© 2012 IBM Corporation1
Patrice P
oiraud
Etre performant dans un monde centré sur l’information
Patrice PoiraudSmarter Analytics & Big Data Sales Leader – IBM France
© 2012 IBM Corporation3
Patrice P
oiraud
3
La vaste majorité des Directeurs Marketing (CMOs) déclare ne pas être préparée à faire face aux changements clés du marketing
France
Explosion des données
Média SociauxCroissance des canaux et des
outils de communicationsEvolution de la démographie
des consommateursContraintes financières
Décroissance de la fidélite aux marques
Opportunités marketing émergentes
Responsabilité économique (ROI)
Influence et Collaboration avec les clientsConsidérations liées à la protection
de la vie privée
Considérations réglementaires
Source: Q8 How prepared are you to manage the impact of the top 5 market factors that will have the most impact on your marketing organization over the next 3 to 5 years? (n = number of respondents who selected the factor as important), global sample n=149 to 1141, France sample n=4 to 64
Externalisation globale
Transparence de l’entreprise
Global
71%
68%
65%
63%
59%
57%
56%
56%
56%
55%
54%
50%
47%
81%
72%
78%
71%
53%
55%
68%75%
73%
51%
56%
44%
48%
Pourcentage des CMOs déclarant ne pas être prêts
© 2012 IBM Corporation4
Patrice P
oiraud
En février 2012, le New York Times a publié un aperçu de l’avenir en matière de futures pratiques marketing.
© 2012 IBM Corporation5
Patrice P
oiraud
“Data is the New Oil”““Les Les donndonnééeses sontsont le le nouvelnouvel Or NoirOr Noir..
Les Les donndonnééeses sontsont brutes. brutes. CC’’estest utile, utile, maismais non non ““raffinraffinééeses””, , elleselles ne ne peuventpeuvent êtreêtre utilisutilisééeses..””
–– Clive Clive HumbyHumby, , DunnHumbyDunnHumby
5
““Nous Nous avonsavons pour la premipour la premièère re foisfois uneune ééconomieconomie bbasasééee sur sur une ressource clune ressource cléé [[ll’’InformationInformation] qui ] qui estest non non seulementseulement
renouvelablerenouvelable, , maismais qui qui ““ss’’autoauto--ggéénnèèrere””. En . En manquermanquer nn’’estestpas un pas un problproblèèmeme, , maismais se se noyernoyer dedans dedans …… ll’’estest..””
–– John John NaisbittNaisbitt
© 2012 IBM Corporation7
Patrice P
oiraud
Quelques données sur les données
A chaque session, le NY Stock Exchange capture 1 Terabyte d’informations boursières
Les transferts de données sur les réseaux d’AT&T transfers sont de l’ordre de 30 Petabytes de données chaque jour
L’Accélateur de particules HadronCollider au CERN genère 40 Terabytes de données utilisables chaque jour
En 2016, le trafic annuel sur Internet atteindra 1.3 Zettabytes
450B de transactions commerciales chaque jour surInternet en 2020
1M de capteurs sans fil sur 10 km2
d’un champ d’exploration pétrolifère
118B d’e-mails sont envoyéschaque jour d’un total de 3.4B de comptes ; avec un volume en croissance prévu à 168B en 2015
Le marché mondial des capteursreprésente $155B en 2011, avec une croissance prévue à $240B en 2016
© 2012 IBM Corporation8
Patrice P
oiraud
Le potentiel pour la découverte est là !
Décisions sans infosou sur des donnéesnon crédibles1 sur 3
60%des DG indiquent qu’ilsont plus d’informationsqu’ils ne peuvent en utiliser
Leaders indiquent ne pas avoir les informationsnécessaires pour décider1 sur 2
… Challenges
Sources:• The Guardian, May 2010• IBM Institute for Business Value, 2009• IBM CEO Study 2010
2.7 Trillions de Clés USB 1GB
3.5 Milliards en 2017
28.7% de la planèteest “online”
47% sont influencés par cequi est lu.
