Système d'Information Décisionnel - Le blog de Michel Bruley

D’une façon générale, l’enjeu d’une approche CRM est de construire des relations, qui permettent d’augmenter la valeur de la base clients, qui elle-même conditionne très largement la valeur de l’entreprise. Tout le monde affirme que la relation client est d’une importance vitale, et presque toutes les entreprises sont prêtes à toujours investir plus. Mais investir toujours plus est-ce la solution ? Ne faut-il pas prendre en considération que certains clients sont beaucoup plus importants que d’autres et se focaliser plus, voire exclusivement, sur eux ?

Par exemple, le top 5% des clients les plus importants de la société LEGO aux Etats-Unis représente 50% des ventes de la société, les 95% restant réalisant les autres 50%. Dans un tel cas il n’est pas difficile de comprendre quelles sont les relations les plus vitales pour le succès de l’entreprise. Il ne s’agit pas ici de dire qu’il ne faut pas s’occuper de 95% des clients, mais les relations avec ce groupe sont moins délicates à gérer, et les techniques traditionnelles du Marketing de Masse (publicité, promotion, …) sont peut être suffisantes.

Une autre grande partie des déceptions et des échecs dans la mise en œuvre d’approches CRM, vient de la trop grande place accordée à l’aspect technologique. Comme bien d’autres technologies de l’information, les solutions CRM ont fait l’objet d’une promotion outrée des avantages à retirer de leur usage. Des entreprises se sont précipitées et ont mis en place des moyens sans généralement rien changer, ou presque, dans leur organisation en termes de structure et de processus. L’information n’est pas tout, et s’il n’y a pas de règles d’organisation type, de pratiques miracles, il y a l’impérative nécessité de définir son approche CRM en fonction de la situation actuelle et du potentiel de son marché, de ses clients et de son entreprise.

En termes d’action, la plus grande ambition des approches CRM a toujours été de prendre en compte les clients de façon exhaustive et homogène quel que soit le point de contact avec eux. En réalité c’est très rarement le cas, et même la fameuse vision 360° du client, partagée par toute l’entreprise reste encore le plus souvent un objectif à atteindre. Les différents départements (vente, télévente, produit, communication, …) capitalisent mal leurs connaissances, se coordonnent ponctuellement et ne cherchent pas à se constituer comme une seule équipe pour servir les clients. Au final les personnes en contact direct avec les clients ont rarement une vision à jour de la situation d’un client particulier vis-à-vis de l’entreprise, et plus cette dernière travaille à travers de nombreux canaux, plus la qualité de la vision est dégradée et certaines données partagées sont peu fraîches.

Tous ces soucis viennent du fait que la mise en place d’une approche CRM n’est pas triviale, car elle impacte de très nombreux départements de l’entreprise et en priorité tous ceux qui participent à des processus qui concernent les clients. Par exemple dans les industries manufacturières les six grands processus ci-dessous sont à reconsidérer :
 Processus du concept au marché : concept, prototype, produit, mise en production, lancement sur le marché.
 Processus du suspect à l’opportunité : marché, suspect, prospect (segmentation, qualification), opportunité.
 Processus de l’opportunité à la commande : opportunité, présentation de l’offre, proposition, négociation, commande.
 Processus de la commande à la livraison : commande, préparation, expédition, livraison.
 Processus de la livraison à la comptabilisation : facturation, paiement, recouvrement, comptabilisation.
 Processus de la demande de SAV à la résolution : demande, diagnostic, planification de ressources, intervention de résolution.

Cependant même quand une entreprise développe une solide stratégie de CRM, adapte ses structures, ses procédures et s’équipe des bons moyens technologiques pour supporter tout cela, la partie n’est pas gagnée car reste entier le problème de l’adoption de nouvelles pratiques par les équipes. A ce jeu plus les personnes sont quotidiennement sollicitées de travailler d’une nouvelle façon, plus elles adoptent vite de nouveaux réflexes, mais l’inverse est aussi vrai, ce qui concrètement fait que les personnes impliquées dans des cycles plus longs (campagne, programme, cycle budgétaire, stratégie) changent aussi plus lentement. Sans parler des différences de conception qui sont souvent inextricables et difficiles à dépasser. Les variantes de vocabulaire, la multiplication des données de références sont souvent des révélateurs des différences de point de vue des équipes spécialisées.

