Sponsor : Point de vue Industrie : Le futur de l analytique pour le retail : une connaissance complète du client Le retail est, et a toujours été, un secteur d activité fortement consommateur en données. Les distributeurs répondent aux sollicitations de millions de clients via de multiples formats et canaux, déplacent des milliers d articles, stockent des milliers de références dans des centaines de magasins, le tout dans un seul but : établir une relation rentable et durable avec leurs clients.
EKN 2 La Business Analytics a un objectif bien précis : améliorer la prise de décision et faciliter les initiatives au sein de l entreprise grâce à une connaissance en temps réel et contextualisée du client. L utilisation stratégique de l analytique s avère plus complexe et dépend entièrement des questions posées. L efficacité opérationnelle était la devise des dirigeants lorsque, performant et rentable, la livraison des produits par le biais des canaux constituait une stratégie de développement viable. À l époque, les questions tournaient autour de l amélioration des techniques de prévision, de l efficacité de l acheminement des produits via la chaîne logistique ou de la rationalisation des stocks. Un phénomène d émulation axé sur la maturité des processus métier et les investissements à consentir dans les systèmes d information a peu à peu gagné la grande distribution. Puis, sans crier gare, du fait de l évolution macroéconomique et des changements de comportement des consommateurs au cours de ces 5 dernières années, l efficacité opérationnelle est passée du stade d outil de différenciation et de rentabilité à celui d enjeu numéro un. Dans la distribution «nouvelle génération», où le consommateur est sensible aux prix, toujours connecté, doté d un mobile, actif sur les réseaux sociaux et ouvert à différents canaux, les retailers peinent à se différencier selon les facteurs traditionnels - prix, promotions, emplacement et assortiment. La question n est plus de savoir comment accroître la rentabilité d une transaction client, mais comment optimiser la valeur sur la durée. À terme, les distributeurs pourront soit afficher un intérêt de façade pour l idée consistant à mettre le client au centre de leur démarche, soit l adopter réellement en opérant les changements de fond qui s imposent dans leur organisation, leurs processus métier, leurs compétences et leurs systèmes d information. Non seulement la finalité de la Business Analytics a radicalement changé, mais le volume, la diversité et la vélocité des données qu un distributeur doit traiter via ses systèmes d information ont connu une croissance exponentielle. Les compétences, la culture organisationnelle, les systèmes d information et les outils dont les distributeurs ont besoin, et qui doivent être centrés sur le client, sont très différents de ceux qu ils ont développés et perfectionnés au fil des ans. Le champ de bataille a changé si vite et si profondément que la plupart des distributeurs ne possèdent ni la culture, ni les processus, ni les outils qu exige cette nouvelle donne. Par habitude, les distributeurs considèrent l analytique comme un levier à actionner pour recevoir des informations bien définies. L analytique n est pas une responsabilité partagée par tous, mais l apanage de quelques-uns, passés maîtres dans l art de la statistique. Et trop souvent, les retailers exploitent les solutions analytiques pour générer des informations plutôt que pour influer de nouvelles mesures.
3 Le futur de l analytique pour le retail : une connaissance complète du client La connaissance client : au centre de l univers du distributeur omnicanal Le futur de l analytique passe par une intégration en profondeur de la connaissance client à tous les niveaux, structurel et culturel, de l entreprise, dynamisée par les processus métier et les systèmes d information. La connaissance contextualisée du client constituera ainsi un élément clé des processus décisionnels du distributeur dans toutes ses directions fonctionnelles. Connaître le client mieux que la concurrence et être en mesure de prendre des décisions à la vitesse de l information, tel est le nouveau champ de bataille de la distribution. Pour EKN, les moyens cruciaux dont les distributeurs ont besoin pour placer le client véritablement au centre de leurs préoccupations sont tous portés par la Business Analytics. Une intégration omnicanal Un distributeur ne peut orchestrer ses multiples canaux et offrir une expérience uniforme à ses clients sans disposer d une connaissance client pertinente qui puisse guider ses interactions avec ces derniers. Tous les points de contact entre distributeurs et clients sont autant d occasions, pour les distributeurs, de capturer et d enrichir leurs données client. Une relation personnalisée Les distributeurs traditionnels de type «brick and mortar» ont deux avantages par rapport aux e-commerçants : un contact direct avec les clients et un historique et une variété de données client plus riches. L association des deux, permettant de livrer des informations à jour à chaque point de contact, sera la base de l expérience d achat «personnalisée» dont tout le monde parle. Une excellence opérationnelle continue La mise en application de la connaissance client ne se limite pas aux échanges en face à face avec les clients. De fait, étant donné que les distributeurs sont déjà plus matures dans l exploitation des outils analytiques pour l ensemble de leurs fonctions opérationnelles, l intégration de la connaissance client constitue un palier supplémentaire qu il serait dommage de rater.
