Memoire Online - Les apports du big data dans la relation client

Je tiens à remercier
L'Ecole de Management Léonard de Vinci
pour son encadrement tout au long de mes étude supérieures,
Monsieur Delaporte, tuteur école
pour son aide tout au long de mes deux années d'apprentissage,
Monsieur Cazin, maître d'apprentissage,
pour son soutien apporté tout au long de mon apprentissage, et son aide à la rédaction de mon
mémoire
Monsieur Christophe Burgaud, architecte Big Data
Pour son aide à la rédaction de mon mémoire
Monsieur Thouvenin, directeur Analytics IBM France,
Pour son aide à la rédaction de mon mémoire
Je remercie l'ensemble de l'équipe des opérations commerciales IBM Software,
pour mon intégration dans l'entreprise tout au long de ces deux ans.

Ma formation commerciale ne m'a pas permis d'avoir une connaissance des problématiques technologiques que rencontrent les entreprises. Pour faire suite à mon apprentissage de deux ans chez IBM France, j'ai pris goût aux innovations technologiques dans le secteur de l'édition de logiciels.

Pas une journée ne se passe sans qu'un article soit publié sur le Big Data, ce qui en fait un sujet très intéressant à traiter. Ma sensibilité commerciale me permet d'avoir une approche différente dans la rédaction de ce mémoire. En effet nous allons nous intéresser à l'application de ces innovations du point de vue de l'entreprise dans le secteur de la relation client.

INTRODUCTION

« Big Data » - terme qui a une signification différente pour beaucoup de personnes - n'est plus cantonné aux ingénieurs. De nos jours, les applications métier du Big Data sont nombreuses et nous pouvons déjà en ressentir les impacts sur notre économie mondiale. Dans ce mémoire, nous prouverons que les organisations utilisent le Big Data pour mieux adresser leurs clients, augmenter leur valeur ajoutée et minimiser l'impact de la concurrence.

En plus de donner des solutions aux problématiques métiers actuelles, le Big Data inspire les changements dans les processus des entreprises, les organisations, les industries et même au sein de la société.

Encore aujourd'hui le terme Big Data engendre de la confusion chez les décideurs des plus grandes entreprises. En effet ce terme a été utilisé pour qualifier plusieurs sortes de concepts : des grandes quantités de données, aux réseaux sociaux, en passant par l'analyse des données en temps réel et bien plus. Peu importe le terme utilisé, les organisations commencent à comprendre les tenants et les aboutissants de cette technologie et à l'intégrer. Compte tenu de la nature stratégique de cette technologie il peut être difficile de comprendre qui en fait quoi et quels en sont les retours. De plus en plus souvent cette technologie est associée à l'amélioration de la relation client. Nous pouvons donc nous demander :

Comment dans un monde où nous créons plus de données en deux heures que depuis l'ère moderne
jusqu'à nos jours, l'utilisation du Big Data peut améliorer la gestion de la relation client ?

Partie 1 Revue de littérature

Chapitre A) Synthèse des textes

Trop de définitions du Big Data prennent en compte seulement la quantité de données, cependant pour bien comprendre la suite de ce mémoire, il faut faire une définition exhaustive.

Nous pouvons définir le Big Data avec ses quatre « V's » : (Michael Schroeck et al, 2012)

La quantité de données s'exprime généralement en « Téraoctets¹ » ou en « Petaoctets² » car la masse de données est énorme. Pour mieux comprendre pourquoi, il faut savoir que depuis 2012 nous créons en moyenne deux « exaoctets³ » de données par jour. Chaque seconde nous produisons un flux de données plus important que la totalité des données stockées sur la toile depuis les vingt dernières années. Ces données ne sont pas présentent seulement en ligne, une entreprise comme Wal-Mart recueille en moyenne deux pétaoctets de données sur ses clients chaque heure (Harvard Business Review, 2012). Cela représente environ 167 fois la totalité des informations contenues dans tous les livres de la bibliothèque du Congrès Américain. (Talend, Les quatre piliers clés d'une solution de gestion des Big Data) Ces données proviennent des millions de transactions effectuées sur les différents points de vente.

Cependant ces termes technologiques n'expriment souvent rien de concret pour les organisations, certaines d'entre elles préfèrent exprimer la quantité de données en temps. Par exemple dans les entreprises à des fins d'audit il est généralement demandé aux employés de garder leurs données des trois ou quatre dernières années, et non pas de garder en mémoire un téraoctet de données.

Cette explosion du nombre de données disponibles s'explique par le fait qu'aujourd'hui nous ne sommes pas restreints par la capacité de stockage et par le fait qu'un simple achat génère des dizaines de données différentes. Un achat il y a quelques années générait des données relatives à la référence du produit, son prix et à la transaction (date d'achat et montant total). Aujourd'hui pour le

même produit des données sont recueillies sur le profil du client, l'historique d'achat du client, son parcours en ligne avant l'achat, les commentaires sur les réseaux sociaux sur le produit acheté, les caractéristiques du produit, les données de géolocalisation de l'achat. (Hamid Nach, 2013).

Nous parlons ici de la vitesse de la création de données, pour de nombreuses entreprises cette rapidité est plus importante que le volume d'informations disponibles. Certaines des informations disponibles n'ont d'intérêt que si elles sont analysées en temps réel. Cela permet de donner un avantage compétitif à une entreprise vis-à-vis de ses concurrents. Cette notion de vélocité n'est pas nouvelle, nous la connaissons depuis plusieurs années dans son application la plus répandue, les recommandations d'achat sur des sites internet marchands.

En 2014, des chercheurs du MIT ont utilisé cette notion de vélocité pour estimer le nombre de clients des magasins « Macy », grâce au nombre de smartphones connectés présent sur le parking. Ceci a permis de faire une estimation du nombre de ventes réalisées et de le transmettre aux analystes de Wall Street avant la fin de la journée et l'analyse de ses ventes par la chaine de magasins.

Depuis l'apparition des outils informatiques, les entreprises sont capables d'analyser manuellement les informations dont elles disposent. L'informatique « ordinaire » le permet grâce à la création de données structurées. Ces données sont généralement des nombres de clients, volumes de ventes, ou un chiffre d'affaires. Avec le Big Data une nouvelle génération de donnée a fait son apparition, les données non structurées qui contiennent aussi images, des vidéos et des sons. Elles sont créées par notre utilisation des nouvelles technologies, les smartphones, les réseaux sociaux, l'internet des objets, mais aussi par les voitures, les moteurs d'avions et même le langage humain. Toutes ces sources amènent à une masse de données complètement différentes et très complexes à analyser sans les outils Big Data. L'enjeu est de pouvoir croiser ces informations de sources interne et externe à l'entreprise dans le but d'en tirer la substantifique moelle.

L'exemple de FoodGenius, une start-up qui révolutionne l'industrie de la restauration, propose une solution Big Data qui permet de croiser les données internes des restaurants avec des données

récoltées sur internet. L'objectif étant de proposer aux restaurants un menu approprié à la population présente dans leur zone de chalandise.

Les entreprises doivent éliminer au maximum les fausses informations dans leurs bases de données. En effet, il est dangereux de baser ses analyses sur des données erronées. Des analyses erronées peuvent conduire l'entreprise à de mauvaises prises de décisions qui peut mener à un problème grave dans la gestion de sa relation client. Il faut pouvoir déterminer quelles sont les informations qui sont fausses. Les données provenant de l'extérieur de l'organisation comme les réseaux sociaux doivent être vérifiées et ne pas être utilisées en dehors de leur contexte. (Hamid Nach, 2013).

Le Big Data est un domaine en pleine explosion, il va devenir une industrie à lui tout seul. Les entreprises se réinventent en interne avec l'apparition de nouveaux services et de nouveaux métiers comme les « Data Scientists⁴ » ou les spécialistes de la virtualisation de données. Les couts associés au traitement de données sont en baisse depuis 10 ans et ne font qu'améliorer le développement de l'industrie du Big Data.

Les données disponibles vont permettre la prise de décision plus intelligente à partir de 2020. Aujourd'hui les processus de décisions sont longs et peu efficaces dans les entreprises, l'analyse des

décisions, je vais vous en détailler trois. Elles sont définies comme les 3 décisions à plus long terme et qui nécessitent le plus d'investissement. Ces décisions affectent directement la création de valeur de l'entreprise ainsi que la gestion de la relation client.

En 2017 l'unification des plateformes de données va permettre de poser les jalons de la nouvelle stratégie Big Data des entreprises. Unifier les plateformes va permettre aux entreprises d'avoir la possibilité d'analyser des masses de données, provenant de toutes ces infrastructures en temps réel (3Vs). Ainsi par exemple une entreprise comme Snecma qui fabrique des moteurs d'avions, pourra croiser les données des pannes moteurs avec les données des bureaux d'études afin d'analyser la source de la panne dans les schémas et d'y remédier dans le futur. (Franck Barnu 2015).

En 2019, 100% des entreprises devront acheter des données externes afin de mieux analyser leur environnement. Ce qui veut dire que 100% des entreprises seront aussi fournisseur de données. Cela implique la création de pôle de Data Management afin de décider de quelles informations externes l'entreprise a besoin et quels sont les informations que l'entreprise peut vendre. La gestion des données va permettre de créer un nouveau centre de profit dans les entreprises et ainsi les aider à pérenniser leur activité. Les entreprises qui prennent ce virage aujourd'hui vont bénéficier d'un avantage compétitif indéniable dans les années à venir (IDC Future Scape, 2014a).

Une entreprise comme Google ne vend pas directement de produits, elle met à disposition des outils de plus en plus nombreux. Le système d'exploitation Android, les lunettes connectées, les bracelets connectés, les voitures connectées, le géolocalisation (GPS). Toutes ces innovations lui permettent de recueillir une quantité énorme de données en temps réel sur les utilisateurs. Il n'est pas exagéré de dire que dans les années à venir elle va disposer d'une mine d'or que toutes les entreprises du monde vont vouloir lui acheter.

données en temps réel va permettre aux entreprises de mieux analyser leur environnement et permettre une plus grande flexibilité. (IDC Future Scape, 2014b).

Une entreprise qui fabrique des vêtements va pouvoir faire une analyse de la population du pays dans lequel elle vend ses modèles, avant de mettre le produit en fabrication. Il sera donc aisé pour une entreprise d'adapter ses produits en fonction de la population présente dans les pays. Les morphologies n'étant pas les mêmes dans tous les pays, la flexibilité sera meilleure et la cible mieux adressée.

Dans le passé la prise de décision était faite sur des impressions et sur des idées qui avaient déjà fait leurs preuves. Pour être caricatural, les leaders d'entreprises faisaient ce qui avait fonctionné dans le passé et abandonnaient ce qui n'avait pas fonctionné. L'expérience des leaders était importante car elles permettaient une meilleure compréhension des sujets et une prise de décision plus pointue. Nombreuses sont les entreprises qui utilisent encore l'intuition dans nombre de leurs décisions, si nous les comparons aux entreprises qui utilisent le Big Data dans la prise de décision, nous voyons que les entreprises les plus performantes prennent en moyenne 6 décisions sur 20 grâce au Big Data et que les entreprises moins performantes ne l'utilisaient qu'une fois sur 20 (Massachusetts Institute of technology, 2010).

