Cet article fait partie de notre guide: Comprendre le Machine Learning

Quand le Machine Learning améliore la collecte de fonds des ONG

La start-up DonorBureau s’appuie sur des algorithmes de Machine Learning automatisés dans des outils de data science pour mieux cibler les potentiels donateurs des ONG.

Le marché des outils de data science connait actuellement une embellie certaine. Ce qui est une bonne nouvelle pour les entreprises : elles ont désormais la possibilité de trouver l’outil qui s’adapte le plus à leurs besoins.

« Nous travaillons avec des entreprises très segmentées, ce qui est très différent d’Amazon », constate Brian Johnson, co-fondateur et vice-président des produits et des opérations chez DonorBureau. Cette start-up américaine utilise en effet des outils de data sciences pour accompagner les organisations à but non lucratif, comme les ONG, à améliorer leurs collectes de fonds.

Cette société ne peut dès lors pas se permettre de dépenser des dizaines de milliers de dollars dans des licences logicielles. DonorBureau s’appuie alors sur les outils de DataRobot qui est sa principale plateforme analytique. La solution permet aux utilisateurs d’entrer leurs données et sélectionne automatiquement le meilleur algorithme de Machine Learning en fonction du résultat voulu. Ce qui permet de gagner du temps en matière de programmation.

Le Machine Learning, pour améliorer la collecte de fonds

DonorBureau s’appuie donc sur des techniques de Machine Learning pour identifier les potentiels donateurs susceptibles d’être contactés par ses clients et surtout déterminer la somme qu’ils pourraient leur demander. L’objectif est de réduire les coûts liés à l’acquisition de nouveaux clients. L’algorithme identifie les individus les plus réceptifs et, en utilisant les données des précédentes campagnes, apprend les types de messages les plus efficaces pour tel ou tel personne.

Pour Brian Johnson, son entreprise est une illustration des usages concrets d’outils de science des données.

Alors que les entreprises perçoivent de plus en plus les gains apportés par l’analytique, la demande pour un outillage facile à utiliser se fait pressante. Les premiers à avoir perçu cette tendance ont été les acteurs de la BI, un secteur où le self-service est devenu un standard. Désormais, cela est également demandé pour manipuler des outils avancés d’analytique, doués eux-aussi de modules qui automatisent certains processus de data science. Skytree, BigML et H20 sont d’autres exemples où le Machine Learning est automatisé. « Nous pouvons automatiser, ne pas avoir à recruter des personnes, et maintenir nos dépenses à un niveau suffisamment bas », souligne Brian Johnson.

Démocratiser les usages de la data science

Pour le responsable de DonorBureau, ces technologies se frayent aujourd’hui un chemin dans  nombre d’entreprises. Celles-ci peuvent donc innover avec les outils de data science.

Brian Johnson a passé l’essentiel de sa carrière dans des PME, où les budgets dépensés pour des outils analytiques sont plutôt réduits. Ce n’est que très récemment que ces outils sont entrés dans ce type d’entreprises. Et cela va s’avérer payant, en ce qui les concerne.

« Ces 5 dernières années, ils sont devenus très accessibles et presque des commodités. Une entreprise comme la nôtre peut donc la proposer à ses clients sans avoir à pratiquer des tarifs élevés », soutient-il encore. « Les ONG n’ont pas les budgets pour le faire eux-mêmes. Mais aujourd’hui si vous connaissez une entreprise qui maîtrise le métier et les données, vous pouvez bâtir cet édifice. Le potentiel est énorme. » 

Pour approfondir sur Outils décisionnels et analytiques

Close