Le data mining et l assurance Mai Charles Dugas Président Marianne Lalonde Directrice, développement des affaires

Dimension: px
Commencer à balayer dès la page:

Download "Le data mining et l assurance Mai 2004. Charles Dugas Président Marianne Lalonde Directrice, développement des affaires"

Transcription

1 Le data mining et l assurance Mai 2004 Charles Dugas Président Marianne Lalonde Directrice, développement des affaires

2 AGENDA Qu est-ce que le data mining? Le projet et les facteurs de réussite Les technologies du data mining Les applications en assurance

3 Qu est-ce que le data mining? Processus de sélection, d exploration, de modification et de modélisation... de grandes bases de données afin de découvrir des relations entre les données jusqu alors inconnue.

4 Domaines d utilité Services bancaires et financiers Commerce de détails Secteur manufacturier Domaine pharmaceutique Télécommunications Assurances

5 Les applications en assurance Estimation des risques Plan de Répartition des Risques Acquisition de nouveaux clients Customer Relationship Management Détection de fraudes

6 Pourquoi le data mining? Point de vue client: les produits d assurance se LA DIFFÉRENCE: ressemblent LE MONTANT DE LA POLICE LA RELATION AVEC LE CLIENT

7 Des statistiques au data mining BEACOUP DE DONNÉES + PROBLÈMES PLUS COMPLEXES = = MODÈLES PLUS COMPLEXES MODÈLES PLUS PRÉCIS

8 Les 7 étapes d un projet Détermination d un objectif Inventaires de données Collecte, nettoyage et mise en forme Mise en oeuvre des algorithmes Validation et choix d un modèle Communication des résultats Déploiement

9 ApSTAT Technologies Technologie performante Méthodologie rigoureuse Plateforme de développement efficace Solutions adaptées Spécialisée en assurance

10 Les méthodes traditionnelles

11 Les arbres de décision Avantages Règles explicites Traitent les données hétérogènes manquantes Détection de dépendances non-linéaires Désavantages Moindre robustesse Niveaux interdépendants Discontinuités dans le score Développement rapide

12 Modèles linéaires généralisés Avantages Désavantages Continuité de la valeur obtenue Résultats explicites Détection de dépendances non-linéaires Manque de flexibilité Meilleure robustesse

13 Réseaux de neurones Avantages Désavantages Détection de dépendances non-linéaires Bonne résistance aux données manquantes Résultats non explicites Développement long Puissance de prédiction Problème des grandes réclamations

14 Le data mining et l assurance Estimation des primes pures Plan de Répartition des Risques Acquisition de nouveaux clients Fidéliser les clients actuels Détection de fraudes

15 Estimation des primes pures Attribue des primes pures individualisées Réduction des pertes Augmentation de la part de marché Substantiellement plus précises Augmentation des profits Reflétant plus justement le niveau de risque

16 Plan de Répartition des Risques Le futur assuré magasine une police d assurance auto comme à l habitude et contacte un assureur. L assureur évalue le risque et le cède au PRR s il est trop élevé plutôt que de le sous-tarifer. L assureur envoie au PRR 75% de la prime chargée à l assuré et garde 25% de frais d administration. Le PRR rembourse à l assureur les réclamations faites par cet assuré pour toute la durée de la police.

17 Économies possibles 1 million / $100M de volume de primes

18 Acquisition de nouveaux clients de l impact du marketing de masse Déterminer l objectif Identifier les clients potentiels ciblés Solliciter directement ces clients significative du taux de réponse

19 Le data mining et le CRM Nouvelle vision de l art du marketing Un avantage concurrentiel indéniable LifeTime Value Une connaissance personnalisée de la clientèle

20 Détection de fraudes Réclamation Ajusteur??? Fast Track Fraude? OUI??? NON Paiement SIU Traitement et paiement

21 Pourquoi le data mining? Réduction des pertes dû aux «mauvais risques» et aux fraudes Augmentation de la part de marché grâce à l acquisition de nouveaux clients Augmentation des profits en évaluant la durée de la relation client

22 Contacts Marianne Lalonde Directrice, développement des affaires (514) poste APSTAT Charles Dugas Président (514) poste APSTAT

Précision. Rigueur. Estimation du risque

Précision. Rigueur. Estimation du risque Savez-vous lesquels de ces conducteurs représentent le plus grand risque pour votre entreprise? Nous le savons. Estimation du risque ApSTAT Technologies offre une gamme complète de solutions robustes de

Plus en détail

5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com

5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com Application des réseaux de neurones au plan de répartition des risques 5255 Av. Decelles, suite 2030 Montréal (Québec) H3T 2B1 T: 514.592.9301 F: 514.340.6850 info@apstat.com www.apstat.com Copyright c

Plus en détail

Agenda de la présentation

Agenda de la présentation Le Data Mining Techniques pour exploiter l information Dan Noël 1 Agenda de la présentation Concept de Data Mining ou qu est-ce que le Data Mining Déroulement d un projet de Data Mining Place du Data Mining

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Chef d entreprise, Responsable Commercial, Responsable Marketing, ou acteurs de la Gestion Relation Client en entreprise.

