Le CREDIT AGRICOLE NORD DE FRANCE développe son activité scoring avec DataLab

« Nous sommes dans une architecture outils et logiciels à Nord de France dans laquelle a été mis en place un datawarehouse. Nous souhaitions développer notre activité scoring et connaissance clients en règle générale. Nous disposions déjà d’outils classiques, mais nous voulions maîtriser complètement la construction de nos modèles et aller au-delà des approches standard en intégrant une démarche exploratoire vis à vis de chaque problématique étudiée de manière à construire des indicateurs spécifiques. DataLab nous a permis d’avoir une démarche à la fois intégrée, modulaire, nous a fait gagner du temps tout en nous laissant un espace de liberté assez grand pour inclure toutes les données que nous souhaitions intégrer à nos analyses. DataLab nous a paru la meilleure offre en adéquation avec notre problématique. »

« Nous utilisons DataLab surtout dans le cadre de la construction de scores marketing, essentiellement des scores d’appétence produit, mais nous commençons aussi à travailler sur la notion de comportement vis à vis des canaux de distribution, et de comportement clients, tel que l’entrée dans la vie active, ainsi que sur les problématiques d’attrition.
Trois personnes, ayant un profil de statisticien, utilisent aujourd’hui DataLab au Crédit Agricole Nord de France , pour la préparation des données et la modélisation. Nous travaillons pour cela sur un datamart études, issus du datawarehouse. DataLab nous permet d’identifier les indicateurs et définir la matrice de travail qui servira à la phase de modélisation. Le résultat du score se présente sous la forme d’une grille industrialisée à Nord de France et mais aussi dans les 4 autres caisses régionales faisant partie du même GIE.
Nous développons aujourd’hui 4 à 5 scores par an. Notre capacité à développer des scores est en effet limitée par la capacité à les rendre opérationnels. DataLab nous permet de passer assez peu de temps sur la phase de modélisation, en ayant l’assurance de construire des scores pertinents et robustes, de manière à passer surtout du temps sur la mise en marché, les tests et l’accompagnement pour que l’utilisation des scores soit faite de façon opérationnelle.
Nous utilisons aussi les modules de statistiques descriptive de DataLab lors de la phase exploratoire menée dans le cadre d’études au sens large, qui peuvent déboucher sur un score ou sur la description d’une population. Ces modules, comme le profiling par exemple, sont bien faits, et peuvent nous amener à nous orienter vers un arbre de décision plutôt qu’un score, et à identifier des éléments très discriminants."

« La problématique de construction des scores n’est pas adressée de façon complète et simple par les autres éditeurs. DataLab nous permet de travailler sur un chaînon bien identifié. Il a bien trouvé sa place dans notre chaîne de valeur et dans notre processus de construction des scores. Le pontage entre DataLab et SAS, dont nous sommes équipés est bien appréhendé. DataLab représente ainsi pour nous un complément idéal aux outils de modélisation purs et durs et nous permet de travailler efficacement. »