Big Data pour la banque et l'assurance : la détection des moments de vie

Olivier Auliard est Chief Data Scientist chez Cap Gemini. Il possède plus de 20 ans d’expérience dans les Analytics, dont 10 dans les études de marché et panels (Directeur scientifique de TNS SOFRES notamment), 10 ans dans le Géomarketing (Directeur scientifique d’Asterop) et 3 ans dans le conseil. Retour sur son intervention dans le cadre du séminaire Big Data du jeudi 8 janvier à Télécom ParisTech.

Qu’est-ce qu’un « moment de vie » ? On peut le définir comme une période de la vie d’une personne où cette dernière va changer plus ou moins radicalement ses habitudes, en termes de mode de vie, de façon de se déplacer, de consommation… Connaître ces transitions et leurs répercussions est très important en particulier pour les banques et les assurances. En effet, elles correspondent souvent à des besoins nouveaux en termes de prêts bancaires ou contrats d’assurances.

Parmi ces moments de vie on peut penser à un déménagement, un changement de véhicule, une  installation en couple, la naissance d’un premier enfant, l’entrée dans la vie active, mais aussi une période de chômage ou la création d’une entreprise.

A chacun de ces moments, il peut être judicieux d’être particulièrement à l’écoute de ses clients et de leur proposer des solutions adaptées, du prêt à la consommation au plan d’épargne personnalisé. D’autant plus que c’est souvent l’occasion pour les clients de changer de banque ou de compagnie d’assurance pour bénéficier par exemple d’un taux plus intéressant. C’est donc une occasion de perdre des clients ou au contraire de s’engager de nouveau auprès d’eux, de renforcer la relation.

Si beaucoup de ces moments de vie sont communs à la banque et à l’assurance, les assureurs, qui ont des contacts beaucoup moins réguliers avec leurs clients, sont d’autant plus intéressés par le fait de pouvoir les anticiper. Bien évidemment l’idéal serait de pouvoir prévoir tous ces moments de vie : cela n’est pas possible pour tous, mais il est possible grâce à l’analyse des données de faire a minima une constatation très rapide de l’évolution des habitudes, surtout dans le secteur bancaire, et d’agir en conséquence.

Mettre en œuvre concrètement un projet de détection des moments de vie ressemble à toute démarche big data. On commence par cadrer le projet en définissant les objectifs, les ressources et entités concernées. Puis on recense, collecte et prépare les données, internes et externes. Enfin on passe à la modélisation et au scoring, avec la mise en œuvre de technologies de machine learning.

Certains difficultés existent cependant, notamment pour les personnes qui sont « clients partiels » et possèdent des comptes et contrats dans différents établissements.  Egalement, comme dans beaucoup de projets big data, le cloisonnement des données est une difficulté récurrente.

Les données issues des réseaux sociaux paraissent très intéressantes dans ce contexte car révélatrices de ces moments de vie, mais leur utilisation peut s’avérer délicate, à cause de la difficile (voir impossible) corrélation avec les données du CRM. Une solution peut être d’utiliser un social CRM ou encore d’inciter les clients à communiquer d’eux-mêmes leurs comptes, par le biais d’actions marketing par exemple. Certaines sociétés d’assurance se sont même lancées dans l’octroi de crédit uniquement sur ce principe : elles demandent les identifiants sur les réseaux sociaux et en fonction de ce qu’elles y trouvent, elles accordent ou non un crédit ou proposent une prime.

Comme on travaille ici sur des notions de changement, on va surveiller toutes les variables d’évolution, mais surtout on va travailler dans la durée et chercher au maximum à dater les événements. La profondeur de l’historique peut jouer énormément : analyser les comportements sur 5 ou sur 8 ans n’est pas la même chose. L’étude des informations connexes peut être précieuse, mais là encore attention aux faux positifs ! Il est donc indispensable de constituer des cohortes lorsque l’on étudie des moments de vie, afin de trouver des corrélations sur une multitude d’individus et sur une longue période de temps.

Ce n’est qu’une fois toutes ces étapes surmontées que l’on pourra activer les leviers marketing adéquat, qui pourront, selon l’événement, aller du simple mailing à la proposition de rendez-vous en passant par une offre sur-mesure…