Chef d entreprise, Responsable Commercial, Responsable Marketing, ou acteurs de la Gestion Relation Client en entreprise. PROGRAMME DE FORMATION : Gestion de la Relation Client (GRC ou CRM) De la collecte de données clients, à la gestion opérationnelle de votre relation client : découvrez comment faire de votre CRM un levier

Plus en détail

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Gilbert Saporta Chaire de Statistique Appliquée, CNAM ActuariaCnam, 31 mai 2012 1 L approche statistique

Plus en détail

Application du data mining pour l évaluation de risque en assurance automobile

Application du data mining pour l évaluation de risque en assurance automobile Application du data mining pour l évaluation de risque en assurance automobile 4 Septembre 2012 Sylvain Pannetier Lebeuf Recherche & Analytique Contenu Qui on est: La compagnie L équipe de recherche et

Plus en détail

Business & High Technology

Business & High Technology UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 6 : Customer Relationship Management (CRM) Sommaire Introduction... 1 Les enjeux

Plus en détail

Travailler avec les télécommunications

Travailler avec les télécommunications Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la

Plus en détail

Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie

Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Les 10 grands principes de l utilisation du data mining pour une gestion de la relation client réussie Découvrir les stratégies ayant fait leurs preuves et les meilleures pratiques Points clés : Planifier

Plus en détail

L'intelligence d'affaires: la statistique dans nos vies de consommateurs

L'intelligence d'affaires: la statistique dans nos vies de consommateurs L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires

Plus en détail

Vous trouvez plus d information sur AREL. ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html

Vous trouvez plus d information sur AREL. ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html Option Deux thèmes : La recherche opérationnelle : Traiter des problèmes d optimisation, d aide à la décision et d évaluation de performances

Plus en détail

LE MARKETING RELATIONNEL ET LA GESTION DE LA RELATION CLIENT

LE MARKETING RELATIONNEL ET LA GESTION DE LA RELATION CLIENT Cycle: Licence professionnelle Filière: Technique banques et assurances LE MARKETING RELATIONNEL ET LA GESTION DE LA RELATION CLIENT Réalisé par: Mlle Asmae AIT RAI Mlle Ghizlane JALIAD Mlle Hafida EL

Plus en détail

Le Data Mining au service du Scoring ou notation statistique des emprunteurs!

Le Data Mining au service du Scoring ou notation statistique des emprunteurs! France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative

Plus en détail

L olivier Assurances Licence 3 Econométrie Lyon II

L olivier Assurances Licence 3 Econométrie Lyon II 15 novembre 2013 L olivier Assurances Licence 3 Econométrie Lyon II Pascal Gonzalvez 1 L olivier Assurances et le Groupe Admiral Segmentation et tarification en assurance auto Autres applications de la

Plus en détail

LA GESTION DE LA RELATION CLIENT

LA GESTION DE LA RELATION CLIENT Conquérir un prospect coûte beaucoup plus cher que de fidéliser un client. C est la raison pour laquelle un grand nombre d entreprises orientent leur stratégie autour des services proposés à leurs clients.

Plus en détail

La gestion de la clientèle pour le commerce et l artisanat : vos clients et leurs besoins

La gestion de la clientèle pour le commerce et l artisanat : vos clients et leurs besoins Qu une entreprise cherche à s adapter à son environnement et/ou à exploiter au mieux ses capacités distinctives pour développer un avantage concurrentiel, son pilotage stratégique concerne ses orientations

Plus en détail

" # $ % % & ' ( ) * +,! '()*+ *, + ' +' + ' ' -+ - +.+. /0 / 1 0 12 1 1 2 34+ 4 1 +. 50 5 * 0 4 * 0 6! "##$ % &!

 # $ % % & ' ( ) * +,! '()*+ *, + ' +' + ' ' -+ - +.+. /0 / 1 0 12 1 1 2 34+ 4 1 +. 50 5 * 0 4 * 0 6! ##$ % &! "# $ %%& ' ( )*+, '()*+,'+''-++.+/0112134+1.50*406 "##$ %& 8CC "#$%& ' ( )* +,-./ 0 123 456+7 3 7-55-89.*/ 0 +3 *+:3 ;< =3 3-3 8 0 23 >-8-3 >5? //*/*0;* @A: *53,,3 / * $/ >B+? - 5, 2 34*56 7 /+#** //8

Plus en détail

Analyse de données électroniques et intelligence d affaires

Analyse de données électroniques et intelligence d affaires Analyse de données électroniques et intelligence d affaires Valoriser les données internes et externes 3 avril 2014 Ordre du jour UNE INTRODUCTION À L ANALYSE DE DONNÉES Analyse de données et l intelligence

