Gestion de la Relation Client

Les 10 grands principes

de lutilisation du data
mining pour une gestion
de la relation client russie
Dcouvrir les stratgies ayant fait leurs preuves et les
meilleures pratiques
Introduction
Le data mining est dsormais une approche courante. Cette approche,
qui permet de dcouvrir des schmas ou des connexions entre des
donnes auparavant inconnus, a t dveloppe par des universitaires et
utilise pour la premire fois par les laboratoires de recherche
gouvernementaux. Elle joue dsormais un rle essentiel dans
lamlioration de la prise de dcisions de quasiment toutes les industries.
IBM

SPSS

Modeler est un outil de data mining efcace qui prend en

charge les amliorations de la gestion de la relation client (CRM).
Acquisition et dlisation de la clientle moindres cots, ciblage
amlior des campagnes de marketing, vente croise et vente incitative
plus efcaces pour amliorer la valeur conomique du client : ces
exemples ne sont que quelques-unes des solutions que le data mining
apporte aux grandes entreprises. Loutil de data mining IBM SPSS est un
composant cl des analyses prdictives. Grce aux analyses prdictives,
votre entreprise peut utiliser les informations obtenues par lanalyse des
donnes et diriger, optimiser et automatiser les interactions centres sur
le client, nimporte o au sein de votre organisation.
SPSS a fait partie des pionniers dans le domaine de lanalyse des
donnes ; elle a t la premire sur ce crneau et reste lune des
applications logicielles les plus populaires et les plus largement utilises.
En tant que nouveau membre de lentreprise IBM, SPSS apporte ses
outils danalyse de pointe et permet ainsi IBM SPSS Modeler de se
placer en tte du march des analyses prdictives.
Les offres dIBM SPSS incluent des produits de rfrence dans le
domaine de la collecte de donnes, des statistiques et du data mining,
avec une plateforme unie prenant en charge la gestion et le
dploiement scuriss des ressources danalyse. Les outils de data mining
dIBM SPSS sont bass sur les normes de lindustrie et peuvent
facilement sintgrer votre infrastructure existante pour amliorer
lexactitude, rduire la main duvre et minimiser les pertes. Leffort
conjugu dIBM et de SPSS vous offre une exibilit optimale et
sadapte aux types de donnes que vous explorez et la faon dont vous
dployez les rsultats.
Points cls :
Planier et executer des projets reussis
de data mining l'aide de lBM SPSS
Modeler.
Comprendre les rles et les
responsabilites des membres de
l'equipe du projet.
Determiner les donnees correspondant
aux objectifs de votre projet.
Developper la portee du data mining
pour obtenir des resultats encore
meilleurs.
Business Analytics
IBM Software
Gestion de la Relation Client
Si votre entreprise dbute dans lutilisation des solutions de data mining
dIBM SPSS, vous pouvez proter de lexprience dentreprises les
ayant utilises. Elles ont dcouvert un certain nombres de conseils et de
tuyaux permettant de maximiser leur retour sur investissement : Ce qui
suit est un extrait de cette exprience : Les 10 grands principes de
lutilisation du data mining pour une gestion de la relation client russie.
1. La planication est la cl dun projet de data
mining russi
Tout comme pour nimporte quel projet important, la planication est
la moiti du succs. Il est essentiel que toute organisation ayant un
projet de data mining tablisse dabord les objectifs de ce projet dun
point de vue commercial puis convertisse ces informations en une
stratgie de data mining cohrente et un plan de projet bien dni.
Planiez le succs de votre projet de data mining en suivant ces trois
tapes :
Commencez en gardant la n lesprit. vitez le pige habituel qui r
consiste explorer des donnes sans dnir dobjectifs commerciaux.
Avant de commencer la modlisation, dnissez un projet qui prend en
charge les objectifs stratgiques de votre organisation. Par exemple,
votre objectif commercial peut tre dattirer des clients
supplmentaires ayant un prol semblable celui de vos clients les plus
importants. Ou il peut tre de dliser encore plus vos clients les plus
rentables.
Faites participer toutes les parties prenantes de lentreprise. Noubliez r
pas dinclure tous ceux qui ont un intrt dans ce projet. Gnralement,
les dpartements Finances, Ventes et Marketing sont concerns par les
statgies de gestion de la relation client cots rduits. Cependant, les
responsables des dpartements Base de donnes et Technologie de
linformation sont galement des parties prenantes intresses car leurs
quipes sont souvent appeles en renfort pour aider lexcution de ces
stratgies.
