Pour une analyse "intelligente" des données

La statistique est plutôt éloquente : les entreprises n'exploiteraient aujourd'hui que 10 % à peine des données commerciales et marketing qui sont stockées dans leurs systèmes d'information marketing. Quelles sont les tendances exactes des ventes, les performances d'une équipe commerciale, le comportement d'achats des clients, les raisons qui les fidélisent ou au contraire les attirent vers la concurrence ? Autant de réponses qui existent virtuellement dans les bases de données des entreprises et qui peuvent être traduites "intelligemment" grâce aux solutions de data mining. Définir le data mining n'est pourtant pas facile et il existe probablement autant de définitions que d'éditeurs présents sur ce marché. Selon le cabinet Sofresud Datamodeling, il s'agit, à partir de volume de données, de mettre en place des processus automatisés pour gérer des relations, corrélations, dépendances, tendances entre les données, afin d'établir des règles de comportements. « Il existe une distinction entre les outils historiques statistiques d'analyse vectorielle, de corrélation et ceux de data mining, plus récents, qui font appel à de nouvelles approches d'analyses mathématiques de type réseaux de neurones, arbres de décision, algorithmes génétiques », explique Michel Bruley, directeur marketing Teradata (division de NCR). On dénombre aujourd'hui une vingtaine d'éditeurs sur le marché du data mining. « Et la tendance va réellement vers des outils plus accessibles aux populations marketing, tels que Kxen, Spad de Décisia, Alice d'IS Soft », commente Françoise Fogelman, directeur associé de Business & Décision. Une démocratisation des solutions qui s'explique, notamment, par le fait qu'aujourd'hui, ce ne sont plus tellement les directions techniques et informatiques qui initient des projets de data mining, mais bien les directions fonctionnelles très focalisées sur les besoins des utilisateurs finaux, comme le marketing. « Une nouvelle évolution dans la maîtrise et l'exploitation des données de l'entreprise voit le jour. Elle conjugue à la fois un retour à une utilisation plus opérationnelle des données et une capacité de projection de cette information dans le futur. Du point de vue du marketing, cela se traduit par des approches prédictives qui intègrent le data mining au plus près de leurs outils opérationnels de gestion de campagne », commente ainsi Hervé Mignot, expert data mining SPSS France.

Objectif : mieux comprendre le cycle de vie d'un client

Grande distribution, VPC, opérateurs télécom, banques, assurances, étude des génomes dans la bio informatiqu... : les domaines d'applications du data mining sont multiples et divers. Mais cette technologie a particulièrement prouvé son efficacité dans le marketing. « Il s'agit de comprendre quels sont les moteurs en acquisition client, les produits de conquête, les zones et cibles à potentiel, et de monter des stratégies liées à cette connaissance. En fidélisation, le data mining doit servir à déterminer des segmentations complexes, vérifier la contribution de chacun de ces segments à la rentabilité de l'entreprise, les objectifs business ou d'animations commerciales à définir sur des variables quantitatives et de monter des programmes marketing relationnels qui vont remplir ces objectifs », explique Arnaud Caplier, directeur général de Consodata, et ex-patron du CRM de Renault. Le développement des systèmes d'information marketing fait que les entreprises sont capables de recueillir un maximum de données sur leurs clients et prospects, notamment à partir des systèmes transactionnels (facturation, tickets de caisse...) et de gestion commerciale. Dans le domaine de la grande distribution, par exemple, les supermarchés sont devenus de véritables courtiers en information. Grâce au système de fidélisation et cartes d'abonnement magasins, les clients divulguent des données personnelles, qui serviront à l'élaboration de modèles prédictifs qui leur seront ensuite opposables. Cette recherche de généralisation prédictive s'appuie sur ce que l'on appelle désormais, la "connaissance de communautés". SR Marketing Services utilise ainsi la solution de data mining de l'éditeur Kxen pour faire parler les données de certains de ses clients et construire des actions de relation client adaptées aux comportements des consommateurs. « Les solutions de data mining sont destinées à l'action. Au-delà de l'analyse statistique des données, elles permettent d'en tirer des enseignements pour anticiper les évolutions des comportements consommateurs », explique Alain Boulet, P-dg de SR Marketing Services.

Savoir avant tout ce que l'on cherche

Aussi évolué soit-il, aucun algorithme de data mining ne peut fournir de résultat significatif si les données de la base étude ne sont ni structurées, ni de qualité. De même, si l'on compte sur le data mining pour tirer de la quintessence de téraoctets de données sans avoir formulé au préalable d'objectifs ou sans compréhension de ces derniers dans un contexte métier, la cause est perdue d'avance. Pour Philippe Colombelle, Dg de Partech, société de capital-risque spécialisée dans les nouvelles technologies, « le data mining doit répondre à des objectifs bien précis, sinon il demeurera le parent pauvre du CRM ». Eric Falque, responsable du pôle marketing au sein du cabinet de consulting Bearing Point, note pour sa part « qu'il ne sert à rien de faire du data mining, si l'entreprise ne s'est pas questionnée sur sa stratégie globale de CRM, la structure et l'organisation de ses bases de données clients et de ses systèmes d'information marketing ». Il est donc impératif de réunir sur le projet des personnes qui comprennent ce qu'elles cherchent, celles qui savent comment le chercher, et celles qui savent quoi faire quand elles l'auront trouvé.