Plus en détail

Présentation GRILOG. Février 2013

Présentation GRILOG. Février 2013 Présentation GRILOG Février 2013 Sujet / Agenda Comment maximiser ses performances commerciales et services à l aide d un CRM métier Editeur/intégrateur? Agenda: La filière de l édition de logiciel : Les

Plus en détail

CRM et GRC, la gestion de la relation client R A LLER PL US L OI

CRM et GRC, la gestion de la relation client R A LLER PL US L OI 3 R A LLER PL US L OI CRM et GRC, la gestion de la relation client Comment exploiter et déployer une solution de relation client dans votre entreprise? Les usages d une CRM Les fonctionnalités d une CRM

Plus en détail

Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients

Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients Frédérick Vautrain, Dir. Data Science - Viseo Laurent Lefranc, Resp. Data Science Analytics - Altares

Plus en détail

«Outils de gestion pour TPE CRM / ERP» Club

«Outils de gestion pour TPE CRM / ERP» Club Réunion des membres du 7 juin 2011 «Outils de gestion pour TPE CRM / ERP» Comment faciliter la gestion journalière d un commerce ou d une TPE par l utilisation d outils TIC? L adoption d outils TIC mais

Plus en détail

E-mail marketing, scoring comportemental & analyse prédictive

E-mail marketing, scoring comportemental & analyse prédictive E-mail marketing, scoring comportemental & analyse prédictive Formation Dolist - Score MD Les 25 & 26 juin 2013 Dolist.net - Tous droits réservés 26/04/2013 Formation E-mail Marketing, scoring & analyse

Plus en détail

Les Entrepôts de Données

Les Entrepôts de Données Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations

Plus en détail

Méthodes d apprentissage statistique «Machine Learning»

Méthodes d apprentissage statistique «Machine Learning» Méthodes d apprentissage statistique «Machine Learning» Fabrice TAILLIEU, Sébastien DELUCINGE, Rémi BELLINA Le marché de l assurance a rarement été marqué par un environnement aussi difficile qu au cours

Plus en détail

FOUILLE DE DONNEES. Anne LAURENT ECD. laurent@lirmm.fr

FOUILLE DE DONNEES. Anne LAURENT ECD. laurent@lirmm.fr FOUILLE DE DONNEES Anne LAURENT laurent@lirmm.fr ECD Pourquoi la fouille de données? Données disponibles Limites de l approche humaine Nombreux besoins : Industriels, Médicaux, Marketing, Qu est-ce que

Plus en détail

Mesures de Valeur-Client. Étienne Plante-Dubé Modélisation & Recherche Desjardins Groupe d assurances générales etienne.plante.dube@dgag.

Mesures de Valeur-Client. Étienne Plante-Dubé Modélisation & Recherche Desjardins Groupe d assurances générales etienne.plante.dube@dgag. Mesures de Valeur-Client Étienne Plante-Dubé Modélisation & Recherche Desjardins Groupe d assurances générales etienne.plante.dube@dgag.ca Plan de la présentation 2 Différents points de vue de valeur Valeur

Plus en détail

Ingénierie de Systèmes Intelligents

Ingénierie de Systèmes Intelligents Ingénierie de Systèmes Intelligents p. 1/ Ingénierie de Systèmes Intelligents Application : Web Intelligent Maria Malek EISTI Ingénierie de Systèmes Intelligents p. 2/ Objectif Traitement Intelligent des

Plus en détail

«Théoriquement, si je peux couper les coûts suffisamment, on devrait pouvoir devenir profitable sans plus rien vendre»

«Théoriquement, si je peux couper les coûts suffisamment, on devrait pouvoir devenir profitable sans plus rien vendre» «Théoriquement, si je peux couper les coûts suffisamment, on devrait pouvoir devenir profitable sans plus rien vendre» Stratégie Marketing et CRM: Le Client Est Un Capital Jean - Charles Neau La croissance

Plus en détail

Les solutions SAS pour les Petites et Moyennes Entreprises

Les solutions SAS pour les Petites et Moyennes Entreprises BROCHURE SOLUTION Les solutions SAS pour les Petites et Moyennes Entreprises Sur un marché aussi compétitif que celui des Petites et Moyennes Entreprises, le temps et l efficacité sont deux valeurs prioritaires

Plus en détail

Spécificités, Applications et Outils

Spécificités, Applications et Outils Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining

Plus en détail

RELATION CLIENT - CRM - MARKETING

RELATION CLIENT - CRM - MARKETING INNOVATION TECHNOLOGIES AU SERVICE DES PME PMI ETI SOeMAN RELATION CLIENT - CRM - MARKETING La solution d'aide au pilotage et au management de la performance commerciale Produit et service de la société