En conclusion, l’expérience montre que les entreprises sont confrontées à des difficultés de nature différente et ne doivent pas suivre une méthode unique de mise en œuvre de leur approche CRM, ni recourir aux mêmes solutions technologiques. Cela soulève quelques questions, notamment quant aux offres CRM proposées par les éditeurs de progiciels intégrés. A titre d'exemple, l'argumentaire de certains consistant à mettre en avant leur grande expérience en matière de PGI, et qui assurent que tous leurs clients ont su s'adapter à leur progiciel, n’est guère crédible. Les entreprises attendent plutôt des éditeurs qu'ils adaptent leurs solutions à leurs problématiques.

La prévision est souvent considérée comme l’aspect le plus problématique de la gestion, mais les experts nous disent qu’il est possible d’établir de bonnes prévisions (précises, fiables) grâce à des méthodes appropriées, qu’il faut avoir confiance et ne pas avoir peur de les utiliser.

Les prévisions sont importantes pour toutes les fonctions de l’entreprise. La Finance utilise les prévisions à long terme pour estimer les besoins futurs en capital. Les Ressources humaines évaluent les besoins de main-d’œuvre. Le Marketing développe des prévisions de ventes utilisées pour la planification à moyen et long terme. La Production développe et utilise les prévisions pour prendre des décisions telles qu’établir les horaires de la main-d’œuvre, déterminer les besoins en stocks et planifier les besoins en capacité à long terme.

Parmi toutes les prévisions qu’une organisation peut faire, l’estimation de la demande future est une donnée clé, car c’est l’une des plus utiles pour les entreprises. En effet bien prévoir la demande client permet par exemple d’établir quelle capacité de production est requise afin d’ajuster l’offre à la demande, de déterminer les meilleures stratégies de production, de planifier l’utilisation des équipements et les besoins en équipements, de planifier la main-d’œuvre requise, d’orienter la politique et les stratégies de gestion des stocks.

La prévision de la demande de biens et services offerts par l’entreprise peut être établie soit mathématiquement (données historiques), soit intuitivement (connaissance du marché), soit en combinant les deux méthodes. Les éléments à apprécier sont : la tendance (variation significative en fonction du temps), la saisonnalité (variation régulière qui se répète périodiquement), le cycle (évolution qui s'étale sur plusieurs années et qui peut être attribuée à des cycles de vie des produits ou à des conditions économiques, politiques, etc.), l’éventuelle composante aléatoire (variation qui ne peut être expliquée par les éléments ci-dessus).

Les méthodes qualitatives utilisent des données subjectives qui dépendent du jugement, de l’expérience et de l’expertise de ceux qui formulent les prévisions (vendeurs, consommateurs, cadres ou experts). Il existe différentes méthodes qualitatives, les plus connues sont les enquêtes de consommateurs, les panels d'experts, la méthode Delphi et les analogies historiques. Ces méthodes sont utiles lorsqu’il existe très peu de données (introduction d'un nouveau produit ou pénétration d'un nouveau marché, entreprise en démarrage), mais elles sont en général peu précises, voire fournissent des prévisions biaisées ou arbitraires, sont longues à réaliser et souvent d’un coût élevé (ex. consultation d’experts).

Les méthodes quantitatives sont basées sur des données historiques ou sur des associations entre des variables de l'environnement (ventes mensuelles réalisées au cours des dernières années, indices boursiers et économiques, achats de produits complémentaires, etc.). Il existe différentes méthodes quantitatives, comme celles des séries chronologiques (moyenne simple, mobile, pondérée, analyse de tendance, lissage exponentiel) qui prévoient en fonction de données historiques (suite d’observations dans le temps prises à intervalles réguliers) ; ou celles des méthodes causales (prévisions associatives) qui établissent des relations de cause à effet entre certaines variables de l’environnement et la variable que l’on cherche à estimer.

