L'analyse des données offre un retour rapide sur investissement !
Questions à Michel Jambu, expert à la direction scientifique de France Télécom - Recherche et Développement, spécialiste de l'analyse des données et auteur d'ouvrages sur le sujet, notamment de "Introduction au data mining - Analyse intelligente des données", paru aux Editions Eyrolles.
Je m'abonneQuels sont les enjeux de l'analyse des données ?
C'est une capacité à reconnaître les clients, plutôt que de construire des
segments. Le problème, c'est la capacité à mettre en oeuvre des plans d'action
immédiats. Le développement du data mining provoque quelques interrogations
inattendues, notamment dans les rapports avec les centres d'appels.
Habituellement, ces prestations sont négociées avec des prix dégressifs au
volume. Or, dans une opération ciblée on passera moins d'appels, mais on
consacrera davantage de temps à chaque client. Et, en plus, on ne pourra pas se
servir d'un script unique, il va falloir le qualifier. Autant de problèmes pour
l'organisation de l'entreprise. La maîtrise du temps est un autre enjeu de la
modélisation. On ne peut plus consacrer deux ans pour construire une base de
données. L'archivage n'a de sens que si les données sont fraîches. Cela aussi
modifie l'organisation en interne.
Quelles sont les tendances actuelles dans l'analyse des données marketing ?
De nouvelles
techniques sont apparues. Si les méthodes descriptives sont connues depuis les
années 70, celles de modélisation n'ont trouvé leur importance que récemment.
Les techniques factorielles, des arbres de décision, des régressions
logistiques, des réseaux neuronaux ou bayesiens, servent à la modélisation par
apprentissage. Elles permettent d'évaluer et de prédire le comportement du
client, à l'image du scoring, mais de manière plus précise. A qui envoyer le
mailing ? Qui contacter par le centre d'appels ? Les techniques descriptives ne
permettent pas d'obtenir des réponses suffisamment précises. Car l'objectif est
bien de détecter les 2, 3, maximum 5 % de clients réceptifs à l'offre. Avec un
résultat de 10 % ou plus, on estime que le modèle n'est pas bon. La
qualification des données est en relation directe avec les objectifs
recherchés. Au lieu des grandes campagnes, on peut lancer des opérations très
ciblées en rapport avec le potentiel économique des clients.
A qui ces techniques sont-elles destinées ?
La grande distribution, les
télécoms, les banques sont les plus motivés. Tous ces secteurs ont besoin
d'acquérir des données client pertinentes, pour passer du marketing produit au
marketing client. Les enquêtes de consommation leur offrent des données
pertinentes, mais non raccordées aux informations internes de l'entreprise. Or,
ce n'est pas la représentation par catégories qui est recherchée aujourd'hui,
mais bien par clients.
Quel retour sur investissement peut-on attendre d'une étude de data mining ?
Prenez un investissement de
45 000 E. On peut s'attendre à ce que le retour soit double au bout de trois
mois. Et il sera bien supérieur pour certains objectifs. Par exemple, sur les
impayés dans la téléphonie fixe, on sera plus proche de 500 000 E au bout d'un
an.