Aujourd'hui nous sommes dans une époque où la prise de décision est en plein changement, les décideurs ne sont plus les seuls à bord. Le Big Data y est pour beaucoup, l'analyse des données permet une meilleure vision du futur et une meilleure compréhension de l'environnement de l'entreprise. Il est même possible de dire que la prise de décision est devenue un objectif au sein de l'entreprise. Ces changements sont particulièrement présents dans la relation client. Comprendre comment l'activité de l'entreprise interagie avec les clients et la construction d'une offre pertinente est un objectif de l'entreprise.

1. Campagnes marketing :

Du fait de la concurrence les entreprises ont besoin de campagnes marketing très efficaces. Les campagnes marketing coûtent des millions aux entreprises chaque année, leur résultat est parfois difficilement mesurable. Sans compter que certaines actions marketing ne sont pas efficaces du fait d'une mauvaise analyse de la cible. (Gaurav Deshpande, 2014)

Le prospect doit être identifié et ciblé le mieux possible. Les directeurs marketing ont besoin de cibler leurs campagnes sur le comportement digital de leur cible pour avoir une meilleure visibilité et délivrer un meilleur taux de réponse. Le Big Data permet une analyse en temps réel des données digitales afin de cibler très précisément une population. Pour aller plus loin les smartphones permettent une géolocalisation très précise, des campagnes marketing peuvent être mises en place lorsqu'une personne entre dans une zone définie. Par exemple lorsque nous entrons dans un centre commercial, les outils Big Data peuvent le détecter et nous envoyer des coupons de promotions pour certains magasins présents dans la zone. De plus, ces coupons peuvent être envoyés en fonction de votre profil client qui sera déterminé par vos actions sur les réseaux sociaux et vos précédents achats en ligne. Les taux de réponses aux campagnes marketing ne peuvent être que meilleurs. Il a été définis que chaque pourcentage de réponse de plus à une campagne marketing engendre des centaines de milliers d'euros par an pour les entreprises. La plus-value est donc évidente pour les entreprises.

Nous pouvons nous poser la question de l'avenir de la communication papier. Aujourd'hui les mentalités changent. Tous les plus grands quotidiens ont une version numérique, la presse papier survie grâce aux aides de l'Etat, ces aides représentent 1,2 milliard d'euros sur les trois dernières années (Pierre Breteau, Slate.fr, mai 2013). Le Big Data favorise une communication digitale et plus personnelle, il est donc écrit que la communication papier va disparaitre dans les prochaines décennies. Seul subsistera des marchés de niches, comme la communication de luxe qui a un impact plus qualitatif qu'une communication digitale dans l'esprit du consommateur. Ceci n'est ni bon ni mauvais mais est la résultante d'une évolution technologique. Comme me l'a cité monsieur Thouvenin lors de notre interview, au fur et à mesure des évolutions technologies, des métiers disparaissent et d'autres se développent. Seules les entreprises qui savent s'adapter aux changements peuvent survivre. « L'invention de l'automobile a détruit des milliers d'emplois chez les cochers, mais en a créé encore plus dans l'industrie. »

2. Satisfaction client :

Dans le secteur des télécommunications, l'arrivée des opérateurs qui propose des abonnements sans engagements, permet aux consommateurs d'avoir accès à une offre très large. La satisfaction client est donc un enjeu majeur pour les entreprises du secteur (Gaurav Deshpande, juin 2014). En effet un consommateur satisfait n'a pas le désir de se désabonner et donc de changer d'opérateur.

Déterminer quels sont les abonnés qui ont le plus de chances de changer d'opérateur est un enjeu majeur pour les responsables de la satisfaction client. Il est important de noter qu'aujourd'hui rien n'est mis en place pour les abonnés de longue date par les télécoms. Les offres les plus avantageuses sont faites pour les nouveaux clients, ce qui pousse bien souvent les clients à changer d'opérateurs dès la fin de leur engagement. Pour retenir les clients, les opérateurs proposent des offres lorsque celui-ci appelle le service client pour se désabonner. Une démarche proactive dans ce domaine permettrait aux opérateurs un meilleur taux de désabonnement des clients. Le Big Data permet de croiser les données client afin de déterminer quels sont les clients à risque. Par exemple il est aisé de croiser les données détaillées du client avec les notes des centres d'appels afin de savoir si il va vouloir se désabonner dans un futur proche. De plus lors d'une coupure de réseau générale ou d'une plainte spécifique du client, l'analyse des données permet de classer le client comme « à risque » et donc de lui faire une offre spécifique en fonction de son profil client. Cette individualisation de la relation client permet un avantage concurrentiel avec une relation client plus authentique. (MIT Sloan Management Review, 2011). Les entreprises utilisatrice du Big Data sont 62% à rechercher une individualisation de leurs relations clients. (The New Intelligence Enterprise, 2011).

La réduction du taux de désabonnement est un enjeu stratégique des acteurs des télécoms car il est admis par les acteurs que la réduction annuelle de 1% (Etude Interne IBM, 2014) de ce taux représente des millions de dollars. Encore une fois l'utilisation du Big Data dans la relation client permet une création de valeur plus importante pour les entreprises. Pour 45% des dirigeants questionnés le Big Data va leur permettre de gagner et de fidéliser leurs clients. (MIT, 2010).

3. Expérience client :

L'évolution de l'expérience client est née avec les évolutions technologiques récentes. Les points de contact entre les clients et les entreprises se sont multipliés, et le parcours client de chaque entreprise est devenu omni-canal. Selon le Telemanagement Forum, l'expérience client est « la somme des observations, des perceptions, des pensées et des sentiments découlant de interactions et les relations entre les clients et leurs fournisseurs. »

Voilà pourquoi le maintien de cette perception n'est pas chose aisée pour les entreprises, les attentes des clients sont élevées et les entreprises se doivent de répondre au mieux à leurs attentes afin de faire grossir leur portefeuille d'affaire. Recruter un nouveaux client coûte beaucoup plus d'argent a une entreprise que d'en conserver un. Il est important pour les entreprises de comprendre mieux

5 Cloud computing, souvent appelé simplement « Cloud », est la livraison à la demande des ressources informatiques, tout ça à partir d'applications de centres de données sur Internet, sur une base de paiement à l'utilisation. (IBM)

leurs clients et de leur faire des offres adéquates. Le Big Data est une solution pour améliorer l'expérience client. Les entreprises ont des quantités de données énormes sur leur client. Le Big Data combine l'extraction de données ainsi que l'analyse de ses données brutes ce qui permet de mettre en place une tendance pour chaque client. De plus la vélocité du Big Data permet aux acteurs d'analyser en temps réel les interactions de leurs clients avec leur expérience d'entreprise. (Customer Experience Transformation via Analytics, 2011)

La station de ski de Val-Thorens a mis en place une nouvelle expérience client en 2014. Pendant la préparation de la saison 2014, une plateforme Big Data a été utilisée pour analyser les comportements clients présents dans les bases de données. A partir de cette analyse, la relation client a pu être améliorée, une expérience client avant achat, pendant le séjour et après séjour. Ainsi qu'une personnalisation de l'offre, l'objectif n'est plus de satisfaire les clients mais de les faire revenir. (La Rédaction Tourmag, 2014)

Les entreprises savent depuis longtemps que la personnalisation de l'offre est un enjeu majeur de leur expérience client. Mais avant l'apparition des techniques d'analyse Big Data il était impossible d'analyser en détail les données de chaque client et de leur faire une offre qui lui correspond. L'expérience client est étroitement liée avec la personnalisation de l'offre, le Big Data permet de comprendre les clients individuellement en leur créant une offre dédiée. Dans un futur proche la segmentation des clients par catégorie vas se réduire au profit d'une segmentation individuelle des clients.

4. Quelle place pour l'éthique ?

Nous avons vu que le Big Data permet une amélioration de la gestion de la relation client (Personnalisation de l'offre, amélioration de la satisfaction, suivi en temps réel des tendances sur la marque etc.). Le résultat est que des quantités énormes d'informations personnelles sont en possession des entreprises. Elles stockent ses informations sur leurs serveurs ou dans le « cloud⁵ ».

L'avancement de la technologie dépasse le droit, voilà pourquoi un flou existe en ce qui concerne l'utilisation que peuvent en faire les entreprises. En France, une entreprise peut utiliser nos données seulement si nous conservons nos droits dessus. En Europe, la Cour de Justice de la Commission

Européenne a instauré le « droit à l'oubli⁶ », (La Rédaction France Info, janvier 2015) qui permet à ceux qui le désirent de faire effacer les données qui les concernent des serveurs des entreprises. Cette étape est importante dans la mise en place d'un cadre juridique précis autour de l'utilisation des données personnelles.

En plus de ça, on note ces dernières années une prise de conscience des gens vis-à-vis de la soit disant gratuité des services. En effet les services sont proposés contre une gratuité de nos données. Pour mettre en place une amélioration de la gestion de la relation client, les entreprises doivent utiliser ces données de manière réfléchie sans empiéter sur l'espace des consommateurs. En effet, dès les débuts d'internet le spam a vu le jour avec l'emailing. Les taux de retours étaient très bas car les consommateurs ne lisaient plus les mails. L'objectif actuel est de pouvoir jouer sur la qualité des données plutôt que sur la quantité.

Une meilleure qualité d'offres permet une amélioration de la confiance du client vis-à-vis de l'entreprise. Si l'objectif est de gagner la confiance des clients, en respectant leur vie privée et en jouant sur la transparence des offres, le Big Data semble être une excellente alternative. Au contraire si l'utilisation des données est faite que pour inonder les gens d'offres commerciales, les clients y verrons une utilisation de leurs données dépourvue d'éthique et se tournerons vers la concurrence.

Au-delà du sens éthique que peut prendre l'utilisation du Big Data, il y a un enjeu de sécurité pour chaque consommateur. En 2010, l'entreprise de sécurité informatique McAfee enregistrait un nouveau virus informatique toute les 15 minutes. En 2013, chaque seconde un nouveau virus était découvert (PW Singer, Allan Friedman, 2014a).

