Customer focused, customer centric, data centric : ne vous trompez pas !

 
Comme expliqué dans le blog précédent, capturer la voix du client: c’est ardu ! Alors comment faire ? Si tout le monde comprend qu’il est de plus en plus crucial de capturer ce que le client veut, il s’avère qu’un client s’exprime de plusieurs façons, sur plusieurs canaux, et selon son bon plaisir. Il peut écrire des blogs, poster des photos et/ou des vidéos, laisser des commentaires, appeler un help desk, visiter une succursale, etc, etc. Bref, il fait ce qu’il veut, mais dans tous les cas, il laisse des traces qui, mises bout à bout, donnent une vision claire de son opinion, à un moment donné, dans un contexte donné.
 
Ce contexte est très important, car en fonction la teneur de son message va changer. Prenez Monsieur (ou Madame) Michu: 40 ans, marié(e), 2 enfants, propriétaire, emploi stable, le client lambda en quelque sorte. Imaginons qu’il sollicite la banque pour un crédit. Quand il entre dans la banque pour voir son conseiller, son état d’esprit est dans l’attente et il peut même avoir une opinion positive de la banque. Si on capture sa voix à cet instant, le message serait surement très différent de celui qu’on pourrait capturer à sa sortie, une fois le crédit refusé. Ce n’est pas pour autant que la voix doit être écartée, au contraire : un client non satisfait exprime bien des choses, nonobstant qu’il peut aussi créer de nombreux effets indésirables (selon son degré d’influence, notamment dans les réseaux sociaux), surtout si on n’y prend pas garde. Comprendre le contexte est donc crucial, notamment pour désamorcer les messages négatifs qui pourraient être générés ou simplement pour mieux analyser le besoin en amont (ce qui aurait finalement évité que le client vive une mauvaise expérience avec la banque).

Tout est dans le Data centric

Pour rappel, en 2019, chaque jour, dans notre monde connecté, c’est 500 millions de tweets, 4 Petabyte de données supplémentaires dans Facebook, 65 milliards de messages sur WhatsApp, sans parler du reste, 294 milliards de mails, 95 millions de photos supplémentaires, et je ne mentionne pas les objets connectés (comme les voitures, par exemple). Capturer la voix, c’est essayer de trier dans tout ça ce qui pourrait concerner untel ou untel. C’est juste impossible.
 
Mais avec la metadata, c’est plus facile: elle permet de comprendre dans quel contexte s’inscrit un évènement. En gros, si le client contacte la banque: la data décrit le quoi et le pourquoi, alors que la metadata décrit le quand, le comment, le où et le avec quoi. Si vous doutiez de la puissance des metadata, voici un exemple qui devrait vous faire réfléchir:
 
A day in Data
source: https://www.raconteur.net/infographics/a-day-in-data
En 2016, Stanford a lancé une petite expérimentation. Des informaticiens ont créé une application pour smartphone qui permettait de téléphoner et créer des messages riches, avec plein de jolies émoticônes. 800 « bénévoles » ont installé cette application. Cette app a récupéré les métadonnées des appels et des messages texte précédents – le nombre, l’heure et la durée des communications – à partir des registres des smartphones desdits bénévoles. Au total, les participants ont enregistré plus de 250’000 appels et 1,2 million de messages. Les chercheurs ont ensuite utilisé combiner les données récoltées pour illustrer à la fois l’étendue de la portée – combien de personnes sont en lien avec une seule personne – et le niveau d’information sensible qui peut être glanée sur chaque utilisateur.
 
Les chercheurs de Stanford ont pu déduire, par exemple, qu’une personne qui a téléphoné plusieurs fois à un cardiologue, à une pharmacie locale et à un service d’assistance téléphonique pour les appareils de surveillance des arythmies cardiaques souffre probablement d’arythmie cardiaque. Un autre participant à l’étude possède probablement une carabine semi-automatique AR, en raison des appels fréquents à un marchand d’armes à feu local qui fait de la publicité bien en vue pour les carabines semi-automatiques AR et à la ligne directe de soutien à la clientèle d’un important fabricant d’armes à feu qui produit ces carabines.
 
Mais il y a mieux: ils ont également constaté qu’un grand nombre de personnes pouvaient être prises au piège avec un seul « scan » de surveillance. Lorsque la NSA examine les métadonnées associées au téléphone d’un suspect, elle est autorisée à utiliser un filet « à deux sauts » :  quand le suspect appelle la personne B, c’est un saut ; et quand la personne B appelle une personne C, c’est un deuxième saut. Les analystes peuvent alors passer au peigne fin les métadonnées autour du suspect et en extrapolant les données des « bénévoles », les chercheurs ont estimé que la NSA peut surveiller environ 25’000 personnes – et peut-être plus – à partir d’un seul utilisateur de téléphone « semencier ». Cela laisse songeur, non ?
 

