Séquence 1 – Mission 3

Exploiter des bases de données

Séance
Extraire et valoriser les données de la base en vue de
produire de l’information commerciale
L’exploitation des données est un élément incontournable pour avoir une meilleure connaissance des
clients, des fournisseurs, des prospects et des partenaires, et ainsi optimiser la relation commerciale.
Cela implique de savoir maîtriser certains outils statistiques, de développer des indicateurs de
performance et, enfin, de livrer une interprétation qui accompagnera la prise de décision.
Sommaire
• Introduction
• Les statistiques
• Les indicateurs commerciaux
• Le scoring
• Aller plus loin : data mining, analyse prédictive et IA

Objectifs de l’étude
• saisir les enjeux liés à l’exploitation des données ;
• maîtriser les traitements appliqués à des données ;
• interpréter des indicateurs commerciaux.

1. Introduction
Analyser les données contenues dans les bases de données est essentiel pour accroître la connaissance
client, fournisseur, prospect et partenaire. Elle permet de faire ressortir des informations qui ne sont pas
directement affichées par les données à l’état brut.
Mieux connaître ses clients (leurs besoins, leurs attentes, leurs comportements, leurs préférences, etc.)
permet d’améliorer le dispositif commercial de l’entreprise. Cette connaissance client rend possible une
démarche commerciale plus fine, mieux ciblée, plus personnalisée et donc plus efficace. En définitive, la
connaissance client est l’un des principaux axes de performance de la relation commerciale.
Par exemple, la connaissance client permet de savoir comment :
• conquérir de nouveaux clients ;
• fidéliser les clients actuels ;
• identifier les meilleurs clients pour leur pousser des opérations commerciales plus personnalisées ;
• améliorer le parcours client.

209C81TKPD0621 CNED BLOC 1 – SÉQUENCE 1 – M3 – 968 1

2. Les statistiques
Les statistiques sont essentielles pour explorer et analyser la base de données.

2.1. Le taux de variation

Un taux de variation est une évolution entre deux valeurs sur une période donnée (annuelle, trimestrielle,
journalière, etc.). Ce taux de variation est exprimé en pourcentage et il est soit négatif (en cas de baisse), soit
positif (en cas de hausse).
Méthode de calcul :
• sélectionner une valeur de départ (la plus ancienne) et une valeur d’arrivée (la plus récente) ;
• calculer la variation absolue entre ces deux valeurs ;
• diviser la valeur absolue par la valeur de départ ;
• multiplier le tout par 100 pour obtenir le pourcentage de variation.
(Va – Vd)
Taux de variation = × 100
Vd
Avec Va la valeur d’arrivée, Vd la valeur de départ.
Le taux de variation permet notamment de suivre l’évolution du chiffre d’affaires d’une entreprise, de ses
ventes, etc.

Exemple : l’entreprise Audio & Co, spécialisée dans les enceintes audios, constate une baisse des
ventes en 2020 de 20 % au niveau de sa clientèle britannique. Face à ce constat, elle peut décider de
mettre en place une stratégie commerciale pour redynamiser ses ventes au Royaume-Uni.

2.2. La proportion
Pour calculer une proportion, on divise l’effectif du caractère recherché par l’effectif total. Par exemple, la
proportion de tel produit dans le montant total des ventes ou la proportion de tel pays dans le montant total
des ventes.
n
p=
N
Avec p la proportion, n l’effectif du caractère dont on cherche la proportion, N l’effectif total.

Exemple : un laboratoire pharmaceutique constate que son principal fournisseur représente 65 % du

montant total des achats de matières premières de l’entreprise. Compte tenu du risque lié à une telle
concentration, l’entreprise peut décider de diversifier ses fournisseurs.