Plus en détail

INTELLIGENCE MARKETING ETUDES DE MARCHE - DATA MINING - CONSEIL EN MARKETING - SYSTEMES D INFORMATION MARKETING

INTELLIGENCE MARKETING ETUDES DE MARCHE - DATA MINING - CONSEIL EN MARKETING - SYSTEMES D INFORMATION MARKETING ETUDES DE MARCHE - DATA MINING - CONSEIL EN - SYSTEMES D INFORMATION Notre mission Des études de marché au data mining Cinq sur Cinq est un institut d intelligence marketing. Notre métier : collecter,

Plus en détail

Bénéfices pour votre organisation : une solution pouvant supporter vos besoins d affaires

Bénéfices pour votre organisation : une solution pouvant supporter vos besoins d affaires Pivotal CRM 6.0 Quelle que soit la tendance d évolution des marchés, faites de vos clients le moteur de votre réussite avec une meilleure maîtrise et une meilleure flexibilité et un coût de possession

Plus en détail

BIG DATA et données externes dans les modèles de tarification

BIG DATA et données externes dans les modèles de tarification BIG DATA et données externes dans les modèles de tarification BIG DATA BIG DATA : Quelques clés Eric FROIDEFOND MAAF MBA CNAM ENASS en cours Intégration du BIG DATA dans la tarification en assurances IARD

Plus en détail

Sage CRM. Customer Relationship Management (CRM) pour petites et moyennes entreprises

Sage CRM. Customer Relationship Management (CRM) pour petites et moyennes entreprises Sage CRM Customer Relationship Management (CRM) pour petites et moyennes entreprises La clé de votre succès. Sage CRM, en tant que solution CRM primée, livre aux petites et moyennes entreprises dans le

Plus en détail

Cinq impératifs prédictifs pour maximiser la valeur client Utilisation des analyses prédictives pour améliorer la gestion de la relation client

Cinq impératifs prédictifs pour maximiser la valeur client Utilisation des analyses prédictives pour améliorer la gestion de la relation client Cinq impératifs prédictifs pour maximiser la valeur client Utilisation des analyses prédictives pour améliorer la gestion de la relation client Table des matières : 1 Introduction 4 Les cinq impératifs

Plus en détail

GÉREZ VOTRE RELATION CLIENT SANS QUITTER MICRO SOFT OUTLOOK

GÉREZ VOTRE RELATION CLIENT SANS QUITTER MICRO SOFT OUTLOOK Face à l évolution rapide des marchés, les entreprises doivent continuellement reconsidérer leurs axes de développement et leurs stratégies commerciales. Les sollicitations permanentes des concurrents

Plus en détail

Vision prospective et obstacles à surmonter pour les assureurs

Vision prospective et obstacles à surmonter pour les assureurs smart solutions for smart leaders Le «Big Data» assurément Rédigé par Pascal STERN Architecte d Entreprise Vision prospective et obstacles à surmonter pour les assureurs Un avis rendu par la cour de justice

Plus en détail

GESTION DE LA RELATION CLIENT (CRM) Etat actuel et perspectives du marché suisse en 2002

GESTION DE LA RELATION CLIENT (CRM) Etat actuel et perspectives du marché suisse en 2002 GESTION DE LA RELATION CLIENT (CRM) Etat actuel et perspectives du marché suisse en 2002 CONSULTING KPMG Consulting SA La «gestion de la relation client» (ou, en anglais, Customer Relationship Management,

Plus en détail

DECLARATION DES PERFORMANCES N 1

DECLARATION DES PERFORMANCES N 1 DECLARATION DES PERFORMANCES N 1 Résistance mécanique C18 EN 1912 : 2012 + EN 338 :2009 DECLARATION DES PERFORMANCES N 2 Résistance mécanique C24 EN 1912 : 2012 + EN 338 :2009 DECLARATION DES PERFORMANCES

Plus en détail

DEVELOPPEMENT DE LA PERFORMANCE COMMERCIALE

DEVELOPPEMENT DE LA PERFORMANCE COMMERCIALE Sept-13 DEVELOPPEMENT DE LA PERFORMANCE COMMERCIALE Audit commercial Développement de réseau SERVICES Développement commercial Formation vente/négociation Formation management opérationnel Formation communication

Plus en détail

ICHEC MANAGEMENT SCHOOL

ICHEC MANAGEMENT SCHOOL CASE TELECOMMUNICATION - MOBISTAR BUSINESS CASE TELECOMMUNICATIONS - MOBISTAR Defort Florence De Veyt Marie-Laure Dierickx Arnaud Leruite Julien Marlot Camille ICHEC MANAGEMENT SCHOOL MOBISTAR, EN ROUTE

