On retrouve classiquement les démarches analytiques ci-dessous comme les plus demandées sur ce secteur :

- les problématiques de prédiction du risque, de la fraude
- l’étude de la fidélité des clients avec mais c’est moins à la mode (modèles très chers, souvent des usines à gaz), la détermination de la valeur client
- l’étude de l’appétence pour des produits,
- la surveillance des fluctuations du portefeuille,
- la détermination des segments d’un marché donné (pour un contrat d’assurance, un plan d’épargne,…), du ciblage

Les raisons de la sous utilisation de Clémentine sont évidement les suivants :
- un parc sur équipé en SAS qui est finalement une sorte de « rente acquise » pour cette éditeur. Il en a de la chance. La solution SAS est évidement performante.
- une réticence aux changements des utilisateurs qui évitent de tester de nouveaux outils, en fait ils ont souvent pas le temps absorbé par le quotidien
- une bibliothèque de process et de modèles déployés qu’il est « plus facile » et moins risqué de reprogrammer dans un autre langage
- la prédiction du risque est souvent un savoir perçu essentiellement comme interne avec l’ajout de données externes via des bureaux de score

On évoque parfois la parfaire encapsulation des solutions existantes dans le SI de l’entreprise, mais avec les liens OBDC (donc « non propriétaire ») de Clémentine l’outil est très ouvert et se connecte en quelques essais sur n’importe quel SGBD du marché tant en import de données qu’en export, donc parfaitement le DW « études » de l’entreprise.

Il faut aussi relativiser la très lucrative notion de DW pour les prestataires : pour la mise au point d’un modèle un download des données sur un simple serveur peut suffire dans un premier temps avec juste réimport de la syntaxe dans la base par exemple. Cela permet au moins de commencer « simplement ».

Ce qui manque le plus à Clémentine c’est des documentations sur les différentes implémentations de ces modèles précises et bien étayée comme on peut les trouver chez certains de ces concurrents. C’est une des forces de SAS. Ces docs existent pourtant.

SOCIO Logiciels a développé des documentations méthodologiques sur chacun des modèles qu’elle a développé sur ce secteur avec des flux intégrable directement dans Clémentine.


Quelques références bibliographiques :

Généraliste sur le data mining et Clémentine :
- Des données à la connaissance : Une introduction au data-mining
de Daniel-T Larose et Thierry Vallaud

Spécialisés sur le data mining dans la banque et l’assurance
- Credit Scoring & Its Applications (Monographs on Mathematical Modeling and Computation) de Lyn C. Thomas, David B. Edelman, Jonathan N. C. Crook
- Readings in Credit Scoring: Foundations, Developments, and Aims (Oxford Finance) par Lyn C. Thomas, David B. Edelman, Jonathan N. Crook
- Data Mining in Finance: Advances in Relational and Hybrid Methods
- by Boris Kovalerchuk, Evgenii Vityaev


L’intégration de sources externe permet de faire des modèles de ciblages très puissants :

- données d’études de références qui analysent la consommation bancaire des foyers :
o SIMM de Sécodip http://www.tnsmediaintelligence.fr/vmc_produit_simm.html
o Operback de CSA/TMO http://www.csa-fr.com
- les données géo marketing à l’X/Y
- les données INSEE sur les foyers et les entreprises

SOCIO Logiciels peut vous fournir l’ensemble des référentiels disponibles sur le marché, pour les études externes soit vous y souscrivez déjà soit il faut contacter directement les instituts.

Rajoutées au comportement observé ces données permettent de faire en un temps très rapide des profiles discriminant des clients de tel ou tel produit et de trouver des individus à prospecter les plus en appétence avec ces cibles, tout cela directement dans Clémentine.
Clémentine est depuis quelques mois réellement accessible avec de bonne performance pour un cout maitrisé en version distante, permettant par exemple de faire tourner des scores sur des fichiers de prospects externalisés.

Il n’y a donc plus de raisons objectives de ne pas tester Clémentine pour tous nouveaux projets analytiques dans la banque ou l’assurance vous allez découvrir :
- un énorme gain de productivité
- un soft avec une ergonomie extrême
- des modèles mathématiques très puissants
- un prix plus attractif que son principal concurrent à court terme et à long terme vous allez mieux répartir le poids des fournisseurs de plateforme analytique dans votre établissement ce qui devrait vous faire faire encore de substantielles économie
Vous devriez essayer.....

www.thierry-vallaud.com