Depuis que Vodafone, alors appelé Mannesmann, a obtenu en 1989 la première licence privée pour un réseau de communications mobiles en Allemagne, le petit opérateur de Düsseldorf est devenu l’un des plus importants d'Europe. Avec 15 000 employés et 34 millions de clients en 2007, la société a réalisé un chiffre d’affaires de 8,4 milliards d’euros. L'entreprise propose à ses clients, professionnels comme particuliers, de la téléphonie mobile et fixe ainsi que des services réseaux. Vodafone Allemagne fait partie du Groupe Vodafone qui, grâce à ses 260 millions de clients, est la première entreprise mondiale de téléphonie mobile.
Anticiper l'évolution du marché, surfer sur de nouvelles tendances, développer de nouvelles technologies et de nouveaux produits, et réussir à faire de ces produits un succès auprès des clients sont des défis quotidiens dans le secteur des télécommunications. Une des conditions sine qua non pour les relever consiste à connaître ses clients en profondeur et à savoir puiser dans les données existantes des informations exploitables ultérieurement. Cependant, ces informations essentielles sont souvent conservées dans ces réserves immenses que sont les bases de données clients. Pour débloquer ce potentiel, rien de mieux que le data mining, technologie qui permet d’explorer, sur la base de méthodes statistiques et mathématiques, de grandes quantités de données brutes pour en extraire des connaissances jusqu’alors imperceptibles.
Vers l’automatisation
Vodafone Allemagne, qui conserve plus de 140 téraoctets de données clients dans son entrepôt de données Teradata, utilise déjà depuis longtemps des outils de data mining. Cependant, dans le passé, les modèles étaient créés avec un logiciel qui nécessitait un important travail manuel. D'une part, la préparation des données était fastidieuse, en particulier la sélection des variables pertinentes. D'autre part, les modèles devaient être redéfinis chaque mois pour que les résultats soient transmis aux équipes marketing. Les modèles étaient alors élaborés, stockés et mis à disposition de ces équipes pour leur permettre de lancer des campagnes. Ce procédé était propre à chaque analyste et n'était pas standardisé. Comme les tableaux ou les champs étaient en partie nommés différemment, cela ajoutait une charge de travail considérable. « A chaque fois, les résultats étaient sujets à discussion », se souvient Verena Meuther, responsable marketing stratégique et connaissance clients chez Vodafone. « En 2004, nous avons finalement ressenti le besoin d’une solution automatisée pour créer des modèles plus rapidement et pour pouvoir transmettre à l’équipe chargée des campagnes des résultats de façon standardisée. En outre, il s’avérait que davantage de modèles étaient nécessaires ».
Il ne restait plus qu'à trouver la solution idéale. L'objectif : simplifier autant que possible la création des modèles et la préparation des données en les automatisant. SAS et la suite logicielle KXEN Analytic Framework furent présélectionnés. « Nous avons choisi la solution KXEN car d’une part son utilisation était plus simple et permettait d'éviter la manipulation d'un grand nombre d'algorithmes, et d'autre part offrait une gestion des licences simplifiée », explique Verena Meuther, en soulignant également l’importance qu’accorde KXEN au service client.
En mai 2005 l'opérateur commença l'intégration de KXEN, et à la fin de la phase 1 -environ 10 mois plus tard- une version stable était prête. Le projet global, c’est-à-dire l’intégration complète de KXEN, fut mis en route le 31/03/2007. Ce projet comprenait la création d’une « Vue à 360° du client» comme source de données, l’automatisation des scores KXEN et la mise à disposition d’une interface intégrée pour la gestion des campagnes.
Un seul mot d’ordre : la simplicité
L’entrepôt de données de Vodafone Allemagne contient des millions d’entrées, parmi lesquelles les données des systèmes centraux, les fichiers clients des filiales, les applications de gestion des ventes et les systèmes de contrôle du trafic réseau. Aujourd’hui, le processus d’analyse permet de construire les modèles grâce à la suite logicielle KXEN, celle-ci veillant à la sélection des variables, au choix des algorithmes adéquats et à la non-corrélation des valeurs. Le système charge ensuite les règles qui en résultent sous la forme d’un code SQL sur un portail Internet. Celui-ci inscrit automatiquement les résultats dans l’interface de gestion de campagnes et veille à générer et à prioriser des modèles automatiquement. Tous les procédés manuels après l’extraction des données sont ainsi supprimés.
La gestion du churn (taux d’attrition) ainsi que des ventes croisées (cross-selling) et des ventes additionnelles (upselling) sont les deux principaux domaines couverts par KXEN. Prenons l’exemple du désabonnement : en utilisant des modèles pour comprendre pourquoi les clients ont changé de fournisseur, on peut agir pour augmenter à la fois la satisfaction et la fidélisation des clients. Le data mining est aussi utilisé lors du lancement de nouveaux produits, souvent dans l’optique de réaliser des ventes croisées ou additionnelles auprès de personnes déjà clientes. Lorsque, par exemple, une campagne marketing est prévue, les data miners construisent un nouveau modèle. L'équipe chargée des campagnes utilise alors les scores et les résultats en circuit fermé.