2.3. La moyenne
La moyenne arithmétique correspond à la somme des observations divisée par le nombre de n
d’observations. Elle permet d’indiquer une tendance centrale.
x1 + x1 + … + xn
moyenne =
n

Exemple : le montant moyen des achats est calculé en faisant le rapport du montant total des achats
au nombre total des achats. Comparer ces données régulièrement permet au commercial de savoir si
le montant des contrats augmente, diminue ou se stabilise. Par exemple, dans le cas où le commercial
chercherait à toucher un marché plus haut de gamme, alors son objectif se traduira par une
augmentation du montant moyen par contrat.

2 CNED BLOC 1 – SÉQUENCE 1 – M3 – 968 209C81TKPD0621

2.4. Les quantiles
Dans le cadre d’une activité commerciale, la règle des « 20/80 » illustre le fait que, le plus souvent,
l’essentiel du chiffre d’affaires est réalisé par une petite partie de la clientèle (« 20 % de la clientèle apporte
80 % du chiffre d’affaires »). Il s’agit d’un indicateur de la concentration commerciale. Si la règle des
« 20/80 » dépend du secteur d’activité, elle permet surtout de souligner l’importance de se focaliser sur ses
principaux clients, grâce notamment à un programme de fidélisation efficace ; d’où la nécessité de pouvoir
identifier ses meilleurs clients.
L’analyse des quantiles (quartiles, déciles, centiles, etc.), en particulier les déciles, est une méthode
intéressante pour déterminer qui sont les meilleurs clients et identifier leurs caractéristiques. Elle consiste
à diviser les clients de la base en dix groupes de même taille, chaque groupe correspondant à un décile. Pour
chacun de ces déciles, il est possible de calculer différentes variables comme le nombre d’achats, le montant
des achats, le nombre de jours écoulés depuis la dernière commande, etc.

3. Les indicateurs commerciaux

Pour valoriser une base de données, les informations contenues peuvent être transformées en indicateurs.
Ce sont des éléments objectifs qui permettent de suivre les performances de l’entreprise. On peut les
catégoriser en quatre grandes familles :
• indicateurs de performance sous forme de taux qui donnent des ratios et qui sont bien adaptés pour
suivre l’accomplissement des objectifs commerciaux ;
• indicateurs quantitatifs de performance commerciale qui donnent une image de la situation de la
performance commerciale à l’instant t ;
• indicateurs qualitatifs qui assurent un suivi sur le plan de la qualité ;
• indicateurs liés à la prospection qui mesurent l’effort accompli dans toutes les actions de prospection.
Pour faciliter leur lecture, il est possible de les représenter sous la forme d’un graphique. Pour en savoir
plus sur les représentations graphiques, se reporter à la Fiche méthodologique.
Le tableau ci-dessous, répertorie les principaux indicateurs de performance. Une liste plus exhaustive est
incluse dans la Fiche notionnelle.

Type d’indicateurs Indicateurs Explications

Taux de transformation Rapport entre le nombre de transactions réalisées
d’opportunités et le nombre de prospects
Indicateurs de Indicateur permettant de savoir quels clients ont
Taux de fidélisation
performance sous forme commandé au moins deux fois
de taux
Indicateur d’efficience correspondant au nombre de
Indice de performance
ventes réalisées par rapport au nombre de rendez-
commerciale
vous effectués avec les prospects
Si la fidélisation est importante, il est important
Nombre de nouveaux
pour l’entreprise de renouveler son portefeuille
clients
pour le diversifier
Nombre de leads Indicateur permettant de déterminer le nombre
ou d’opportunités de clients potentiels par rapport aux opportunités
Indicateurs quantitatifs commerciales d’affaires
de performance
Rapport entre le chiffre d’affaires et le nombre de
commerciale Panier moyen
ventes
Chiffre d’affaires par Indicateur permettant de comparer l’impact de
commercial chaque commercial
Mesure les bénéfices de chaque activité de
Marge
l’entreprise

209C81TKPD0621 CNED BLOC 1 – SÉQUENCE 1 – M3 – 968 3

 Type d’indicateurs Indicateurs Explications
Indicateur correspondant au nombre de contact
Part de leads qualifiés
commercial établi grâce à la force de vente
Niveau de qualification Indicateur permettant de connaître la qualité et la
des leads quantité des contacts commerciaux obtenus

