Une relation client enrichie grâce au Big Data

La « vision client 360 degrés » est souvent considérée comme l’arlésienne des outils de la relation client. En effet par vision 360 degrés on attend la capacité à avoir toutes les informations client en 1 coup d’oeil: imaginons par exemple un opérateur mobile ou un fournisseur d’énergie qui, à chaque fois que vous le contactez, saurait:

  • qui vous êtes (et qui sont vos proches – familles, numéros favoris etc…)
  • vos informations contractuelles (les vôtres et vos proches)
  • tous les contacts précédents et les raisons de ces contacts (vous avez envoyé un mail le mois dernier pour savoir si le prix de votre abonnement allait baisser)
  • vos réponses aux questionnaires de satisfaction
  • si vous êtes fan de la page Facebook
  • les documents que vous avez fournis (attestation domicile, scan carte identité)
  • etc…

Un tel outil ferait gagner en qualité de service (plus besoin de raconter 10 fois votre problème, plus besoin d’attendre 10 minutes que le conseiller  en face de vous retrouve les informations), en simplicité des procédures pour ceux qui sont tous les jours en contact avec les clients, mais aussi en qualité des dossiers (fini les 2 adresses postales différentes – 1 dans votre dossier internet et 1 dans votre dossier carte de fidélité), ce dernier point est peu glamour mais extrêmement important dans le cadre de la relation client.

Sauf que par construction un tel outil représente trop de données, trop de sources différentes et trop de contraintes réglementaires. En général les projets vision 360 degrés s’enlisent pour finalement soit disparaitre soit n’être que partiels (il manque les informations du web, ou bien il manque les transactions, ou bien etc…).

logo

L’assureur américain Metlife (un des leaders de l’assurance vie avec 90 millions de clients!) n’a pas échappé à la règle: plus de 10 ans après avoir lancé un projet « vision client 360 degrés » rien n’avait encore réellement abouti. Mais fin 2012 tout a changé: le Big Data et sa gestion des données de masse commençaient à éclore dans l’univers des services aux Etats-Unis. Metlife a alors ajusté sa vision technique du projet pour la prendre sous l’angle Big Data : il ne s’agissait plus de reconstruire et réunir toutes les bases de données mais de « simplement » garder l’existant et l’injecter (en temps réel) dans des structures dites Big Data (MangoDB dans le cas de Metlife), structures pouvant intégrer tous types de données (infos clients, transactions, documents etc…).

Il s’agissait ensuite de présenter le résultat sous une forme ergonomique pour que les téléconseillers puissent l’exploiter. Ainsi est né « The Wall », interface ressemblant à Facebook contenant toutes les informations nécessaires à une relation client fluide et de qualité:

GTOin_article_54_Building_the_Wall_L

Cet exemple illustre bien le fait que le Big Data ouvre la porte a une nouvelle exploitation des données, ici au service de la relation client. Mais le plus incroyable n’est pas uniquement d’être arrivé à une vision 360 degrés, c’est aussi et surtout le fait que cela a été fait en 3 mois! Historiquement dans n’importe quel secteur un déploiement d’outil de gestion client (CRM) prend/prenait plusieurs années.

Cette durée record de 3 mois a fait beaucoup parlé d’elle dans le monde de la relation client (Metlife a même gagné plusieurs prix pour cette réalisation), elle a été possible pour 2 raisons:

  • les technologies Big Data sont beaucoup plus simples à déployer que les outils anciennes générations: les solutions de base sont open source (libre accès) et se déploient de manière agile (tout est évolutif donc tout peut s’ajuster en cours de route)
  • le sujet étant nouveau les équipes Metlife étaient particulièrement motivées (on parle de plus de 60 équipes différentes), l’effervescence autour du Big Data a joué un rôle d’accélérateur

 

En conclusion, même si ce cas d’usage remonte à plus de 12 mois, l’intérêt du Big Data et son aspect révolutionnaire sont bien illustrés dans le cas « The Wall » à la fois par le fait d’arriver enfin à un outil vision 360 degrés mais aussi par la rapidité de déploiement qui, depuis, fait office de référence pour beaucoup d’acteurs de la relation client.

 

Voici 2 articles généraux sur le sujet:

http://www.informationweek.com/software/information-management/metlife-uses-nosql-for-customer-service-breakthrough/d/d-id/1109919?

https://www.executiveboard.com/blogs/the-metlife-wall-one-view-of-the-customer/

 

Et un article plus technique sur la technologie MongoDB utilisée:

http://www.dataversity.net/metlifes-wall-powered-by-mongodb/

 

 

Publicités

La révolution Big Data est en marche…. mais de quoi parle-t-on?