63% recherches via réseaux sociaux
Les avis sont 12x plus crédiblesque les fiches marketing
83% des acheteurs sontinfluencés par les avis
600 millions actifs, 200 millions quotidien
A ‘Facebook Like’ d’un ami= 100 annotations positives d’inconnus
© 2012 IBM Corporation9
Patrice P
oiraud
en provenance de camérasde surveillance
de transactions commercialespar seconde
Analyse de sentiment Surveillance de centres d’intérêtsIdentification de fraudes potentielles
Volume Vitesse Varieté
5 100’sde Tweets créés quotidiennement12 teraoctets
de flux vidéomillions
de lectures de compteurs par an
Prévision de la consommation électrique Prévention de l’attrition client
d’enregistrement d’appelschaque jour
sont des images, des vidéos, des documents …
Amélioration de la satisfaction client
350 milliards 500 millions 80% des donnéescrées
des simples données d’entreprise au Big Data
© 2012 IBM Corporation10
Patrice P
oiraud
Les responsabilités intemporelles du Marketing
Le Marketing est responsable de la connaissance client
Le Marketing est responsable de la définition de ce qu’ilfaut vendre et comment le vendre
Le Marketing est responsable de la promesse de la Marque
© 2012 IBM Corporation11
Patrice P
oiraud
Les éléments de l’évolution du Marketing
Comprendre chaque client comme étantunique
Le Marketing est responsable de la connaissance client
Créer un système d’engagement pour maximiser la valeur délivrée à chaque interaction avec le client
Le Marketing est responsable de la définition de ce qu’il faut vendre et comment le vendre
Intégrer les comportements de l’entreprise et la promesse de la marque
Le Marketing est responsable de la promesse de la Marque
© 2012 IBM Corporation12
Patrice P
oiraud
Transac-tions
Com-mandes
Historiquedes
paiements
Historiquedes
usages
Staded’achat
E-mail / Chat
Notes du Call
center
Web click-
streamsEchangesen face à
face
Opinions
Préfe-rences
Désirs
Besoins
Caracté-ristiques
Demo-graphie
Attributs
Donnéesdémographiques
DonnéesTransaction
DonnéesInteraction
Donnéescomportementales
La valeur vient de l’intégration des donnéesinterne/externe
L’individu souhaiteetre plus qu’unetransaction, plus qu’un segment
Comprendre chaque client comme étant unique
© 2012 IBM Corporation13
Patrice P
oiraud
l’Analytics peut révéler qui sont vos clients
Age + Income + Geography
Preferred Product Categories
Modeled time to next purchase
CTP Customer
Use of In-House Credit Card
Facebook Page Engagement
Return / Exchange Behavior
Breadth of Categories Shopped
Length of Time as CustomerRecency + Frequency + Value
Response to Media
Gift Registry User
Annual Spend Level
Annual Transactions
Econometric: Real-estate & Unemployment
Focus de la plupart des segmentations :
Comprendre chaque client comme étant unique
© 2012 IBM Corporation14
Patrice P
oiraud
Exemple: Action Cluster Profil: “Extreme Loyalists–Profitable”
Marketing Call to Action –BENEFICE EMOTIONNEL : Sportifs enthousiastesPROMESSE DE LA MARQUE : Le premier et plus approfondi catalogue de sports disponible sur le marchéFIDELITE DES CLIENTS : Loyalty promo, new product releases, direct mail and emailPOINTS DE CONTACT : Multi-Canal, en boutique et sur le webIDEE UNIQUE : ‘Co-Branded Credit Card Promotion’PRE-STORE: Mobile, Blogs, Réseaux sociauxIN-STORE: Applications mobiles et de support à l’achat, services associésPOST-STORE: Programme de fidélisation par mailing et e-mail + Online
Statistiques majeures• Fidélité la plus forte : + 85% clients souscrivent au programme de fidélité• 89% ont effectué des achats dans plus de 5 catégories• 91% sont clients depuis plus de 7 ans• Quasiment pas de nouveaux cliens avec moins de 3 ans d’ancienneté• 70 des clients prévoient des achats dans les 60 jours• 60 % utilisent une carte de crédit, 30 % exclusivement• Meilleurs retours sur les statistiques marketing
9% des clients 30% revenu
© 2012 IBM Corporation16
Patrice P
oiraud
Le Predictive Analytics est en haut de la “chaîne de valeur” des business analytics
RO
I
AdvancedGenerate actionable
business insights
IntermediateImprove insights and reporting accuracy
Traditional / BasicConsolidate & report
data “intelligently”
Optimization
PredictiveModeling
Reference: Competing on Analytics, Davenport & Harris
© 2012 IBM Corporation17
Patrice P
oiraud
Les modèles prédictifs n’identifient pas les meilleures caractéristiques des comptesà cibler, ils utilisent ces caractéristiques pour identifier les meilleurs comptes de façon individuelle
Priority Industry
Non-Priority Industry
Past Purchase
No Past Purchase
Traditionnellement, l’audience estdéfinie sur un petit nombre de critères
Les “Propensity models” évalue chaquecompte individuellement, permettantd’utiliser des douzaines de critères
Secteur d’activité, historique d’achat, taille de la société, … tout est capturédans les modèles
Past Purchase
No Past Purchase
Priority Industry
Non-Priority Industry
AVANTSans Analyse prédictive
AVANTSans Analyse prédictive
2-3 “gut-feel”criteria used to identify the best groups of targets
Dozens of “analytically-derived”criteria used to indentify the best individualtargets
APRESAvec de l’Analyse prédictive