Les entreprises stockent précieusement nos données pour pouvoir les utiliser dans un but commercial. Nous pouvons l'approuver ou le désapprouver mais nous avons vu précédemment que l'objectif des entreprises n'est pas de nous nuire, mais de mieux vendre. Cependant, les entreprises ne sont pas les seules à avoir compris que les données ont une grande valeur. En 2014 les vols de données personnelles de client ont pris une ampleur jamais vue. Les plus grandes entreprises ont été victime de pirates informatique. Le problème est qu'ils enregistrent les moindres faits et gestes de

6 « Obtenir de tiers l'effacement de tous les liens vers ses données, ou de toute copie ou reproduction de celles-ci » (Extrait du texte de loi de la Cours de Justice de la Commission Européenne)

leurs clients et que ces données ne sont pas toujours hébergées en sécurité. Pour preuve, en 2014 des millions de personnes ont été affectées par le vol de données personnelles après différentes cyberattaques d'entreprises. (Bohic Clément, 2014)

1. Richesse de l'expérience client

2. Comportement homogène

VII. Des modèles éprouvés mais jalousement gardés : (Interview Henri Thouvenin, mai 2015)

Dans son édition du mois d'avril, le magasine Point de vente, dresse une liste des dix principaux freins à la mise ne place de projets Big Data dans les entreprises. (Cécile Buffard,, 2015). Un des points principaux est le difficile calcul du retour sur investissement d'un projet Big Data. De ce fait, la valeur ajoutée d'une telle technologie est très difficilement quantifiable par les financiers. Un autre frein important est la réticence des entreprises à divulguer leurs données internes.

l'investissement. Surtout vu l'importance stratégique que peut avoir un projet Big Data vis-à-vis de la concurrence. Dans mon interview du 5 mai avec le directeur de l'entité IBM Analytics France, Henri Thouvenin me confirmait cette pensée. Selon lui les entreprises qui investissent dans le Big Data connaissent parfaitement les retours sur investissement. Cependant vu l'importance stratégique elles ne sont pas ouvertes à une divulgation de celui-ci. Donc même les éditeurs comme IBM ne savent pas précisément quels sont les données financières.

Egalement appelé informatique décisionnelle, elle regroupe les outils informatiques qui assistent la prise de décision. L'objectif est de consolider de manière pertinente les informations que possède l'entreprise et de les synthétiser dans des rapports et dans des tableaux de bord analytiques.

Cette méthode apparue dans les années soixante-dix et à longtemps été réservé aux ingénieurs, dû au fait de la difficulté d'émettre des requêtes précises sur les bases de données disponibles à cette époque. Cependant l'analyse BI a largement évolué et s'est démocratisé dans la plupart des grandes entreprises. Depuis les années 2000, ces analyses sont accessibles aux responsables opérationnels qui les utilisent tous les jours comme aide à la prise de décision.

La genèse de ces analyses se trouve dans des besoins de consolidation comptable. Mais au fur et à mesure de l'évolution de la technologie et voyant que les résultats étaient à la hauteur des attentes, les entreprises ont étendu ces analyses beaucoup d'autres domaines stratégiques des organisations. C'est ainsi que dans nombre d'entreprise actuelles les analyses BI sont utilisés dans la gestion de la relation client jusqu'à l'analyse de la chaine logistique.

Le point négatif en ce qui concerne ces analyses, est que les requêtes ne sont pas toujours les mêmes et que les besoins en bande passante peut varier du simple au triple en fonction de la quantité de demandes. Donc les clients doivent toujours viser le panier supérieur pour être sûr de pouvoir faire autant d'analyses possibles. Cela entraine des coûts fixes importants pour les entreprises. Voilà pourquoi les éditeurs optent de plus en plus pour des offres en mode SaaS, qui leur permettent un paiement à l'utilisation et une bande passante illimité.

2. Analyse prédictive (La Rédaction Journal du Net, 2015b)

Ce type d'analyse découle des analyses BI en y ajoutant la notion d'historique. En croisant les informations actuelles avec les informations historiques ces outils permettent de prévoir l'évolution grâce à des courbes de projections. Cette méthode appliquée à la gestion de la relation client permet de définir des profils clients à fort potentiels ainsi qu'a prévoir quels sont les clients qui ont une forte chance de changer de fournisseur. L'objectif est toujours l'aide à la prise de décision. Dans les entreprises qui ont intégrées les analyses prédictives à leur processus de décision, des modèles de prise de décision sont créés à partir du résultat de ces analyses.

Démonstration d'un flux d'information d'une application d'analyse de sentiments

L'analyse prédictive possède une limite à son implantation dans les organisations, en effet les formations de Data Scientists sont rares et les compétences nécessaires à la compréhension des problématiques complexes nécessitent une expérience longue dans l'organisation. Voilà pourquoi les entreprises doivent investir dans la formation tout en profitant de la compétence de certains organismes extérieurs.

L'analyse prédictive n'est pas seulement destinée aux entreprises. L'exemple des campagnes électorales du président américain Barack Obama en est la preuve. Lors de sa deuxième campagne électorale, une équipe de 80 personnes était chargée de faire des analyses prédictives basées sur des données en ligne. (Maryse Gros, 2014) L'utilisation d'analyses prédictives a permis aux équipes de récolter une somme record de fond sur internet. En effet l'amélioration de la fréquence des sollicitations et de leur timing a permis d'augmenter les contributions. De plus cela leur a permis l'identification des électeurs indécis et donc d'accroitre leurs interactions avec eux afin de les

convaincre. Finalement le nombre de votes en faveur du candidat a augmenté et il a été élu. (Caroline Tailleferd, 2013)

3. Analyse prescriptive :

Les analyses prescriptives sont le prolongement des deux autres principaux types d'analyses. En allant plus loin qu'une simple prédiction, ces analyses permettent de faire des recommandations ciblées. En effet quand l'analyse prédictive émet des hypothèses sur le déroulement du futur, l'analyse prescriptive émet des hypothèses de solutions à mettre en oeuvre afin de gérer la situation à venir. Dans le domaine de la gestion de la relation client, ces analyses sont stratégiques pour les entreprises qui les utilisent. En effet elles permettent de donner des recommandations pour chaque typologie de client en temps réel avec le canal d'information le plus pertinent. ( Ibm.com, 2014, Analyse prédictive)

Par exemple ces outils sont beaucoup utilisés dans le sport automobile. Selon le directeur général de McLaren Appllied Technologies, Geoff McGrath les écuries de Formule1 basent leur prise de décision stratégique en course sur des modèles prescriptifs. L'analyse en temps réel de milliers de données provenant des capteurs de la voiture (usure des pneumatiques), combiné aux données des courses précédentes et de l'environnement (accident, météo) permet la mise en place de stratégies de courses potentielles en temps réel (La Rédaction Business Analytics Info, 2012). Récemment au Grand Prix de Monaco, l'équipe Mercedes a fait une erreur de stratégie, ce qui a ruiné la course de son pilote numéro un, Lewis Hamilton. A la fin de la course, Toto Wolff, le directeur de l'écurie a expliqué que les décisions étaient prises en temps réel et qu'ils n'avaient que quelques secondes pour ajuster les stratégies de courses. Cependant une phrase retient notre attention, il explique que dans cette situation particulière l'algorithme était faux et que donc l'analyse a été un échec. Cela démontre que les outils Big Data ne sont pas infaillibles et que les hommes doivent les utiliser comme aide à la prise de décision. Il reste dangereux de se baser uniquement sur ça pour prendre des décisions. Le libre arbitre doit garder une place importante dans la prise de décision. (Laurence Edmondson, 2015)

La mise en place d'un projet Big Data ne peut pas être un objectif en soi. Comme tout projet stratégique, il a besoin d'être pensé et adapté aux besoins de l'entreprise. La pertinence de l'utilisation d'outils Big Data dépend de la réflexion autour du déploiement des solutions.

Le projet peut avoir plusieurs bases possibles, par exemple l'entreprise peut choisir de miser principalement sur l'analyse en temps réel de flux de données, dans quel cas le projet sera basé sur la vélocité. Ou l'entreprise peut vouloir analyser le plus d'information possible et le projet sera basé sur la variété. Les outils doivent être intégrés dans le système de management de l'entreprise et mis à disposition des directions métier. La grande décision à prendre est la mise en place d'un projet avec des logiciels basés chez le client ou dans le Cloud, c'est un choix que le client doit pouvoir évaluer en termes de cout et de sa politique de protection des données.

Les entreprises qui respectent ces trois grandes étapes dans la mise en place de leurs projets Big Data, s'assurent une efficience dans l'utilisation qu'ils vont en avoir et dans les résultats qu'ils vont en tirer.

Chapitre B) Réponses apportées

Woody Allen a dit « Les relations amoureuses sont comme les requins, elles doivent être en perpétuel mouvement pour ne pas mourir ». Les entreprises sont dans le même cas. Elles doivent se réinventer perpétuellement et capter des nouveaux clients. Le Big Data fournit des bénéfices substantiels dans le processus d'acquisition de nouveaux clients, en transformant les prospects en client. En effet les outils fournis permettent d'aller plus loin que les outils marketing traditionnel. Une analyse des données structurées et non structurés est une avancée majeure qui permet une analyse plus fine des données et par conséquent la définition d'une cible client très précise.

Les avantages du Big Data dans le processus d'acquisition de nouveaux clients peuvent être classés en quatre catégories :

Tous les clients n'ont pas le même comportement d'achat, l'analyse de ces comportements permet de savoir quel sont les prospects à forte valeur ajoutée. Les données disponibles sur

les prospects sont énormes grâce aux informations disponibles sur les réseaux sociaux. Le croisement de ces informations avec les bases de données disponible en interne dans les entreprises permet une analyse très fine. Grâce a ce croisement de données, les entreprises peuvent être très sélectives dans leur sélection de prospects. La réallocation des ressources du marketing est stratégique, nous passons d'une période ou le marketing de masse était une nécessité. Les coûts engendrés étaient énormes avec des taux de retour très bas. A une ère nouvelle ou le marketing sélectif va permettre une efficience des campagnes marketing et des coûts.

Le département marketing est souvent considéré comme un centre de coûts dans les entreprises. En effet le coût des campagnes est élevé et le ROI⁸ est souvent fables. Voilà pourquoi savoir si les dépenses marketing sont pertinentes et essentielles pour les entreprises. Le Big Data permet de connaître la performance des campagnes en temps réel. Grâce à cela les entreprises peuvent ajuster leurs campagnes quand elles jugent que les taux de retour ne sont pas à la hauteur des attentes. De plus car aux analyses prescriptives elles

⁸ Return on Investment : (Chiffre d'affaires - Prix de revient) / Prix de revient

peuvent croiser les données des campagnes à succès et des campagnes avec de mauvais retours pour pouvoir déterminer ce qui a marché pour les actions futures.

Capter de nouveaux clients est essentiel mais à un coût non négligeable pour l'entreprise. L'autre moyen important pour augmenter les revenus est de rendre les clients actuels plus profitables. Le Big Data permet grâce à une association de sources, une définition en temps réel de cibles de « cross selling⁹ ». Le cross selling est une méthode marketing qui permet d'associer un produit acheté avec un produit similaire. Par exemple lorsque nous achetons des stylos plumes, le vendeur nous propose des cartouches d'encre. Les technologies Big Data permettent d'aller plus loin, l'analyse des comportements d'achat, de l'âge, de la météo, jour de l'achat et plus encore ont permis de savoir qu'un homme achetant des couches pour enfants un vendredi soir à plus de chance d'acheter des bières que des lingettes pour bébé. L'analyse se base sur le fait qu'un homme qui fait cet achat sera fatigué de la fin de sa semaine de travail et que le weekend arrivant les matchs de sports à la télévision seront nombreux. De fait il sera intéressé par boire une bière avec ses amis pour se détendre devant un match.

L'objectif est d'augmenter la loyauté du client en lui proposant des offres en temps réel qui correspondent parfaitement à ses attentes.