EKN 4 Connaissance client dans toute l entreprise : études de cas de distributeurs Merchandising TABLEAU DE BORD Volume de données Élevé. C est l une des 3 fonctions métier où les distributeurs rencontrent la plus forte croissance des données et perçoivent, de ce fait, une belle occasion de réaliser un premier projet. Maturité des outils analytiques Relativement élevée. C est l une des 3 premières fonctions métier. Trois distributeurs sur quatre utilisent des outils d analyse fondamentale/ prédictive/d investigation. Stratégie d alignement C est la fonction métier la mieux classée en termes d exploitation stratégique des solutions analytiques. Dépenses en technologie Élevées. En 2013, cette fonction métier est classée 2 e en matière d investissements planifiés dans l analytique. ÉTUDES DE CAS Le distributeur suisse Globus a recours au traitement In-Memory du Big Data et à des outils d analyse avancés pour obtenir une visibilité nécessaire sur la performance de ses produits. Globus est à même de traiter en temps réel un large volume de données produit et d analyser la courbe des ventes et les promotions de milliers d articles sur plusieurs périodes, magasins et régions en quelques minutes seulement. De plus, les managers, ayant également accès à ces informations, sont en mesure de répondre plus vite à l évolution du marché. La marque américaine Guess utilise des outils d analyse avancés pour offrir à ses cadres supérieurs une vue en temps réel sur les meilleures ventes et sur les stocks disponibles. Leurs solutions analytiques traitent de vastes ensembles de données client dans le but d analyser les ventes, de créer des segments de clientèle et de mettre en place des promotions. Marketing TABLEAU DE BORD Volume de données Élevée. C est l une des 3 fonctions métier où les distributeurs rencontrent la plus forte progression des données et perçoivent, de ce fait, une belle occasion de réaliser un premier projet. Maturité des outils analytiques Relativement élevée. C est l une des 3 premières fonctions métiers. Plus de 60 % des distributeurs utilisent des outils d analyse fondamentale/ prédictive/d investigation. Stratégie d alignement C est l une des 3 premières fonctions métier en termes d exploitation des solutions analytiques. Dépenses en technologie Élevées. En 2013, cette fonction métier est classée 3 e en matière d investissements planifiés dans l analytique. ÉTUDES DE CAS L unité Global.com de Wal-Mart tire profit du «big fast data» et du social analytics pour identifier rapidement l évolution des goûts des consommateurs. Son projet «Social Sense» évalue la popularité des articles sur les réseaux sociaux, ce qui permet aux acheteurs de connaître les demandes non assouvies et les nouveaux produits à la mode. L outil «Shoppycat» recommande des produits adaptés aux utilisateurs de Facebook en fonction des centres d intérêt de leurs amis. Par sa technologie Social Genome, entre autres, il aide le client à choisir des cadeaux pour ses amis. Le programme d analyse prédictive de Target sait, par déduction, si un acheteur présente les caractéristiques d une bonne cible pour une action marketing spécifique. Il attribue à chaque acheteur un code unique, appelé «Guest ID», qui relie données démographiques, comportement d achat et préférences dans un tout qui fait l objet d un suivi. Il comprend un département de «Guest Marketing Analytics», chargé de fournir à Target un avantage concurrentiel majeur : connaître ses clients mieux que tout autre distributeur. Un entrepôt de données actif gère efficacement les requêtes complexes des utilisateurs à partir de gros volumes de données dans un environnement de travail mixte et ce, à l échelle de l entreprise.
