WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Les apports du big data dans la relation client


par Jeremie GROSSETETE
EMLV -  2015
  

précédent sommaire suivant

1. Richesse de l'expérience client

Les consommateurs sont demandeurs d'une expérience client toujours plus riche. Les entreprises qui achètent des produits sont aussi demandeuse d'une même richesse de leur expérience client. Et pour les entreprises en BtoB cette amélioration de l'expérience client est vitale car elles ont moins de

Nous pouvons faire un parallèle entre ces deux freins. En effet comme les entreprises sont réticentes à divulguer leurs données internes, il parait normal qu'elles ne divulguent pas leurs retours sur

14

clients que les acteurs du BtoC. Grâce à ces nouveaux outils, ils vont pouvoir personnaliser leurs échanges avec leurs clients ou prospects.

Pour les acteurs présent en BtoC, la perte d'un client est beaucoup plus pénible financièrement qu'une entreprise qui dispose de millier de clients. Voilà pourquoi il est vital de sécuriser sa base de client en adressant les clients de la manière la plus efficace possible.

2. Comportement homogène

Comme nous, les entreprises sont frisantes des réseaux sociaux pour communiquer leurs actualités. L'utilisation de Linkedin et de Twitter s'est démocratisé dans les entreprises et constituent des canaux de communication stratégiques. Cela rend l'utilisation du Big Data dans le secteur du BtoB très pertinent. En effet bien que les sources d'informations soit différentes ainsi que les données comportementales, les agissements clients sont analysables. Pour une entreprise du BtoC, les informations vont provenir des réseaux sociaux personnels alors que pour une entreprise du BtoB, les informations vont provenir des réseaux sociaux professionnels. Aujourd'hui les outils Big Data font partie intégrante du système de management et du processus décisionnel des marketeurs BtoB.

Les cas les plus courants d'utilisation sont les suivant :

· Campagnes marketing ciblés

· Fidélisation des clients

· Innovation

· Amélioration de la prospection

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.

15

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.

VIII. Les trois grandes catégories d'outils Big Data

1. Business Intelligence (La Rédaction Journal du Net, 2015a)

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.

16

précédent sommaire suivant