L'utilité de l'analyse Big Data dans la fidélisation des clients est majeure. Toutes les entreprises définissent leur « CLV¹⁰ ». La valeur vie du client se compose de :

L'addition de ces coûts est comparée aux coûts de fidélisation client pour justifier les pertinences des campagnes marketing. L'utilisation du Big Data permet de rendre plus efficace cette mesure, en effet une nouvelle composante entre en compte dans la « CLV » : l'influence sociale. C'est la valeur qu'un client apporte par le biais des réseaux sociaux. Cette mesure est calculée en temps réel et

permet donc de savoir plus précisément si un client mérite des actions de fidélisation pour éviter qu'il ne parte à la concurrence. Cette mesure prend de plus en plus d'importance car un client qui ne génère pas beaucoup de marge peut être moins considéré par l'entreprise cependant s'il génère des publications sur les réseaux sociaux, il participe à la promotion de la marque. Sachant que l'impact du bouche à oreille est plus important sur les consommateurs que de la publicité faite par la marque, son importance devient stratégique. Nous en avons l'exemple avec le phénomène des « Youtubeurs¹¹ », ces personnes publient des vidéos sur internet et ont une audience très importante. Si il donne un message positif sur la marque d'une manière non volontaire, l'impact peut être énorme même si la marge qu'il a générée est peut-être beaucoup moins importante que d'autres clients. Il est donc nécessaire de lui faire comprendre son importance en lui envoyant des offres pertinentes avec son profil avec le bon message, par le bon canal d'information et au bon moment.

Par exemple Amazon a récemment déposé un brevet qui va lui permettre de préparer une commande client avant l'acte d'achat. Grâce à l'analyse prédictive Big Data des données clients l'entreprise va être capable d'anticiper l'acte d'achat du client en envoyant des colis dans des entrepôts proches de lieux d'habitation des clients. De cette manière l'entreprise gagne en compétitivité sur le temps de livraison des colis vis-à-vis de ses concurrents.

La perte de clients est un problème majeur des entreprises. De plus, un client mécontent peut à lui seul faire perdre d'autres clients à l'entreprise. Les réseaux sociaux jouent un rôle important dans la transmission d'informations négatives sur la marque. Les entreprises doivent pouvoir définir quels sont leurs clients à risque à travers une analyse de leurs sentiments et les classer et de leur faire des offres proactives. Le Big Data permet d'avoir une vue à 360 degrés des clients, ainsi il est plus simple pour les entreprises de connaître plus en profondeur leurs clients et de savoir à quel type d'offres ils sont réceptifs. Cette vue à 360 degrés permet d'être très réactif en cas de clients à risque car une offre pertinente peut lui être envoyée.

Pour aller plus loin, les possibilités actuelles du Big Data permettent de croiser les informations de valeur client et de taux de risque de départ à la concurrence. Ainsi les entreprises peuvent savoir si le client à risque vaux la peine d'être gardé ou s'il est préférable de le laisser partir à la concurrence.

En effet il est souhaitable de réallouer des ressources pour gagner des clients rentables plutôt que de dépenser de l'argent pour conserver des clients à risque.

Les entreprises du secteur des télécoms sont très demandeuses de ces analyses, en effet un client mécontent va téléphoner souvent au service client ou consulter la FAQ sur le site internet de l'entreprise. Le croisement de ces informations est une manne pour l'entreprise qui lui donne une visibilité sur le nombre de ses clients à risque.

L'ère du marketing de masse est révolue. Les consommateurs sont assaillis de messages publicitaires, aussi bien dans la vie courante que par des canaux technologiques (Mails, SMS, Radio, Télévision). L'envoie de publicité massive n'a plus l'impact escompté, les clients demandent plus d'attention et le marketing personnalisé est une parade à ce changement. Les entreprises qui ne s'adapteront pas à ce changement s'exposent à des risques. En effet les clients à force de recevoir des messages publicitaires non personnalisés seront enclins à quitter la marque et se tourner vers des entreprises qui s'intéressent plus à eux.

Nous savons tous qu'une interaction personnalisée permet à un client de rester fidèle. Quand nous allons dans une boutique ou le vendeur se souvient de nous et de nos achats cela flatte notre égo et nous sommes plus réceptifs à ses propositions. Pour rien au monde nous ne changerions de boutique.

La personnalisation des interactions est le prolongement naturel de l'utilisation du Big Data dans la gestion de la relation client. Grâce aux informations récoltées (site internet, téléphone, mails, face à face, réseaux sociaux) et la vue à 360 degrés du client, il est très simple de faire une micro-segmentation de ses clients et donc de connaître précisément les besoins de chaque client. De cette manière il est possible d'interagir avec le client en fonction de ses précédents achats, de ses gouts mais aussi en fonction de son profil récolté sur les réseaux sociaux.

En conclusion nous pouvons dire que le Big Data aide les entreprises à mieux vendre. Grâce aux analyses de données elles peuvent gagner de nouveaux clients, augmenter la profitabilité de chaque client et de conserver les clients les plus rentables. Pour être certaine d'atteindre ces objectifs, les entreprises doivent s'assurer d'une personnalisation des interactions avec leurs clients.

Dans un futur proche les analyses Big Data permettront de découvrir de nouvelles sources de revenus, une meilleure gestion du risque et une parade à la fraude.

PARTIE 2 PARTIE EMPIRIQUE

Chapitre A) Contexte

I. IBM Software

1. Chiffres clés

La société IBM est née le 16 juin 1911 de la fusion de la Computing Scale Company et de la Tabulating Machine Company, elle est alors nommée Computing Tabulating Recording Company (CTR). Il faut attendre le 14 février 1924 pour qu'elle prenne le nom d'International Business Machines Corporation.

Depuis sa création en 1995, IBM Software s'est concentré essentiellement sur le marché des solutions logicielles d'infrastructure. Elle s'est également développée dans le segment des logiciels applicatifs grâce à ses offres provenant principalement de ses acquisitions, IBM au cours des cinq dernières années a fait l'acquisition de plus de quarante entreprises.

IBM Software est la division logicielle d'IBM qui fournit des logiciels d'infrastructure et des solutions métier. Elle propose une offre multiplateformes (Mainframe, Unix, Linux, Windows, Mobiles) et des solutions basées sur des standards ouverts.

A partir de 2014, IBM connait un virage stratégique important, avec notamment la cession des activités de la division PC, qui a été vendu au groupe Lenovo. Ces cessions d'activités Hardware, permettent à IBM d'investir davantage dans sa division Software avec un focus particulier sur 5 domaines: le Cloud, l'Analytique, le Mobile, le Social et la Sécurité (CAMS²).

2. Produits

Les logiciels peuvent être acquis traditionnellement sous la forme de licences, ou proposés sous la forme d'un service.

L'offre logicielle s'articule en 3 thèmes : solutions métier, exploitation de l'information et infrastructure applicative, pour parcourir l'ensemble des 6 marques:

3. Typologie de clients

Je travaille à la direction des opérations commerciales IBM Software France. Mon rôle est de faire des analyses concernant l'activité commerciale. Avec l'équipe de 6 personnes nous sommes en charge du reporting des activités de vente auprès de la direction Europe de l'entité IBM Software. De plus la participation aux revues commerciales hebdomadaires avec la direction France me permet d'avoir une vision exhaustive du portefeuille client et des affaires en cours.

Je travaille tous les jours avec des analyses BI, nous les utilisons comme aide à notre prise de décision concernant la gestion de la relation client. Par exemple grâce aux données et à l'analyse historique de notre portefeuille, nous nous sommes aperçus que certaines de nos affaires nécessitent une qualification de haute valeur, afin d'augmenter la probabilité de la signature du contrat avec le client. Voilà pourquoi je suis en charge chaque semaine d'utiliser notre plateforme BI afin de déterminer quels sont les opportunités qui nécessitent une qualification de la part d'un Sponsor IBM.

En ce moment le Big Data est présent dans tous les médias technologiques, il ne se passe pas un jour sans qu'une nouvelle soit publiée sur le sujet. Tous les 10 ans, certains sujet font les gros titres et promettent aux entreprises de les transformer en profondeur. Ces sujets promettent aux entreprises de les aider à gagner en compétitivité à ne pas rester « sur la touche » vis à vis de la concurrence. Le dernier en date était l'apparition du commerce en ligne au début des années 2000. Quant au début des années 2000 le commerce en ligne pesait 8,5 milliards d'euros, en 2014 il pesait 56 milliards d'euros. Cela prouve à quel point les sujets d'importance changent les entreprises. Cette révolution technologique découle du commerce en ligne, la révolution des données est en cours. Là ou avant les entreprises analysaient leurs données internes pour organiser leur manière d'aborder le marché, aujourd'hui les sources de données sont autant internes qu'externes. Le croisement de ces données est rendu possible par la technologie du Big Data.

Cependant comme toutes les innovations, l'incertitude plane autour du sujet, les organisations ne savent pas précisément comment elles vont pouvoir utiliser la technologie pour améliorer leur manière d'aborder le marché et de vendre leurs produits. C'est là qu'il y a un besoin d'information, car le Big Data n'est pas une simple nouvelle manière de vendre, c'est une solution de transformation profonde de l'entreprise afin de lui faire gagner des parts de marchés.

Les principales entreprises intéressées sont nos clients du secteur B to C¹³, les analyses de données sont rendues possibles aujourd'hui par les outils développés par IBM et d'autres entreprises du

13 B to C : « Business to Customer, anglicisme désignant le commerce e détail

secteur. Cela leur permet d'analyser le comportement d'achat de leurs clients un par un et de s'adapter à chacun. Les offres IBM s'adaptent aux changements de pensées sociales du marché. Aujourd'hui les clients ne veulent plus forcément acheter leurs produits, ils sont de moins en moins réticents à louer sur une longue durée des produits. Ils s'évitent ainsi des problèmes de maintenance et d'installation. C'est pourquoi nos offres sont disponibles en Saas¹⁴. Les innovations ont toujours été le moteur du changement dans les entreprises. Avec l'invention de l'électricité, les vendeurs de bougies se sont retrouvés dépassés par l'innovation. Certains ont cessés leurs activités alors que d'autres se sont adaptés à ce changement en créant les bougies décoratives. Les entreprises font aujourd'hui face à une problématique aussi simple. Soit elles s'adaptent à l'ère de la donnée soit elles ferment. La seule différence est le temps de transformation, aujourd'hui l'innovation est tellement rapide que les entreprises n'ont que très peu de temps pour s'adapter. Voilà pourquoi les solutions Big Data sont aujourd'hui disponibles pour l'entreprise de toutes tailles.

Nous pouvons citer comme exemple l'entreprise BlaBla Car qui est une jeune startup spécialisée dans le covoiturage. Les fondateurs ont décidés d'investir dans le Big Data pour développer leur présence auprès de leurs clients et leur proposer des offres en fonction de l'endroit d'où ils se trouvent grâce à la géolocalisation.