Plus en détail

Démarche d analyse stratégique

Démarche d analyse stratégique Démarche d analyse stratégique 0. Préambule 1. Approche et Démarche 2. Diagnostic stratégique 3. Scenarii d évolution 4. Positionnement cible 2 0. Préambule 3 L analyse stratégique repose sur une analyse

Plus en détail

Aujourd hui, un nombre croissant d entreprises ont choisi

Aujourd hui, un nombre croissant d entreprises ont choisi UN ETAT DES LIEUX : Analyse de la clientèle Une approche proactive de la fidélisation et de la rétention Sponsorisé par Un rapport de recherche exclusif Les chercheurs d UBM TechWeb ont réalisé une enquête

Plus en détail

Marketing comportemental. Guide méthodologique de mise en œuvre

Marketing comportemental. Guide méthodologique de mise en œuvre Marketing comportemental Guide méthodologique de mise en œuvre Sommaire Présentation...3 Les limites du marketing de masse ou du marketing «produit»...5 L idéal marketing : délivrer le bon message au bon

Plus en détail

LES DONNÉES CLIENTS APPLIQUÉES À LA MOBILITÉ : ENJEUX, ÉVOLUTIONS ET ACTIONS

LES DONNÉES CLIENTS APPLIQUÉES À LA MOBILITÉ : ENJEUX, ÉVOLUTIONS ET ACTIONS LES DONNÉES CLIENTS APPLIQUÉES À LA MOBILITÉ : ENJEUX, ÉVOLUTIONS ET ACTIONS BIG DATA, DIRTY DATA, MULTI DATA : DE LA THÉORIE À LA PRATIQUE : ARTÉMIS Paris le 4 avril 2013 EFFIA Synergies 20 Bd Poniatowski

Plus en détail

Une offre performante, la clé du succès Techniques Marketing pour PME, TPE et Indépendant

Une offre performante, la clé du succès Techniques Marketing pour PME, TPE et Indépendant Les clés de la Réussite Une offre performante, la clé du succès Techniques Marketing pour PME, TPE et Indépendant E-learning 14 heures Tarif : 490 Le manque d approche Marketing pénalise les petites structures.

Plus en détail

Cybermarché et analyse comportementale

Cybermarché et analyse comportementale Cybermarché et analyse comportementale Antoine-Eric Sammartino aesammartino@e-laser.fr Séminaire Data Mining - Educasoft Formations 18 juin 2001-1- MENU Le Groupe LaSer Le processus Data Mining L industrialisation

Plus en détail

ANALYSE STATISTIQUE PRÉDICTIVE

ANALYSE STATISTIQUE PRÉDICTIVE Yoshua Bengio Chaire de Recherche du Canada sur les Algorithmes d Apprentissage Statistique, Université de Montréal Charles Dugas ApSTAT Technologies Inc. Et Aviva Canada SALON INTELLIGENCE D AFFAIRE 8

Plus en détail

Introduction à l Informatique Décisionnelle - Business Intelligence (7)

Introduction à l Informatique Décisionnelle - Business Intelligence (7) Introduction à l Informatique Décisionnelle - Business Intelligence (7) Bernard ESPINASSE Professeur à Aix-Marseille Université (AMU) Ecole Polytechnique Universitaire de Marseille Septembre 2013 Emergence

Plus en détail

Gérer sa relation clients : Excel peutil suffire encore longtemps?

Gérer sa relation clients : Excel peutil suffire encore longtemps? Gérer sa relation clients : Excel peutil suffire encore longtemps? Pôle Numérique / CCI Bordeaux 29 Mars 2012 Intervenants : KEOLIS Bordeaux, VivaSoft, Microclimat 1 Agendas Le pôle numérique de la CCI

Plus en détail

ARIA Languedoc-Roussillon. Atelier CRM / Fidélisation

ARIA Languedoc-Roussillon. Atelier CRM / Fidélisation ARIA Languedoc-Roussillon Atelier CRM / Fidélisation «Gestion de la Relation Clients : Les nouvelles Définition et bonnes technologies pratiques» au service de votre NELIS, Philippe Rossi développement

Plus en détail

Accélérer l agilité de votre site de e-commerce. Cas client

Accélérer l agilité de votre site de e-commerce. Cas client Accélérer l agilité de votre site de e-commerce Cas client L agilité «outillée» devient nécessaire au delà d un certain facteur de complexité (clients x produits) Elevé Nombre de produits vendus Faible

Plus en détail

Malgré la crise, Le décisionnel en croissance en France

Malgré la crise, Le décisionnel en croissance en France Malgré la crise, Le décisionnel en croissance en France 11 juin 2009 www.idc.com Cyril Meunier IDC France Consulting Manager Copyright 2009 IDC. Reproduction is forbidden unless authorized. All rights

Plus en détail

Livre blanc. CRM: Quels sont les bénéfices pour votre entreprise?

