Intelligence de la donnée : quelques cas d’usage

Définition des cas d’usage

Un projet de Data Intelligence démarre toujours avec un cas d’usage. Pour définir ces Use Case (UC), il faut au préalable prioriser les problèmes à gérer. Une fois cette étape mise au point, des cas d’utilisation peuvent être listés. Afin d’élaborer des scénarios d’utilisation pertinents, il faut également poser un cadre de suivi de leur mise en application. Celui-ci concerne la faisabilité du UC, la méthodologie à suivre pour mesurer son impact (KPIs, reporting et dashboards à créer) et les technologies nécessaires à son implémentation.

Pour décider des cas d’usage à implémenter, une entreprise ou une organisation donnée a besoin en premier lieu de cartographier l’état de son capital de données. L’objectif derrière cette première étape est d’obtenir une vue globale de la data :

• juger leur qualité ;
• détecter les données manquantes ;
• mettre en évidence les redondances dans la collecte de la data ;
• etc.

À partir de là, peuvent démarrer des actions d’uniformisation si les données sont utilisées par différents services de l’entreprise ou de recueil de données lorsque la data jugée nécessaire, mais absente. Nous verrons par la suite quelques cas d’usage et problématiques auxquelles tente de répondre la Data Intelligence.

Data Intelligence et amélioration de l’expérience client dans le retail

Découvrir les points de friction entre l’utilisateur et le tunnel d’acquisition implémenté par une enseigne e-commerce relève d’un défi pour beaucoup d’acteurs de la vente en ligne. Cela passe par analyser les pages impliquées dans le parcours d’achat du client et comprendre lesquelles d’entre elles génèrent un taux de sortie ou d’abandon conséquent. Une fouille poussée des pages et des parcours clients permet de détecter les éléments ou briques de pages à mettre en avant ou au contraire celles qui provoquent l’abandon de paniers et qu’il faudrait éliminer. Les outils de Data Intelligence permettent également d’établir les différences entre les comportements des clients qui traversent le tunnel de vente dans son entièreté et ceux qui abandonnent en cours de parcours.

Une analyse des données recueillies lors d’un projet de Data Intelligence peut aider à comprendre :

• à quel endroit (login, lors de l’entrée des coordonnées, etc.) et dans quelle proportion émergent les chutes de sessions ;
• quels aller-retours effectuent les clients entre la validation du panier et les fiches produits.

Tous ces cas d’usage de la Data Intelligence visent à améliorer le parcours client afin que celui-ci puisse mener à bien son achat. Ainsi, en facilitant le chemin vers le checkout et le checkout lui-même, l’entreprise concernée s’offre la possibilité d’accélérer le parcours client et à terme augmenter le taux de conversions et d’achats.

Intelligence de la donnée pour les assurances et les banques

Le recours au machine learning pour détecter les fraudes et les comportements financiers anormaux fait partie des cas d’usage de la data intelligence. Le but est alors de diminuer les coûts dus à l’usage de documents frauduleux dans le milieu de l’assurance. Un autre usage de l’intelligence artificielle en se basant sur les données des assureurs est l’adaptation des tarifs appliqués au profil de chaque client. L’intérêt de la personnalisation des coûts réside dans l’évitement des surfacturations ou sous-facturations. Le client final paie en fonction des caractéristiques de son profil. De plus, la classification des clients par clusters présentant les mêmes caractéristiques, amène les assureurs à proposer des offres plus pertinentes à leurs clients et prospects.

Les banques peuvent faire usage d’analyses prédictives ou de data mining en se basant sur les habitudes de dépenses de leurs clients. L’objectif serait de fidéliser leurs clients en proposant des offres adaptées (up sells et cross sells, notamment) aux profils des clients mis en avant par la fouille des données.

Data Intelligence et amélioration du service client

L’amélioration du service client est une préoccupation que l’on retrouve dans tous les secteurs. L’exploitation des données de l’entreprise peut aider à l’optimiser et faciliter le travail des personnes en charge de cette mission. Automatiser les tâches à faible valeur ajoutée, diminuer les délais de réponse aux clients, répondre efficacement aux questions des consommateurs, exploiter les données issues des différents canaux de ventes, la Data Intelligence tente de répondre à toutes ces problématiques.

Parmi les outils IA mis à disposition des professionnels, on retrouve principalement :

• l’automatisation de l’écriture des comptes-rendus d’échanges avec les clients. Cette tâche libère les agents du service client et leur assure un gain de temps sur le plan administratif conséquent ;
• les chatbots qui peuvent être semi-automatisés et laisser place à un usage à mi-chemin entre l’échange humain et l’échange automatisé. Cet outil permet de récupérer les interactions avec les prospects, clients ou autres visiteurs du site même lorsque les acteurs du service client ne sont pas disponibles ;
• les FAQs dynamiques qui ont recours à des algorithmes de traitement du langage naturel afin de répondre aux interrogations des visiteurs d’un site web. L’implémentation de ces outils cherche à désengorger les services clients des échanges redondants ou pouvant être gérés à travers des réponses sur mesure rédigées au sein du site.

D’autres usages de l’intelligence de la donnée intéressent les entreprises tels que l’automatisation de l’analyse des comptes-rendus d’échanges entre conseillers du service client et consommateurs, la possibilité de profiter des données récupérées par le service client et de les intégrer automatiquement au sein de CRMs, etc.

En conclusion, la Data Intelligence met au service des entreprises un ensemble d’outils. Leur utilisation peut garantir à la fois l’amélioration des processus internes (libérer les employés des tâches chronophages et répétitives ou sans valeur ajoutée), l’augmentation des taux de conversions (amélioration ou accélération des parcours clients entre autres ou servir de levier de recommandation en proposant aux prospects ou clients des produits adaptés à leurs profils).

D’autres cas d’utilisation existent ailleurs que dans les domaines explorés ici. Ainsi, la Data Intelligence permet l’exploitation de données massives en imagerie médicale afin de faciliter la pose de diagnostics. D’autres outils tentent d’émerger en exploitant l’Internet Of Things (IoT) ou Internet des objets (en Français) en centralisant les flux des données obtenues via les capteurs et appareils connectés au système d’intégration IoT. L’objectif derrière cette collecte de données reste encore et toujours l’optimisation d’un critère donné (consommation électrique des appareils électroménagers par exemple).

Nous vous recommandons ces autres pages :

• Intelligence de la donnée : qu’est-ce que la Data Intelligence ?
• Bien comprendre les enjeux de l’intelligence de la donnée
• Comment bien cadrer un projet d’intelligence de la donnée
• Les clés d’un pilotage efficace d’un projet d’intelligence de la donnée
• De l’intérêt de créer un cadre de gouvernance de la donnée
• Les erreurs à éviter pour réaliser un POC sur un projet d’intelligence de la donnée
• Bien choisir ses indicateurs de performance d’informatique décisionnelle

Des questions ?