14 SaaS : Logiciels installés sur des serveurs et non pas sur les serveurs du client

La méthode terrain est le processus qui permet par des outils de recueillir les informations nécessaire à la compréhension du sujet. Cela permet en premier lieu de cerner le sujet que l'on a choisi, puis de

L'innovation est telle que certaines entreprises sont en cours de formation autour du Big Data, de nouveaux business modèles émergent. Des startups se forment tous les jours grâce à l'analyse de données. Des entreprises vont dans les mois à venir nous proposer une transformation de l'interface utilisateur de nos applications smartphone en fonction de nos utilisations précédentes. Ces entreprises ont vu le jour grâce à l'analyse des données et ont comme matière première des masses de données clients à analyser.

D'ici 2020 on estime qu'il y aura 80 milliards d'objets connectés dans le monde. Il semble difficile de comprendre comment nos outils vont pouvoir engranger une telle masse d'informations et en faire l'analyse. Cependant des chercheurs chez IBM travaillent sur des processeurs Neuro Morphologiques. Ces processeurs seront capables de traiter l'information comme le cerveau humain, c'est-à-dire de faire plusieurs choses en même temps tout en conservant la capacité d'analyse de l'information. Par exemple un homme est capable d'avoir une conversation en conduisant ce qui nécessite une capacité très poussée de recueil, et d'analyse de l'information. En effet il faut évaluer les dangers potentiels sur la route tout en analysant la conversation pour pouvoir répondre à son interlocuteur.

Les ordinateurs de demain seront capables de faire la même chose. Voilà pourquoi dès aujourd'hui IBM a investi dans la technologie Watson Analytics. Cette technologie d'analyse cognitive, est capable de répondre à des questions posées en langage nature par un homme à voix haute. Il puise ses informations sur internet et base sa réponse après analyse des informations qu'il juge les plus pertinentes. De plus comme un homme il est capable d'apprendre. C'est-à-dire que s'il se trompe, il va retenir son erreur et s'en souvenir pour le futur. Cependant il ne faut pas penser que cette machine sera un jour l'égal de l'homme car elle est construite dans un but d'aide à la réflexion humaine. Par exemple Watson HealthCare est l'application qui aide les médecins à fournir des diagnostiques basés sur des données du monde entier. Et si le médecin n'est pas d'accord avec le diagnostic fait, Watson l'enregistre et va l'analyse pour comprendre son erreur et l'intégrer à son prochain diagnostique.

Chapitre B) Justification de la méthode terrain

justifier une problématique pertinente et ensuite d'apporter une valeur ajoutée au sujet vis-à-vis de notre entreprise.

I. Compréhension du sujet

Dans un premier temps j'ai fait des recherches concernant l'actualité de mon sujet afin de trouver des informations à jour et pouvoir faire un historique.

Pour construire ma revue de littérature j'ai utilisé des sources d'information différentes. Le croisement des données de sources différentes permet d'avoir la certitude que la problématique choisie est pertinente d'un point de vue du marché et de mon entreprise.

L'utilisation de Google Schoolar nous a été recommandée par la directrice de mémoire de l'école. J'y ai trouvé une manne de données concernant mon sujet. J'ai dû prendre le temps de sélectionner les études qualitatives et quantitatives les plus pertinentes et de les lire pour en extraire les parties qui justifiaient ma problématique.

J'ai aussi utilisé l'outil Factiva Press, qui permet de trouver rapidement et en plusieurs langues les articles sortis sur une période précise. Pour moi le grand avantage de cet outil est qu'il trouve des actualités dans toutes les langues. Le mot clé principal de mon sujet étant « Big Data », il est

international. C'est un avantage pour moi car je n'ai pas eu besoin de le traduire pour le rendre pertinent dans d'autres langues. J'y ai trouvé principalement des sujets d'actualités qui m'ont permis de construire mon plan autour des trois sujets les plus importants.

La presse spécialisée est une source d'information de qualité. Ce qui la rend pertinente dans ma démarche de compréhension du sujet ce sont principalement les interviews de dirigeants d'entreprises que j'ai pu trouver. Ces interviews permettent de cerner les sujets principaux des entreprises autour du Big Data. L'utilisation qu'ils disent faire du Big Data m'a permis de trouver des idées pertinentes.

IBM étant un éditeur logiciel, j'ai pu trouver des informations quantitatives pertinentes sur l'intranet de mon entreprise. Notamment sur l'utilisation du Big Data dans le secteur du marketing. En effet nous disposons d'une plateforme collaborative ouverte sur laquelle les employés peuvent échanger et partager des informations.

Les principaux livres sortis sur le Big Data traitent de la technologie pure et pas de l'utilisation que les entreprises en font et vont en faire. Voilà pourquoi je n'ai trouvé que peu d'informations dans les volumes sortis jusqu'à présent. Cependant je me suis servis de ce que j`ai pu y trouver pour approfondir ma connaissance du sujet et avoir plus de profondeur dans ma réflexion.

Les réseaux sociaux m'ont été d'une grande aide dans ma veille informationnelle. L'utilisation de Twitter et de LinkedIn est très pertinente dans l'écriture de ce mémoire. En effet les annonces faites sont immédiatement reprises sur les réseaux sociaux par les influenceurs. La possibilitée de les suivre en temps réel et d'avoir une vue précise de l'actualité des sujets Big Data est importante et non négligeable.

II. Justification de ma problématique

Ma problématique est issue de l'analyse des données recueillies dans ma revue de littérature. Cependant pour avoir une certitude et pouvoir commencer la rédaction de ma partie empirique, j'avais besoin de rencontrer un spécialiste du sujet. De plus pour pouvoir appliquer des recommandations à mon entreprise, je devais trouver un collègue qui connaisse assez IBM pour avoir une profondeur de réflexion.

J'ai donc rencontré le directeur de la branche Big Data & Analytics d'IBM France. Grâce à cette rencontre d'une heure, il a pu répondre à mes questions. Cela m'a permis de justifier complétement ma problématique autour des applications métiers. Il a pu me donner des pistes de réflexions autour du Big Data dans le secteur BtoB. En effet chez IBM nous ne travaillons qu'en BtoB. Voilà pourquoi il m'a conseillé de faire des recherches supplémentaires. En effet pour pouvoir faire des recommandations pertinentes sur mon entreprise il fallait que je fasse plus de recherches sur l'utilisation de cette technologie dans le secteur d'activité de mon entreprise.

J'ai donc suivi ses conseils et ajouté une partie supplémentaire à ma revue de littérature afin de pouvoir justifier d'un développement pertinent de recommandations.

III. Intérêt de cette méthodologie

La méthodologie est l'étude systématique, par observation de la pratique, des principes qui la fondent et des méthodes de recherches utilisées¹⁵.

Cette méthode m'a permis de pouvoir me doter d'une expertise que je n'avais pas au début de la rédaction de ce mémoire. Mon sujet étant très vaste, la rédaction d'une revue de littérature après avoir cerné le sujet m'a aidé à orienter mes recherches et à bâtir une revue de littérature pertinente. L'objectif de faire des recommandations appropriées à mon entreprise est donc respecté grâce à cette méthode.

IV. Limite de cette méthodologie

IBM est un trop gros groupe pour pouvoir le connaitre entièrement. De plus j'ai passé deux ans dans l'entité « logiciels », mais je n'ai pas une vision précise de ce qui se fait dans les autres entités. Par exemple le fonctionnement de l'entité « services » qui est une des parts importante de la marge de l'entreprise m'est inconnu.

Cependant IBM est un groupe standardisé dans ces processus et dans son fonctionnement global voilà pourquoi même si je n'ai pas une vision précise du fonctionnement des autres entités je peux faire ces recommandations pour mon entité qui sont applicables en partie au niveau global.

Le Big Data étant un sujet vaste, la problématique a été réduite à son utilisation dans la gestion de la relation client. Certains aspects ne seront pas traités dans ce mémoire par souci de temps. L'exemple de la mobilité est le plus pertinent, cet aspect est de plus en plus d'actualité, mais pas encore assez développé pour y consacrer une partie entière.

Chapitre C Quelles suggestions pour IBM ?

IBM est une des entreprises les plus innovantes sur le marché. Depuis dix ans plusieurs milliards d'euros ont été investis par l'entreprise. Le Big Data représente une part importante de cette somme. Grâce à ça, nos offres dans ce secteur sont parmi les plus intéressantes pour nos clients. Cependant ces solutions ne sont que très peu utilisées en interne pour notre propre activité commerciale. Le problème vient principalement de la difficulté d'intégrer de nouveaux standards dans un groupe de la taille d'IBM. En effet nous sommes présents sur tous les continents. De plus ces dernières années le groupe a appliqué des changements importants en terme d'organisation et de répartition des ressources qui sont toujours en cours d'application. Cependant je reste persuadé que pour augmenter la part de marché de mon entreprise celle-ci va devoir changer aussi ces méthodes commerciales et appliquer les standards qu'elle développe.

Par la rédaction de ce mémoire je pense pouvoir démontrer que l'utilisation de solutions Big Data à chaque étape de notre relation client aurait un impact considérable sur la qualité de nos relations client et donc sur le nombre de nos ventes.

I. Recommandations opérationnelles

Le service marketing d'IBM fonctionne énormément sur des techniques simples. Nos clients sont invités à participer à des évènements ou à des diners. Le principal évènement est bien sûr Rolland Garros.

Ces évènements sont bien sur importants dans la gestion de notre relation client. Cependant les outils Big Data existants permettent d'améliorer cet outil marketing. Nous avons la possibilité de savoir quel prospect à consulter nos offres en ligne. De plus grâce à l'analyse des flux sur les réseaux sociaux nous pouvons savoir quel prospect est intéressé par des offres que nous proposons.

Le croisement de ces données, permet de nous donner une idée précise des prospects qui sont susceptibles d'acheter nos solutions. Pour le moment nos évènements importants comme le tournoi de tennis de Roland Garros sont principalement réservés à nos clients les plus importants. Une ouverture des invitations à des prospects qui représentent une valeur ajoutée potentielle importante peut-être envisagée. En effet nos clients importants y sont invités chaque année ce qui est une bonne chose pour la relation que nous avons avec eux. Mais une utilisation différente de ces évènements permettrait d'ouvrir de nouveaux comptes client tout en débutant la relation client par une personnalisation importante. Comme nous l'avons vu dans la revue de littérature, la personnalisation des échanges avec les prospects est non négligeable. De plus même si le prospect ne se transforme pas directement en client grâce à cet événement, il va nous faire de la publicité gratuite sur les

réseaux sociaux en publiant des images ou des « post » en citant l'entreprise. Cela permet d'augmenter la visibilité de la marque chez nos autres clients potentiels.

Chez IBM nous organisons des « Step-Up » sur des clients. Ces séances permettent de réunir une équipe d'environ quinze personnes. Des commerciaux, des spécialistes du secteur d'activité du client, des spécialistes des technologies que nous proposons. Ces séances ont pour objectif de mettre en commun la réflexion de nos équipes afin de proposer une solution à un client sans l'avoir consulté au préalable. Ces séances ont un impact très important chez nos clients car nous valorisons leur importance à nos yeux en leur proposant des solutions sans qu'ils nous aient consultés au préalable.

