datamining de la connaissance client orienté objectif taoufik benkaraache

Datamining de la Connaissance Datamining de la Connaissance Client orienté ObjectifClient orienté Objectif

Taoufik Benkaraache

PlanPlan

1. Qu’est ce que le Datamining ?2. Solution Datamining pour le Management de la

Connaissance Client : Points Clés3. Solution Datamining pour le Management de la

Connaissance Client : Exemples 3.1. Etude de la Fidélité des clients 3.2. Etude de la QS Client au moyen des lettres de

réclamations4. Mise en œuvre de la Solution Datamining de

Management de la Connaissance Client

1. Qu’est ce que le Datamining ?1. Qu’est ce que le Datamining ?Concept,Définitions,EnjeuxConcept,Définitions,Enjeux

Dans Datamining il y a DataDans Datamining il y a Data

Données - Data 1. « Ce qui est donné, connu, déterminé à l’avance dans

l’énoncé d’un problème, et qui sert à découvrir ce qui est inconnu »

2. « Ce qui est admis, connu ou reconnu et qui sert de base à un raisonnement de point de départ pour une recherche, une étude »

Source: Le Petit RobertDonnées Client: Tout ce qu’on est en mesure de savoir sur

chaque client à priori

Datamining :ConceptDatamining :Concept

« It is a process of discovering meaningful new correlations, patterns, trends by sifting through large amounts of data stored in repositories, using pattern recognition technologies, statistical and mathematical techniques »

Gartner Group, 1995

Le datamining n’est pas une technologie

Le datamining n’est pas un outil informatique

DATAMININGDATAMINING

AU CŒUR DE

L’INTELLIGENCE ECONOMIQUE

(Business intelligence)

DATAMININGDATAMINING

INDISPENSABLE AUX SYSTEMES DE VEILLE :- Veille commerciale- Veille concurrentielle- Veille technologique- Veille stratégique- Etc.

Enjeu Entreprise du Datamining Enjeu Entreprise du Datamining

La maîtrise de l’information et de la connaissance permet de :

Tirer parti d’un avantage concurrentiel (décider avant le concurrent)

Réaliser des économies d’échelles grâce à la réutilisation des méthodes

Déployer les méthodes sur tous les domaines applicatifs Développer les compétences, la capacité et l’autonomie de

réflexion et d’action de l’entreprise ( décider en temps reel)

Processus de dataminingProcessus de datamining

Processus (ISO 9000-1) : Transformation ajoutant de la valeur et impliquant des personnes et d’autres ressources

L’équation fondamentale :

Données + Processus = Information

Positionnement du dataminingPositionnement du datamining

Collecte

Datawarehouse

Interface S.I.

Datamining i

Interface métier

Management d ’activités

Actions

Objet du dataminingObjet du datamining

Un Processus permettant de : Décrire une « situation » à partir de données connues Comprendre la « situation », c’est à dire identifier les

faits et relations de causes à effets en relation avec la situation

Modéliser la « situation », c’est à dire abstraire la situation en ne retenant que les faits et relations pertinents pour une représentation de la situation

Prédire la « situation » à partir des données nouvelles en utilisant le modèle

Exploiter la connaissance acquise pour agir

Sélection par échantillonnage Arbres de décision Modélisation de données Prévision - Prédiction Réseaux neuronaux

Analyse linguistique Exploitation linguistique

Analyse exploratoire des données, visualisation

Détection d’associations ou de déviations

Analyses factorielles Classifications Etc.

Codification qualitative, puis datamining sur données qualitatives

• Données en language naturel

Données quantitatives et qualitatives

Les composants du processus Les composants du processus Datamining Méthodes-TechniquesDatamining Méthodes-Techniques

Enjeu Entreprise du Datamining Enjeu Entreprise du Datamining

« Knowledge is the only competitive advantage »

J. WelshCEO General

Electric

2. Solution Datamining 2. Solution Datamining pour le management de la pour le management de la

Connaissance ClientConnaissance ClientPoints ClésPoints Clés

Enjeux Économiques de la Enjeux Économiques de la Connaissance Client (C.K.M. )Connaissance Client (C.K.M. )

