Pendant longtemps la Data Science n’a été l’affaire que de la DSI et des fonctions techniques qui ne l’exploitaient que sous un angle d’optimisation des traitements. La réappropriation de la Data Science par les métiers a ouvert et ouvre encore des perspectives pour de nouveaux leviers business.
Nous avons été les premiers à envisager le potentiel de la data science pour améliorer l’expérience client, pour engager de meilleures performances dans la relation client.
Notre expertise de la data et des enjeux digitaux autour de la connaissance client, nous permet de nous baser sur des retours d’expérience et d’engager des actions réelles, pour anticiper les comportements des clients et savoir en fonction de chaque critère d’un produit et ainsi en déterminer le poids.
Qu’il s’agisse de prévoir le comportement d’un client sur une promotion, de prédire quand un adhérent va rompre son contrat... la data science est une aide précieuse.
Comment s’assurer que la source d’informations analysées permet de prédire ce que l’on souhaite trouver.
Qu’il s’agisse de prévoir le comportement d’un client sur une promotion, de prédire quand un adhérent va rompre son contrat, de ….., la data science est une aide précieuse.
Couplés à une donnée que nous travaillons pour en garantir la qualité, la richesse, la diversité, nous mettons au point des modèles d’algorithmes plus adaptés, plus performants, avec lesquels vous serez autonomes pour mieux connaitre vos clients et ajuster vos opérations marketing et commerciales.
Faire de la contrainte réglementaire une opportunité pour ré envisager la relation client autrement.
Au regard d’une réglementation RGPD en constante évolution et restrictive, la question est posée quant à comment garantir de connaître et reconnaître la trace digitale d’un prospect, d’un client ?
Pour cela nous travaillons depuis quelques années pour créer des modèles : trouver des algorithmes pour soutenir, prédire ce que l’on connait déjà et fort des constats, définir des matrices de corrélation.
Il convient de trouver d’autres réponses à la question de l’identification de la cible client. Et d’appréhender les données représentatives, le volume de l’historique utile/non utile, tout en étant conforme envers la CNIL…
Passer outre la perte de repères générée par la crise C19
Or tous les assets statistiques ont été bouleversés avec la crise sanitaire débutée début 2020, tous les comportements ont été modifiés, rendant obsolètes les modèles.
Alors depuis, comment faire avec des modèles instables ? Comment utiliser un passé si mouvant, avec des données si peu représentatives, si proches, pour prédire l’avenir ?
C’est là que nos équipes hybrides, expertes du digital, du parcours client et de la data, font la différence. En imaginant, établissant des matrices de confusion pour stress-tester les modèles et les réajuster rapidement.
Mettre en place des Usines à score
Ensuite il s’agit d’envisager le tout comme une usine à score, avec des process épurés, fiabilisés, pour réussir à collecter l’information de demain, mieux utiliser la donnée, celle utile, et savoir gérer l’aléas, quitte à le proposer, pour provoquer la découverte.
Que ce soit pour un modèle ou plusieurs, le mot d’ordre est « pilotage », ne pas subir et pouvoir « voir » pour réagir très vite, quitte à corriger tout aussi rapidement si le modèle ne s’avère pas le bon.
Les entreprises qui osent démocratiser l’utilisation de la Data Science et ne plus la cantonner à une minorité s’ouvrent de réelles opportunités : offrir de nouvelles méthodes, générer de nouvelles réflexions, inspirer de nouvelles collaborations, ce sont autant de leviers pour penser une stratégie globale, pour créer de nouveaux business models, tout en enrichissant le travail des équipes. Que du plus dans l’expérience client et l’expérience collaborateur.
