datamining de la connaissance client orienté objectif taoufik benkaraache
TRANSCRIPT
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