Donc, bien utilisée, la metadata est bien plus puissante que la data en tant que telle.
Ce qui change quelque peu la donne.

 

La donnée est le pétrole du XXIème siècle

Ce n’est pas seulement une lapalissade ou un truisme : c’est un mantra répété sous diverses formes par peu ou prou toutes les personnes plus ou moins spécialisées. Néanmoins il est désormais de notoriété publique que toutes les entreprises du 21ème siècle se doivent d’être centrées sur les données: les articles de journaux/ les blogs ne cessent de le clamer, les consultants expliquent comment devenir data centric, les data experts montrent comment exploiter les données au mieux, et de nouveaux métiers apparaissent, comme les data stewards, les CDO ou les CIO qui ont désormais la mission de mettre en valeur et protéger cet actif stratégique qu’est la data.
 
Bref, tout ce beau monde s’agite, mais dans quel but ? En réalité, le problème de beaucoup d’organisations qui se prétendent « data centric », c’est précisément qu’elles ne le sont pas:
 
– les données ne sont pas traitées avec le soin nécessaire;
 
– elles ne disposent pas toujours de données de référence fiables et exhaustives;
 
– elles ne savent pas (souvent) comment les données sont acheminées et/ou traitées;
 
– elles ne savent pas toujours où les données sont réellement stockées;
 
– même quand elles disposent de la donnée, ce n’est pas pour autant qu’elle est valorisée et/ou que le business arrive à en tirer de la valeur;
 
– sans mentionner les problèmes (sérieux) liés à la sécurité…
 

Data centric banking

Combien les banques savent réellement exploiter toute la valeur de leurs données ? Compte tenu des contraintes de la réalité, des legacies, des contingences, des urgences du moment et des prises de conscience, pas tant que ça en fait. Si certaines ont mieux compris que d’autres, si d’autres ont toujours tendance à confondre les paradigmes, la révolution est dans tous les cas en marche et les (trans)mutations ont commencé. Cela dit, pour devenir data centric et exploiter la donnée de façon cohérente, il faut sortir de la contrainte applicative: les applications et les services sont éphémères, ils vivent aussi longtemps qu’ils sont utiles. Par contre, la data est (et sera) toujours là.
 
Pour devenir data centric, on doit déjà devenir une banque axée sur les données: c’est la première étape, elle est certes nécessaire, mais elle repose sur le développement d’outils, de capacités et d’une culture qui agit sur les données, plutôt que sur une véritable transformation interne autour des données. Devenir data centric, c’est transformer complètement la façon d’appréhender la data dans et autour de la banque. C’est plus qu’un problème technique: c’est un changement culturel profond, c’est une révolution qui touche toutes les strates de l’entreprise. Et c’est loin d’être aisé.
 
Bien sûr, d’un point de vue technique, il est nécessaire de disposer d’une architecture dont le noyau permanent (et primaire) est constitué de … données ! Elle doit notamment permettre :
 
– d’éviter tout malentendu sur les données;
 
– de proposer une simplification des systèmes et des applications;
 
– de ne créer aucun silo;
 
– d’assurer qu’il n’y a aucun propriétaire de données à l’extérieur de votre organisation;
 
– de s’appuyer sur une gouvernance unifiée des données et des processus;
 
Mais surtout, les conditions suivantes doivent être remplies pour être data centric :
 
– faire de la connaissance client un enjeu stratégique;
 
– construire un référentiel unique (-> vue 360);
 
– consolider et normaliser les données;
 
– veiller à la qualité de la donnée;
 
– sensibiliser les équipes à la data;
 
– et tester, apprendre, adapter, évoluer, tester …
 
Au final, peu importe l’orientation que l’on choisit, tout commence et se termine par la donnée. C’est évidemment un actif clé qu’il faut dès maintenant prendre en compte dans la stratégie d’une banque (et qui ne se résume pas uniquement à des données de marché). Les temps changent, les acteurs évoluent et les clients d’hier n’ont plus les mêmes attentes que ceux d’aujourd’hui ou de demain. Ne pas les entendre est une erreur qui se paie cher, ne pas se donner les moyens de le faire est une faute grave dont les conséquences impactent la pérennité même de la banque à terme, et ne pas aborder la donnée comme une incontournable nécessité est simplement suicidaire.
 
KABE

Vos données ont de la valeur !

La Data Intelligence est destinée aux gestionnaires, décideurs et dirigeants d’entreprise. Il s’agit de la mise en œuvre des moyens, outils et méthodes destinés à fournir l’information utile pour décider et agir en toute connaissance de cause. Mettez-toutes les chances de votre côté en vous appuyant sur des professionnels de la donnée.

Les experts CALYPS sont là pour vous aider