Dnissez une stratgie de data mining ralisable. Planiez comment r
atteindre votre objectif en utilisant au mieux vos ressources. Les
ressources techniques et humaines doivent tre prises en compte.
2. Dnissez des objectifs spciques pour votre
projet de data mining
Avant de dbuter un projet de data mining, clariez en quoi la solution
de data mining dIBM SPSS peut vous aider atteindre votre objectif.
Par exemple, si rduire le dpart (ou churn ) des clients est un
objectif stratgique, quel niveau damlioration souhaitez-vous voir ?
Rcapitulatif :
Les entreprises qui ont utilise la solution
de data mining d'lBM SPSS pour
ameliorer leur gestion de la relation client
ont une experience extrmement
interessante partager. Ce livre blanc
propose dix conseils utiles votre
entreprise si celle-ci recherche des faons
de demarrer ou d'ameliorer ses activites
de gestion de la relation client.
2
Business Analytics
IBM Software
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 mthodologie de data mining complte et un
modle de processus qui rend les gros projets de data mining plus
rapides, plus efcaces et moins coteux. IBM SPSS adhre 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 rsultats exploitables. Le modle CRISP-DM offre
des instructions pas--pas, des tches et des objectifs pour chaque tape
du processus, comme la comprhension de lactivit, la comprhension
des donnes, la prparation des donnes, la modlisation, lvaluation et
le dploiement. Cette mthodologie peut constituer un excellent point
de dpart pour vos efforts de data mining en vous aidant :
valuer et hirarchiser les problmes commerciaux r
laborer des mthodes de data mining pour les rsoudre r
appliquer des techniques de data mining r
interprter les rsultats de data mining r
dployer et tenir jour les rsultats de data mining r
Pour plus dinformations sur CRISP-DM, voir www.crisp-dm.org.
Crez ensuite un plan de projet vous permettant datteindre vos
objectifs, notamment une dnition claire de ce que russir
signiera.
Enn, effectuez une analyse cots-avantages, en noubliant pas dinclure
le cot de toutes les ressources ncessaires.
3. Recrutez une quipe de projet diversie
Une des erreurs habituelles commises par ceux qui dcouvrent le data
mining est de donner la responsabilit dun projet de data mining un
spcialiste de lexploration de donnes. Or, parce que le data mining
ncessite une bonne comprhension du problme adress et parce que
dans la majorit des organisations, les diffrents lments permettant
une bonne comprhension de ce problme sont disperss entre les
diffrentes disciplines et services, il est important de recruter une
quipe diversie pour votre projet. Par exemple, pour valuer les
facteurs associs lattrition des clients, il vous faudra peut-tre des
membres du service client, du service des tudes de march ou mme
du service de la facturation, ainsi que des membres avec des
connaissances spciques sur vos donnes et sur le data mining.
En fonction de votre objectif, il vous faudra peut-tre des reprsentants
de certains ou de tous les rles suivants : sponsor du projet, responsable
du projet expert commercial, spcialiste de lexploration de donnes,
expert en donnes et sponsor IT. Certains projets peuvent ncessiter
deux ou trois personnes, dautres beaucoup plus.
3
Business Analytics
IBM Software
Gestion de la Relation Client
4. Rassemblez les donnes appropries
Pour russir votre projet, vous devez connatre les types de donnes
disponibles et les conditions dans lesquelles ces donnes se trouvent.
Commencez par des donnes facilement accessibles. Il nest pas
ncessaire quil y en ait une grande quantit ni quelles soient
organises dans un entrept de donnes. De nombreux projets de data
mining pertinents sont effectus sur des ensembles de donnes de petite
taille ou de taille moyenne et certains ne contiennent que quelques
centaines ou quelques milliers de ches. Par exemple, partir dun
chantillon de ches client, vous pouvez tre capable de dterminer les
produits de votre entreprise qui sont gnralement achets par des
clients correspondant un certain prol dmographique. Cela vous
permet de prvoir 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 lment important de la russite de tout projet de
data mining. Noubliez pas que loutil de data mining que vous
choisissez jouera un rle important dans la participation de votre
service IT. Cet outil de data mining devra intgrer votre infrastructure
de donnes existante (bases de donnes, entrepts de donnes et
magasins de donnes importants) et devra proposer un accs libre aux
donnes ainsi que la possibilit damliorer les bases de donnes
existantes avec des valuations et des prvisions gnres par le data
mining.