L’Enjeu de la Connaissance fine et détaillée des clients est de créer, développer, maintenir des relations profitables pour l’entreprise et pour ses clients au moyen de techniques de management de l’information client permettant de :

détecter des niches marketingdéterminer des profils de clientsmodéliser le comportement des clientsdétecter des besoins et services nouveauxdétecter des potentiels économiques de

clientsdétecter et expliquer les risques d’infidélité

Enjeux Économiques de la Enjeux Économiques de la Connaissance Client (C.K.M. ) Connaissance Client (C.K.M. ) suitesuite

détecter et expliquer les risques d’impayés

détecter et expliquer la QS perçue par les clients

détecter les tendances des concurrents et des marchés

d’améliorer la QS fournie aux clientsd’améliorer la satisfaction des clientsdétecter et expliquer la fraude ...

Le Datamining Client est un Le Datamining Client est un Processus de Management de Processus de Management de

l’Information Clientl’Information ClientLe datamining n’est pas un outil informatiqueLe datamining n’est pas un outil informatique

Le datamining client est un processus de management des données client qui opère à

partir des données élémentaires pour produire de l’information, de la connaissance en vue d’une action bien déterminée vis à vis des

clients

Exemples de Processus de Exemples de Processus de Management de l’information ClientManagement de l’information Client

Données = données marketing Processus = datamining client Information = score de fidélité Action = connaître pour fidéliser les clients

Données = lettres de réclamations Processus = textmining client Information = thèmes d’insatisfaction notoire Action = connaître pour améliorer la QS client

Exemples de Processus de Exemples de Processus de Management de l’Information Management de l’Information

ClientClient Données = données client Processus = datamining client Information = score de risque client Action = connaître pour se prévenir des mauvais

payeurs

Données = données de facturation Processus = datamining client Information = score de risque de fraude Action =connaître pour se prévenir des fraudeurs

Processus de Management de Processus de Management de l’Information Client/Action Clientl’Information Client/Action Client

Processus de management de l’informationClient

ObjectifActionClient

Analyser l’information client

Processus Marketing ou Support Client

La Matière Première de l’Entreprise : La Matière Première de l’Entreprise : Les Données ClientLes Données Client

L’Information client est un Produit élaboré par un processus de transformation itératif, interactif à partir de données clients élémentaires mise en lumière au cours d’évènements :

EvènementsDonnées

Information

ConnaissanceObjectifs

DécisionPlans d’action

Actions

Exemple : Exemple : Etude de la Fidélité des Clients Etude de la Fidélité des Clients

Objectif : Identifier les clients potentiellement infidèles selon leur potentiel économique et de mettre en place des actions marketing adaptées

Objectif du Datamining associéObjectif du Datamining associé

Modéliser le comportement d’infidélité des clients

Estimer pour chaque client son risque d’infidélité

Re-segmenter les clients au regard des risques encourus

Les données Client :Les données Client :Les données de la connaissance client - Les données de la connaissance client -

Les données de la concurrenceLes données de la concurrence

Données provenant de différentes sources Données Marketing Données du service client Données de facturation Données de sondages, panels, enquêtes Données de réclamations Données sur les concurrents

« Toutes données permettant de connaître les clients un à un ainsi que leur environnement »

Idée Directrice de la Idée Directrice de la Connaissance Connaissance

Résumer l’information client en deux composantes : Un indicateur de risque d’infidélité par client Un indicateur de potentiel économique par client

Ind

icat

eur

de

vale

ur

écon

omiq

ue

Indice de fidélité

t

Processus de management de Processus de management de l’information Client l’information Client

Situation tSélectionner les

données pertinentes

et corrélativesde la

fidélisation

Situation t Calculer un indice

de fidélisation et indice de

valeur économiquepar client (scoring)

Situation tDéterminer

les actions en fonction desindices de fidélisation et de valeur des clients

Situation tImplémenter les actions

Évaluer les résultats

étape 1

étape 2étape 3

étape 5

Passage de la situationà l’instant t à la situation

à l’instant (t+1)

Situation tModélisation

des indices de fidélité et de

valeur économique

étape 4

Situation tÉvaluation

des modèles, choix

d ’un modèleétape 6

Processus de management Processus de management de l’information Client de l’information Client

