product
Flexible Data Platform
Une solution "Big Data ready" pour mettre en place et exécuter des traitements en mode "as a service"
à partir de 0,00 € HT par mois
Big Data pour la grande distribution
Cas d'usage n°1
Distribution : améliorer la connaissance client
Big Data pour les assurances
Cas d'usage n°2
Assurances : personnaliser les contrats
Solution Big Data pour une banque
Cas d'usage n°3
Banques : améliorer la connaissance client

Améliorer la connaissance client pour personnaliser des offres à la volée

Une plateforme Big Data permet de collecter des données variées, pour obtenir une vue 360° des clients grâce au regroupement de l’ensemble des données structurées et non structurées issus de tous canaux (tickets de caisses, études, sondages) en vue de détecter les signaux faibles et guider les orientations stratégiques

Ces données peuvent concerner :

  • les profils des clients ayant accepté de renseigner ses informations personnelles
  • les habitudes d’achat des clients utilisant une carte de fidélité
  • des données tierces, achetées à d’autre entreprises
  • des données d’usages Internet ou mobiles
  • des données météo

Une fois collectées, ces données sont croisées et analysées, afin de mettre en place une expérience client personnalisée. On peut envisager de proposer des offres promotionnelles ciblées et personnalisées sur le smartphone en croisant les données de cartes de fidélité dématérialisées avec les données de sorties de caisse grâce à une application dédiée.
Autre exemple, on peut également envisager d’adapter en quasi temps réel les offres ou produits proposés en magasin selon la fréquentation et la meteo.

Les enjeux

Un enjeu fort du déploiement d’une stratégie Big Data pour la grande distribution est d’améliorer ses produits et services tout en optimisant ses coûts et process.

Un moyen pour y arriver est d’écouter les réseaux sociaux sur les thématiques produits et services appropriées. Un tel dispositif permet entre autre :

  • L’adaptation des linéaires en temps réel en fonction de la fréquentation et des achats dans le magasin , des données client (cartes de fidélité) et de données externes (météo…)
  • L’optimisation/anticipation des commandes de stock via le croisement des historiques d’achats et des données externes (évènements, météo….)
  • L’analyse de problèmes et de tendances (qualité, comparaison avec la concurrence….) via l’analyse de verbatims clients issus de différentes sources (mails, courrier, caisses, accueil…)
  • La proposition d’offres promotionnelles ciblées sur Smartphone en croisant les données de cartes de fidélités dématérialisées avec les données de sorties de caisses.

Un exemple d’application : remontée et analyse des tickets de caisse pour améliorer les linéaires et proposer des promotions en temps réel

  1. Les tickets de caisses sont agrégés et collectés en temps réel
  2. Un traitement en mémoire permet d’analyser et corréler ces données
  3. Un portail Web offre une restitution dynamique de l’ingestion des données et une visualisation temps réel du chiffre d’affaires, par type de produit, avec des points de comparaisons, etc.

Une solution Big Data pour personnaliser les offres d’assurances à la volée

Les applications Big Data dans le secteur de l’assurance sont très nombreuses.

Grâce aux capacités de calcul et d’analyse des solutions Big Data, il est possible de déterminer puis ajuster le prix de l’assurance mensuellement  et de créer des profils assurés plus précis : de nombreuses données peuvent être collectées via un capteur installé dans les véhicules, qui remonte et croise différentes données (freinage, plage horaire, kms parcourus…)

On peut également imaginer :

  • étudier l’utilisation des objets connectés pour optimiser des contrats d’assurance professionnelle
  • mettre en place des plans d’expérimentation autour de la réduction de la sinistralité incendie
  • gérer de fort volumes de données liés à la digitalisation de la gestion des sinistres
  • avoir une vue 360° des clients sur une seule interface via le croisement de l’ensemble des données structurées et non structurées (ex scans, images…) issues de plus de 70 systèmes différents

Les enjeux

Pour le secteur des assurances, il y a 2 enjeux majeurs à mettre en place une stratégie Big Data :

  • Gagner en satisfaction client grâce à la personnalisation d’offres sur mesure adaptées à leurs usages
  • identifier des relais de croissance en anticipant des besoins clients et en améliorant les process de traitement des sinistres.

Comme pour les autres secteurs d’activité, la mise en place d’une solution Big Data permet également d’être plus précis dans les communications clients et le ciblage des campagnes marketing

Bénéfices du Big Data pour une banque

Une solution de traitement Big Data permet de :

  • rendre accessible de grands volumes de données, d’origine et de format variables, à l’ensemble des collaborateurs.
    L’accès à ces données s’effectue via une plateforme d’accès unifié à l’information dotée d’un moteur de recherche qui centralise différentes sources de données non structurées (bases IBM Notes, espaces collaboratifs, sites web intranet/internet, annuaires, images…)
  • déployer une puissance de calcul évolutive et adaptée pour trier, analyser et visualiser ces données

Pour une banque, l’analyse de différentes sources de données, structurées ou non, relatives aux clients potentiels (réseauxsociaux, vidéos, internet, géolocalisation…)  permettra de délivrer des prêts a la consommation ou des avances sur salaires

Les enjeux

Grâce aux possibilités du Big Data, une banque peut analyser des algorithmes de scoring prédictif, pour améliorer les usages, les demandes clients ou pour optimiser certains coûts.

Voici quelques exemples de bénéfices à tirer d’une bonne stratégie Big Data pour une banque :

  • Délivrer des prêts à la consommation en quasi temps réel, en se basant sur l’analyse de différentes sources de données relatives aux clients candidats.
  • Identifier en amont des insatisfactions clients et réduire le churn (taux de perte client). La banque peut collecter et analyser des données issues des appels clients, de la navigation web, des emails, des réseaux sociaux…
  • Il est également possible d’analyser des transactions financières (anonymes) des clients pour lancer des campagnes publicitaires ou promotionnelles personnalisées et contextualisées selon les profils ciblés.

Autre bénéfice apporté par la mise en place d’une stratégie Big Data : l’optimisation de l’efficacité des process internes et des coûts de fonctionnement. Par exemple :

  • Analyser le suivi de dépenses des cartes corporate  afin d’améliorer la négociation avec les fournisseurs.
  • Analyser la fréquentation des agences bancaires grâce à l’utilisation de données anonymisées de géolocalisation, dans le but d’optimiser les horaires d’ouvertures et de présence du personnel.
Big Data pour la grande distribution
Cas d'usage n°1
Distribution : améliorer la connaissance client
Big Data pour les assurances
Cas d'usage n°2
Assurances : personnaliser les contrats
Solution Big Data pour une banque
Cas d'usage n°3
Banques : améliorer la connaissance client