5 Le futur de l analytique pour le retail : une connaissance complète du client Omnicanal TABLEAU DE BORD Volume de données Élevée. C est l une des 3 fonctions métier où les distributeurs rencontrent la plus forte progression des données et perçoivent, de ce fait, une belle occasion de réaliser un premier projet. Maturité des outils analytiques Relativement faible. Plus de 40 % des distributeurs ne font que du reporting basique, voire aucune analyse. Stratégie d alignement C est la fonction métier la moins bien classée en ce qui concerne l exploitation stratégique des outils analytiques. Dépenses en technologie C est, en 2013, la fonction métier la mieux classée en ce qui concerne les investissements planifiés dans l analytique. ÉTUDES DE CAS Boutiques, online, mobile, réseaux sociaux, le distributeur britannique Burberry a intégré tous ses canaux d interaction avec le client. Il utilise une technologie innovante pour faciliter l analyse des données provenant de toutes ces sources afin d identifier chaque client et d en dresser le profil en temps réel. La vitesse de traitement a été multipliée par 14 000, si bien qu une requête qui demandait auparavant 5 heures est désormais traitée en 1 seconde. Les vendeurs en magasin sont tous à même d identifier un client dès qu il entre dans le magasin, de connaître l historique de ses achats et d émettre des recommandations personnalisées. Le distributeur sud-coréen NS Shopping a intégré la mobilité et les réseaux sociaux à son environnement retail. Il utilise les outils d analyse du Big Data pour bénéficier d une vue centralisée et en temps réel du client et des données produit issues de tous les canaux. Ces informations sont exploitées par les équipes marketing et e-commerce qui donnent aux acheteurs des recommandations d articles de manière personnalisée. Supply Chain TABLEAU DE BORD Volume de données Faible. Il est peu probable que la croissance des données soit importante. Maturité des outils analytiques Relativement élevée. C est l une des 3 premières fonctions métiers. Plus de 60 % des distributeurs utilisent des outils d analyse fondamentale/ prédictive/d investigation. Stratégie d alignement Parmi les 3 meilleures fonctions métier en ce qui concerne l exploitation stratégique des solutions analytiques. Dépenses en technologie Faibles. Étant donné le haut niveau de maturité des outils d analyse, les distributeurs ne pensent pas investir beaucoup dans ce domaine en 2013. ÉTUDES DE CAS La société américaine de commerce en ligne Amazon.com a mis au point un nouveau processus supply chain avec un système reposant sur un modèle aléatoire non fixe. Cette approche permet de soutenir les décisions liées au traitement des commandes, à l approvisionnement, aux capacités et aux stocks. Amazon a élaboré de nouveaux algorithmes destinés à un réassort commun et coordonné. Elle a aussi mis en œuvre un nouveau dispositif de prévision à un niveau UGS, qui repose sur l historique de la demande, les plans et les événements passés, les prévisions pour chaque centre de traitement, la planification des stocks, les cycles d approvisionnement et les commandes d achat. Enseigne britannique de la grande distribution, Tesco se sert d outils de modélisation sophistiqués pour simuler les performances de ses dépôts de distribution d après l historique des données commerciales afin d optimiser ses stocks. Elle dispose d une équipe d analystes en interne qui effectue des tests de régression pour comprendre la corrélation entre plusieurs facteurs tels que les données météorologiques et les offres spéciales, d une part, et les ventes, d autre part.
EKN 6 L étude d EKN révèle l existence de lacunes dans les capacités et la maturité analytique des distributeurs, ce qui les empêche d aller de l avant. Décisions Données et Outils Les décisions stratégiques nécessaires pour réussir ont-elles été clairement définies? Sont elles à la portée des personnes concernées au sein de l entreprise? Les sources de données client ont-elles été bien intégrées? Dispose-t-on des outils permettant d analyser les données structurées, non structurées et semi-structurées? Objectif le plus important sur le plan analytique en 2013 #1 : La connaissance client #2 : L excellence opérationnelle 43 % 58 % Intègrent les données relatives au programme de fidélité à la connaissance client Ne planifient pas d intégrer les données publiques Freins à une utilisation plus stratégique de l analytique par les retailers 58 % 15 % #2 : Absence d une stratégie «analytics» clairement définie Prévoient de mettre en place un outil d analyse prédictive d ici 2 ans Utilisent actuellement une solution d optimisation des dépenses marketing Structure et Culture Insight Delivery La structure de l entreprise permet-elle d intégrer des solutions analytiques aux directions fonctionnelles? Les compétences sont-elles en phase avec les résultats attendus? Pouvons-nous fournir une information contextualisée à la bonne personne au bon moment? Les collaborateurs sont-ils habilités à prendre des décisions? 