6. Slectionnez la solution de data mining
approprie
IBM SPSS Modeler fait gagner du temps aux organisations et amliore
le ux des analyses en prenant en charge chaque tape du processus,
assurant ainsi lefcacit et le succs du projet de data mining. Une
solution intgre est particulirement importante lors de
lincorporation de types de donnes supplmentaires, telles que des
donnes textuelles, ou des donnes provenant dInternet ou denqutes.
Cela est d au fait que chaque type de donnes peut provenir dun
systme diffrent et existe sous de nombreux formats diffrents.
Lutilisation dune solution intgre permet vos analystes de suivre un
raisonnement de manire efcace, quel que soit le type de donnes que
comporte lanalyse.
Lintgration est galement importante pendant la phase de gestion
des dcisions de lanalyse prdictive. La gestion des dcisions
dtermine les actions qui offriront les meilleurs rsultats possibles puis
transmet ensuite ces actions recommandes aux systmes et aux
personnes qui peuvent correctement les mettre en uvre.
Pour prendre en charge la gestion de dcisions, il vous faut une solution
qui relie les systmes oprationnels, tel que votre centre dappels ou
votre logiciel dautomatisation marketing. Ce genre de solution prend
en charge une livraison plus importante et plus rapide (voire en temps
rel) des informations prdictives.
4
Business Analytics
IBM Software
Gestion de la Relation Client
7. Rchissez lexploration dautres types de
donnes pour amliorer le retour sur
investissement de votre data mining
Lorsque vous combinez des donnes de texte, Internet ou denqutes
avec des donnes structures utilises pour la cration de modles, vous
enrichissez les informations prdictives disponibles. Mme si vous
najoutez quun seul type de donnes supplmentaires, vous assisterez
une amlioration des rsultats gnrs. Lincorporation de divers types
de donnes gnrera des amliorations encore plus importantes.
Pour dterminer si votre entreprise peut tirer prot de lincorporation
de types de donnes suplmentaires, commencez par vous poser les
questions suivantes : Quels genres de problmes commerciaux
essayons-nous de rsoudre ? Quels genres de donnes possdons-nous
qui pourraient rsoudre ces problmes ? Les rponses ces questions
vous aideront dterminer le genre de donnes inclure et pourquoi
les inclure. Si vous essayez de savoir pourquoi des clients de longue date
sen vont, par exemple, il vous faudra peut-tre analyser le texte des
notes des centres dappel combin aux rsultats de groupes de clientle
ou denqutes de satisfaction client.
8. Dveloppez la porte du data mining pour
obtenir des rsultats encore meilleurs
Une faon damliorer le retour sur investissement gnr par le data
mining est daugmenter le nombre de projets entrepris. IBM SPSS
Modeler est la solution de data mining qui limine le besoin de
personnel supplmentaire en automatisant les tches courantes.
Amliorez votre investissement sur le data mining en relevant dautres
ds commerciaux ou en appliquant le data mining diffrents services
ou rgions gographiques. Si votre entreprise a dj accompli des
progrs dans vos ds les plus importants amlioration du taux de
conversion pour les campagnes de vente croise par exemple
demandez-vous sil existe des ds secondaires relever, comme la
diminution du cot des programmes dacquisition de clientle.
9. Envisagez toutes les options de dploiement
disponibles
Lorsquelles explorent des donnes, les organisations qui dploient
leurs rsultats de manire efcace obtiennent un meilleur retour sur
investissement. Lors des premires mises en uvre du data mining, le
dploiement se bornait fournir des modles aux analystes et des
rapports aux responsables. Ces modles et ces rapports devaient tre
interprts par des responsables ou du personnel avant que tout plan
stratgique ou tactique puisse tre dvelopp. Plus tard, de nombreuses
entreprises ont utilis la notation par lot (gnralement mene lors des
heures creuses) pour incorporer plus efcacement les prvisions mises
jour dans leurs bases de donnes. Il est mme devenu possible
dautomatiser la planication des mises jour et dintgrer des moteurs
de notation dans les applications existantes.
5
Business Analytics
IBM Software
Gestion de la Relation Client
Aujourdhui, grce aux dernires technologies de data mining, il est
possible de mettre jour des ensembles de donnes gigantesques
contenant des milliards dvaluations en quelques heures peine. Il est
galement possible de mettre jour les modles en temps rel et de
dployer les rsultats pour les membres du personnel en contact avec
les clients pendant quils interagissent avec eux. De plus, il est
galement possible de dployer des modles ou des valuations en
temps rel sur des systmes qui gnrent des offres de ventes
automatiquement ou de suggrer des produits aux visiteurs de sites
Internet, pour ne donner que deux exemples.
