La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Datamining de la Connaissance Client orienté Objectif Taoufik Benkaraache.

Présentations similaires


Présentation au sujet: "Datamining de la Connaissance Client orienté Objectif Taoufik Benkaraache."— Transcription de la présentation:

1 Datamining de la Connaissance Client orienté Objectif Taoufik Benkaraache

2 Plan 1. Quest ce que le Datamining ? 2. Solution Datamining pour le Management de la Connaissance Client : Points Clés 3. 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 réclamations 4. Mise en œuvre de la Solution Datamining de Management de la Connaissance Client

3 1. Quest ce que le Datamining ? Concept,Définitions,Enjeux

4 Dans Datamining il y a Data Données - Data 1. « Ce qui est donné, connu, déterminé à lavance dans lénoncé dun 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 Robert Données Client: Tout ce quon est en mesure de savoir sur chaque client à priori

5 Datamining :Concept Datamining :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 nest pas une technologie Le datamining nest pas un outil informatique

6 DATAMINING AU CŒUR DE LINTELLIGENCE ECONOMIQUE (Business intelligence)

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

8 Enjeu Entreprise du Datamining La maîtrise de linformation et de la connaissance permet de : Tirer parti dun avantage concurrentiel (décider avant le concurrent) Réaliser des économies déchelles grâce à la réutilisation des méthodes Déployer les méthodes sur tous les domaines applicatifs Développer les compétences, la capacité et lautonomie de réflexion et daction de lentreprise ( décider en temps reel)

9 Processus de datamining Processus (ISO ) : Transformation ajoutant de la valeur et impliquant des personnes et dautres ressources Léquation fondamentale : Données + Processus = Information

10 Positionnement du datamining Collecte Datawarehouse Interface S.I. Datamining i Interface métier Management d activités Actions

11 Objet du datamining Un Processus permettant de : Décrire une « situation » à partir de données connues Comprendre la « situation », cest à dire identifier les faits et relations de causes à effets en relation avec la situation Modéliser la « situation », cest 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

12 Sélection par échantillonnage Arbres de décision Modélisation de données Prévision - Prédiction Réseaux neuronaux Analyse linguistique Exploitation linguistique Analyse exploratoire des données, visualisation Détection dassociations 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 Datamining Méthodes-Techniques

13 Enjeu Entreprise du Datamining « Knowledge is the only competitive advantage » J. Welsh CEO General Electric

14 2. Solution Datamining pour le management de la Connaissance Client Points Clés

15 Enjeux Économiques de la Connaissance Client (C.K.M. ) LEnjeu de la Connaissance fine et détaillée des clients est de créer, développer, maintenir des relations profitables pour lentreprise et pour ses clients au moyen de techniques de management de linformation client permettant de : détecter des niches marketing déterminer des profils de clients modéliser le comportement des clients détecter des besoins et services nouveaux détecter des potentiels économiques de clients détecter et expliquer les risques dinfidélité

16 Enjeux Économiques de la Connaissance Client (C.K.M. ) suite détecter et expliquer les risques dimpayés détecter et expliquer la QS perçue par les clients détecter les tendances des concurrents et des marchés daméliorer la QS fournie aux clients daméliorer la satisfaction des clients détecter et expliquer la fraude...

17 Le Datamining Client est un Processus de Management de lInformation Client Le datamining nest 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 linformation, de la connaissance en vue dune action bien déterminée vis à vis des clients

18 Exemples de Processus de Management de linformation 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 dinsatisfaction notoire Action = connaître pour améliorer la QS client

19 Exemples de Processus de Management de lInformation Client 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

20 Processus de Management de lInformation Client/Action Client Processus de management de linformation Client Objectif Action Client Analyser linformation client Processus Marketing ou Support Client

21 La Matière Première de lEntreprise : Les Données Client LInformation client est un Produit élaboré par un processus de transformation itératif, interactif à partir de données clients élémentaires mise en lumière au cours dévènements : Evènements Données Information Connaissance Objectifs Décision Plans daction Actions

22 Exemple : 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

23 Objectif du Datamining associé Modéliser le comportement dinfidélité des clients Estimer pour chaque client son risque dinfidélité Re-segmenter les clients au regard des risques encourus

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

25 Idée Directrice de la Connaissance Résumer linformation client en deux composantes : Un indicateur de risque dinfidélité par client Un indicateur de potentiel économique par client Indicateur de valeur économique Indice de fidélité t

26 Processus de management de linformation Client Situation t Sélectionner les données pertinentes et corrélatives de la fidélisation Situation t Calculer un indice de fidélisation et indice de valeur économique par client (scoring) Situation t Déterminer les actions en fonction des indices de fidélisation et de valeur des clients Situation t Implémenter les actions Évaluer les résultats étape 1 étape 2 étape 3 étape 5 Passage de la situation à linstant t à la situation à linstant (t+1) Situation t Modélisation des indices de fidélité et de valeur économique étape 4 Situation t Évaluation des modèles, choix d un modèle étape 6

27 Processus de management de linformation 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

28 Exemple 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

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

30 Textmining = Datamining appliqué à des données textuelles *

31 QS Client et Textmining La QS Client est un processus de management des clients, itératif, interactif sappuyant sur un processus de management des lettres de réclamations des clients mettant en œuvre des techniques de textmining client

32 Objectif du Textmining associé à lAmélioration 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

33 Idée Directrice de lAmélioration de la Q.S. Client Modéliser linformation réclamation client en deux ensembles significatifs : Un ensemble de thèmes significatifs par client Un ensemble de mots clés significatifs par client thèmes significatifs Mots clés significatifs t

34 Les 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 »

35 Processus de management de linformation de la QS client Situation t Sélectionner les Thèmes pertinents et corrélatifs de la QS Client Situation t Prédire les thèmes en fonction des Mots clés Situation t Déterminer les actions en fonction des Thèmes dinsatifaction des clients Situation t Implémenter les actions Évaluer les résultats étape 1 étape 2 étape 3 étape 5 Passage de la situation à linstant t à la situation à linstant (t+1) Situation t Modélisation des Thèmes et des Mots clés significatifs des réclamations étape 4 Situation t Évaluation du modèle étape 6

36 Processus de management de linformation 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

37 Processus de Management de linformation orientée décision Enjeux Décision initiale Données existantes Objectifs Conception des données Conception des traitements Univers de la planification DATA PLANING PLAN Collecte des données Contrôle des données Import Saisie des données Gestion des données Univers de la Gestion DATAWAREHOUSING DO Tableaux de bord Rapports Analyse différée des données Analyse immédiate des données Accès aux données Univers de la Connaissance CHECK DATA MINING Décision Plans dactions Actions ACTION Univers de la décision et de laction DECISION - MAKING

38 Objectif du Datamining Client Rappel Customer Knowledge is the only competitive advantage « Customer Knowledge is the only competitive advantage » FIN


Télécharger ppt "Datamining de la Connaissance Client orienté Objectif Taoufik Benkaraache."

Présentations similaires


Annonces Google