Les assureurs et les gestionnaires de fortune aspirent depuis longtemps à segmenter les clients en fonction de leur stade de vie. Le Big Data peut enfin y arriver
par Ai Meun Lim, chef de produit, Percipient, et Dr Shidan Murphy, expert principal en données, Angoss Software Corporation
Shakespeare décrit les ‘sept âges de l’homme’ comme le nourrisson, l’écolier, l’amant, le soldat, la justice, le pantaloon (grossièrement traduit comme le vieil homme stupide) et la vieillesse. Alors qu’aujourd’hui notre vision de la scène de vie est peut-être moins cynique (et poétique!), Le désir d’une classification aussi claire demeure un objectif commercial fort dans de nombreuses industries.
La plupart des entreprises reconnaissent implicitement que l’étape de la vie d’un individu contribue à une approche multidimensionnelle des besoins du client et que, dans certaines activités financières étroitement réglementées, comme la gestion de patrimoine et l’assurance, il faut déterminer le stade de vie du client. tolérance au risque et objectifs financiers. Comprendre la phase de vie d’un client est essentiel pour toute stratégie commerciale centrée sur le client.
Cependant, malgré l’importance, la plupart des institutions financières n’ont pas réussi à monétiser correctement le concept d’une étape de la vie. Les principales limites à cette monétisation sont:
Perceptions obsolètes d’une étape de la vie du client.
Données client indisponibles ou périmées
Incapacité de suivre les changements de la vie des clients
Un manque d’analyse prédictive
Pourquoi une segmentation dynamique des étapes de la vie
Les méthodes traditionnelles ont basé les évaluations du stade de la vie sur des facteurs facilement quantifiables tels que l’âge et le revenu. Pourtant, une lentille d’âge ou de revenu seulement s’est révélée inadéquate pour détecter des événements importants sur le plan financier, comme se marier, fonder une famille, lancer une entreprise commerciale ou prendre soin de parents âgés.
Alors que le suivi automatique et fluide de la vie d’un client est aujourd’hui recherché dans les institutions financières, la plupart d’entre elles dépendent toujours des mises à jour ponctuelles des clients et, au mieux, des enquêtes annuelles auprès des clients. remplir leurs obligations de «devoir de diligence», sans parler de mener des campagnes de vie utiles et ciblées.
Le développement d’une segmentation dynamique des étapes de la vie est donc un saut générationnel dans la compréhension du client. En digérant des données en temps réel à partir de sources de données traditionnelles et non traditionnelles et en utilisant des algorithmes avancés pour analyser ces données, il est maintenant possible de créer une segmentation client granulaire capable d’évoluer avec le cycle de vie du client.
Life Stage Analytics
Percipient et Angoss collaborent pour offrir une segmentation dynamique du stade de vie qui applique les outils capables d’unifier ces données, et les avancées technologiques dans l’analyse de Big Data.
Le fondement de cette approche sont les données et beaucoup d’entre elles. Pour que la segmentation soit significative, les données doivent inclure à la fois des sources de données conventionnelles et non conventionnelles. Les sources conventionnelles comprennent les données démographiques, les habitudes de dépenses et à la fois les actifs et les passifs. Bien que ces données soient facilement disponibles dans les institutions financières, elles sont souvent sous-utilisées.
Les progrès de la technologie des données permettent également d’intégrer des sources de données non conventionnelles telles que les médias sociaux (pensez à LinkedIn), les appareils portables (pensez à Fitbit), les empreintes digitales et les agrégateurs de données tiers. Certaines institutions financières peuvent déjà collecter ces données, mais ne les ont pas utilisées à cette fin.
La segmentation client est ensuite créée à l’aide d’analyses de pointe. L’approche analytique combine des règles métier et des outils et techniques de nouvelle génération pour créer des catégorisations de clients au niveau granulaire. Aujourd’hui, les données et les outils de la prochaine génération sont en place pour créer une vision plus précise, dynamique et granulaire des besoins de leurs clients. Une compréhension précise et analytique des étapes de la vie va révolutionner la vente basée sur les besoins.
Selon Navin Suri, PDG de Percent, les banques n’ont pas besoin d’être liées à la complexité
Le best-seller de Marie Kond, La magie de la mise en ordre de la vie: l’art japonais de l’éboulement et de l’organisation, balaie le monde: son message que la simplicité porte ses fruits s’applique autant à l’architecture de données d’une banque qu’à une personne s garde-robe.
Peu de banquiers argumenteraient avec l’idée que l’architecture informatique des banques est trop complexe et, par conséquent, etui iphone 5c apple beaucoup moins productive qu’elle ne pourrait l’être. Alors, comment sommes-nous arrivés ici Plutôt qu’un seul plan directeur, la plupart des banques «ont évolué à partir des demandes changeantes des consommateurs, des exigences réglementaires, de l’expansion géographique et de l’industrie financière mondiale. Cela a conduit à un enchevêtrement de divers systèmes opérationnels, bases de données et outils de données.
Mais la numérisation rapide a mis cette architecture complexe sous pression supplémentaire. Au milieu de terribles avertissements, comme celui de Francisco Gonzales, alors PDG de BBVA, selon lequel les banques non technologiques «font face à une mort certaine», beaucoup se sont précipitées pour accélérer le rythme de leur transformation numérique.
Les banques ont déployé leurs applications mobiles et leurs services numériques en adoptant ce que l’on appelle une «infrastructure à deux vitesses», c’est-à-dire des capacités améliorées à l’avant, reposant sur une mosaïque de systèmes hérités à l’arrière. Selon un sondage Capgemini 2015, plus d’un avis samsung galaxy j3 2016 tiers des banques déclarent que «la construction de l’architecture / infrastructure d’applications permettant la transformation du paysage applicatif» est leur priorité absolue.
Pendant ce temps, une récompense clé de la numérisation de la valeur des renseignements commerciaux reste insaisissable. Les cercles bancaires sont peut-être en train de parler de big data, mais le manque d’interopérabilité entre les systèmes rend cette tâche difficile. Dans certains cas, des technologies de traitement de gros volumes de données rentables comme Hadoop ont en fait aggravé le problème en introduisant encore plus d’éléments dans une architecture déjà lourde.
Pour résoudre le problème, les institutions financières ont opté pour deux approches très différentes. Que ce soit sur papier ou sur papier, avec photo m4 un nombre croissant de processus manuels, ou mordre la balle, comme le fait UBS. La plus grande banque privée du monde a annoncé en octobre dernier qu’elle dépenserait 1 milliard de dollars américains dans une refonte informatique pour intégrer son «infrastructure historiquement fragmentée».
Cependant, pour les banques qui ne peuvent pas ou ne veulent pas déchirer et remplacer leurs systèmes existants, il existe une troisième voie. La disponibilité de logiciels open source hautement innovants offre aux banques la possibilité d’utiliser les middleware pour désencombrer et intégrer ce qu’elles ont..