10. Amliorez la collaboration et lefcacit
avec la gestion de modles
Recherchez des solutions de data mining qui vous permettent de
centraliser la gestion des modles de data mining et qui prennent en
charge lautomatisation de processus tel que la mise jour des
valuations des clients. Ces solutions amliorent la collaboration et
lefcacit au sein de lentreprise. La gestion de modles centralise
vite galement votre entreprise les efforts inutiles ou en double tout
en garantissant que vos modles prdictifs les plus efcaces sont
appliqus vos ds commerciaux. La gestion de modles est
galement un chemin daccs vers la cration, lutilisation et
lapplication de modles de documents.
Conclusion
Malgr lincroyable exactitude des informations que fournit le data
mining, ce nest pas de la magie. Il sagit dun outil commercial
important que les entreprises du monde entier utilisent pour prendre
des dcisions commerciales critiques sur lacquisition et la dlisation
des clients, sur la gestion de la valeur client, loptimisation du marketing
et dautres problmes associs la clientle.
De la mme faon, les critres permettant dutiliser le data mining de
manire efcace ne sont ni secrets ni mystrieux. Si vous comprenez
bien les problmes adresser, que vous disposez des ressources et du
support appropris ainsi que de la solution adapte, vous aussi pourrez
proter des bnces commerciaux dont dautres entreprises protent
grce au data mining.
Pour des informations supplmentaires sur vos premiers pas dans le
domaine du data mining ou sur la faon de dvelopper les bnces
dont vous protez dj grce vos efforts de data mining, veuillez
contacter votre reprsentant IBM SPSS.
6
Business Analytics
IBM Software
propos dIBM Business Analytics
Les logiciels IBM Business Analytics fournissent des informations
compltes, cohrentes et prcises permettant aux dcideurs damliorer
les performances de leur entreprise. Un portefeuille complet de solutions
de Business Intelligence, dAnalyse Prdictive, de Performance nancire
& gestion de la stratgie et dApplications Analytiques permettent davoir
une vision claire et prcise de la situation actuelle et de prdire les
vnements futurs. Combines de puissantes solutions mtiers, les
organisations de toute taille peuvent amliorer leur productivit,
optimiser leur prise de dcisions et dlivrer de meilleurs rsultats.
Dans ce cadre, les logiciels IBM SPSS Predictive Analytics aident les
organisations prvoir les vnements futurs pour une meilleure prise de
dcisions et donc une amlioration de leurs rsultats. Nos clients des
secteur priv, secteur public et universitaire se ent la technologie IBM
SPSS et considrent cette technologie comme un avantage concurrentiel
pour : dliser sa clientle, attirer de nouveaux clients, maximiser ses
ventes, rduire la fraude, minimiser les risques. En intgrant le logiciel
IBM SPSS leurs oprations quotidiennes, les organisations deviennent
des entreprises prdictives capables doptimiser leur prise de dcision an
datteindre leurs objectifs et dobtenir un avantage concurrentiel
important. Pour plus de renseignements, visitez le site www.ibm.com/
spss/fr.
Gestion de la Relation Client
7
Business Analytics
IBM Software
Copyright IBM Corporation 2010
IBM Corporation
Route 100
Somers, NY 10589
Droits restreints pour les utilisateurs du gouvernement amricain - lutilisation, la
duplication ou la divulgation sont soumises aux restrictions vises dans le contrat GSA
ADP Schedule conclu avec IBM Corp.
Produit aux tats-Unis dAmrique
Mai 2010
Tous droits rservs
IBM, le logo dIBM, ibm.com, WebSphere, InfoSphere et Cognos sont des marques
commerciales ou des marques dposes dInternational Business Machines
Corporation aux tats-Unis, dans dautres pays ou les deux. Si ces termes ou si dautres
termes dposs dIBM sont reprsents pour la premire fois dans ce document suivis
du symbole de marque dpose ( ou TM), ces symboles indiquent des marques
dposes ou de droit commun appartenant IBM lors de la publication de ce
document. Ces marques commerciales doivent galement faire lobjet dun
enregistrement ou doivent tre des marques de droit commun dans les autres pays.
Une liste des marques commerciales actuelles dIBM est disponible sur Internet sous
Droits dauteur et marques ladresse www.ibm.com/legal/copytrade.shtml.
SPSS est une marque commerciale de SPSS, Inc., an IBM Company, dpose dans de
nombreuses juridictions dans le monde.
Les autres noms dentreprises, de produits ou de services peuvent tre des marques
commerciales ou des marques de service dautres organisations.
Reutilisez s'il vous plait
IMW14279-FRFR-02