Indicateurs qualitatifs Désigne les interactions entre le client et

Parcours clients l’entreprise, du statut de prospect jusqu’à l’acte
d’achat
Indicateur fournissant des précisions sur les
Échéances
délais de paiement afin de favoriser les ventes en
commerciales
définissant un nombre de jours avant le paiement
Nombre d’appels Indicateur d’efficacité de l’équipe commerciale qui
effectués mesure le nombre d’appels sortants

Indicateurs de Nombre d’opportunités Lorsqu’un prospect manifeste son intérêt, il devient

performance commerciales évaluées une opportunité commerciale qu’il faudra convertir
commerciale liés à la Indicateur d’efficience correspondant au montant
prospection Coût d’acquisition client
moyen dépensé pour acquérir un nouveau client
Temps écoulé entre la Indicateur correspondant à la durée moyenne entre
prospection et la vente la détection d’un client potentiel et l’acte de vente.

4. Le scoring
Le scoring, client notamment, consiste à affecter une note à chaque client d’une base de données prospects
ou clients en fonction de leurs caractéristiques susceptibles de prédire s’il peut être considéré comme un cas
favorable : acheter un produit, renouveler un achat, paiement dans les temps, etc.
Le calcul de ces notes se base, globalement, sur :
• les données : il s’agit des informations que l’on possède sur le client, prospect, fournisseur (nom,
prénom, coordonnées, SIRET, etc.) ainsi que les informations collectées dans le cadre de la relation
commerciale (produits achetés, fréquence et montant des achats, dettes, etc.) ;
• les variables : elles traduisent la pondération de l’importance que l’on donne à chaque donnée.
L’objectif est de déterminer quelles sont les variables qui permettent d’expliquer un phénomène.
Le scoring de la base de données permet ainsi :
• d’analyser la rentabilité d’une campagne commerciale ;
• d’identifier de nouveaux prospects pour un ciblage plus efficace (scoring de lead)

Exemple : le score « RFM » (Récence, Fréquence, Montant) se base sur les données suivantes : date
du dernier achat, fréquence des achats, montant moyen des achats. À partir de ces données, des
analyses peuvent montrer, par exemple, que plus le client a fait un achat récent, plus il a des chances
qu’il rachète un produit dans un délai rapproché. La segmentation RFM permet ainsi de segmenter
les clients en fonction de leur comportement d’achat et donc, par exemple, d’identifier ses meilleurs
clients, ceux qui sont les plus susceptibles de réagir positivement à une démarche commerciale.

Le scoring de lead permet, en effet, de répondre à une problématique courante dans le cadre d’une
prospection commerciale à savoir, une quantité trop importante de leads. « Lead » est un terme qui désigne
un contact commercial. Il s’agit d’un client potentiel qui est en contact avec le commercial. Dans la pratique,
les « leads » sont situés en amont du cycle d’achat tandis que les prospects sont des « leads » qui ont une
probabilité importante de devenir client.
Pour mettre en place un système de scoring commercial et de qualification efficace, il est indispensable que
les équipes marketing et commerciales aient la même notion d’un lead qualifié.

4 CNED BLOC 1 – SÉQUENCE 1 – M3 – 968 209C81TKPD0621

5. Aller plus loin : data mining, analyse prédictive et IA
5.1. Data mining
Le data mining consiste, grâce à un ensemble de méthodes et de techniques mathématiques, statistiques et
informatiques, à explorer un nombre important de données, à les trier puis à les analyser pour formuler des
recommandations pour les équipes marketing et commerciales. L’enjeu revient à analyser et interpréter un
grand volume de données contenues dans une base pour :
• segmenter des marchés pour un produit ;
• déterminer des profils types de consommateurs ;
• cibler plus précisément un type de client pour une approche commerciale plus ciblée.
Le data mining est un préalable indispensable à l’analyse prédictive et à la mise en place de modules
d’intelligence artificielle.

