Sa big data cmo fr v4print

© 2012 IBM Corporation1

Patrice P

oiraud

Etre performant dans un monde centré sur l’information

Patrice PoiraudSmarter Analytics & Big Data Sales Leader – IBM France


Patrice P

oiraud


Patrice P

oiraud

3

La vaste majorité des Directeurs Marketing (CMOs) déclare ne pas être préparée à faire face aux changements clés du marketing

France

Explosion des données

Média SociauxCroissance des canaux et des

outils de communicationsEvolution de la démographie

des consommateursContraintes financières

Décroissance de la fidélite aux marques

Opportunités marketing émergentes

Responsabilité économique (ROI)

Influence et Collaboration avec les clientsConsidérations liées à la protection

de la vie privée

Considérations réglementaires

Source: Q8 How prepared are you to manage the impact of the top 5 market factors that will have the most impact on your marketing organization over the next 3 to 5 years? (n = number of respondents who selected the factor as important), global sample n=149 to 1141, France sample n=4 to 64

Externalisation globale

Transparence de l’entreprise

Global

71%

68%

65%

63%

59%

57%

56%

56%

56%

55%

54%

50%

47%

81%

72%

78%

71%

53%

55%

68%75%

73%

51%

56%

44%

48%

Pourcentage des CMOs déclarant ne pas être prêts


Patrice P

oiraud

En février 2012, le New York Times a publié un aperçu de l’avenir en matière de futures pratiques marketing.


Patrice P

oiraud

“Data is the New Oil”““Les Les donndonnééeses sontsont le le nouvelnouvel Or NoirOr Noir..

Les Les donndonnééeses sontsont brutes. brutes. CC’’estest utile, utile, maismais non non ““raffinraffinééeses””, , elleselles ne ne peuventpeuvent êtreêtre utilisutilisééeses..””

–– Clive Clive HumbyHumby, , DunnHumbyDunnHumby

5

““Nous Nous avonsavons pour la premipour la premièère re foisfois uneune ééconomieconomie bbasasééee sur sur une ressource clune ressource cléé [[ll’’InformationInformation] qui ] qui estest non non seulementseulement

renouvelablerenouvelable, , maismais qui qui ““ss’’autoauto--ggéénnèèrere””. En . En manquermanquer nn’’estestpas un pas un problproblèèmeme, , maismais se se noyernoyer dedans dedans …… ll’’estest..””

–– John John NaisbittNaisbitt


Patrice P

oiraud

Billion

2020


Patrice P

oiraud

Quelques données sur les données

A chaque session, le NY Stock Exchange capture 1 Terabyte d’informations boursières

Les transferts de données sur les réseaux d’AT&T transfers sont de l’ordre de 30 Petabytes de données chaque jour

L’Accélateur de particules HadronCollider au CERN genère 40 Terabytes de données utilisables chaque jour

En 2016, le trafic annuel sur Internet atteindra 1.3 Zettabytes

450B de transactions commerciales chaque jour surInternet en 2020

1M de capteurs sans fil sur 10 km2

d’un champ d’exploration pétrolifère

118B d’e-mails sont envoyéschaque jour d’un total de 3.4B de comptes ; avec un volume en croissance prévu à 168B en 2015

Le marché mondial des capteursreprésente $155B en 2011, avec une croissance prévue à $240B en 2016


Patrice P

oiraud

Le potentiel pour la découverte est là !

Décisions sans infosou sur des donnéesnon crédibles1 sur 3

60%des DG indiquent qu’ilsont plus d’informationsqu’ils ne peuvent en utiliser

Leaders indiquent ne pas avoir les informationsnécessaires pour décider1 sur 2

… Challenges

Sources:• The Guardian, May 2010• IBM Institute for Business Value, 2009• IBM CEO Study 2010

2.7 Trillions de Clés USB 1GB

3.5 Milliards en 2017

28.7% de la planèteest “online”

47% sont influencés par cequi est lu.

63% recherches via réseaux sociaux

Les avis sont 12x plus crédiblesque les fiches marketing

83% des acheteurs sontinfluencés par les avis

600 millions actifs, 200 millions quotidien

A ‘Facebook Like’ d’un ami= 100 annotations positives d’inconnus


Patrice P

oiraud

en provenance de camérasde surveillance

de transactions commercialespar seconde

Analyse de sentiment Surveillance de centres d’intérêtsIdentification de fraudes potentielles

