L'IA au secours des clients

Selon le président de l'entreprise McDermott, SAP veut devenir le leader de l'apprentissage automatique dans le secteur des entreprises. L'entreprise investit donc fortement dans l'IA et a créé, avec le système d'innovation Leonardo, une base pour les applications d'apprentissage automatique et les logiciels d'intelligence artificielle.

Tant du côté des fournisseurs que du côté de la demande, les entreprises investissent de plus en plus dans l'IA et son sous-domaine, le Machine Learning. Selon le cabinet de conseil Capgemini, 73 % des entreprises attendent de l'utilisation des technologies d'IA une plus grande satisfaction des clients et 65 % qu'elles puissent ainsi réduire l'attrition des clients.

Dans cet environnement, les solutions ML sont prédestinées à déterminer les prévisions de défection, également appelées churn prediction ou rétention des clients.

La fidélisation de la clientèle permet d'identifier à temps les clients qui sont sur le point de partir à la concurrence, par exemple lorsque leur contrat avec un prestataire de services arrive à échéance. La rétention de la clientèle est particulièrement importante pour les entreprises ayant un grand nombre de clients, car il est difficile d'évaluer la fidélité de chacun d'entre eux.

Là aussi, SAP a une solution basée sur la ML dans sa manche. Selon la description de la solution, SAP Customer Retention permet de déduire et de prévoir le comportement des clients sur la base des données de transaction et des points d'interaction numériques.

Mais l'algorithme d'un système de fidélisation de la clientèle a surtout besoin, en plus des paramètres de départ possibles, d'un ensemble de données aussi grand que possible sur l'historique de chaque client. Cela comprend toutes les informations relatives aux clients, c'est-à-dire les données de base et les données de mouvement.

Celles-ci comprennent les données d'adresse, le comportement d'achat, l'historique des achats, les préférences et les traces laissées par le client sur Internet et les médias sociaux. Mais toutes ces données doivent d'abord être rendues disponibles, traitées et validées pour le système ML.

Et c'est précisément là que réside le défi pour les entreprises. En effet, les données de base et les données de mouvement des clients sont réparties dans plusieurs systèmes au sein des entreprises, qu'il s'agisse de systèmes tels que SAP CRM, SAP Service Ticketing Intelligence, de solutions SAP ERP ou d'applications de centre d'appels.

Il n'est donc guère possible de regrouper les données clients gérées dans les différents systèmes et de les rendre disponibles pour le système ML. C'est pourquoi les entreprises ont besoin d'une méthodologie de solution et de processus qui rassemble toutes les données clients - données d'adresse, comportement d'achat, historique d'achat, préférences et traces laissées par le client sur Internet et les médias sociaux - de tous leurs systèmes d'entreprise individuels, sans maintien en silo ni redondance.

Garbage in, Garbage out

En outre, les entreprises doivent garder à l'esprit que l'utilisation du ML n'apporte de réels avantages que si la base de données que les entreprises mettent à la disposition du système est également de grande qualité.

En effet, tout système d'apprentissage automatique repose sur des quantités de données à partir desquelles les systèmes ML sont entraînés. Pour que le système n'apprenne pas de manière erronée et ne fasse pas de prévisions erronées, il est donc critique que la base de données sous-jacente soit absolument sans erreur.

Dans le cas des applications de rétention des clients, les données clients doivent donc être actuelles, correctes et complètes - et les erreurs doivent être éliminées en amont. Les sources d'erreurs potentielles sont les erreurs d'orthographe, les doublons, les données obsolètes et les problèmes sémantiques.

La ML ne donne le meilleur taux de réussite que si la base de données qu'on lui fournit pour l'apprentissage est également de grande qualité. Plus une base de données est correcte, plus un algorithme en tirera des conclusions.

C'est pourquoi les données doivent être gérées, protégées et surveillées tout au long de leur cycle de vie. Ce n'est qu'ainsi que les systèmes d'IA et de ML pourront déployer tout leur potentiel.