81 % 58 % N ont pas de Customer Insight Officer Souhaitent évoluer vers une structure de shared-service pour l analytique Freins à une utilisation plus stratégique des solutions analytiques par les distributeurs #1 : Fournir l information stratégique à la bonne ressource au bon moment 84 % 72 % 58 % 3 % Ont recours aux données analytiques N ont pas de sponsor au niveau de la Direction pour les initiatives Big Data Prévoient de mettre en place un tableau de bord numérique pour le management d ici 2 ans Utilisent actuellement une solution de Business Intelligence Mobile
7 Le futur de l analytique pour le retail : une connaissance complète du client Ces données nous livrent quelques éléments clés : Les distributeurs reconnaissent l importance de la connaissance du client. En revanche, leur aptitude à en tenir compte dans les processus décisionnels est limitée par : leur faible maturité analytique à l échelle des directions métier, l absence d une stratégie clairement définie en la matière et leur incapacité à fournir des informations stratégiques contextuelles au moment opportun. EKN recommande aux retailers de définir les décisions clés et d énoncer les problèmes propres à chaque direction fonctionnelle, chaque processus et chaque tâche. Ils devront ensuite savoir quelles informations stratégiques sont susceptibles de les aider à prendre de meilleures décisions, identifier les données nécessaires pour alimenter cette visibilité et identifier les changements qu ils convient d apporter aux processus métier et aux systèmes d information pour permettre l analyse des données. Les distributeurs ont toujours été confrontés à de gros volumes de données et avec la baisse sensible des coûts de stockage des données, cet aspect n est pas de taille à les décourager. Les deux obstacles qui se dressent devant eux concernent l intégration des différentes sources de données dans leur stratégie d analyse des clients et l équipement dont ils ont besoin pour «faire parler» une très grande variété de données (structurées, non structurées et semi-structurées). EKN recommande aux distributeurs de concentrer davantage leurs efforts d intégration sur les principales sources d informations client (données de transaction [points de vente, omnicanal], données CRM et de fidélisation, et données sur le comportement des consommateurs [Nielsen, IRI]). Dotés d une base solide, ils pourront ensuite s ouvrir à d autres sources (réseaux sociaux, terminaux mobiles, systèmes d entreprise) et perfectionner leur aptitude à traiter différents types de données en fonction de leurs impératifs décisionnels. Il est une source que la plupart des distributeurs oublient d intégrer de manière significative dans leur stratégie : ce sont les données publiques en accès libre (données de recensement, météorologiques, informations glanées sur le web, par exemple). Elles sont généralement très intéressantes sur la durée, ce qui est parfait pour analyser des tendances, et le fait qu elles soient facilement disponibles permet de renforcer certains points de décision. Après des décennies de pratiques centrées sur le produit, la transition vers une approche «customer centric» n est certes pas un exercice facile. Pour que l analytique puisse accompagner cette transition, les distributeurs doivent réorienter la structure de leur entreprise afin qu elle soit, elle aussi, axée sur le client. Bien qu il soit parfaitement possible d optimiser chaque fonction métier individuellement (approvisionnement, distribution, marketing ou merchandising, par exemple) dans le cadre d une stratégie axée produit, être «customer centric» exige que tous les départements fonctionnent de concert. C est-à-dire qu ils soient intégrés et optimisés dans le but d établir une vraie relation avec le client. EKN recommande aux distributeurs d abandonner le modèle d organisation analytique où des ressources sont présentes au sein de chaque département ou centralisées dans un seul département (informatique ou marketing, par exemple). La vraie force de la Business Analytics réside dans la connaissance qu offrent les outils et dans l intuition des cadres et employés expérimentés. Pour EKN, les distributeurs doivent clairement identifier les collaborateurs métier qui utilisent cette connaissance et investir dans des outils leur permettant d exploiter plus facilement ces informations pour agir en conséquence. Cela inclut les outils de visualisation, les tableaux de bord numériques et les outils d analyse en libre-service dans le cloud.