Six étapes clés: Étape 1 : Détecter les variables déterminantes Étape 2 : Construire les modèles Étape 3 : Évaluer les modèles Étape 4 : Prédire les clients infidèles selon leur valeur

économique Étape 5 : Exploiter les modèles Étape 6 : Évaluer les résultats des actions marketing

Exemple 2 : Étude de Cas TelecomExemple 2 : Étude de Cas Telecom

Les données

• 1499 clients ayant résilié leur contrat

•4804 clients en cours de contrat

•Echantillon d ’apprentissage 1000 clients (786 fidèles; 214 infidèles)

•Echantillon de contrôle : 2000 clients avec 3% d ’infidèles

Objectif : Etude de la Q.S client au Objectif : Etude de la Q.S client au moyen des lettres de réclamationsmoyen des lettres de réclamations

*

TextminingTextmining==

Datamining appliqué à des Datamining appliqué à des données textuellesdonnées textuelles

*

QS Client et TextminingQS Client et Textmining

La QS Client est un processus de management des clients, itératif, interactif s’appuyant sur un processus de management des lettres de réclamations des clients mettant en œuvre des techniques de textmining client

Objectif du Textmining associé à Objectif du Textmining associé à l’Amélioration de la Q.Sl’Amélioration de la Q.S

Modéliser le comportement de réclamation des clients

Détecter les facteurs significatifs des réclamations

Estimer pour chaque client son risque de réclamant

Agir auprès des clients au regard des risques encourus

Idée Directrice de l’Amélioration Idée Directrice de l’Amélioration de la Q.S. Clientde la Q.S. Client

Modéliser l’information réclamation client en deux ensembles significatifs : Un ensemble de thèmes significatifs par client Un ensemble de mots clés significatifs par client

thèm

es s

ign

ific

atif

s

Mots clés significatifs

t

Les Données Client de la QSLes Données Client de la QS

Données provenant de différentes sources Données Marketing Données du service client Données de facturation Données de sondages, panels, enquêtes Données de réclamations Etc.

« Toutes données permettant de connaître les clients un à un ainsi que leur environnement »

Processus de management de Processus de management de l’information de la QS clientl’information de la QS client

Situation tSélectionner les

Thèmes pertinents

et corrélatifsde la

QS Client Situation t Prédire les thèmes en

fonction des Mots clés

Situation tDéterminer

les actions en fonction des

Thèmes d’insatifaction

des clients

Situation tImplémenter les actions

Évaluer les résultats

étape 1

étape 2étape 3

étape 5

Passage de la situationà l’instant t à la situation

à l’instant (t+1)

Situation tModélisation

des Thèmes et des Mots cléssignificatifs

des réclamations

étape 4

Situation tÉvaluation du modèle

étape 6

Processus de management Processus de management de l’information de la QS Clientde l’information de la QS Client

Six étapes clés: Étape 1 : Détecter les Thèmes et les mots clés significatifs

de la QS Client Étape 2 : Construire le modèle de relation entre Thèmes et

Mots clés pour la QS Client Étape 3 : Évaluer le modèle de relation Étape 4 : Prédire les Thèmes clients selon leurs Mots clés

significatifs Étape 5 : Exploiter le modèle de QS Client Étape 6 : Évaluer les résultats des actions de QS

Processus de Management de Processus de Management de l’information orientée décisionl’information orientée décision

EnjeuxDécisioninitiale

Donnéesexistantes

Objectifs

Conception des données

Conception destraitements

Univers de la planificationDATA PLANING

PLAN

Collecte desdonnées

Contrôle des données

ImportSaisie desdonnées

Gestiondes données Univers de la Gestion

DATAWAREHOUSING

DO

Tableaux de bordRapports

Analyse différéedes données

Analyse immédiatedes données

Accès auxdonnées Univers de la Connaissance

CHECK

DATA MINING

Décision

Plans d’actions

Actions

ACTION

Univers de la décision et de l’actionDECISION - MAKING

Objectif du Datamining ClientObjectif du Datamining ClientRappelRappel

« Customer Knowledge is the only Customer Knowledge is the only competitive advantagecompetitive advantage »

FIN