Les méthodes quantitatives présentent l’avantage d’être rapides à utiliser lorsque le modèle a été mis au point et le recueil des données implique souvent très peu de frais, car elles sont souvent déjà présentes dans le système d’information de l’entreprise (ex. ventes des mois passés) ou facilement accessibles (ex. indices économiques). Cependant elles présentent l’inconvénient de ne pas tenir compte de « facteurs nouveaux » ce qui suivant l’horizon de la prévision (court, moyen, long terme) peut être plus ou moins gênant.

Il existe sur le marché différents logiciels, qui permettent de réaliser une prévision de la demande par une approche quantitative en se fondant sur des données historiques. Ces logiciels offrent des fonctionnalités pour :
 Définir et piloter des objectifs : classement automatique de chaque produit par sa contribution au business en CA, volume et marge ; pilotage du taux de service (défini par l’utilisateur) au niveau le plus fin ; pilotage du niveau de stock de sécurité en fonction de la contribution et du taux de service de gestion différenciée de chaque magasin (site)
 Prévoir la demande client : prévisions hebdomadaires ou quotidiennes selon le besoin (pour chaque produit, par magasin avec prise en compte des ventes perdues et des données manquantes, incomplètes, erratiques) avec une gestion par exception, une approche spécifique pour les produits à faible défilement et l’intégration des événements/promotions à venir.

Dans ce domaine des entreprises comme Wal Mart, US Army Air Force Exchange, Printemps, … obtiennent de bons résultats, par exemple : plus de 8% d’augmentation des ventes par l’amélioration du taux de service des produits ayant la plus forte contribution et la réduction des ruptures de stock ; plus de 40% d’amélioration de la productivité des stocks en diminuant le stock sur les produits à faible défilement tout en maintenant le taux de service client ; plus de 50% de gain de temps (productivité) aussi bien au niveau magasins que central avec l’automatisation des processus et la mise en place des meilleures pratiques dans ce domaine.

Si depuis de nombreuses années les banques occidentales cherchent à exploiter leurs données clients, dans les pays émergents cette idée est nouvelle. ICICI la plus grande banque privée Indienne s’est lancée récemment dans cette approche, sachant qu’elle avait beaucoup de données à travailler sur ses 10 millions de clients. Avec 364 succursales, un réseau de 1050 distributeurs automatiques de billets, de multiples centres d'appels et un site internet très développé, le géant bancaire dont le siège social est à Mumbai peut fournir des services financiers dans toute l'Inde et est déterminé à rester en tête de la concurrence par l'intégration et l'analyse des données clients en utilisant les plus récentes technologies. (Voir le site de la société : http://www.icicibank.com/ )

Les clients d’ICICI ont souvent recours à de multiples canaux, et utilisent de plus en plus souvent des services bancaires électroniques. L'internet, les guichets automatiques bancaires et d'autres canaux électroniques représentent aujourd’hui 50% de toutes les transactions, alors qu’ils ne représentaient que 5% il ya seulement deux ans. Dans ce contexte de croissance et d’un environnement de plus en plus concurrentiel où les clients sont de plus en plus exigeants, où les services financiers sont banalisés, ICICI a pensé se distinguer des autres banques à travers la gestion de ses relations avec la clientèle. En particulier la banque a visé de s’améliorer dans un premier temps en matière d’évaluation de sa part de client, de ciblage marketing, de gestion du multicanal, de marketing direct et d’approbation des crédits.

Son département de Business Intelligence a réalisé que pour obtenir une image claire de chacun de ses clients et commencer à adapter ses approches et services en conséquence, il fallait consolider et exploiter via un entrepôt central ses données clients, enterrées dans huit systèmes disparates de gestion des produits. Pour cela la société a examiné diverses solutions d’entrepôt de données et de CRM. En plus de critères fonctionnels ou techniques spécifiques, les décideurs ont recherché un partenaire ayant une bonne maîtrise des métiers de la finance et capable d’apporter une connaissance des meilleures pratiques mondiales.

ICICI a donc mis en place un système intégrant des données provenant de sources multiples : Banque de Détail, Obligations, Dépôts à terme, Prêts à la consommation de détail, Cartes de crédit, Services de garde, Cours de bourse en ligne et Distributeurs de billets. Le système fournit aux utilisateurs des renseignements sur chaque client (comptes courants, dépôts à terme, cartes de crédit, usages des différents canaux de distribution et autres informations financières) et permet d’analyser les comportements, de caractériser des profils et d’exécuter très librement des requêtes ad hoc sur plusieurs centaines de giga-octets de données. Les analystes utilisent aussi les informations pour guider le développement de produits et de campagnes marketing. Les nouveaux produits ou groupements de produits proviennent d’une synthèse des besoins et des désirs des clients analysés. Les campagnes cherchent à répondre aux attentes de chaque individu, au lieu de juste pousser des produits.

En plus de participer à l’amélioration du taux d'acquisition des clients, ICICI utilise son entrepôt de données pour stimuler les activités des clients actuels. L’année dernière, plus de 40 campagnes de promotion, de rétention, de ventes additionnelles, etc. ont été menées. En termes de résultats, le département des cartes de crédit par exemple, considère que les opérations de ventes croisées lui ont permis d’augmenter son activité de 18% à 20%. Une grande partie de ce type de succès est due à la nouvelle capacité de mettre le bon produit, devant le bon client, au bon moment, et aux nouvelles offres fondées sur les besoins des clients.

L’entrepôt d'ICICI est vraiment au cœur des relations avec la clientèle, c’est un gisement de données central de toutes les activités opérationnelles et de tous les renseignements sur les clients, qui supporte toutes les initiatives de l’entreprise en matière de Business Intelligence et de CRM, avec notamment la possibilité de créer des messages personnalisés améliorant la valeur de la relation, de tester la viabilité de messages spécifiques ou d'offres sur divers segments client et de lancer des campagnes marketing sophistiquées. Le système permet d'évaluer et de saisir des opportunités ayant pour objectif de générer ou de conserver de la valeur ajoutée. Voici quelques exemples de résultats réalisés : réduction de la durée de cycle des campagnes, augmentation de la génération de revenus ciblés tout en réduisant le nombre des envois, taux de succès supérieur à 20% avec les e-mailings ciblés et réduction de l’attrition des clients de près de 10 points.

Bien que les résultats soient impressionnants, ICICI estime qu'il y a encore un long chemin à parcourir et qu'il y a beaucoup plus de potentiel dans cette infrastructure que ce qui est actuellement en production. À cette fin, la Banque a mis en place une feuille de route pour élargir la portée de son système afin d’en tirer encore plus de valeur. Il est donc prévu d’alimenter l’entrepôt avec d’autres données et d’aborder d’autres thèmes métier comme la gestion des Risques, d’en élargir l’accès à plus d'utilisateurs et par-dessus tout d’intégrer son utilisation au sein de nombreux processus opérationnels.

Force est de constater que les systèmes d’information des grandes entreprises sont systématiquement hétérogènes y compris ceux qui utilisent largement des progiciels, en effet sauf cas particulier, les entreprises ont généralement des applications plus spécifiques pour gérer leur cœur de métier. Dans le meilleur des cas, on a un mille-feuille d’applications avec une intégration des données réduite aux principaux objets de gestion (client, produit …) pour répondre aux besoins minimums de suivre financièrement l’activité. Mais dans le contexte de globalisation d’aujourd’hui ceci se révèle insuffisant et ne permet pas aux différents acteurs de l’entreprise de parler le même langage et de manœuvrer ensemble de façon totalement cohérente.

Idéalement les systèmes d’information devraient être intégrés et capables de répondre à deux besoins différents, mais complémentaires, besoin concernant le système opérationnel (cohérence de la mise en œuvre de la stratégie) et besoin concernant le système décisionnel (vision globale de l’ensemble des activités pour définir la stratégie et piloter les opérations). Cependant, l’intégration de l’ensemble des systèmes d’information dans une grande entreprise globale est un défi particulièrement important qui peut être plus facilement relevé dans les industries qui par nature ont une gestion très centralisée (c’est le cas du transport aérien par exemple), mais qui semble plus difficile à atteindre pour certaines grandes entreprises qui se sont constituées suite à de nombreux rachats (c’est souvent le cas dans le secteur de l’Assurance par exemple).

