Predictive analytics : prévoir l’imprévisible

Predictive analytics is de kriL’analytique prédictive est la boule de cristal des entreprises. Cette technique permet par exemple de prévoir le risque que le client A fasse faillite, peut-être comme vous le craigniez. Ou, beaucoup plus amusant, que vous allez faire des affaires avec B, un starter très prometteur. Un credit manager averti en vaut deux.

L’analytique prédictive commence par la collecte des données. Celles-ci peuvent provenir de votre propre entreprise. Les entreprises génèrent des masses de données sur leurs clients au fil des ans : fidélité des clients, nombre de contrats, chiffre d’affaires par client, visites des clients, etc. Ces données internes fournissent des informations intéressantes, mais elles présentent un grand désavantage : elles sont souvent très subjectives. Parce ce qu’elles ne parlent que de vos propres clients. Vous avez donc tout intérêt à compléter vos données internes par des informations externes. Recueillez des données sur le nouveau produit de votre concurrent, glanez des commentaires sur les réseaux sociaux, déterminez comment le marché évolue ... Plus vous collectez de données, plus vos prévisions seront précises.

Les données pertinentes dans le credit management

Liens et corrélations

Vous disposez de données en suffisance ? Alors, cherchez-y des liens ou corrélations. C’est l’essence de la predictive analytics : certaines variantes se renforcent. Vous sentez intuitivement qu’il existe un lien entre les commandes d’un client et le nombre de visites que lui rend son gestionnaire de relation. Les entreprises qui reçoivent plus souvent la visite d’un vendeur commandent davantage. Il faut bien l’admettre : ce lien est évident. Mais vous pouvez être certain qu’il existe de très nombreuses corrélations dont vous ne soupçonnez pas l’existence. Avec la predictive analytics, vous mettez ces corrélations à jour.

Vous pourrez ainsi prédire assez précisément la probabilité que certains prospects deviennent effectivement des clients. Et que remarquez-vous ? Que les clients d’une entreprise se ressemblent beaucoup. Placez le profil de votre client 'moyen' à côté de celui de votre prospect. Plus il y a de concordance entre les deux, plus la probabilité que le lead devienne client est grande.

Production perspicace de leads B2B

Plus la fréquence est élevée, plus la précision est grande

Intéressant à savoir : plus souvent vous utilisez l’analytique prédictive, plus les résultats seront fiables. Vous pouvez en effet vérifier si les prévisions sont devenues réalité. Et ajouter ces résultats à votre série de données existante. Le système devient donc de plus en plus intelligent, les prévisions plus précises.

Recueillir les données et mettre à jour des informations est une activité amusante et surprenante, mais qui ne fait pas avancer votre entreprise. Vous devez entrer en action pour éviter que certaines prévisions se réalisent, ou pour qu'elles deviennent réalité justement. Autrement dit : la predictive analytics vous aide à anticiper les événements futurs. Afin que le résultat final soit meilleur que si vous n’aviez rien fait.

Un exemple, en guise d’inspiration : La chaîne américaine de supermarchés Walmart a par exemple découvert que lorsqu’une tempête est annoncée, les consommateurs stockent des piles et des lampes de poche, mais aussi des couques pour le petit déjeuner. Grâce à cette information, Walmart peut réaliser davantage de chiffre d’affaires. Lorsque les services météorologiques annoncent une tempête, Walmart approvisionne ses rayons avec un supplément de couques pour le petit déjeuner....

Discontinuation Score

Un peu tiré par les cheveux ? Peut-être que le Discontinuation Score de Graydon va vous donner des idées. Ce score prévoit pour chaque entreprise la probabilité qu'elle ait cessé d'exister dans les 12 prochains mois. Il ne s’agit pas de faillites, mais de fermetures d'entreprises. Cette information est cruciale pour les Finances. Les clients ou fournisseurs qui en sont là ont un impact sur le cash-flow de l'entreprise.

Auparavant, on partait du principe que chaque année, 5% des entreprises cesseraient d’exister. Sur un chiffre d’affaires d’1 million d’euros, cela impliquait un risque de 50.000 euros. Le Discontinuation Score détermine, au niveau des débiteurs, quelle partie de votre chiffre d’affaires est menacée. Le score peut révéler que les débiteurs associés à un risque accru de liquidation ont en moyenne un chiffre d’affaires plus élevé. Dans ce cas, vous devez tenir compte d’une perte de 80.000 au lieu de 50.000 euros. Cette information, ainsi que d’autres, ne sont pas seulement intéressantes pour le credit management, mais aussi pour les sales et le marketing. En cessant de consacrer un budget aux entreprises sur le point de disparaître, vous augmentez votre rendement.

Lisez aussi l'ePaper:

Start to analyze, voilà comment extraire des informations intéressantes de vos sources de données