Active Intelligence Enterprise et Real-Time BI dans le secteur bancaire

Pour pouvoir se développer sur un marché intensément concurrentiel, les institutions financières du monde entier ont mis l’accent sur la compréhension et une communication plus efficace avec leurs clients. Riches en données, ces organisations ont facilement accès à des volumes très importants d’informations détaillées sur leurs clients : démographie, information sur les produits, relations avec la clientèle, état des finances, mais aussi comportement des clients et modèles d’achat.

La possibilité de pouvoir analyser de façon pertinente des informations fraîches sur la clientèle permet aux établissements financiers d’être plus efficaces et plus performants dans la commercialisation de leurs produits et la gestion de leurs clientèles. Il s’agit grâce à des modèles et des applications analytiques de mieux cerner les clients actuels et potentiels en associant la puissance d’un entrepôt de données aux fonctions de modélisation complexes et novatrices propres à ce secteur d’activité, notamment dans quatre domaines cruciaux :

Ventes et marketing : prise en charge de fonctions complexes d’évaluation de la propension à l’achat, de fidélisation de la clientèle et de segmentation des comportements pour permettre aux entreprises du secteur financier de mieux comprendre et de répondre en conséquence aux besoins de leurs clients et de leurs marchés ciblés.
Gestion du risque : aide à l’évaluation du risque client, notamment à l’analyse de la propension à la défaillance.
Rentabilité de la clientèle : développement d’une compréhension globale et précise de la rentabilité des clients, notamment par l’étude du coût par activité et de la valeur potentielle du client. Cette évaluation peut en outre faciliter la mise en œuvre de fonctions évoluées de gestion des relations (telles que la tarification basée sur la relation).
Gestion des canaux de distribution : compréhension et rationalisation des stratégies de diffusion et des infrastructures de distribution pour permettre aux organisations financières d’optimiser l’efficacité des canaux mis sur pied pour des groupes de clients particuliers.

La problématique d’aujourd’hui se formule de la façon suivante : comment mettre à disposition des opérationnels, des planificateurs, des managers et des stratèges des différentes fonctions de l’entreprise des informations de qualité qui concernent leur activité en répondant à leurs besoins de fraîcheur, de disponibilité, de possibilité de traitement (production d’indicateurs, réalisation d’analyses ad hoc et de simulation, …). La réponse est dans la mise en place d’une infrastructure adaptée permettant l’intégration aux systèmes opérationnels d’un entrepôt de données actif et de moyens de real time BI.

Mais attention si nous prenons le cas d’une grande banque le volume des événements clients à gérer se chiffre en centaines de millions d’interactions par an, avec dans un cas que nous connaissons : 100 millions de contacts en agence, 100 millions de sessions aux distributeurs ou guichets automatiques, 40 millions de visites internet, 20 millions d’accès au serveur vocal, 5 millions de contacts au centre d’appels. Une bonne gestion de ces événements et de leur historique permet, grâce à une meilleure connaissance des clients, une plus grande efficacité du marketing, de la force de vente et en particulier une interaction multi-canal plus cohérente.

Malgré un volume important d’activité, une grande banque peut montrer de l’intelligence active par exemple avec du Cross-Selling dans le traitement des contacts initiés par les clients auprès du centre d’appels, sur internet et pour les banques les plus en pointe aux guichets automatiques où de nouveaux systèmes permettent de profiter de certaines occasions pour faire des propositions pertinentes. Un traitement efficace de dizaines de millions de contacts entrants peut fournir un potentiel de croissance particulièrement remarquable. Aux niveaux des contacts initiés par l’entreprise en direction de ses clients prospects, il est possible de pallier les moindres rendements actuels de la publicité par courrier individuel en guidant mieux les agents des centres d’appels. Il s’agit de pouvoir mettre en œuvre des recommandations individualisées d'offre en temps réel au moments des appels, d’avoir la capacité de faire des essais et de constamment faire des améliorations en fonction d’un suivi permanent des taux de succès des propositions.

D’autres domaines peuvent bénéficier d’une intelligence active (l’attribution de prêt, la gestion des risques, la lutte contre le blanchiment, la fraude, …) mais pour répondre à ces exigences, consistant à supporter l’activité décisionnelle classique tout en garantissant les performances des requêtes de l’intelligence active, les composants de l’architecture et notamment la base de données doivent disposer de possibilités techniques spécifiques. Il ne s’agit pas de simplement pouvoir assumer de grands volumes de données ou de nombreux utilisateurs, mais de disposer d’une solution pour gérer la complexité engendrée par l’activité décrite plus haut. Il convient de pouvoir gérer en parallèle les activités d’alimentation, d’accès, de génération d’événements, de requêtes et de reporting, à des vitesses adaptées spécifiques garantissant la qualité de services. Ceci dans le contexte des grandes entreprises n’est pas à la portée de n’importe quelle base de données.

Pour aller plus loin sur l’Active Intelligence Enterprise et de Real-Time BI dans le secteur bancaire, vous pouvez utilement consulter les sites BearingPoint et Teradata suivants :

Site BearingPoint

http://www.teradata.com/financial-services-industry-solutions

Christophe Henocq, Manager BearingPoint & Michel Bruley, Directeur Marketing Teradata