Livre blanc. CRM: Quels sont les bénéfices pour votre entreprise? Livre blanc CRM: Quels sont les bénéfices pour votre entreprise? Longtemps considéré comme un outil de luxe exclusivement réservé aux grands groupes, le CRM a su démontrer au fil du temps, que son efficacité

Plus en détail

TECHNIQUES DE DISTRIBUTION

TECHNIQUES DE DISTRIBUTION MINISTERE DE LA COMMUNAUTE FRANCAISE ADMINISTRATION GENERALE DE L ENSEIGNEMENT ET DE LA RECHERCHE SCIENTIFIQUE ENSEIGNEMENT DE PROMOTION SOCIALE DE REGIME 1 DOSSIER PEDAGOGIQUE UNITE DE FORMATION TECHNIQUES

Plus en détail

B/ La gestion des relations avec les clients

B/ La gestion des relations avec les clients Le CRM Le marketing one to one Le nouveau mix marketing Conclusion: du marketing de masse au marketing personnalisé CRM (Customer relationship management) e-crm Marketing one to one Marketing one to one

Plus en détail

Benchmark des Meilleures Pratiques : de la Communauté des utilisateurs de solutions CRM, XRM 1

Benchmark des Meilleures Pratiques : de la Communauté des utilisateurs de solutions CRM, XRM 1 L' imaginer, le réaliser ensemble Benchmark des Meilleures Pratiques : de la Communauté des utilisateurs de solutions CRM, XRM 1 Réalisé par 1 extended Relation Management : une extension du CRM (Customer

Plus en détail

L innovation et la performance au service de la facturation et de l encaissement

L innovation et la performance au service de la facturation et de l encaissement L innovation et la performance au service de la facturation et de l encaissement 1 Vos impayés augmentent? Vos délais de facturation et d encaissement sont trop longs? Vous souhaitez améliorer votre trésorerie?

Plus en détail

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1 Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe

Plus en détail

Le cloud conçu pour votre organisation.

Le cloud conçu pour votre organisation. Le cloud conçu pour votre organisation. C est le Cloud Microsoft. Chaque organisation est unique. De la santé à la grande distribution, de l industrie à la finance - il n y a pas deux organisations qui

Plus en détail

Agenda. Impact d une mauvaise gestion des données. Les stratégies de promotion interne de la gestion de données

Agenda. Impact d une mauvaise gestion des données. Les stratégies de promotion interne de la gestion de données Comment définir les enjeux métier de la gestion de données Christophe Toum Chef de Produit DQ & MDM (Titre original dans l agenda : «Cas d utilisation de la gestion de données») Agenda Impact d une mauvaise

Plus en détail

Du diagnostic au plan marketing stratégique - - dossier 3 - .I. Les études de marché - La phase exploratoire et l organisation générale de l étude -

Du diagnostic au plan marketing stratégique - - dossier 3 - .I. Les études de marché - La phase exploratoire et l organisation générale de l étude - Du diagnostic au plan marketing stratégique - - dossier 3 -.I. Les études de marché - La phase exploratoire et l organisation générale de l étude - 1.1 - La recherche ou phase exploratoire : Définir précisément

Plus en détail

Secteur Finance - Assurance

Secteur Finance - Assurance Secteur Finance - Assurance isatech est spécialiste des solutions de gestion d entreprise Microsoft Dynamics ERP, CRM et Office365 Les problématiques du secteur financier Selon l INSEE, en 2011, le secteur

Plus en détail

Chap 3 : La connaissance du client. I. Les fondements de la connaissance du client. Les principales évolutions sont résumées dans le tableau suivant :

Chap 3 : La connaissance du client. I. Les fondements de la connaissance du client. Les principales évolutions sont résumées dans le tableau suivant : Chap 3 : La connaissance du client I. Les fondements de la connaissance du client A. D une société de consommation à une société de consommateurs Depuis les années 1980, les mutations sociales ont eu d

Plus en détail

Le Marketing Relationnel Universitaire : 2010.2011 0

Le Marketing Relationnel Universitaire : 2010.2011 0 Universitaire : 2010.2011 0 Introduction : Chaque jour à travers le monde, des managers déplorent la baisse de fidélité de leurs clients qui sont courtisés plus fébrilement par des concurrents offrant

Plus en détail

Sage CRM SageCRM.com. Gagnez en compétitivité en développant votre potentiel clients

Sage CRM SageCRM.com. Gagnez en compétitivité en développant votre potentiel clients Sage CRM SageCRM.com Gagnez en compétitivité en développant votre potentiel clients Sage CRM Le CRM à votre mesure La technologie au service de l efficacité Sage CRM dispose d une architecture technique

Plus en détail

Des données à la connaissance client. A la découverte de la plateforme de connaissance client knowlbox

Des données à la connaissance client. A la découverte de la plateforme de connaissance client knowlbox Des données à la connaissance client A la découverte de la plateforme de connaissance client knowlbox Livre blanc mai 2013 A l heure du Big Data, les entreprises s interrogent davantage sur leurs données.