Les données disponibles en ligne sont énormes. Elles permettent d'avoir une vue à 360 des clients et des prospects. En effet les entreprises partagent énormément d'informations en ligne sur leurs stratégies et leurs investissements. Aujourd'hui chaque événement dans une entreprise est publié en ligne.

Grâce à l'analyse des données il serait possible d'élargir les séances « Step-Up » à nos prospects à plus forte valeur ajoutée. Par ce moyen, nous pouvons démontrer à notre prospect l'importance qu'il a pour nous. Grâce à ce travail nous pouvons démontrer à notre prospect que nous avons l'intention de travailler avec lui sur le long terme et qu'il n'est pas qu'un prospect parmi tant d'autre.

Pour une entreprise comme IBM qui a des centaines de client, la personnalisation des interactions est primordiale. En effet nous avons vu dans la revue de littérature que tous les clients réclament aujourd'hui des échanges personnalisés dans leur parcours d'achat. Même quand nous ne sommes pas encore client, une approche personnalisée nous démontre un intérêt et une compréhension profonde de nos besoins.

Chez IBM nous utilisons beaucoup les analyses de business intelligence et d'outils prédictifs, ce qui nous permet d'avoir une vue très précise de notre portefeuille d'affaire. Les analyses BI sont utilisées pour savoir si nous avons assez d'affaires en cours pour réussir les objectifs. Ces analyses se basent sur l'historique de nos résultats ainsi que des données du marché global en France.

En fonction du résultat de ces analyses nous prenons des décisions qui nous permettent soit de combler le manque dans le portefeuille (évènements marketing / Prospection) soit de l'étoffer. L'ajout d'outil prescriptif nous permettrait d'avoir une utilisation complète des outils Big Data dans la gestion de notre relation client. En effet les analyses prescriptives servent à donner une vue à plus long terme afin de prendre des décisions qui peuvent résoudre les problèmes rencontrés. Par exemple si les résultats d'une entreprise sont en baisse depuis une longue période, ces données peuvent être croisées avec les analyses de business intelligence et prédictive. Cela permet d'avoir une vue complète et donc de pouvoir prédire quels sont les points bloquants.

Une fois les points bloquants analysés les outils Big Data Prescriptifs peuvent donner des pistes à suivre afin de les résoudre.

IBM investit beaucoup dans la technologie SaaS. En effet il est de notoriété publique que c'est un marché en pleine croissance. Lors de mon interview avec Mr Thouvenin en mai 2015, il me confirmait que les usages changent sur le marché. Comme sur le marché grand public, les clients

hésitent de plus en plus à louer sur le long terme leurs biens. Nous le voyons principalement sur le marché de l'automobile ou les offres de LLD¹⁶ sont de plus en plus présentent. Ces offres de location sont un atout pour les clients car les outils ne sont plus hébergés directement chez eux mais sur des serveurs distants. Les coûts d'installation et de maintenance sont moins élevés et l'installation est plus rapide car elle ne nécessite pas l'intervention d'un technicien sur site. Cependant ces offres restent relativement marginales dans le portefeuille IBM. Beaucoup de clients ne savent pas que notre portefeuille d'offre SaaS est complet. Une politique « Extand&Expand » a été mise en place en interne pour faire valoir notre offre. Cependant elle n'est pas bien définie et l'utilisation des outils analytique pourrait la rendre plus efficace.

Extand : développer notre présence sur le marché en proposant nos offres SaaS dans chaque contrat client.

Expand : Développer la base installée de chaque client en lui proposant des offres SaaS qui peuvent aller dans la continuité de sa base installée.

Aujourd'hui nous n'utilisons aucun outil d'analyse Big Data pour mettre en place cette politique, voilà pourquoi notre part de marché reste faible.

Nous avons vu précédemment que les entreprises sont très utilisatrice des réseaux sociaux pour communiquer leurs actualités et que les outils analytiques actuels sont capables de capter ces informations et de les restituer dans des analyses. L'initiative d'extension de l'offre serait donc beaucoup plus efficace avec des outils Big Data. En cette période de stagnation de l'emploi, les entreprises qui recrutent le font savoir au plus grand nombre. Lors d'une telle annonce les outils Big Data peuvent comprendre rapidement que le client va avoir des besoins rapides d'outils de ressources humaines pour optimiser son recrutement. Proposer au bon moment une offre pertinente démontre au client que nous avons une vue précise de son marché et que notre objectif est l'accompagnement dans la transformation digitale de nos clients.

Aujourd'hui il est possible de connaître quels sont les taux de retour de chaque client. IBM n'a pas de politique précise à ce sujet sur le marché français. Les outils disponibles aujourd'hui donnent

l'opportunité aux entreprises d'avoir une vision pointue sur la valeur ajoutée de chaque client. IBM a mis en place un partenariat en avril 2015 avec Twitter pour proposer des offres analytiques des flux de réseaux sociaux. Grâce à ce partenariat, l'analyse de l'influence sociale de chaque client est rendue plus efficace. En effet comme nous l'avons vu l'influence sociale d'un client est une composante majeure de la valeur d'un client aujourd'hui. Si des analyses sont mises ne place pour chaque client nous pourrons savoir quels clients sont les plus rentables et se concentrer sur eux en excluant les clients les moins rentables. Dans l'esprit d'un client rien n'est plus important que le témoignage des autres clients. Voilà pourquoi une entreprise cliente qui témoigne de la qualité de nos offres à une valeur inestimable et mérite d'avoir une attention particulière dans la relation client. Au contraire une entreprise qui a demandé beaucoup d'efforts pour la mise ne place d'une solution et qui communique des informations négatives sur nos offres ne mérite pas la même attention.

Nous pouvons donc dire que la mise en place d'une politique de valeur vie du client donnerait l'opportunité à IBM de se concentrer sur les clients les plus rentables et les plus influents. Une réallocation des ressources au bon endroit rend la gestion de la relation client plus efficiente.

La satisfaction client est très importante chez IBM. Des enquêtes de satisfaction sont réalisées en permanence. Elles ne se concentrent pas sur la satisfaction vis-à-vis du produit acheté. Ces enquêtes incluent une notation sur la qualité des interactions, la durée de la période d'installation des offres et la qualité du service après-vente.

Le nombre total d'enquête rend le traitement de celle-ci impossible manuellement, voilà pourquoi des statistiques nous sont régulièrement publiées afin de nous donner une idée globale de la satisfaction de nos clients. L'incorporation d'outils Big Data nous permettrait de pousser plus loin la satisfaction de nos clients. En effet si après une vente le client se déclare globalement mécontent, la relation client que nous allons avoir avec lui dès les prochaines années de son contrat va se dégrader. Nous pouvons être certain qu'une fois son contrat arrivé à terme, le client ne penseras pas directement à IBM pour son prochain achat. Voilà pourquoi les outils analytiques sont importants, arrivé à terme ce client mérite une attention particulière pour un éventuel renouvellement. Les outils analytiques seront utilisés pour lui proposer une offre précise sur ses besoins du moment et pour personnaliser au maximum les interactions que nous aurons avec lui. Même si le coût du client est important, il est nécessaire de tout faire pour qu'il reste un de nos clients. En effet un client

mécontent qui part à la concurrence va garder une mauvaise image de l'entreprise et il va aussi la véhiculer au travers des interactions qu'il aura avec ses partenaires. Voilà pourquoi même si il n'est pas possible de le retenir, il faut lui faire comprendre que nous lui attachons une importance particulière. Les outils analytiques sont importants dans cet objectif. La proposition d'une offre compatible avec ses besoins du moment ainsi qu'une compréhension de son besoin sont une preuve que nous tenons à lui. Si le client décide de rester avec IBM, il devra répondre à une nouvelle enquête de satisfaction client et à ce moment-là nous pourrons faire une analyse croisée des résultats à deux périodes précises et donc vérifier que cette stratégie est la bonne ou non.

Si comme nous l'avons vu précédemment, le Big Data a pour objectif d'améliorer la relation client, il ne faut pas perdre de vue que tout repose sur le bon vouloir des consommateurs. En effet en acceptant de donner leurs informations, ceux-ci s'attendent à une meilleure qualité de service. Le Big Data peut aussi avoir des côtés dangereux. Particulièrement en ce qui concerne la sécurité des informations stockées dans les bases de données des entreprises. Ces données sont aujourd'hui considérées comme la nouvelle ressource naturelle des entreprises.

II. Recommandations stratégiques

1. Enjeux de la sécurité des données :

Les vols de données sont de plus en plus nombreux et les attaques contre les bases de données des plus grandes entreprises sont en nette augmentation. Ces pertes de données sont des problèmes stratégiques pour les entreprises qui en sont les victimes. En effet l'image de l'entreprise peut être gravement affectée par des vols à répétition et la relation client fortement entachée. Il n'est pas insensé de penser que dans les années à venir des vols de données massif puissent être à l'origine d'une fuite massive des clients d'une entreprise. En effet les clients commencent à peine à comprendre l'ampleur des informations qui sont collectées sur eux, et ils n'en sont pas particulièrement heureux. Voilà pourquoi, dans les prochaines décennies ils vont pouvoir faire vaciller de grands groupes en décidant une fuite massive vers la concurrence après que leurs données personnelles n'ont été dérobées par des pirates informatiques.

Dans ce domaine IBM joui d'une réputation sans failles, ces dernières années, tous les plus grands groupes américains (GAFA¹⁷) ont été éclaboussés de scandales concernant la sécurité des informations qu'ils détenaient sur leur client. Cela va au-delà de la simple sécurité car, ils n'ont pas seulement été la cible d'attaques, ils ont collaboré avec les gouvernements et on fournit les informations personnelles de millions de personnes. Jamais IBM n'a été mis en cause dans ces révélations, non seulement l'entreprise ne collabore pas avec les instances américaines et autres mais jamais elle n'a été victime d'un vol de donnée massifs.

Chez IBM, nous disposons d'une offre dédiée à la sécurité des données. Cette offre est complète et couvre plusieurs champs d'applications :

Suite à toutes ces attaques, IBM Logiciels a décidé de placer la sécurité comme moteur de croissance pour les années à venir. Cependant ces offres ne sont majoritairement pas encore disponibles en mode SaaS. Nous avons vu précédemment que ce type d'offre est en pleine croissance et que le marché des logiciels se réorganise autour de ce type d'offres. Je pense que des innovations sont nécessaires de la part d'IBM dans ce sens afin de ne pas se laisser distancer dans ce domaine par les concurrents. Cependant pour pouvoir innover, encore faut-il que l'investissement soit décidé par les actionnaires. Or dans le rapport annuel 2014 aux actionnaires, Virginia Rometty¹⁸ décrit les trois impératifs stratégiques pour les années à venir.

Bien qu'il soit fait part que ces impératifs sont entourés par un besoin de sécurité augmenté, il n'est nullement fait part que le futur d'IBM, se base sur la sécurité. Or je pense qu'avec ce que nous avons vu précédemment, il est légitime de penser que la sécurité doit jouer un rôle bien plus important dans l'offre globale IBM. Nous voyons là qu'il y a un écart entre une politique globale et la politique de l'entité Logiciels.

