Cet article fait partie de notre guide: Comment l’IT révolutionne le Marketing

Conexance dope ses prédictions marketing au Machine Learning et à Azure

Tirer des Big Data de ses clients des prévisions exploitables par le marketing. Tel est le métier de Conexance. Pour y arriver, la PME teste en permanence de nouveaux algorithmes et de nouveaux outils.

Tirer des informations exploitables concrètement par l’opérationnel depuis des grandes quantités de données (les Big Data), beaucoup en parlent. Plus rares sont ceux qui arrivent à le faire véritablement.

René Lefebure, Directeur R&D de Conexance, fait partie de cette catégorie. Ce DataScientist est venu témoigner la semaine dernière de sa pratique concrète des Big Data dans un cadre d’analyse prédictive (et prescritive) Marketing.

Predictif

Conexance est en effet une société Lilloise - d’une quarantaine de personnes - spécialisée dans l’analyse des données "des clients de ses clients".

Les questions que lui posent ces entreprises sont majoritairement de trois types : quels sont mes clients à forts potentiels (pour augmenter le chiffre d'affaires) ? Quel client va me quitter (pour tenter de les garder) ? Qui est mon client type et où le trouver (pour augmenter sa clientèle) ?

Des algorithmes jeunes d'à peine trois ans

Les problèmes mathématiques auxquels est confronté René Lefebure sont en constante évolution. L’analyse statistique « à l’ancienne » ne permet plus, par exemple, de détecter et de faire le tri avec fiabilité entre les comportements potentiellement frauduleux et ceux qui ne le sont pas, du fait de critères de plus en plus évolués.

Pour rester pertinent dans un monde mouvant, le responsable R&D ne cesse d’appliquer de nouvelles techniques. Car lorsque des clients lui confient des bases avec une cinquantaine d’items, Conexance est capable de les enrichir jusqu’à un millier d’items issus de sa propre expérience passée. Résultat, la largeur d’information (mille item sur des centaines de milliers de lignes) exigent de nouveaux algorithmes. « La plupart des algorithmes que nous appliquons ont une littérature de moins de 3 ans », souligne-t-il.

La première de ces techniques est le Machine Learning (ou apprentissage statistique) sur les Big Data qui permet de mieux anticiper les évolutions. Mais des contraintes persistent. Il faut par exemple entre 3h et 8h rien que pour préparer (manuellement) les données qui lui sont confiées par les clients.

S’est donc assez rapidement posée la question d’utiliser la puissance du Cloud Computing. Aujourd’hui, Conexance utilise Azure Machine Learning (qui propose un accès gratuit) en parallèle de ses analyses maisons pour évaluer l'outil de Microsoft.

Une solution qui, à en croire René Lefebure, a de très nombreux avantages. « On a des gains de performances de 20 % qui peuvent monter jusqu'à 300 % », constate-t-il. Mais surtout, Azure lui permet de lancer en simultanée plusieurs méthodes statistiques (« 10 modèles différents », bayésien et autres). Chose impossible avec les moyens – techniques et humains – de Conexance.

Les résultats de chaque méthode peuvent ensuite être comparés, mixés ou peuvent « voter » pour une interprétation des données (« comme les vigies dans Minority Report », évoque-t-il non sans humour) pour aboutir à un résultat final.

Le Cloud pour automatiser et accélérer les "scorings"

Le ROI de cette expérimentation semble combler le DataScientist. « Nous envisageons de ne garder que 10 % de process manuels », prédit-il - avec en tête une augmentation du nombre d'analyses de jeux de données  (« de scorings ») - et donc de chiffre d'affaires possible pour Conexance.

« Déjà, avec le Cloud, vous n’avez pas de barrière à l’entrée. Vous n’avez pas besoin de mettre sur la table les 60.000 € pour un nouveau logiciel », se réjouit René Lefebure. Ce qui permettra à la PME nordiste d'envisager de proposer un modèle Freemium (première analyse gratuite, par exemple en uploadant directement les données sur un site-portail, pour convaincre des bénéfices de l’offre). Un premier essai sous forme produit d'appel très important pour recruter de nouveaux clients.

Ensuite, et surtout, les résultats opérationnels sont bons. « Sur certains secteurs (NDR : comme la VPC et l’augmentation du panier moyen en identifiant les clients à forts potentiels ou l’efficacité de mailings plus ciblés) il faudra attendre encore pour avoir un retour objectif, mais nos analyses sont de plus en plus efficaces et nous avons de plus en plus de  partenaires. Dans d’autres cas (NDR : comme pour identifier les clients sur le point de résilier un abonnement) nous avons déjà deux fois plus de bonnes prévisions ».

Mais pour les retombés financières ou les références clients gagnées, René Lefebure reste volontairement discret. « Tout ce que je peux vous dire c’est que nous travaillons beaucoup avec les Telecoms, les assurances et le Retail », lache-t-il. Des secteurs friands de Big Data et de Marketing, auxquels s’ajoutent la presse, la VPC et les associations.

De son côté, Damien Cudel, chef de marché plate-forme applicative chez Microsoft France, estime que : « rien que pour la France, il y a 54 Milliards d'économies possibles sur 3 ans pour les entreprises en utilisant mieux leurs données ». Des chiffres repris d'une étude d'IDC.

Le DataScientist latiniste

Au coeur du projet Big Data se trouve le DataScientist. Un profil rare, et nécessaire pour comprendre les jeux de données, la manière de les traiter, et choisir tel ou tel type d'algorithmes.

La formation de René Lefebure est d'ailleurs étonnante. Point de mathématiques au lycée pour cet expert des chiffres, mais un Bac littéraire, « avec Latin ».

Puis après un passage à la faculté, en marketing - où un professeur qu'il évoque encore aujourd'hui avec un immense respect, lui a donné le goût des statistiques - le futur DataScientist commence sa carrière dans l'industrie musicale. « J'ai introduit les premiers Walkman en France », se souvient-il. « Mais ça ne payait pas beaucoup ».

René Lefebure quitte ce partenaire de Sony et bifurque vers la banque. Plus rémunérateur - et certainement plus formateur côté algorithmique et mathématiques appliquées. Puis il passeà l'analyse prédictive marketing pure, un domaine naissant lorsqu’il participe au développement d'un des leaders actuel du secteur.

A l'aube de sa carrière (comme il le dit lui-même avec un air malicieux), René Lefebure ne manie pas la langue de bois. Y-a-t-il une pénurie de DataScientist ? Oui et non, répond-il.

Oui parce que « à l’école, on forme des statisticiens hors-sols, avec des jeux de données bien propres. Or tout l'art du métier c'est de travailler sur des données brutes qui ne le sont pas », regrette-t-il. Un savoir-faire qui viendrait donc obligatoirement avec les années de pratique.

Pénurie donc... Sauf que le problème tiendrait aussi au fait que les entreprises - et encore plus les cabinets de recrutement soit disant spécialisés - ne sauraient pas reconnaître un DataScientist quand ils en croisent un.

« Moi, on m'a toujours dit que j'étais trop marketing pour un poste technique, et trop technique pour un poste marketing », rigole celui qui a eu un bien étrange parcours pour un latiniste et qui est aujourd'hui – en plus de la direction de la R&D de Conexance - professeur dans plusieurs institutions, dont l'IUT de Roubaix.

Soyez le premier à commenter

M'envoyer une notification dès qu'un autre membre commente.

Merci de créer un identifiant pour pouvoir poster votre commentaire.

- ANNONCES GOOGLE

Close