe des défis secondaires à relever, comme la
diminution du coût des programmes d’acquisition de clientèle.
9. Envisagez toutes les options de déploiement
disponibles
Lorsqu’elles explorent des données, les organisations qui déploient
leurs résultats de manière efficace obtiennent un meilleur retour sur
investissement. Lors des premières mises en œuvre du data mining, le
déploiement se bornait à fournir des modèles aux analystes et des
rapports aux responsables. Ces modèles et ces rapports devaient être
interprétés par des responsables ou du personnel avant que tout plan
stratégique ou tactique puisse être développé. Plus tard, de nombreuses
entreprises ont utilisé la notation par lot (généralement menée lors des
heures creuses) pour incorporer plus efficacement les prévisions mises à
jour dans leurs bases de données. Il est même devenu possible
d’automatiser la planification des mises à jour et d’intégrer des moteurs
de notation dans les applications existantes.
5
IBM Software
Business Analytics
Gestion de la Relation Client
Aujourd’hui, grâce aux dernières technologies de data mining, il est
possible de mettre à jour des ensembles de données gigantesques
contenant des milliards d’évaluations en quelques heures à peine. Il est
également possible de mettre à jour les modèles en temps réel et de
déployer les résultats pour les membres du personnel en contact avec
les clients pendant qu’ils interagissent avec eux. De plus, il est
également possible de déployer des modèles ou des évaluations en
temps réel sur des systèmes qui génèrent des offres de ventes
automatiquement ou de suggérer des produits aux visiteurs de sites
Internet, pour ne donner que deux exemples.
10. Améliorez la collaboration et l’efficacité
avec la gestion de modèles
Recherchez des solutions de data mining qui vous permettent de
centraliser la gestion des modèles de data mining et qui prennent en
charge l’automatisation de processus tel que la mise à jour des
évaluations des clients. Ces solutions améliorent la collaboration et
l’efficacité au sein de l’entreprise. La gestion de modèles centralisée
évite également à votre entreprise les efforts inutiles ou en double tout
en garantissant que vos modèles prédictifs les plus efficaces sont
appliqués à vos défis commerciaux. La gestion de modèles est
également un chemin d’accès vers la création, l’utilisation et
l’application de modèles de documents.
Conclusion
Malgré l’incroyable exactitude des informations que fournit le data
mining, ce n’est pas de la magie. Il s’agit d’un outil commercial
important que les entreprises du monde entier utilisent pour prendre
des décisions commerciales critiques sur l’acquisition et la fidélisation
des clients, sur la gestion de la valeur client, l’optimisation du marketing
et d’autres problèmes associés à la clientèle.
De la même façon, les critères permettant d’utiliser le data mining de
manière efficace ne sont ni secrets ni mystérieux. Si vous comprenez
bien les problèmes à adresser, que vous disposez des ressources et du
support appropriés ainsi que de la solution adaptée, vous aussi pourrez
profiter des bénéfices commerciaux dont d’autres entreprises profitent
grâce au data mining.
Pour des informations supplémentaires sur vos premiers pas dans le
domaine du data mining ou sur la façon de développer les bénéfices
dont vous profitez déjà grâce à vos efforts de data mining, veuillez
contacter votre représentant IBM SPSS.
6
IBM Software
Business Analytics
Gestion de la Relation Client
À propos d’IBM Business Analytics
Les logiciels IBM Business Analytics fournissent des informations
complètes, cohérentes et précises permettant aux décideurs d’améliorer
les performances de leur entreprise. Un portefeuille complet de solutions
de Business Intelligence, d’Analyse Prédictive, de Performance financière
& gestion de la stratégie et d’Applications Analytiques permettent d’avoir
une vision claire et précise de la situation actuelle et de prédire les
événements futurs. Combinées à de puissantes solutions métiers, les
organisations de toute taille peuvent améliorer leur productivité,
optimiser leur prise de décisions et délivrer de meilleurs résultats.
Dans ce cadre, les logiciels IBM SPSS Predictive Analytics aident les
organisations à prévoir les événements futurs pour une meilleure prise de
décisions et donc une amélioration de leurs résultats. Nos clients des
secteur privé, secteur public et universitaire se fient à la technologie IBM
SPSS et considèrent cette technologie comme un avantage concurrentiel
pour : fidéliser sa clientèle, attirer de nouveaux clients, maximiser ses
ventes, réduire la fraude, minimiser les risques. En intégrant le logiciel
IBM SPSS à leurs opérations quotidiennes, les organisations deviennent
des entreprises prédictives capables d’optimiser leur prise de décision afin
d’atteindre leurs objectifs et d’obtenir un avantage concurrentiel
important. Pour plus de renseignements, visitez le site www.ibm.com/
spss/fr.
7
© Copyright IBM Corporation 2010
IBM Corporation
Route 100
Somers, NY 10589
Droits restreints pour les utilisateurs du gouvernement américain - l’utilisation, la
duplication ou la divulgation sont soumises aux restrictions visées dans le contrat GSA
ADP Schedule conclu avec IBM Corp.
Produit aux États-Unis d’Amérique
Mai 2010
Tous droits réservés
IBM, le logo d’IBM, ibm.com, WebSphere, InfoSphere et Cognos sont des marques
commerciales ou des marques déposées d’International Business Machines
Corporation aux États-Unis, dans d’autres pays ou les deux. Si ces termes ou si d’autres
termes déposés d’IBM sont représentés pour la première fois dans ce document suivis
du symbole de marque déposée (® ou TM), ces symboles indiquent des marques
déposées ou de droit commun appartenant à IBM lors de la publication de ce
document. Ces marques commerciales doivent également faire l’objet d’un
enregistrement ou doivent être des marques de droit commun dans les autres pays.
Une liste des marques commerciales actuelles d’IBM est disponible sur Internet sous «
Droits d’auteur et marques » à l’adresse www.ibm.com/legal/copytrade.shtml.
SPSS est une marque commerciale de SPSS, Inc., an IBM Company, déposée dans de
nombreuses juridictions dans le monde.
Les autres noms d’entreprises, de produits ou de services peuvent être des marques
commerciales ou des marques de service d’autres organisations.
Réutilisez s’il vous plaît
IMW14279-FRFR-02