Nous n'avons pas encore le réflexe d'intégrer la notion de sécurité des données dans notre cheminement client. Dans les années à venir, les fraudes vont augmenter et les comportements vont changer. Dans l'édition du Monde parut le 6 novembre 2014 il est dit que sur un échantillon de 1000 personnes de 15 à 64 ans, 74% des internautes se déclarent inquiets d'une utilisation frauduleuse de leurs données en ligne.

Aujourd'hui la relation client repose sur des fondations de confiance entre le client et le fournisseur. Demain, le ciment de ces fondations sera fait de sécurité. Un client donnera sa confiance à une entreprise seulement s'il est certain que celle-ci puisse être garante de l'intégrité des informations qu'il lui a données. Voilà pourquoi, IBM doit concentrer des efforts importants pour moderniser son offre en matière de sécurité et assoir sa croissance sur un quatrième levier d'avenir.

2. Adaptation au marché français :

Selon le classement « Brand Z » réalisé par le cabinet Millward Brown Optimor en 2014, IBM est la troisième marque la plus puissante du monde après Google et Apple. Cela explique la force que ce nom exprime chez nos clients. Cependant cela a des inconvénients, dans certains cas la relation client IBM peut paraitre autocentrée. L'exemple le plus pertinent est la disponibilité de nos solutions Big Data. En effet les outils innovants que nous proposons comme le logiciel Watson, ne sont disponibles qu'en anglais. Les logiciels étant principalement développés aux Etats-Unis, il semble normal que la langue principale soit l'anglais. Cependant la traduction de ces outils est primordiale pour la réussite d'IBM dans le Big Data et aussi pour la relation que nous entretenons avec nos clients. Bien que cela soit très technique et très couteux, tous les grands groupes traduisent leurs solutions pour les adapter aux marchés domestiques dans lesquels ils sont présents. Nous n'imaginons pas Google être aussi dominants dans le monde avec une utilisation anglophone unique. De la même manière, Facebook ne pourrais pas séduire les adolescents du monde entier en étant disponible uniquement en anglais. Voilà pourquoi une traduction de nos solutions Big Data les plus mises en avant est indispensable pour la réussite de notre relation client.

De la même manière, nos campagnes marketing (hors média) sont presque exclusivement cantonnées à la langue de Shakespeare. La promotion de nos produits est la base de notre relation client, et tous les outils Big Data que nous avons vus précédemment peuvent aider IBM à considérablement améliorer cette relation. Cependant tous les outils Big Data du monde ne peuvent pas contrer la barrière de la langue qu'il peut exister chez nos clients.

CONCLUSION

Pour survivre dans une économie globalisée, il est de plus en plus clair que les organisations doivent prendre la mesure de la connaissance de leurs marchés, clients, produits, et concurrents. De plus en plus d'organisations considèrent que leurs données est leur deuxième plus grand capital après leurs employés.

Grâce à la démocratisation du Big Data, les organisations découvrent de nouvelles voies pour améliorer la gestion de leurs relations client. Elles se réinventent pour s'accorder avec les nouveaux usages liés à l'analyse de données afin de prendre les meilleures décisions possibles. Les outils analytiques qu'ils déploient leur permettent d'améliorer leur compétitivité et parfois même d'avoir un avantage concurrentiel sur les entreprises de leur marché.

Toutes les entreprises n'ont pas les mêmes besoins en matière d'analyse de données. Les PME vont bien sûrs avoir des besoins différents des multinationales. Cependant l'opportunité d'avoir une vision neuve du marché grâce aux nouvelles technologies Big Data, existe pour chaque entreprise quelle que soit sa taille.

Pour les éditeurs, comme IBM des améliorations dans l'exploitation des données peuvent être effectués. Nous avons vu que la relation client d'IBM pourrait être plus efficiente avec l'utilisation de la technologie Big Data. La direction l'a bien compris, et va mettre à disposition des commerciaux dès le deuxième semestre 2015, une application Big Data, qui va être capable de compiler des données internes et externes sur les clients existants. Cette application mobile, sera un support à la prise de décision de la force commerciale.

BIBLIOGRAPHIE

Barnu, F. (2015). Quand l'industrie explore le Big Data. Alliancy le Mag N°11, p.45.

Breteau, P. (2013). Aides à la presse, très très cher journal. Slate.fr. Available at: http://Pierre Breteau, mai 2013, Aides à la presse, très très cher journal

Schroeck, M., Shockley, R., Smart, J., Romero, D. and Tufano, P. (2012). The real-World use of big data. 1st ed. New York: IBM.

Tomas, J. (2002). ERP et progiciels de gestion intégrés. Paris: 01 informatique, p.40.

CGI. Analyse Prédictive L'Essor Et La Valeur De L'Analyse Prédictive Dans La Prise De Décisions. 2013. Web.

Deshpande, Gaurav. 'Blogs | The Big Data Hub'. Ibmbigdatahub.com. N.p., 2014. Web.

IBM. Business Analytics And Optimization For The Intelligent Enterprise. New York: IBM, 2009. Print.

Bohic, Clément. 'Adobe, Sony & Cie : Les 15 Vols De Données Emblématiques En 2014'. ITespresso.fr. N.p., 2014.

La Rédaction BA Info. 'La Formule 1 Carbure Aussi Aux Big Data Business-Analytics-Info.Fr'. Business-analytics-info.fr. N.p., 2013.

MIT Sloan Management Review. Solutions de BAO - Business Analytics And Optimisation : La Fracture Analytique. Paris: IBM Instutue for business value, 2012.

P16 : Démonstration d'un flux d'information d'une application d'analyse de sentiments P25 : Répartition du chiffre d'affaires au sein des divisions IBM

ANNEXES

Annexe 1:

Watson est le premier outil cognitif à pouvoir réfléchir, apprendre et prendre des décisions comme l'homme. Exemple de Watson Health Care qui aide les médecins à prendre des décisions basées sur des données du monde entier. La logique n'est pas de prendre la place des hommes mais bien de les aider à prendre des décisions. Il y a toujours des personnes qui ont peur du changement. Les fabricants de bougies ont presque tous disparu suite à l'invention de l'électricité, seul ont perduré ce qui se sont adapté aux changements et ont décidé de faire des bougies décoratives et des bougies de senteurs. Les emplois ont changé mais les personnes sont toujours utiles à la fabrication

de l'énergie. L'électricité est innovation technologique qui a permis à l'homme de développer plus de technologies. Donc les innovations ne sont pas un frein aux évolutions mais bien le contraire.

La grande différence c'est le temps de transformation, le rail a profondément changé la manière de se déplacer aux USA en une cinquantaine d'années. Mais le Big Data va changer les busines- model en l'espace de 5 ans.

Grâce aux processeurs neuro-morphiques les données seront analysées plus vite et plus intelligemment encore. Les machines pourront faire plusieurs taches à la fois comme les hommes et pouvoir trouver des corrélations encore plus poussées.

La détection des corrélations minimes est rendue possible par le Big Data (Signaux faibles) permet de comprendre des comportements sociétaux. Dans le Minnesota à partir de 15,8 degrés les personnes achètent plus de produits « glacier ». Il est donc possible de faire du prédictif en disant aux retailler attention avec cette température vous allez devoir augmenter vos stocks car votre CA va croitre sur cette gamme de produits.

Dans les prochains mois les applications personnalisées vont sortir. Ces applications vont s'adapter aux comportements d'utilisation des consommateurs et vont pouvoir augmenter le taux de retour sur utilisation des applications. Imaginez une application qui avant d'être téléchargée va comprendre vos besoins d'utilisation. Parce qu'elle elle va elle-même s'adapter à vos usages et à vos interfaces favorite. Vous allez conserver cette appli et l'utiliser tous les jours.

Annexe 2 :

I. Exploitation de l'information

Les logiciels Business Analytics aident les entreprises à mesurer, comprendre et anticiper leur performance financière et opérationnelle en transformant les données en décisions et les décisions en action. IBM propose une gamme complète de solutions d'aide à la décision, d'analyse prédictive, de pilotage de la performance financière, de gouvernance, de gestion du risque et de la conformité. Nos clients peuvent détecter les tendances, les schémas récurrents et les anomalies, comparer des scénarii de simulation, mieux anticiper les menaces et opportunités commerciales, identifier et gérer les risques principaux, planifier, budgéter et mieux allouer les ressources pour atteindre les objectifs fixés.

La plateforme de gestion de l'information IBM vous permet d'exploiter en toute confiance votre patrimoine d'information. Elle vous aide à disposer d'une vue complète, à maîtriser les coûts dans un contexte d'explosion des volumes d'informations et à gérer le cycle de vie de ces informations dans la durée. Les services de données enrichissent les processus métier, offrent une information fiable et pertinente et s'intègrent dans vos projets centrés sur les données : consolidation d'applications et reprise de données, traitement de volumes massifs, migration d'ERP, lutte contre la fraude, référentiels de données ...

L'information non structurée (mails, images, ...) représente souvent plus de 80% des volumes d'information. Nos solutions assurent la gestion des documents dans le temps, leur archivage et le respect de la conformité.

Respecter la conformité aux réglementations en vigueur comme la durée d'archivage légal.

Un fabricant de matériels de sécurité avait identifié que 52% de ses données n'étaient pas classifiées correctement. Il gère maintenant ses emails et ses fichiers avec FileNet. Son personnel accède plus rapidement à l'information

Une entreprise Telecom a déployé la plateforme FileNet pour scanner ses documentations, les stocker dans un référentiel central, et les diffuser. Elle

"With Content Analytics we can improve communication among our healthcare providers, and successfully complete patients' recommended treatment plans"

Global Retention Policy And Schedule Management gère le référentiel des règles de rétention: atlas des réglementations, plan de classement référençant les règles existantes

Atlas eDiscovery Process Management supporte le processus de eDiscovery (gel légal, collecte juridique) et permet aux juristes d'instruire une procédure

Disposal and Governance Management For IT gouverne les sources de données et les règles nécessaires Enterprise Records applique les règles de rétention et gère les traces légales (enregistrements, reçus) Content Manager OnDemand assure l'archivage de masse et l'archivage à valeur probatoire

Les solutions StoredIQ localisent rapidement les données non structurées dispersées dans votre système d'information et gèrent la conservation, le gel et la suppression réglementaire de ces données

IBM Content Collector assure l'analyse, la collecte, l'archivage et la conservation d'informations:

IBM propose une offre complète pour gérer de bout en bout le cycle de vie de la donnée, réduire les coûts et valoriser les données comme un actif à part entière.

Datacap Taskmaster gère la dématérialisation: numérisation, capture de masse et reconnaissance des documents

Datacap propose également des solutions dédiées à la gestion des factures et des documents médicaux

Watson Content Analytics réalise l'analyse sémantique des documents et indexe les contenus

Content Foundation gère le cycle de vie des documents électroniques : capture, classement, accès ... IBM Navigator on Cloud propose des fonctions similaires dans le Cloud

Case Foundation implémente le processus de gestion documentaire, simule et analyse les processus en place: formulaires électroniques, moteur d'exécution, gestion des évènements, analyse de l'activité

Case Manager améliore la gestion des dossiers au quotidien : gabarits applicatifs, gestion des contenus et des processus, règles métiers, services analytiques et outils catifs

InfoSphere Discovery permet la découverte du modèle relationnel et des données sensibles (nom, prénom ...)

