Les Rencontres du CAST

Data mining: la ruée vers l'or

Catherine Jean-Pousin, Cast-EPFL

 

lundi 4 mai 1998

La dernière Rencontre du Cast s'est déroulée dans le cadre de l'Assemblée générale de l'APLE (Association pour la promotion des liaisons EPFL-Economie) qui regroupe quelque 140 entreprises, partenaires privilégiés du Cast.

Cette manifestation nous a permis de bien cibler l'utilisation que l'on peut faire du data mining au moyen d'un bref aperçu, suivi de deux exemples concrets d'application.

Pourquoi faire du data mining ?

Comme nous l'a très justement fait remarquer M. Martin Rajman du Laboratoire d'intelligence artificielle (LIA) du Département d'informatique (DI) de l'EPFL, le data mining est devenu aujourd'hui un outil indispensable, compte tenu de la croissance des données stockées et manipulées et de la complexité des besoins concernant leur analyse. En définition brute, le data mining c'est l'extraction automatique des connaissances utiles à partir de gros volumes de données. Chaque mot de cette définition a été pesé et a un sens bien précis. En d'autres termes, le data mining offre diverses facettes pour l'aide à la décision, la prédiction, l'exploration , la description, etc.

Les applications du data mining sont multiples, elles concernent: la grande distribution, la vente par correspondance, les opérateurs des télécommunications, les banques, les assurances, etc. Il s'agit d'une nouvelle technologie émergente et promise à un grand avenir.

Que fait-on du data mining?

De multiples choses. Un exemple nous a été fourni par M. Joaquin Fernandez, de la Banque cantonale genevoise (BCG).

La BCG voulait déterminer quels clients seraient potentiellement intéressés par un crédit personnel. Grâce au data mining, elle a pu déterminer le profil exact des clients qui possédaient déjà un crédit personnel et donc, à partir de ce profil, déterminer ceux de ses clients qui avaient ce profil mais pas encore de crédit personnel.

Quelques chiffres significatifs : alors qu'un taux de retour de 2 à 3% pour un mailing courant est très satisfaisant, la BCG a pu constater qu'avec l'étude préalable faite grâce au data mining, le taux de réussite du mailing s'éleve à 14% sur la totalité de l'envoi (soit environ 1500 des personnes contactées) et à 27% sur les clients potentiellement intéressés!

Trouver de nouveaux clients, c'est bien, les fidéliser; c'est mieux!

M. Thierry Delbecque, de SLP Infoware en France nous a, quant à lui, expliqué comment on pouvait utiliser le data mining pour éviter le churn. Le churn est le passage à la concurrence d'un client d'un opérateur de télécommunications. C'est aujourd'hui une préoccupation particulièrement importante pour les opérateurs. D'après Andersen Consulting, le taux annuel de churn atteint 25% pour les opérateurs européens.

Pour éviter cela, on utilise le data mining afin de calculer la propension de chaque client à passer à la concurrence et de prévoir sa valeur pour l'opérateur (LTV - Life Time Value). On peut ensuite isoler la portion de clientèle susceptible d'être tentée par le churn et ayant un fort LTV. Une campagne pro-active de rétention est alors lancée vers ces clients. Les techniques du data mining permettent également de mesurer les retours de cette campagne.

La Rencontre s'est terminée par une table ronde présidée par M. Frédéric Schönbett, du Secrétariat du préposé fédéral à la protection des données. M. Schönbett a introduit la table ronde en donnant les définitions relatives à la loi fédérale sur la protection des données ainsi que son but et son champ d'application.

Le dossier de cette conférence peut être demandé au :

Cast-EPFL, 1015 Lausanne, tél. 693 35 75, fax 693 47 47.