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

Le Big Data au service de la lutte contre la criminalité

Les exemples d’utilisation du Big Data ne manquent pas et les secteurs impactés sont trés nombreux. La sécurité en fait partie, il s’agit d’un exemple très intéressant car il le Big Data y fait ses preuves depuis quelques années aux Etats Unis alors que la France n’en est encore qu’aux balbutiements.

 

Les grandes villes nord-américaines (Etats Unis et Canada) déploient progressivement (depuis 2010 environ) des solutions technologiques leur permettant 3 types d’usage.

  1. Anticiper les crimes prémédités (typiquement les cambriolages, vol de voitures, braquages etc):
    • en prenant en compte l’historique des crimes (série de cambriolage en cours dans tel quartier tous les mardis après-midi)
    • mais en y intégrant aussi des informations diverses (circulation, évènements, heures de fermeture/ouverture des magasins etc…)
    • les forces de police obtiennent ainsi des cartes avec les secteurs et heures probables des crimes potentiels, les patrouilles et surveillances sont ensuite organisées de manière efficace

    L’outil Predpol (http://www.predpol.com/) a été conçu autour d’un algorithme de prévision des crimes, il fait ses preuves depuis 3 ans: en 2012 les zones Predpol ont connu une baisse de criminalité supérieure à 10% quand le reste des Etats-Unis a connu une très légère hausse. IBM propose aussi ce type de service, voici un bel exemple avec la police de Memphis: http://www.ibm.com/smarterplanet/us/en/leadership/memphispd/.

    Exemple de la restitution Predpol pour les violences à mains armées:

    predpol

  2. Fournir en temps réel les informations pertinentes aux équipes sur le terrain:
    • sur des smartphones ou PDA
    • les agents de Police peuvent consulter en temps réel (quasi), sur des cartes, les informations sur la criminalité, et peuvent en partager certaines avec des civils pour appels à témoignage

    Ces données ne sont pas prédictives mais sont très utiles pour organiser une patrouille « classique » et le travail quotidien d’agents sur un secteur précis. Voici un exemple avec la police de Vacouver en train de déployer un tel outil: http://people4smartercities.com/video/vancouver-police-department-uses-big-data-analytics-fight-crime-4-videos

  3. Nouveau: aider à la résolution des enquêtes
    • A partir de toutes les données de l’enquête (vidéos, témoignages, lieu, heure, type de crime etc…)
    • En croisant avec les bases de données criminelles existantes (sur les criminels mais aussi et surtout les « MO » = Motus Operandi ou Mode Opératoire)
    • Le logiciel calcule et propose une liste de suspects potentiels
    • Les enquêteurs utilisent ensuite cette liste pour enrichir leur enquête et peuvent cibler les interrogatoires à mener ou bien les photos à montrer

IBM à développer pour Miami-Dade le logiciel Blue PALMS: http://www.ibm.com/smarterplanet/global/files/us__en_us__leadership__miami_dade.pdf, se confrontant évidemment au septicisme (voir plus) des enquêteurs locaux. Les résultats ont cependant prouvé que Blue Palms était pertinent et représentait une véritable aide aux enquêteurs. Les exemples de réussites ont été nombreux (IBM explique même que sur les 40 cas testés a posteriori le logiciel avait le bon suspect dans sa short list 73% du temps).

 

Ces exemples aux Etats-Unis et Canada posent quand même 2 questions.

La première est « pourquoi si des solutions tellement efficaces existent la France (et l’Europe plus généralement) ne les utilisent pas« ? La réponse est en fait très simple: les Etats-Unis sont globalement très avance sur le domaine du Big Data dans tous les secteurs (santé, distribution, banques, assurances etc…), la sécurité n’est pas différente du reste. A noter aussi que des réflexions sont en cours du côté du ministère de l’intérieur, la France en est au stade des expérimentations (Paris Lille Lyon Marseille) et des appels d’offres: http://journaleuse.com/2014/07/09/big-data-interieur-defense/.

La seconde est plus philosophique concernant le prédictif : « où se situe la frontière entre ce qui est éthiquement acceptable et ce qui ne l’est plus? » En effet si le logiciel Blue PALMS indique qu’une personne est suspecte sans raison apparente est-ce correct de l’ajouter à la liste? Prévoir les crimes ne vont-ils pas juste les déplacer sur des zones moins étudiées car moins riches? etc… Il est évidemment impossible de répondre facilement à de telles questions, il est plus simple de botter en touche: pour l’instant ces outils aident la Police a être plus efficace, rien de plus, ce qui est déjà un beau progrès en soi…