Plus en détail

CRM Service. Exemples de secteurs concernés. Fonctionnalités clés. Gestion de l activité quotidienne. Gestion complète de la force de vente

CRM Service. Exemples de secteurs concernés. Fonctionnalités clés. Gestion de l activité quotidienne. Gestion complète de la force de vente CRM Service Exemples de secteurs concernés Société de commerce et de négoce Société de services informatiques Cabinet de formation Cabinet de recrutement Société de sécurité et de nettoyage Société de

Plus en détail

INTRODUCTION A LA GESTION DE LA RELATION CLIENT

INTRODUCTION A LA GESTION DE LA RELATION CLIENT INTRODUCTION A LA GESTION DE LA RELATION CLIENT La Gestion de la Relation Client (GRC) correspond à l'expression anglaise Customer Relationship Management (CRM). «La GRC est l'ensemble des outils et techniques

Plus en détail

b) La liste de vos anciens noms pour les 5 dernières années (avec explications) Si non applicable, veuillez cocher

b) La liste de vos anciens noms pour les 5 dernières années (avec explications) Si non applicable, veuillez cocher PROPOSITION D ASSURANCE RESPONSABILITÉ PROFESSIONNELLE POUR LES CABINETS, LES REPRÉSENTANTS AUTONOMES, LES REPRÉSENTANTS AGISSANT POUR LE COMPTE D UN CABINET SANS Y ÊTRE EMPLOYÉS ET LES SOCIÉTÉS AUTONOMES

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail

UNE SOLUTION CRM CONÇUE POUR LA FORCE DE VENTE

UNE SOLUTION CRM CONÇUE POUR LA FORCE DE VENTE LIVRE BLANC UNE SOLUTION CRM CONÇUE POUR LA FORCE DE VENTE Comment choisir un CRM qui répondra à toutes les attentes de vos commerciaux www.aptean..fr LIVRE BLANC UNE SOLUTION CRM CONÇUE POUR LA FORCE

Plus en détail

Sage CRM Sage CRM.com

Sage CRM Sage CRM.com Sage CRM Solutions Sage CRM Sage CRM.com Parce que vous souhaitez > Développer votre portefeuille de prospects > Entretenir une relation régulière avec vos clients > Disposer d outils pour vous organiser

Plus en détail

Savoir fidéliser ses clients

Savoir fidéliser ses clients Savoir fidéliser ses clients le programme partie 1 Les enjeux de fidélisation partie 2 La relation client : un levier de fidélisation Partie 3 Gérer sa base de données clients Partie 4 Les outils pour

Plus en détail

satisfaction client Relation client : satisfaction? fidélisation?

satisfaction client Relation client : satisfaction? fidélisation? Relation client : satisfaction? fidélisation? Un pilier fondamental de la GRC : la satisfaction client La gestion de la relation client Les missions de l entreprise Créer de la valeur pour les clients

Plus en détail

CRM (Customer relationship management) CMR (Customer Managed relationship)

CRM (Customer relationship management) CMR (Customer Managed relationship) CRM (Customer relationship management) CMR (Customer Managed relationship) Yanick Jomphe est consultante en formation et spécialiste en implantation de systèmes de relance GRC (gestion de la relation client)

Plus en détail

Fiabilisation des bases de données BtoB : Un enjeu majeur

Fiabilisation des bases de données BtoB : Un enjeu majeur 0 Fiabilisation des bases de données BtoB : Un enjeu majeur 1 L entreprise IMS HEALTH GROUP Société fondée en 1954 Opère dans plus de 100 pays 15 000 collaborateurs 3,3 milliards de dollars de CA Plus

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme

Plus en détail

Brochure Corporative. Consultants YJomphe Comment dynamiser la relation client par la technologie de l information. Yanick Jomphe (B.A.

Brochure Corporative. Consultants YJomphe Comment dynamiser la relation client par la technologie de l information. Yanick Jomphe (B.A. PRESENTATION ORGANISATIONNELLE Consultants YJomphe Comment dynamiser la relation client par la technologie de l information. Brochure Corporative Yanick Jomphe (B.A.A MBA-Cadres) M ission Le transfert

Plus en détail

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des

Plus en détail

La relation bancaire avec la clientèle des particuliers : revue de la littérature

La relation bancaire avec la clientèle des particuliers : revue de la littérature Direction de la stratégie Service de Veille et d Intelligence économiques et stratégiques du Groupe Mission de la Recherche @res @rgos Note de synthèse La relation bancaire avec la clientèle des particuliers

Plus en détail

1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3.