5.2. L’analyse prédictive

L’analyse prédictive consiste à prédire le comportement futur des clients à partir de l’analyse des données
passées. Elle permet notamment, grâce à des modèles d’analyse exploratoire, d’optimiser les campagnes
commerciales, d’améliorer les opérations (ex : modèles prédictifs des hôtels pour anticiper le nombre futur
de clients et ainsi optimiser le taux d’occupation) et de réduire les risques (ex : en évaluant la probabilité de
défaillance d’un acheteur). Parmi ces modèles d’analyse exploratoire, on distingue, entre autres :
• le modèle d’attrition, qui vise à déterminer les clients qui sont les plus susceptibles de mettre
un terme à la relation commerciale. Pour construire ce modèle, il est nécessaire d’identifier
des indicateurs précurseurs du phénomène d’attrition (ex : réduction de la fréquence d’achat,
insatisfaction ou tout autre signal manifestant une baisse d’intérêt de la part du client pour
l’entreprise).
• le modèle « look-alike », qui consiste à déterminer les clients qui partagent les mêmes
caractéristiques et à analyser leur comportement d’achat. Autrement dit, « si Monsieur X achète un
produit A puis un produit B, Madame Y qui achète le produit A aura une probabilité plus forte d’acheter
ensuite le produit B ». C’est le principe du « look alike ».

Exemple : Netflix dispose d’une rubrique de recommandation de films et séries intitulée « Parce que vous
avez regardé XX » ce qui revient à émettre une recommandation sur la base des comportements passés,
ici les visionnages précédents. Pour calculer la probabilité qu’un utilisateur regarde tel titre donné du
catalogue, Netflix s’appuie sur différents facteurs notamment les interactions avec le service (historique
de visionnage et évaluations d’autres titres), les choix des autres utilisateurs du service dont les goûts
et préférences sont similaires, les informations liées à chaque titre (genre, catégorie, acteurs, etc.).
L’algorithme s’appuie également les informations suivantes : moment de la journée auquel l’utilisateur a
regardé Netflix, les appareils utilisés pour regarder Netflix, la durée des précédents visionnages.

5.3. L’intelligence artificielle

Le département commercial des entreprises n’échappe pas à la révolution de l’intelligence artificielle (IA) qui
est déjà présente dans certains CRM. Les usages commerciaux de l’IA sont de plusieurs ordres :
• analyse détaillée et systématique des données clients et prospects. L’IA est ainsi capable d’analyser
une conversation et le ton employé par le client pour savoir, par exemple, si ce dernier est énervé ou
satisfait, afin de déterminer la priorité à lui accorder par le commercial ;
• recommandations : l’IA peut déterminer le moment auquel il est opportun d’envoyer tel type de
message à tel client en fonction des données relatives au comportement des clients et prospects ;
• respect du RGPD : certains CRM permettent de signaler au commercial quand il manipule des
données qu’il n’a pas le droit de conserver.
L’IA va permettre au commercial de se concentrer sur les opérations sur lesquelles il aura une forte valeur
ajoutée.

209C81TKPD0621 CNED BLOC 1 – SÉQUENCE 1 – M3 – 968 5

 POINTS CLÉS

Analyser les données et savoir les interpréter est essentiel pour accroître la connaissance client,
fournisseur, prospect, partenaire.
Des outils statistiques et des indicateurs de performance sont utilisés pour explorer les données.

À RETENIR

Identifier ses meilleurs clients est utile pour leur pousser des programmes de fidélisation.
Des indicateurs, de pilotage et de performance, peuvent être utilisés pour valoriser une base de
données.
Le scoring client permet de classer ses clients en fonction de certains critères.
Le data mining, l’analyse prédictive et l’intelligence artificielle sont des outils puissants qui constituent
des atouts formidables pour améliorer la relation commerciale.

6 CNED BLOC 1 – SÉQUENCE 1 – M3 – 968 209C81TKPD0621