Pas d’hyperpersonnalisation sans une vision client à 360°

Pour les banques, l’hyperpersonnalisation devient autant une opportunité qu’une obligation dans un marché qui explose avec les néo-banques et les risques liés aux fraudes. Pour y arriver, il faut bien connaître son client. Très bien même. Datastax et JEMS nous livre deux clefs de succès pour y arriver. 

Qu’est-ce que l’hyperpersonnalisation ?

En tant que consommateur, nous voulons des offres qui répondent à notre besoin immédiat. C’est même un besoin permanent tellement notre quotidien numérique est envahi de cookies publicitaires et autres algorithmes de personnalisation : achat e-commerce, Streaming vidéo et recommandation, curation de musique, etc. L’hyperpersonnalisation en marketing, c’est adresser le bon message à la bonne personne au bon moment.

Dans une étude parue en 2020, « Trends in financial services » Salesforce nous explique que 55% des gens ne commencent à considérer une offre que si celle-ci est personnalisée. 66% des clients s’attendent également à ce que les institutions financières comprennent leurs besoins et leurs attentes. Thomas Been CMO de Datastax explique :

« Il y a une réelle attente côté consommateur. Il ne veut plus d’intermédiaires et veut un impact immédiat. C’est d’autant plus vrai avec des services comme les paiements ou les cryptomonnaies. Ces offres doivent prendre en compte la valeur pour le client ainsi que sa santé financière. L’entreprise de services financiers doit comprendre le client et agir en partenaire ».

Connaissance client : une obligation pour atteindre l’hyperpersonnalisation

Il y a un paradoxe à surmonter. Les entreprises de services financiers ont besoin d’établir une relation de confiance avec le client là où celui-ci a de moins en moins confiance dans le système financier. Or c’est avec l’hyperpersonnalisation que cette situation va se débloquer.  Connaitre le contexte du client  permet de le positionner dans une offre sur demande et de répondre en temps réel à ses besoins.

Car les leaders de la connaissance client utilisent toutes les données pour les comprendre : pas seulement les données contractuelles stockées dans un Datawarehouse mais aussi celles provenant des applications qui arrivent en temps réel. Starbucks par exemple pousse ainsi des offres de manière continue extrêmement ciblées ce qui a boosté ses ventes considérablement.

Mais pour bien connaitre son client, le référentiel ne suffit plus. L’approche doit être globale. On voit apparaitre de plus en plus l’ajout dans le référentiel client de données opérationnelles avec la volonté de mixer les deux mondes. Le problème c’est que le tempo d’un référentiel client est lent : il faut du temps pour vérifier les informations et les chiffres. Mais ce temps-là, les clients n’en veulent plus.

Si les DSI continuent de s’appuyer uniquement sur leur référentiel, toutes les données ne seront pas valorisées et cela risque d’entrainer une connaissance client erronée qui conduira à des erreurs sur les offres proposées et à un taux d’attrition qui augmente.

Comment mettre en place cette hyperdisponibilité de la relation client ?

Pascal Dury, VP data management chez JEMS explique. « Il y a deux clefs de succès pour réussir :  avoir une méthodologie MDM bien en place et avoir une approche Data Centric en non Data Driven. Les deux sont absolument nécessaires ».

• Clef de succès n°1 : appliquer la méthode de traitement du MDM.  Il s’agit ici de collecter, nettoyer, identifier toutes les données et de créer un golden record le plus propre possible à un instant t. Puis on complète cette vision à 360 du client en enrichissant avec tous les éléments connus : contrat, prêt, interaction. Un des projets communs à DataStax et JEMS pour la banque d’un constructeur automobile a été de passer d’un SI basé sur les contrats à une vision sur la personne. L’inducteur devient est Monsieur Martin ou Mme Park et non plus un numéro de contrat.
• Clef de succès n°2 : l’approche Data Centric. C’est la façon dont on va modéliser les données de l’institution bancaire. Lorsque l’on travaille sur un cas d’usage (une nouvelle offre par exemple) on va prendre les données de différents systèmes et les réconcilier pour créer un cas d’usage. Si un autre cas d’usage est demandé on refait tout le protocole de réconciliation.

Etre Data Centric va nous faire faire cette réconciliation seulement une fois. Cela se traduit par une livraison des cas d’usages de 3 à 5 fois plus rapidement.

Le modèle Data Centric optimise les efforts de réconciliation

Conclusion

L’hyperpersonnalisation est un impératif pour les services financiers. Leurs clients veulent des temps de réactivité courts et des interactions en temps réel. Les directions informatiques ont besoin d’un système avec des fondations solides et évolutives pour gérer des cas d’usages à la demande ainsi que de pouvoir monter en charge des données additionnelles provenant du temps réel.

Pour en savoir plus

A propos de DataStax : Entreprise Fondée en 2010 en Californie pour supporter Apache Cassandra. Datastax a contribué aux communautés open source Cassandra, Pulsar, Kubernetes. Datastax compte plus de 500 clients entreprises dans le monde entier dont American Express, CapitalOne, Euronext, Fidelity, RBC, US Bank, Visa.

A propos de JEMS : JEMS est un industriel de la donnée dont le métier est de créer et valoriser le patrimoine data des clients. Avec plus de 450 projets data et digital JEMS est présent dans 13 métropoles en France et à l’international.

Matthieu LENTZ – Directeur Marketing JEMS