« Ce projet a clairement accéléré la préparation des données : grâce à l’automatisation et à KXEN, nous avons pu devenir encore plus compétitifs. KXEN Analytic Framework peut traiter bien plus de variables que les autres outils, rendant la préparation des données nettement plus rapide », résume Verena Meuther.
Depuis le début du projet, les besoins et les possibilités technologiques ont évolué, sans pour autant créer de problème. « Il ne s’agit plus de simples modèles de propension mais d’analyses de marketing communautaire et souvent de KPI (indicateurs de performance clé) de la fidélisation des clients», explique Verena Meuther.
Aucun risque de s’ennuyer
Le data mining apportant son lot de surprises, Verena Meuther ne s'ennuie jamais. Selon elle : « On ne peut jamais dire que les résultats sont prévisibles. Il s'agit certes généralement d'un très bon modèle quand les hypothèses de départ se confirment, mais il y a toujours certains facteurs inattendus. Ainsi, un décalage peut apparaître entre notre évaluation de départ et ce que nous révèle le modèle par la suite ». « Par exemple, un produit du réseau fixe a été modélisé récemment. On a alors constaté que certaines options tarifaires, qui ne concernaient que l’utilisation du téléphone mobile et n’avaient rien à voir avec le réseau fixe, avaient une grande influence sur la fidélisation de la clientèle au produit du réseau fixe : personne ne s’était attendu à cela. »
Une multitude de données est intégrée dans le processus d’analyse, comme par exemple des informations sur le comportement des clients qui utilisent déjà un produit. Les variables sont évaluées par KXEN, ordonnées puis des règles sont générées. Plus une variable a de poids et plus elle est influente. Pour un client qui correspondrait à la cible donnée, la probabilité qu’il ait des affinités avec le produit modélisé est plus importante.
Vu la quantité de données, le processus de traitement devient rapidement trop complexe pour le cerveau humain. « Pendant la phase préparatoire, on ne table pratiquement jamais sur une sélection des variables a priori. On ne peut, par exemple, jamais baser une probabilité d'achat sur une seule variable. Il s'agit plutôt de nombreuses variables - qui peuvent être interdépendantes. D’autres perspectives s’ouvrent alors», explique Verena Meuther.
Actuellement, dix collaborateurs de Vodafone utilisent la solution KXEN. Bien qu’ils ne soient pas tous des data miners, ce sont des analystes ayant une très bonne connaissance du métier. « Ce qui compte surtout pour les utilisateurs, c'est la simplicité de KXEN. Il n'est plus question de configurations sans fin mais principalement de se concentrer sur l'interprétation des résultats », déclare Verena Meuther, ajoutant qu’un passage imminent à la nouvelle version de KXEN devrait encore engendrer une accélération de la productivité.
Anticiper l'évolution du marché, surfer sur de nouvelles tendances, développer de nouvelles technologies et de nouveaux produits, et réussir à faire de ces produits un succès auprès des clients sont des défis quotidiens dans le secteur des télécommunications. Une des conditions sine qua non pour les relever consiste à connaître ses clients en profondeur et à savoir puiser dans les données existantes des informations exploitables ultérieurement. Cependant, ces informations essentielles sont souvent conservées dans ces réserves immenses que sont les bases de données clients. Pour débloquer ce potentiel, rien de mieux que le data mining, technologie qui permet d’explorer, sur la base de méthodes statistiques et mathématiques, de grandes quantités de données brutes pour en extraire des connaissances jusqu’alors imperceptibles.
Vers l’automatisation
Vodafone Allemagne, qui conserve plus de 140 téraoctets de données clients dans son entrepôt de données Teradata, utilise déjà depuis longtemps des outils de data mining. Cependant, dans le passé, les modèles étaient créés avec un logiciel qui nécessitait un important travail manuel. D'une part, la préparation des données était fastidieuse, en particulier la sélection des variables pertinentes. D'autre part, les modèles devaient être redéfinis chaque mois pour que les résultats soient transmis aux équipes marketing. Les modèles étaient alors élaborés, stockés et mis à disposition de ces équipes pour leur permettre de lancer des campagnes. Ce procédé était propre à chaque analyste et n'était pas standardisé. Comme les tableaux ou les champs étaient en partie nommés différemment, cela ajoutait une charge de travail considérable. « A chaque fois, les résultats étaient sujets à discussion », se souvient Verena Meuther, responsable marketing stratégique et connaissance clients chez Vodafone. « En 2004, nous avons finalement ressenti le besoin d’une solution automatisée pour créer des modèles plus rapidement et pour pouvoir transmettre à l’équipe chargée des campagnes des résultats de façon standardisée. En outre, il s’avérait que davantage de modèles étaient nécessaires ».