1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3. 1. Logiciel ERP pour les PME d ici... 3 2. Technologies Microsoft... 4 3. Modules disponibles... 5 3.1. Finance... 5 3.2. Analyses & BI... 6 3.3. Vente et marketing... 7 3.3.1. Gestion de la relation Client

Plus en détail

Formacode 11.0 Thésaurus de l offre de formation

Formacode 11.0 Thésaurus de l offre de formation Thésaurus de l offre de formation Champs sémantiques Listes annexes Des types de certifications/diplômes/titres Des pays Des logiciels Des publics Des mots-outils Correspondances Formacode Formacode Présentation

Plus en détail

Comment réussir son projet de Master Data Management?

Comment réussir son projet de Master Data Management? Comment réussir son projet MDM? Table des matières Comment réussir son projet de Master Data Management?...... 2 Un marché en croissance..... 2 Les démarches qui réussissent... 2 A quels projets métiers

Plus en détail

Coup de Projecteur sur les Réseaux de Neurones

Coup de Projecteur sur les Réseaux de Neurones Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche

Plus en détail

QU EST-CE QUE LE DECISIONNEL?

QU EST-CE QUE LE DECISIONNEL? La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce

Plus en détail

Trois méthodes éprouvées pour obtenir un meilleur retour sur investissement avec le data mining

Trois méthodes éprouvées pour obtenir un meilleur retour sur investissement avec le data mining Trois méthodes éprouvées pour obtenir un meilleur retour sur investissement avec le data mining Améliorez les résultats de votre entreprise Points clés Incorporez des types de données supplémentaires dans

Plus en détail

BI = Business Intelligence Master Data-Science Cours 6 - Data Mining

BI = Business Intelligence Master Data-Science Cours 6 - Data Mining BI = Business Intelligence Master Data-Science Cours 6 - Data Mining Ludovic DENOYER - D après Elisa Fromont UPMC 23 mars 2015 Ludovic DENOYER - D après Elisa Fromont Le Data Mining De plus en plus de

Plus en détail

Votre laisser-passer pour les. Big Data Guide visuel

Votre laisser-passer pour les. Big Data Guide visuel Votre laisser-passer pour les Big Data Guide visuel Les Big Data ont une immense valeur Apprenez à en libérer tout le potentiel Nul doute aujourd hui que les Big Data entraînent une profonde mutation du

Plus en détail

OPTIMISER L AMENAGEMENT DE SON POINT DE VENTE (7 H)

OPTIMISER L AMENAGEMENT DE SON POINT DE VENTE (7 H) OPTIMISER L AMENAGEMENT DE SON POINT DE VENTE (7 H) Sur REIMS Public : Artisans et conjoints collaborateurs, salarié(e)s. Objectifs : 1. Vendre Quoi?, A qui?, Où? Incidence sur l aménagement du point de

Plus en détail

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining.

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. 2 jours : Mardi 15 et mercredi 16 novembre 2005 de 9 heures 30 à 17 heures 30 Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. Madame, Monsieur, On parle

Plus en détail

Customer feedback management Management de la satisfaction client

Customer feedback management Management de la satisfaction client Customer feedback management Management de la satisfaction client La meilleure des publicités est un client satisfait. Vos clients les plus mécontents sont votre plus grande source d'enseignement. Bill

Plus en détail

Stratégies marketing. Augmenter sa créativité en période de changement. Journée d information sur les cultures ornementales en serre Novembre 2009

Stratégies marketing. Augmenter sa créativité en période de changement. Journée d information sur les cultures ornementales en serre Novembre 2009 Stratégies marketing Augmenter sa créativité en période de changement Journée d information sur les cultures ornementales en serre Novembre 2009 La présentation Marketing en temps de crise Quelques principes

Plus en détail

PLAN STATISTIQUE AUTOMOBILE DU QUÉBEC Définitions

PLAN STATISTIQUE AUTOMOBILE DU QUÉBEC Définitions PLAN STATISTIQUE AUTOMOBILE DU QUÉBEC Définitions Juillet 2014 N/Réf. : 930.01 Le Groupement des assureurs automobiles agit à titre d agence autorisée par l Autorité des marchés financiers. Ce document

Plus en détail

PROFIL DES COMPÉTENCES AGENT EN ASSURANCE DE DOMMAGES COURTIER EN ASSURANCE DE DOMMAGES EXPERTS EN SINISTRE GESTIONNAIRE

PROFIL DES COMPÉTENCES AGENT EN ASSURANCE DE DOMMAGES COURTIER EN ASSURANCE DE DOMMAGES EXPERTS EN SINISTRE GESTIONNAIRE PROFIL DES COMPÉTENCES AGENT EN ASSURANCE DE DOMMAGES COURTIER EN ASSURANCE DE DOMMAGES EXPERTS EN SINISTRE GESTIONNAIRE Juillet 2010 ADMINISTRATION... 4 MANAGEMENT... 4 Initiation à l organisation...

Plus en détail

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI 1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage

Plus en détail