Volume Vitesse Varieté

5 100’sde Tweets créés quotidiennement12 teraoctets

de flux vidéomillions

de lectures de compteurs par an

Prévision de la consommation électrique Prévention de l’attrition client

d’enregistrement d’appelschaque jour

sont des images, des vidéos, des documents …

Amélioration de la satisfaction client

350 milliards 500 millions 80% des donnéescrées

des simples données d’entreprise au Big Data


Patrice P

oiraud

Les responsabilités intemporelles du Marketing

Le Marketing est responsable de la connaissance client

Le Marketing est responsable de la définition de ce qu’ilfaut vendre et comment le vendre

Le Marketing est responsable de la promesse de la Marque


Patrice P

oiraud

Les éléments de l’évolution du Marketing

Comprendre chaque client comme étantunique

Le Marketing est responsable de la connaissance client

Créer un système d’engagement pour maximiser la valeur délivrée à chaque interaction avec le client

Le Marketing est responsable de la définition de ce qu’il faut vendre et comment le vendre

Intégrer les comportements de l’entreprise et la promesse de la marque

Le Marketing est responsable de la promesse de la Marque


Patrice P

oiraud

Transac-tions

Com-mandes

Historiquedes

paiements

Historiquedes

usages

Staded’achat

E-mail / Chat

Notes du Call

center

Web click-

streamsEchangesen face à

face

Opinions

Préfe-rences

Désirs

Besoins

Caracté-ristiques

Demo-graphie

Attributs

Donnéesdémographiques

DonnéesTransaction

DonnéesInteraction

Donnéescomportementales

La valeur vient de l’intégration des donnéesinterne/externe

L’individu souhaiteetre plus qu’unetransaction, plus qu’un segment

Comprendre chaque client comme étant unique


Patrice P

oiraud

l’Analytics peut révéler qui sont vos clients

Age + Income + Geography

Preferred Product Categories

Modeled time to next purchase

CTP Customer

Use of In-House Credit Card

Facebook Page Engagement

Return / Exchange Behavior

Breadth of Categories Shopped

Length of Time as CustomerRecency + Frequency + Value

Response to Media

Gift Registry User

Annual Spend Level

Annual Transactions

Econometric: Real-estate & Unemployment

Focus de la plupart des segmentations :

Comprendre chaque client comme étant unique


Patrice P

oiraud

Exemple: Action Cluster Profil: “Extreme Loyalists–Profitable”

Marketing Call to Action –BENEFICE EMOTIONNEL : Sportifs enthousiastesPROMESSE DE LA MARQUE : Le premier et plus approfondi catalogue de sports disponible sur le marchéFIDELITE DES CLIENTS : Loyalty promo, new product releases, direct mail and emailPOINTS DE CONTACT : Multi-Canal, en boutique et sur le webIDEE UNIQUE : ‘Co-Branded Credit Card Promotion’PRE-STORE: Mobile, Blogs, Réseaux sociauxIN-STORE: Applications mobiles et de support à l’achat, services associésPOST-STORE: Programme de fidélisation par mailing et e-mail + Online

Statistiques majeures• Fidélité la plus forte : + 85% clients souscrivent au programme de fidélité• 89% ont effectué des achats dans plus de 5 catégories• 91% sont clients depuis plus de 7 ans• Quasiment pas de nouveaux cliens avec moins de 3 ans d’ancienneté• 70 des clients prévoient des achats dans les 60 jours• 60 % utilisent une carte de crédit, 30 % exclusivement• Meilleurs retours sur les statistiques marketing

9% des clients 30% revenu


Patrice P

oiraud

Predictive Analytics@Work

IBM Experience


Patrice P

oiraud

Le Predictive Analytics est en haut de la “chaîne de valeur” des business analytics

RO

I

AdvancedGenerate actionable

business insights

IntermediateImprove insights and reporting accuracy

Traditional / BasicConsolidate & report

data “intelligently”

Optimization

PredictiveModeling

Reference: Competing on Analytics, Davenport & Harris


Patrice P

oiraud

Les modèles prédictifs n’identifient pas les meilleures caractéristiques des comptesà cibler, ils utilisent ces caractéristiques pour identifier les meilleurs comptes de façon individuelle

Priority Industry

Non-Priority Industry

Past Purchase

No Past Purchase

Traditionnellement, l’audience estdéfinie sur un petit nombre de critères

Les “Propensity models” évalue chaquecompte individuellement, permettantd’utiliser des douzaines de critères

Secteur d’activité, historique d’achat, taille de la société, … tout est capturédans les modèles

Past Purchase

No Past Purchase

Priority Industry

Non-Priority Industry

AVANTSans Analyse prédictive

AVANTSans Analyse prédictive

2-3 “gut-feel”criteria used to identify the best groups of targets

Dozens of “analytically-derived”criteria used to indentify the best individualtargets

