Stratégie commerciale et marketing ont connu bien des évolutions au cours des 20 dernières années. Jusqu'au milieu des années 80, le Marketing relevait d'une approche essentiellement volumétrique. Lourd et onéreux, il ne prenait pas suffisamment en compte les spécificités de certains clients insensibles à ce type d'approche globale.

Le Data Mining au service du marketing

A compter des années 90, l'apparition de la segmentation, à travers l'élaboration de typologies client, a permis l'émergence d'un marketing personnalisé, intégrant les anticipations des comportements et l'adaptation personnelle de l'offre aux besoins de chaque consommateur. Aujourd'hui, cette mutation a permis de nous approcher d'un système de relation " one to one " devenu nécessaire dans un univers de plus en plus concurrentiel où la parfaite connaissance du client est un atout. Elle est également le reflet d'une pression du client, toujours mieux informé, et des nouveaux modes de consommation.
Mais sa mise en oeuvre n'aurait pu se faire sans les progrès de l'informatique et surtout des techniques d'analyse et de restitution des données regroupées sous le terme Data Mining.
Les enjeux sont importants. Ils consistent à passer d'une relation stéréotypée et subie à une relation personnalisée et interactive, avec un temps commercial maîtrisé, dans le but d'optimiser les systèmes de distribution.

Les étapes du Data Mining

la collecte des données : un soin tout particulier doit être apporté tant dans la sélection des sources d'information que dans la qualité de l'information elle-même. Le système global de traitement doit permettre le regroupement des données multiples sur chaque client (et non pas seulement sur des groupes de clients) provenant de sources internes ou externes à l'entreprise.

le stockage des données : une fois réunies, celles-ci doivent être classées, validées, structurées et historisées afin d'être facilement accessibles. C'est le concept du Data Warehouse (entrepôt de données ou encore " base de données marketing ") dont la mémoire peut facilement dépasser le milliard d'octets.

l'exploration et le traitement des données : articulés autour de techniques d'analyses statistiques et mathématiques, c'est le cœur du Data Mining. A partir de la construction de modèles combinant plusieurs variables relatives au client et à son environnement, on parvient véritablement à transformer une donnée en connaissance utilisable dans un processus de décision. On arrive alors à établir des liens corrélatifs jusqu'alors insoupçonnés entre les données permettant de prévoir les besoins du client.

la restitution des informations : c'est la raison d'être des techniques de Data mining. La collecte, l'organisation, l'analyse et la valorisation des données sous forme directement exploitables (ciblages, tableaux etc.) doivent aider les utilisateurs finaux dans la prise de décision (personnalisation de l'offre commerciale, choix du vecteur de communication, contacts vers des cibles plus réduites mais plus fines, etc...).

Quelques conditions de la réussite d'un processus de Data Mining.

la concertation : les analystes, souvent extérieurs à l'entreprise, doivent travailler de concert avec les utilisateurs futurs. Les enjeux stratégiques de l'entreprise doivent être intégrés au processus.

choix de l'outil : il doit répondre à la problématique de l'entreprise, être adaptable et rapide. L'entrepôt de données doit être suffisamment grand et ses chemins d'accès faciles pour les utilisateurs.

qualité des données : au même titre que trop de données tuent l'information, seuls les éléments véritablement nécessaires à la prise de décision doivent être retenus.

Toute stratégie commerciale se doit aujourd'hui d'intégrer dans sa démarche les avantages des outils de Data Mining. Mais on ne peut tout attendre du Data mining, au même titre que fort heureusement la nature humaine ne peut pas être totalement modélisée. Automatiser à outrance la relation commerciale pourrait alors nuire à la personnalisation tant recherchée.

C. BURLOT
Lille Place Financière