APRESAvec de l’Analyse prédictive
© 2012 IBM Corporation18
Patrice P
oiraudCréer un systeme d’engagement pour
maximiser la valeur délivrée àchaque interaction avec le client
© 2012 IBM Corporation19
Patrice P
oiraud
Offre
Les systèmesd’engagements les plus performantssont définis de façon complète—
ils incluent les produits/services mais aussil’expertise, les “pairs”, le réseau et les suggestions
Savoir/Connaissance
Produit
réseau
Produit
réseau
Maximiser la valeur délivrée à chaque interaction avec le client
NBA
© 2012 IBM Corporation20
Patrice P
oiraud
Intégrer les comportements de l’entreprise et la promesse de la marque
© 2012 IBM Corporation21
Patrice P
oiraud
Minimiser la différenceentre la promesse de la
marque et l’expérience des clients avec une écoute fine
des réseaux sociauxPromise
Memo interne envoyé aux médies
Bloggeur influenceur
Pratique non éthique dans la supply chain
La même attention doitetre portée à chacun, interne ou externe à
l’entreprise
Intégrer les comportements de l’entreprise et la promesse de la marque
© 2012 IBM Corporation22
Patrice P
oiraud
IBM Smarter Analytics est une approche compléte pour passer de la donnée à l’information, puis de l’information à la compréhension et finir par les actions à mener en définissant le meilleurcanal de réalisation
AlignerVotre
organisation autour des données
AgirAu point d’impact
avec confiancepour optimiser les
résultats
AnticiperDécouvrir, predire et consolider les axes de developpement
du business
ApprendreAvec l’amélioration
itérative
Transformer Grace à l’apprentissage
et en introduisantl’Innovation
© 2012 IBM Corporation23
Patrice P
oiraud
Nos capacités
AlignerVotre
organisation autour des données
AgirAu point d’impact
avec confiancepour optimiser les
résultats
AnticiperDécouvrir, predire et consolider les axes de developpement
du business
ApprendeAvec l’amélioration
itérative
Transformer Grace a l’apprentissage
et en introduisantl’Innovation
Big Data PlatformData Warehousing
Information Integration and GovernanceEnterprise Content Management
Data Management
Business AnalyticsRisk Analytics
Sentiment, Big Data and Content AnalyticsWeb and Digital Analytics
Online BenchmarkSpend Analytics
Decision ManagementAdvanced Case Management
Digital Marketing OptimizationCross-channel Selling and Marketing
Pricing, Promotion and Assortment OptimizationOrganization and Workforce Transformation
Marketing Performance OptimizationSupply Chain Optimization
Watson Watson for Healthcare
Watson for Financial Services Ready for Watson
BAO StrategyIBM Research First-of-a-kind Projects
Information AgendaIBM Industry Solutions
System for Analytics
© 2012 IBM Corporation24
Patrice P
oiraud
Etablir la vision globale à partirdes enjeux business
ArchitecturerUne infrastructure extensible pour les
données
BVA + Information & Analytics AgendaEprouvé, spécifique à chaque secteur et construit à partir de la connaissance d’une industrie en utilisant l’expérience de nos engagements clients
Strategie
Structurer les données
“Feuille de route “
Etablir la gouvernance
BVA + Information &
Analytics Agenda
Accelerer la miseen place de projetscourt terme et long
terme à fort ROI
Aligner les compétences, les processus et les
données
AlignerVotre
organisation autour des données
AgirAu point d’impact
avec confiancepour optimiser les
résultats
AnticiperDécouvrir, predire et consolider les axes de developpement
du business
ApprendreAvec l’amélioration
itérative
Transformer Grace à l’apprentissage
et en introduisantl’Innovation
AlignerVotre
organisation autour des données
AgirAu point d’impact
avec confiancepour optimiser les
résultats
AnticiperDécouvrir, predire et consolider les axes de developpement
du business
ApprendreAvec l’amélioration
itérative
Transformer Grace à l’apprentissage
et en introduisantl’Innovation
© 2012 IBM Corporation25
Patrice P
oiraud
Exemple de réalisation permettant de détecter points forts/faibles et définirles zones d’attentions
Represente l’implementation parfaites de toutes les “ best practices
© 2012 IBM Corporation26
Patrice P
oiraud
Une approche de “bout en bout ”qui contribue à la réalisation de vosobjectifs>Clients>Optimisation
- Coûts- Opérations
dans le cadre d’unetransformation liéeaux données.
Pourquoi définir avec IBM votre projet“ Big Data & Smarter Analytics” ?
Une “ enterprise-class big data platform “ partie intégrante des fondements de la gestion des données
Des capacités d’Analytic capables de façon duale d’être spécialisées pour une tache et intégrable à un ensemble pour partager les ”Insights”
Des Solutions de “Decision Management” qui combinent l’optimisation, l’analyse prédictive et les “processus business” pour des résultatsoptimum
Des technologies, comme Watson, qui définissent “ the next generation of Smarter Analytics solutions “ qui peuvent raisonner et comprendre
Le plus grand département de Maths privé depuis 1960, N1 pour les brevets depuis 19 ans, 1000 brevets “Analytics” en 2010/11
Leader du Marché (services ), solution éprouvées, cas pratiques, accélerateurs, département de recherche .. Pour accélerer la mise en place et démontrer la valeur dans votre cas.