Concrètement, intégrer suppose de gérer de façon unifiée les données de référence pour l’ensemble de l’entreprise pour être capable d’échanger des informations entre applications et consolider la vision des activités, pour optimiser la gestion des processus et par exemple mieux servir les clients. Cette gestion unifiée des données de référence, c’est l’objet du Master data Management (MDM) qui permet donc de consolider et de partager la description des objets de gestion à travers toute l’entreprise.

Globalement ce domaine du MDM n’est pas totalement mature et fait surtout l’objet d’opérations partielles, car au-delà de la technique les principales difficultés sont politiques et organisationnelles. Mettre d’accord plusieurs divisions ou fonctions sur un même concept métier et en définir les processus de gestion (création, validation …) peut dans certains cas être très difficile. Tous les analystes recommandent donc une approche MDM progressive, le mieux étant de partir d’une problématique métier du type traitement homogène du client ou consolidation de certaines données d’un domaine de gestion à des fins analytiques. Il convient donc dans un premier temps de développer différents projets partiels en parallèle pour mieux intégrer des données et obtenir des effets à la fois dans les systèmes opérationnels et décisionnels.

D’un point de vue architectural, différentes solutions sont envisageables, par exemple des applications dédiées par objets de gestion et reliées par un hub ou une application dédiée pour l’ensemble des systèmes d’informations de l’entreprise. Une application dédiée peut être développée de façon spécifique ou intégrée à un ERP ou à un entrepôt de données. Dans tous les cas elle est fondée sur une base de données qui gère un modèle global de toutes les entités métier. Cette base est alimentée via des outils de consolidation, de fédération
ou de propagation de données. Cette base supporte des applications MDM qui gèrent un historique des différentes versions des données de référence (client, produit, finance …) et par exemple fournit à l’ensemble des systèmes d’information les adresses successives d’un même client. Cependant il convient de noter que pour les grandes entreprises qui ont des activités multiples et des systèmes d’information complexes, la cible la plus réaliste est probablement de mixer au mieux différentes solutions d’architecture.

La stratégie à partir d’une décision initiale, par exemple le choix de se différencier de la concurrence, envisage un certain nombre de scénarios pour l’action, scénarios qui pourront être modifiés selon les informations qui vont arriver en cours d’action et selon les aléas qui vont survenir et perturber l’action. La stratégie lutte contre le hasard et pour ce faire cherche et utilise l’information. Mais attention, fréquemment l’action échappe aux intentions. Si bien que le plus difficile c’est le pilotage de la mise en œuvre de la stratégie dans des contextes d’aléas. Une stratégie se détermine donc en tenant compte d’une situation aléatoire, d’éléments adverses, voire d’adversaires, et elle est amenée à se modifier en fonction des informations en cours de route, elle peut donc nécessiter une très grande souplesse.

Par exemple, dans la course à la différenciation une entreprise peut développer trois types de stratégie : construire un nouvel avantage, qui accroît la satisfaction des clients tout en continuant à se différencier des concurrents ; maintenir un avantage, qui donne satisfaction aux clients et permet de se différencier des concurrents ; réduire ou éliminer les avantages des concurrents, notamment par la communication. Dans cette recherche des avantages, il faut construire quelque chose qui soit de qualité, c’est à dire reconnu, apprécié par le client et difficile à copier par les concurrents. Les avantages peuvent être classés en cinq types :
• avantage technique ou fonctionnel : capacité à fournir des produits ou services ayant des caractéristiques techniques ou fonctionnelles supplémentaires par rapport aux offres concurrentes,
• avantage de coût : capacité à fournir des produits ou services moins chers,
• avantage de rapidité : capacité à fournir des produits ou services plus rapidement que les concurrents,
• avantage de personnalisation : capacité à fournir des produits ou services répondant aux besoins spécifiques de « chaque » client,
• avantage de flexibilité : capacité à adapter aux besoins du marché, l'offre de produits ou de services, plus rapidement que la concurrence. La flexibilité permet de constamment entretenir les différents avantages. C'est le seul avantage que les concurrents ne peuvent pas vous prendre,
Le nec plus ultra de la stratégie réside dans la construction d'un EAM (Ensemble d'Avantages Maintenable) fondé sur un ensemble de facteurs clés de succès : Savoir faire/Brevets, actifs physiques, Organisation, Image ... que l’entreprise va entretenir et développer au fil du temps par des stratégies successives de différenciation.