EKN 8 Dans une récente étude d EKN sur le futur de l analytique, les distributeurs ont cité, en grande majorité, leur incapacité à fournir des informations stratégiques à la bonne personne au bon moment comme leur difficulté numéro 1. C est également ce qui ressort souvent des conversations qu EKN a pu avoir avec les leaders de l industrie du retail. Comme le reconnaît un cadre d une grande enseigne spécialisée, «Nous avons les outils appropriés, ou nous avons investi dans des domaines où nous n en avions pas. Nous essayons de faire en sorte que l intégration des données se passe bien. Il y a encore un peu de travail, mais la voie est toute tracée. Notre plus gros problème, c est de délivrer des informations stratégiques pour permettre au destinataire de prendre les mesures qu il convient. À vrai dire, ce n est ni le coût ni le retour sur investissement des logiciels d analyse qui nous font hésiter. C est plutôt de savoir si nous sommes prêts ou non». Pour EKN, cela est révélateur des problèmes que pose l intégration des processus métier. Les distributeurs peuvent toutefois prendre des mesures à court terme en attendant que les transformations à plus long terme se fassent. EKN conseille d étendre aux collaborateurs la capacité d analyse existante via terminaux mobiles et tablettes. Les distributeurs doivent aussi étudier les solutions de type «Software-as-a-Service» qui leur permettent de développer cette capacité via un modèle de coût plus efficace. En définitive, les distributeurs pourront soit afficher un intérêt de façade pour l idée qui consiste à mettre le client au centre de leur démarche, soit l adopter réellement en opérant les changements de fond qui s imposent dans leur organisation, leurs processus métier, leurs compétences et leurs systèmes d information. Incorporée en profondeur au sein de l entreprise, la Business Analytics avec pour objectif principal la connaissance du client formera le système nerveux central du distributeur de demain.
9 Le futur de l analytique pour le retail : une connaissance complète du client Conversation Gaurav Pant, Research Director chez EKN, et Russ Hill Jr., Senior Director Global Retail chez SAP, se sont retrouvés pour échanger sur le besoin des distributeurs de se forger une capacité d analyse client plus solide, et sur ce que SAP observe depuis sa position privilégiée, elle qui aide les distributeurs à mettre en place des solutions analytiques. Russ Hill Jr. Senior Director Global Retail, CP, Wholesale Distribution Industry Marketing Gaurav Pant Research Director EKN Gaurav : «Bien que le retail soit une industrie riche en données, l adoption d outils analytiques se fait lentement. Avez-vous constaté un changement dans la façon dont les distributeurs perçoivent l analytique?» Russ : «S il est vrai que les distributeurs exploitent les données transactionnelles depuis des années, les analyses effectuées relèvent majoritairement du reporting opérationnel. Avec la consumérisation de la technologie, le client utilise plusieurs réseaux d information : sites en ligne, réseaux sociaux, mobiles. Cela crée un ensemble de données aussi divers que précieux qui reflètent son sentiment et dont le volume grossit rapidement. Le client a toujours eu des besoins et des exigences qui lui sont propres. Aujourd hui, il affiche ces préférences par un «langage du corps digital», à savoir toutes les données qu il laisse derrière lui dans tout ce qu il fait. Doté d un pouvoir plus important, le consommateur se montre désormais plus exigeant avec son enseigne préférée. Pour les distributeurs, la valeur pièce puise dans ce flux de données pour élever la relation client selon trois dimensions distinctes souvent appelées les 3 «P» : plus personnel (associant insights et intuition humaine), plus de personnalisation (réorientation du marketing et des promotions axés sur chaque client) et plus de personnalité (s assurer que la connaissance client se traduise en action cohérente avec la promesse de la marque). Globalement, on constate que les distributeurs changent d état d esprit et délaissent le reporting opérationnel classique au profit de réponses accélérées lorsqu ils veulent traduire ces données en action. Avoir beaucoup de données, mais aucun insight, cela n intéresse personne.» Gaurav : «Le secteur parle beaucoup du besoin qu ont les distributeurs d intégrer la connaissance du client à leur activité, mais peu de la marche à suivre. Pouvez-vous nous dire comment, selon vous, ils devraient intégrer et utiliser les informations stratégiques liées à leurs clients dans leur entreprise?» Russ : «La connaissance client peut avoir une signification différente selon la personne à laquelle on s adresse. Elle peut se faire a posteriori si l on regarde qui achète chez vous et quoi, ou être plus prédictive et laisser entrevoir, par exemple, comment le client se comportera si on lui propose un bon d achat ou une promotion. La capacité d analyse de la distribution en est encore à ses balbutiements, c est-à-dire qu elle se concentre avant tout sur le reporting a posteriori. Tout distributeur rêve de la recette magique qui lui offrira une vue d ensemble du client, mais cela ne passe pas seulement par l intégration de la technologie. Il lui faut briser les silos de données de son organisation et permettre un accès horizontal aux données client au sein de toutes les directions fonctionnelles de l entreprise.