Il ne restait plus qu'à trouver la solution idéale. L'objectif : simplifier autant que possible la création des modèles et la préparation des données en les automatisant. SAS et la suite logicielle KXEN Analytic Framework furent présélectionnés. « Nous avons choisi la solution KXEN car d’une part son utilisation était plus simple et permettait d'éviter la manipulation d'un grand nombre d'algorithmes, et d'autre part offrait une gestion des licences simplifiée », explique Verena Meuther, en soulignant également l’importance qu’accorde KXEN au service client.
En mai 2005 l'opérateur commença l'intégration de KXEN, et à la fin de la phase 1 -environ 10 mois plus tard- une version stable était prête. Le projet global, c’est-à-dire l’intégration complète de KXEN, fut mis en route le 31/03/2007. Ce projet comprenait la création d’une « Vue à 360° du client» comme source de données, l’automatisation des scores KXEN et la mise à disposition d’une interface intégrée pour la gestion des campagnes.
Un seul mot d’ordre : la simplicité
L’entrepôt de données de Vodafone Allemagne contient des millions d’entrées, parmi lesquelles les données des systèmes centraux, les fichiers clients des filiales, les applications de gestion des ventes et les systèmes de contrôle du trafic réseau. Aujourd’hui, le processus d’analyse permet de construire les modèles grâce à la suite logicielle KXEN, celle-ci veillant à la sélection des variables, au choix des algorithmes adéquats et à la non-corrélation des valeurs. Le système charge ensuite les règles qui en résultent sous la forme d’un code SQL sur un portail Internet. Celui-ci inscrit automatiquement les résultats dans l’interface de gestion de campagnes et veille à générer et à prioriser des modèles automatiquement. Tous les procédés manuels après l’extraction des données sont ainsi supprimés.
La gestion du churn (taux d’attrition) ainsi que des ventes croisées (cross-selling) et des ventes additionnelles (upselling) sont les deux principaux domaines couverts par KXEN. Prenons l’exemple du désabonnement : en utilisant des modèles pour comprendre pourquoi les clients ont changé de fournisseur, on peut agir pour augmenter à la fois la satisfaction et la fidélisation des clients. Le data mining est aussi utilisé lors du lancement de nouveaux produits, souvent dans l’optique de réaliser des ventes croisées ou additionnelles auprès de personnes déjà clientes. Lorsque, par exemple, une campagne marketing est prévue, les data miners construisent un nouveau modèle. L'équipe chargée des campagnes utilise alors les scores et les résultats en circuit fermé.
« Ce projet a clairement accéléré la préparation des données : grâce à l’automatisation et à KXEN, nous avons pu devenir encore plus compétitifs. KXEN Analytic Framework peut traiter bien plus de variables que les autres outils, rendant la préparation des données nettement plus rapide », résume Verena Meuther.
Depuis le début du projet, les besoins et les possibilités technologiques ont évolué, sans pour autant créer de problème. « Il ne s’agit plus de simples modèles de propension mais d’analyses de marketing communautaire et souvent de KPI (indicateurs de performance clé) de la fidélisation des clients», explique Verena Meuther.
Aucun risque de s’ennuyer
Le data mining apportant son lot de surprises, Verena Meuther ne s'ennuie jamais. Selon elle : « On ne peut jamais dire que les résultats sont prévisibles. Il s'agit certes généralement d'un très bon modèle quand les hypothèses de départ se confirment, mais il y a toujours certains facteurs inattendus. Ainsi, un décalage peut apparaître entre notre évaluation de départ et ce que nous révèle le modèle par la suite ». « Par exemple, un produit du réseau fixe a été modélisé récemment. On a alors constaté que certaines options tarifaires, qui ne concernaient que l’utilisation du téléphone mobile et n’avaient rien à voir avec le réseau fixe, avaient une grande influence sur la fidélisation de la clientèle au produit du réseau fixe : personne ne s’était attendu à cela. »
Une multitude de données est intégrée dans le processus d’analyse, comme par exemple des informations sur le comportement des clients qui utilisent déjà un produit. Les variables sont évaluées par KXEN, ordonnées puis des règles sont générées. Plus une variable a de poids et plus elle est influente. Pour un client qui correspondrait à la cible donnée, la probabilité qu’il ait des affinités avec le produit modélisé est plus importante.
Vu la quantité de données, le processus de traitement devient rapidement trop complexe pour le cerveau humain. « Pendant la phase préparatoire, on ne table pratiquement jamais sur une sélection des variables a priori. On ne peut, par exemple, jamais baser une probabilité d'achat sur une seule variable. Il s'agit plutôt de nombreuses variables - qui peuvent être interdépendantes. D’autres perspectives s’ouvrent alors», explique Verena Meuther.
Actuellement, dix collaborateurs de Vodafone utilisent la solution KXEN. Bien qu’ils ne soient pas tous des data miners, ce sont des analystes ayant une très bonne connaissance du métier. « Ce qui compte surtout pour les utilisateurs, c'est la simplicité de KXEN. Il n'est plus question de configurations sans fin mais principalement de se concentrer sur l'interprétation des résultats », déclare Verena Meuther, ajoutant qu’un passage imminent à la nouvelle version de KXEN devrait encore engendrer une accélération de la productivité.