Pour définir une stratégie de différenciation, il convient de répondre aux principales questions suivantes :
• Quels sont les enjeux du développement d’une stratégie de différenciation client ? Valeur de l'offre : Comment gagnons-nous/conservons-nous nos clients ? Qui sont nos meilleurs clients et que consomment-ils ? Quelles offres pouvons-nous promouvoir ? Compétences fondamentales ? Marché potentiel de notre offre : Part de clients (couverture, valeur) ? Projection de notre historique ? Quels sont les clients que nous souhaitons conserver ? Définition du bon client : Qu'est-ce qu'un bon client ? Qu'est-ce qu'un client rentable ? Facteurs d'environnement : Situation du secteur ? Nombre de clients de cette industrie ? Conjoncture, et tendances à plus long terme ?
• Quelles sont les possibilités de répondre aux attentes des clients ? Possibilité - Toutes les attentes client sont-elles couvertes ? Efficacité - Les attentes sont-elles couvertes efficacement ? Satisfaction - Les clients sont-ils pleinement satisfaits ?
• Quelles sont les informations nécessaires connues et inconnues ? Modèle de données : Identification des informations clés (caractéristiques des clients, relations commerciales ...). Modélisation de la connaissance : Développement de modèles des besoins. Modèle prédictif : Utiliser les données historiques pour prévoir le comportement des clients. Anticipation du futur : Capacité à définir ce qui est nécessaire pour faciliter et préparer le futur. Stratégie d'Information : Intégration de tous ces modèles dans une approche unifiée de l'information et de la connaissance.
• Quels sont les potentiels, et les possibilités de commercialisation ? Stratégie Marketing, Modélisation statistique, Analyse de l'impact, Analyse des exigences client, Besoins, Préférences et perceptions client.
• Quel plan d’évolution pour mettre en œuvre une stratégie de différenciation client ? Méthode d'approche du client (MAC), Définition de l'organisation, Définition des informations, Définition des moyens, Conduite du changement.

Mais attention définir une stratégie est un exercice compliqué et sa mise en œuvre peut générer des situations de confusion. Le domaine de la stratégie est complexe, il ne peut se résumer en quelques mots, à quelques règles, à quelques idées simples. La stratégie relève d’une part d’un certain empirisme, de l’incapacité d’être certain de tout, de formuler une règle unique, de concevoir un ordre pérenne et d’autre part d’une difficulté dans la logique, c'est-à-dire l’incapacité d’éviter des contradictions. La stratégie nécessite dans une entreprise une approche transversale et multidimensionnelle.

Lors de sa définition, la stratégie s’appuie sur des techniques de veille (technologique, commerciale …), de renseignement, de benchmarking, de gestion des performances et des connaissances. Lors de sa mise en œuvre, elle s’appuie sur des techniques d’influence (lobbying), de gestion notamment des compétences clés, du recrutement et de la communication. D’un point de vue technologique la stratégie utilise les moyens d’information et de communication d’aujourd’hui : gestion de documents, data & text mining, moteur de recherche, business intelligence, intra/extra/internet et surtout entrepôt de données d’entreprise couplé avec les systèmes opérationnels de façon à pouvoir toujours fournir au moment voulu, particulièrement dans la phase de mise en œuvre de la stratégie, les informations historiques nécessaires pour l’analyse et l’action : c’est le concept d’Active Enterprise Intelligence (AEI).