EKN 10 En complétant cet ensemble de données transactionnelles intégré à l échelle de l entreprise à partir d autres sources, telles que les réseaux sociaux ou les données météorologiques, la distribution peut parvenir à répondre plus précisément aux besoins du client. Par exemple, en prévoyant comment tel type de temps va influer sur la demande de certains produits ou comment les avis donnés sur les réseaux sociaux peuvent être un indicateur de performance d un article. Dans un modèle à réponse rapide, le distributeur peut intégrer ces informations stratégiques dans ses promotions, sa stratégie marketing, son merchandising et le traitement des commandes, et prendre des mesures concrètes qui réduiront d autant le cycle commercial.» Gaurav : «D après vous, quels sont les principaux obstacles qui empêchent les distributeurs d utiliser les outils d analyse de manière efficace?» Russ : «Du point de vue opérationnel, plusieurs points sont à retenir. Le premier d entre eux concerne la gestion des données et des attributs. Confrontés à la nouvelle vague des données non structurées, les distributeurs sont comme paralysés ; ils essaient tant bien que mal de les organiser et de les aligner sur la stratégie de l entreprise mais il leur faut encore tenir compte de la gestion des données fondamentales et des problèmes de gouvernance. Le deuxième point, c est l absence d identifiant unique qui permettrait d identifier chaque client. Cela nous renvoie à la création d une vue unique du client. Le troisième, c est le fossé qui existe dans les processus métier des distributeurs et qui les empêche de donner suite rapidement et précisément à une information stratégique. Le quatrième obstacle, et le plus important, c est l absence de stratégie d analyse holistique. La stratégie d analyse ne peut pas se faire en silo, pas plus qu elle ne peut se cantonner à la Business Intelligence. Les distributeurs les plus avertis se font un devoir d impliquer toutes les fonctions métier pour développer une stratégie analytique. Cela leur permet d avoir une vue générale et de hiérarchiser les problèmes affectant l entreprise, plutôt que de répondre aux besoins d un seul service ou d une seule personne.»
À propos d EKN Nos études s appuient sur des informations fournies par la communauté d utilisateurs, lesquels examinent attentivement chaque publication avant sa parution. Nous sommes ainsi assurés que nos recherches et nos recommandations sont adaptées. Il s agit notamment de définir les sujets à aborder, de tenir compte de l avis de professionnels chevronnés (via des entretiens, par exemple) et de s assurer que les idées qui ressortent de ces études tendent vers la mise en pratique réaliste de concepts approuvés par la communauté. Pour en savoir plus, consultez notre site www.eknresearch.com ou envoyez-nous un e-mail à l adresse EKNinfo@edgellmail.com À propos de SAP Basé à Walldorf, en Allemagne, SAP est leader sur le marché des logiciels d entreprise. Fondé en 1972, SAP bénéficie, en tant que chef de file du secteur, d une expérience éprouvée en matière d innovation et de croissance. Les applications et services SAP permettent à plus de 197 000 clients répartis dans plus de 120 pays de concilier rentabilité, évolutivité et croissance durable. Avec un chiffre d affaires annuel (IFRS) de 14,2 milliards d euros, SAP emploie plus de 55 500 personnes dans plus de 130 pays du monde entier. L entreprise est cotée dans plusieurs bourses, dont celles de Francfort et de New York (indice SAP).
Traduction fournie par SAP EKN fait partie d Edgell Family Clause de non-responsabilité : EKN n offre aucune garantie, explicite ou implicite, y compris, mais sans s y limiter, quant à la commercialisation et à l adéquation à un usage particulier. Les informations et les points de vue contenus dans les rapports de recherche constituent nos conclusions à la date mentionnée et peuvent faire l objet de modifications sans notification préalable. Les informations fournies ne sauraient constituer ni être considérées comme une forme quelconque de conseil financier ou d investissement. Elles ne peuvent se substituer aux recommandations fournies par des professionnels indépendants avant toute prise de décision en la matière. Copyright 2013 EKN Siège social : 4 Middlebury Blvd. Randolph, NJ 07869 Tél. : (973) 607 1300