Big Data se traduit littéralement par « Grosses Données » ou « Masse de Données. Cependant le sens de ces mots est réducteur car quand on parle du phénomène Big Data il s’agit en fait des (r)évolutions à 3 niveaux: les données disponibles sont en pleine mutation, les outils et méthodes de traitement doivent donc s’adapter, et enfin les usages qui en sont faits sont totalement en rupture avec l’existant.

 

Les données vivent une mutation sans précédent:

Bien entendu le volume de données existant connait une croissance très forte depuis le début de l’ère numérique (développement du web à la fin des années 90), ceci s’accélère et la croissance est exponentielle. Cependant le changement ne concerne pas que la quantité, en effet comme le précise Gartner (cabinet de conseil américain pionnier de la théorie sur le Big Data) la donnée a changé selon les 3 V: Volume, Variété et Vélocité. Au-delà de la quantité c’est donc aussi le type de données (fichiers, vidéos, images, blogs, média sociaux, objets connectés) et la fréquence d’enregistrement qui changent (temps réel pour un GPS par exemple ou achat vente d’espaces pub en quelques nanosecondes).

La littérature pousse parfois sur des 4ème ou 5ème V avec la Véracité (la quantité est parfois au détriment de la qualité) et la Valeur (les données deviennent une matière première et sont monétisables).

 

Les outils et méthodologies s’adaptent:

Les premiers à être confrontés à la problématique de la quantité de données furent les acteurs du web, les astronomes et la recherche médicale. Les solutions de traitement aujourd’hui les plus connues ont d’ailleurs une paternité chez Yahoo et Google. La parallélisation des calculs sur un réseau d’ordinateur, l’optimisation astucieuse de ses calculs (cf MapReduce) ainsi que la création de nouveaux langages (cf NoSQL) ont abouti aux solutions actuelles, la plus commune étant Hadoop. A noter que la révolution est aussi culturelle: Hadoop est opensource donc en libre accès avec des communautés de développeurs qui partagent gratuitement les résultats de leurs recherches.

Au-delà des technologies les méthodes statistiques doivent aussi évoluer; de manière assez étonnante on assiste au retours à des méthodes historiquement abandonnées par manque de précision. Depuis les années 2000 les statistiques ont beaucoup progressé dans la modélisation en cherchant à prévoir de la manière la plus parfaite possible (il faut trouver le modèle qui colle le plus à la réalité). Avec l’explosion des données il maintenant nécessaire (depuis environ 4-5 ans) d’intégrer la dimension « capacité à calculer », c’est pourquoi l’informatique et la statistique sont en train de se rapprocher. La méthode à la mode en ce moment est par exemple le « machine learning », méthode historiquement informatique (approche algorithmique qui améliore automatiquement le modèle avec l’arrivée de nouvelles observations, cela évite de tester toutes les combinaisons). Cette méthode existe depuis environ 50 ans mais ne donnait pas de résultats suffisamment pertinents faute de données en masse.

 

Les applications concrètes du Big Data sont innovantes

Il est impossible de faire un panorama complet des usages du Big Data, c’est d’ailleurs pourquoi on parle de révolution car le champ des possibles est quasi infini!

Il est toutefois possible de lister quelques domaines et quelques exemples intéressant d’utilisation du Big Data:

  • En santé:
    • la recherche génomique avance plus vite grâce à la capacité de traitement et de modélisation « Big Data »
    • l’épidémiologie aussi fait un bond en avant, sujet d’actualité avec le virus ebola (un outil Google Flutrends existe d’ailleurs, recherche de l’avancée d’épidémie virale grâce à la lecture géographique des mots clés tapés dans Google)
  • En marketing:
    • des sociétés comme Criteo permettent de définir instantannément la publicité qu’il faut vous afficher quand vous naviguez sur internet; pour cela ils se basent sur les cookies présents dans votre ordinateur mais prennent aussi en compte le coût d’achat de la bannière à l’instant T (Real Time Bidding) pour optimiser les dépenses
    • les assureurs vont pouvoir, grâce aux boitiers présents dans les voitures, accorder des tarifs réduits à ceux qui ont un comportement « bon conducteur »
  • En politique: lors de la dernière campagne présidentielle américaine le camps Obama a ciblé ses actions de porte à porte après avoir déterminé les foyers les plus indécis grâce au Big Data (profils socio-démographiques, données web etc…)

Ces quelques exemples sont évidemment loin d’être exhaustifs mais il y en aura d’autres! L’objectif du blog est de partager et décortiquer les exemples concrets d’usage Big Data.