DB2 est une base de données relationnelle, multiplateforme, pour des besoins transactionnels (OLTP) et décisionnels (reporting, OLAP, ...). L'accélérateur BLU, utilise la technologie "Colonne" en mémoire, couplée à une forte compression, pour accélérer les requêtes opérationnelles de reporting et d'analyse

IBM propose une gamme d'utilitaires complémentaires pour DB2 z (accès, restauration, performance)

Guardium Data Redaction protège les documents et les formulaires en masquant les données sensibles Guardium Activity Monitor est une solution de monitoring et d'audit en temps réel des bases de données Guardium Vulnerability Assessment évalue les vulnérabilités et les changements de configuration des bases Guardium Data Encryption crypte les données des bases, les documents et les fichiers pour les protéger

Optim offre une gamme d'outils spécialisés dans la gestion de l'information, de la création à l'archivage:

- gestion de la croissance et archivage des données; décommissionnement d'applications (Archive/Data Growth)

- capture les charges de travail SQL de la production pour rejouer des tests SQL (Query Capture & Replay)

- identification des clients, des drivers utilisés et des changements de configuration (Configuration Manager)

- requêtes SQL/XQuery, procédures stockées, couche d'accès aux données, pureQuery (Development Studio)

Il est aujourd'hui nécessaire de gouverner le cycle de vie et la qualité de l'information. La plateforme InfoSphere aide à gérer la cohérence des systèmes et à mettre en place un référentiel de données maîtres.

Une grande entreprise industrielle avait un référencement produits spécifique

à chaque pays. Elle a mis en place une gestion centralisée et des procédures de partage et mise à jour cohérentes en préservant les spécificités locales

Une grande compagnie de transport a déployé DataStage et profite d'un environnement de développement visuel et intuitif pour synchroniser ses systèmes opérationnels

«(Using Identity Insight...), we are able to detect and respond to fraud

far faster than before to protect our consumers as well as our global network of agents"

InfoSphere Information Server est un véritable serveur d'informations modulaire:

- documente et planifie la chaîne de distribution de l'information (BluePrint Director)

- assure la traçabilité de bout en bout des métadonnées et la cohérence des formats (Metadata Workbench)

- publie les services de données et intègre les données en temps réel (Information Services Director)

- permet d'accéder de manière unifiée à des sources hétérogènes de données (Federation Server)

- spécifie la description fonctionnelle des données dans un dictionnaire partagé (Business Glossary)

- fournit un atelier de gestion des bases de données : modélisation, analyse d'impact ... (Data Architect)

- améliore la connaissance des données en les cartographiant et en mesurant la qualité (Information Analyzer)

- nettoie et améliore la qualité des données : standardisation, rapprochement et consolidation (QualityStage)

- déporte des traitements DataStage dans les bases de données (DataStage Balanced Optimization) - définit le mapping des données (source vers cible) et génère des flux dans DataStage (FastTrack) - réplique les données modifiées en temps réel (Data Replication)

InfoSphere MDM assure la cohérence de l'information entre un ensemble d'applications, les notifie en cas de modification, repère les doublons et contrôle les accès (citoyen, client, employé, produit, contrat, etc ...)

MDM Standard indexe et rapproche les sources de données disponibles pour en donner une vue consolidée

MDM Advanced ajoute la gestion d'un Golden Record autonome qui peut stocker des informations complémentaires

MDM Collaborative Edition se focalise sur la construction collaborative de l'information Master Content for MDM Server intègre les contenus non structurés dans la démarche MDM

Identity Insight vous aide à gérer les identités pour lutter contre la fraude

Son module Global Name Recognition fournit une bibliothèque de noms et des services de rapprochement

Après avoir remporté le jeu Jeopardy!, Watson étend progressivement son champ d'applications dans la santé, la gestion de la relation clients ou le secteur public. L'offre IBM Big Data est au coeur de l'offre Watson. Les solutions PureData fournissent des solutions intégrées: bases de données transactionnelles et analytiques, infrastructure et expertise intégrée.

Un spécialiste Telco capture les informations de ses clients avec PureData for Analytics pour mieux comprendre

"A major company leverages BigInsights and runs test queries across multiple transactions to identify fraudulent transactions and mitigate risks for its customers"

Streams analyse en continu tous les flux de données (structuré, non structuré, audio, vidéo,...), et génère des alertes, sans persistance des données. Sa faible latence accélère la prise de décision à la volée, et la sélection des informations qui méritent d'être conservées pour être exploitées plus tard

BigInsights est la distribution IBM du socle Hadoop 100% open source, permettant de gérer et analyser tout type de données et de persister des volumes massifs à faible coût. BigInsights accélère l'industrialisation d'Hadoop: outils des analystes (BigSQL) et des data scientists (BigR), simplification du développement et du déploiement d'applications, sécurisation des données, administration et monitoring, ...

Watson Explorer vous aide à indexer tout type de données internes et externes, avec une fédération en temps réel des sources externes pour agréger les contenus en fonction des profils métier, et donner une vue 360°

Cloudant est une base de données NoSQL proposée dans SoftLayer en mode DaaS (Database as a Service)

The Now Factory aide les opérateurs Telco à capturer et analyser l'utilisation des services mobiles

PureData for Transactions héberge les bases de données transactionnelles hautement disponibles et gère la montée en charge en fonction des besoins (par exemple, des millions d'accès en lecture/écriture)

PureData for Analytics est l'appliance décisionnelle IBM, simple de mise en oeuvre, d'utilisation et d'administration tout en permettant de réaliser des analyses avancées de données haute performance sur des volumes massifs de données structurées (jusqu'aux pétaOctects). Elle peut être associée à DB2 for z/OS en tant que DB2 Analytics Accelerator, pour accélérer les requêtes analytiques complexes de l'entrepôt de données sur DB2 for z/OS

PureData for Operational Analytics est la solution prête à l'emploi pour des entrepôts de données Entreprise impliquant des workloads complexes et mixtes

L'offre Cognos analyse les données: scorecards, tableaux de bords, rapports, exploration et requêtes ad-hoc. Les outils SPSS aident à prendre de meilleures décisions, grâce à l'analyse détaillée et sémantique de l'information (bases de données, textes libres Big Data). CPLEX ajoute la dimension prescriptive à ces analyses.

chez un distributeur Internet pour fournir à ses clients un outil commun et convivial d'analyse prédictive

Une Université a mis en place des tableaux de bords et des rapports Cognos BI pour analyser les budgets

Grâce à nos outils d'optimisation, un aéroport optimise l'allocation des emplacements de stationnement et des équipements au sol, puis propose les solutions à l'opérateur qui peut les ajuster finement

Cognos BI fournit l'éventail complet des fonctions de BI à travers un portail intégrant la recherche plein texte:

- Espace de travail unifié et tableaux de bord (Cognos Workspace)

- Reporting Ad Hoc, orienté utilisateur métier (Cognos Workspace Advanced)

- Rapports complexes et rapports déconnectés (Report Studio)

- Utilisation du contenu Cognos sur les terminaux mobiles des utilisateurs (Cognos Mobile)

- Utilisation du contenu Cognos dans Microsoft Office (Cognos For Microsoft Office)

- Création de rapports et analyse de données depuis Excel (Cognos Analysis For Excel)

- Intégration des contenus décisionnels dans des applications (Software Development Kit)

La gamme SPSS Data Collection permet de réaliser des enquêtes (web, téléphone, tablette, papier ...)

SPSS Modeler Professional crée des modèles de Data Mining, depuis l'accès jusqu'au scoring des données

Modeler Premium étend le Data Mining au Text Mining, à l'analyse des réseaux sociaux et la résolution d'identités

Collaboration & Deployment Services gère les actifs analytiques dans un portail et automatise les processus Analytical Decision Management combine les modèles prédictifs et les règles métier pour l'aide à la décision

Social Media Analytics se connecte aux réseaux sociaux et les analyse pour évaluer les thèmes abordés, les sentiments exprimés et les liens entre les concepts qui vous intéressent (blogs, twitter, facebook...)

Analytic Server intègre des sources Hadoop dans les analyses de datamining réalisées avec SPSS Modeler

Son module Analytic Catalyst analyse vos données pour identifier les dimensions significatives et/ou corrélées

Predictive Maintenance & Quality vous aide à planifier la maintenance préventive sur votre outil de production

CPLEX Optimization Studio est une solution d'analytique prescriptive s'appuyant sur des moteurs de programmation mathématique et propagation par contraintes

Decision Optimization Center propose une plateforme complète d'optimisation, sur laquelle IBM commercialise progressivement des composants métier pour accélérer le déploiement

Nous proposons un ensemble d'outils de gestion de la performance : simulation et planification financière, reporting réglementaire, gestion de la rémunération variable, et une offre complète de gestion des risques: risques opérationnels, conformité, risques informatiques, audits internes et risques financiers.

Une chaîne de magasins d'habillement a fait appel à un partenaire IBM et à l'expertise Software Services pour la conception et la mise en oeuvre d'une solution de planification

basée sur Cognos TM1, visant à mieux satisfaire la clientèle et à maîtriser ses coûts

«By eliminating manual processes and minimizing complaints and inquiries, we believe that we can reduce our administration costs

Incentive Compensation Management conçoit et gére les programmes de commissionnement : processus,

évaluation du salaire variable, reportings, canaux indirects, what-if analysis

Quota & Territory Management prend en charge la gestion des quotas de vente et des territoires

Cognos Disclosure Management s'adresse aux directions qui fournissent des rapports internes et à la communauté financière: rapport annuel, rapports pour instances de régulation, reporting Comex... CDM outille la collecte, la préparation, le contrôle et la validation des informations financières et des parties narratives

Cognos TM1 automatise les principaux processus financiers de planification qui sont ensuite déclinés au niveau opérationnel: collecte et consolidation des données financières de référence, élaboration et suivi de la navette budgétaire, modélisation de l'activité, prévisions budgétaires, analyse de la profitabilité, analyse temps réel et par pôle, simulation de scénarios

Concert étend les fonctions de TM1 pour la gestion d'activité et de tâches, la collaboration et le décisionnel

OpenPages est une solution de gestion de GRC (Gouvernance, Risques et Conformité) qui permet aux entreprises de classer et surveiller les risques identifiés, de produire des rapports interactifs et de s'adapter aux nouvelles réglementations pour améliorer leur performance. OpenPages couvre 5 domaines :

Operational Risk Management - gestion des risques opérationnels IT Governance - gestion des risques informatiques

Financial Control Management - contrôles des risques financiers Policy & Compliance Management - pilotage des règles de conformité Internal Audit Management - pilotage des audits

Les solutions Algorithmics prennent en charge la gestion du risque de marché, le risque de crédit, le risque de liquidité ainsi que le risque de collatéral et le capital économique. Elles permettent aux institutions financières d'avoir une analyse détaillée de leur risque et de prendre des décisions d'investissements qui tiennent compte de ces risques encouru.