APRESAvec de l’Analyse prédictive

APRESAvec de l’Analyse prédictive


Patrice P

oiraudCréer un systeme d’engagement pour

maximiser la valeur délivrée àchaque interaction avec le client


Patrice P

oiraud

Offre

Les systèmesd’engagements les plus performantssont définis de façon complète—

ils incluent les produits/services mais aussil’expertise, les “pairs”, le réseau et les suggestions

Savoir/Connaissance

Produit

réseau

Produit

réseau

Maximiser la valeur délivrée à chaque interaction avec le client

NBA


Patrice P

oiraud



Patrice P

oiraud

Minimiser la différenceentre la promesse de la

marque et l’expérience des clients avec une écoute fine

des réseaux sociauxPromise

Memo interne envoyé aux médies

Bloggeur influenceur

Pratique non éthique dans la supply chain

La même attention doitetre portée à chacun, interne ou externe à

l’entreprise



Patrice P

oiraud

IBM Smarter Analytics est une approche compléte pour passer de la donnée à l’information, puis de l’information à la compréhension et finir par les actions à mener en définissant le meilleurcanal de réalisation

AlignerVotre

organisation autour des données

AgirAu point d’impact

avec confiancepour optimiser les

résultats

AnticiperDécouvrir, predire et consolider les axes de developpement

du business

ApprendreAvec l’amélioration

itérative

Transformer Grace à l’apprentissage

et en introduisantl’Innovation


Patrice P

oiraud

Nos capacités

AlignerVotre




résultats


du business

ApprendeAvec l’amélioration

itérative

Transformer Grace a l’apprentissage


Big Data PlatformData Warehousing

Information Integration and GovernanceEnterprise Content Management

Data Management

Business AnalyticsRisk Analytics

Sentiment, Big Data and Content AnalyticsWeb and Digital Analytics

Online BenchmarkSpend Analytics

Decision ManagementAdvanced Case Management

Digital Marketing OptimizationCross-channel Selling and Marketing

Pricing, Promotion and Assortment OptimizationOrganization and Workforce Transformation

Marketing Performance OptimizationSupply Chain Optimization

Watson Watson for Healthcare

Watson for Financial Services Ready for Watson

BAO StrategyIBM Research First-of-a-kind Projects

Information AgendaIBM Industry Solutions

System for Analytics


Patrice P

oiraud

Etablir la vision globale à partirdes enjeux business

ArchitecturerUne infrastructure extensible pour les

données

BVA + Information & Analytics AgendaEprouvé, spécifique à chaque secteur et construit à partir de la connaissance d’une industrie en utilisant l’expérience de nos engagements clients

Strategie

Structurer les données

“Feuille de route “

Etablir la gouvernance

BVA + Information &

Analytics Agenda

Accelerer la miseen place de projetscourt terme et long

terme à fort ROI

Aligner les compétences, les processus et les

données

AlignerVotre




résultats


du business


itérative



AlignerVotre




résultats


du business


itérative




Patrice P

oiraud

Exemple de réalisation permettant de détecter points forts/faibles et définirles zones d’attentions

Represente l’implementation parfaites de toutes les “ best practices


Patrice P

oiraud

Une approche de “bout en bout ”qui contribue à la réalisation de vosobjectifs>Clients>Optimisation

- Coûts- Opérations

dans le cadre d’unetransformation liéeaux données.

Pourquoi définir avec IBM votre projet“ Big Data & Smarter Analytics” ?

Une “ enterprise-class big data platform “ partie intégrante des fondements de la gestion des données

Des capacités d’Analytic capables de façon duale d’être spécialisées pour une tache et intégrable à un ensemble pour partager les ”Insights”

Des Solutions de “Decision Management” qui combinent l’optimisation, l’analyse prédictive et les “processus business” pour des résultatsoptimum

Des technologies, comme Watson, qui définissent “ the next generation of Smarter Analytics solutions “ qui peuvent raisonner et comprendre

Le plus grand département de Maths privé depuis 1960, N1 pour les brevets depuis 19 ans, 1000 brevets “Analytics” en 2010/11

Leader du Marché (services ), solution éprouvées, cas pratiques, accélerateurs, département de recherche .. Pour accélerer la mise en place et démontrer la valeur dans votre cas.


Patrice P

oiraud

Merci

Big Data & Smarter Analyticswww.Ibm.com/SmarterAnalytics

J’ai une Offre –“ Trouvons un client à qui vendre ”

J’ai un client : “De quoi a-t-il besoin aujourdhui ?”

Sa big data cmo fr v4print

Business

Transcript of Sa big data cmo fr v4print