Aller au contenu
Analytics & Insights devient BrightCape !

6 Cas Pratiques du Big Data

big data 6 cas pratiques

Comment les entreprises se servent-elles de la puissance du Big Data aujourd’hui? Voici six des cas d’utilisation les plus répandus des Big Data.

1. Vue à 360 ° du client

Bon nombre de compagnies utilisent le Big Data afin de concevoir une sorte de tableau de bord créant un modèle 360 ° du consommateur. Ces tableaux de bord amassent des informations venant de plusieurs sources internes et externes. Ensuite ils les analysent et les présentent au personnel du service clientèle, des ventes et / ou du marketing de manière à les aider à effectuer leur travail.

Imaginez le type de tableau de bord qu’une assurance pourrait créer avec des informations sur ses clients. Evidemment, cela inclurait des données démographiques. Telles que les noms des clients, leurs adresses, le revenu du ménage et les membres de leur famille. On retrouverait aussi  des informations commerciales sur les types de polices que les clients détiennent. Ce type de tableau de bord peut également indiquer les pages du site Web de la société récemment visitées par un client donné. Fournissant ainsi des indices précieux sur la raison pour laquelle un client peut appeler.

Cela peut parraitre improbable, mais de nombreuses entreprises disposent déjà de systèmes comme celui-ci. Elles les utilisent pour augmenter la satisfaction de leurs consommateurs et leurs revenus.

2. Prévention de la fraude

Pour les possesseurs de cartes de crédit, la prévention de la fraude est l’un des cas les plus connus du big data. Avant meme que les analyses de données volumineuses avancées ne deviennent généralisées. Les émetteurs de cartes de crédit utilisaient des systèmes basés sur des règles pour les aider à signaler les transactions qui semblent frauduleuses. Ainsi, si une carte de crédit était utilisée pour louer un scooter à Paris. Mais que le client vivait à Bogota, un agent du service clientèle pourrait appeler pour confirmer que le titulaire de la carte était en vacances et que personne ne l’avait volée.

Grâce aux analyses des données massives et à l’apprentissage automatique, les systèmes de prévention de la fraude permettent de mieux détecter des activités criminelles et de prévenir les faux positifs. Dans l’exemple déjà mentionné, par exemple, un système sophistiqué de prévention de la fraude pourrait permettre de constater que le client avait récemment acheté des billets d’avion, un écran solaire et un nouveau maillot de bain avant l’achat de la voiture de location

Mais les systèmes de prévention de la fraude peuvent devenir encore plus sophistiqués que cela. Selon Experian, la fraude a tendance à être concentrée dans certaines régions géographiques. Souvent près des aéroports, ce qui permet aux criminels de transporter facilement les biens volés. Cependant, les codes postaux les plus risqués ont tendance à changer avec le temps. Les analyses de données volumineuses peuvent examiner les enregistrements antérieurs de transactions frauduleuses. Ainsi identifier rapidement les tendances changeantes. Les sociétés émettrices de cartes de crédit et les détaillants peuvent alors accorder plus d’attention aux transactions en code postal qui deviennent de véritables foyers d’activité criminelle.

Security Logo

3. Intelligence de sécurité

Dans le registre de l’activité criminelle, les organisations utilisent également l’analyse de données volumineuses afin de contrecarrer les pirates informatiques et les cyberattaques. L’exploitation d’un service informatique d’entreprise génère une énorme quantité d’informations. De plus, les données sur les cyberattaques sont disponibles auprès de sources externes.Par exemple, des responsables de l’application de la loi ou de la sécurité. Un grand nombre d’organisations adoptent maintenant des solutions Big Data pour les aider à collecter et comprendre toutes ces informations internes et externes pour prévenir, détecter et limiter les attaques.

 

4. Déchargement de l’entrepôt de données

L’un des moyens les plus simple pour commencer à utiliser des outils Big Data pour une entreprise consiste à supprimer une partie de leurs bases de données. Même parmi les rares entreprises qui n’ont pas encore commencé à expérimenter l’analyse de données massives, il est courant de disposer d’une base de données qui facilite leurs efforts d’informatique décisionnelle.

Malheureusement, la technologie d’entrepôt de données a tendance à être très cher pour une entreprise. Que ce soit à l’achat ou à l’exploitation. Et comme les chefs d’entreprise ont commencé à exiger davantage de rapports et d’informations de la part de leurs équipes de BI. Les solutions d’entrepôt de données n’ont pas toujours été en mesure de fournir les performances souhaitées.

De nombreuses entreprises utilisent une solution Big Data open source. On citera Hadoop pour remplacer ou compléter leurs entrepôts de données. Les solutions basées sur Hadoop offrent souvent des performances beaucoup plus rapides tout en réduisant les frais de licence et autres coûts.

White Product Label
5. Optimisation des prix

Les entreprises grand public (B2C) et interentreprises (B2B) utilisent également l’analyse de données volumineuses pour optimiser les prix facturés à leurs clients. Pour toute entreprise, l’objectif est de fixer les prix de manière à maximiser leurs revenus. Si le prix est trop élevé, ils vendront moins de produits, ce qui réduira leur rendement net. Mais si le prix est trop bas, ils peuvent laisser de l’argent sur la table.

Les analyses de données volumineuses permettent aux entreprises de déterminer les prix les plus avantageux dans l’ensemble des conditions de marché historiques. Les entreprises plus sophistiquées en matière d’analyse des prix peuvent également utiliser des stratégies de prix variables ou dynamiques. Ils utilisent leurs solutions Big Data pour segmenter leur clientèle et créer des modèles qui montrent combien différents types de clients seront disposés à payer dans différentes circonstances. Les entreprises B2C qui ont essayé cette approche ont eu des résultats mitigés. Mais il s’agit plutôt d’une norme parmi les entreprises B2B.


6. Efficacité opérationnelle

En plus d’aider les organisations à optimiser leurs prix, l’analyse de données volumineuses peut également les aider à identifier d’autres opportunités potentielles pour rationaliser leurs opérations ou maximiser leurs profits. Souvent, ce cas d’utilisation particulier du Big Data relève de la compétence des analystes BI ou financiers.

Ces membres du personnel produisent depuis longtemps les rapports hebdomadaires, mensuels et trimestriels qui aident les cadres supérieurs à suivre les résultats. Mais à mesure que les outils Big Data sont devenus disponibles et perfectionnés. Les analystes sont en mesure d’intégrer des données provenant de davantage de sources et de mettre à jour ces rapports beaucoup plus fréquemment.

Par exemple, un détaillant national peut vouloir suivre les ventes horaires d’un nouveau produit dans tous ses magasins physiques. Les analyses de données volumineuses pourraient facilement mettre en évidence des problèmes potentiels. Par exemple un magasin particulier qui n’avait vendu aucun des nouveaux produits au cours des premières heures de déploiement. Un simple appel téléphonique pourrait alors révéler que le responsable du magasin avait oublié de présenter le nouveau produit. Le personnel pouvait remédier à la situation avant qu’elle ne devienne plus coûteuse pour la société ou ne les conduise à des conclusions inexactes sur la popularité du produit.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *