L`analyse client dans le secteur bancaire
publicité
Secteur bancaire IBM Software Business Analytics L’analyse client dans le secteur bancaire Quatre étapes pour maximiser la rentabilité client Les faits Les points clés L’analyse client aide les banques à améliorer leurs campagnes marketing, à maximiser la rentabilité client, à décider des tarifs, à promouvoir les initiatives de ventes croisées et à plus haute valeur unitaire, à renforcer la fidélisation et à accroître la valeur du cycle de vie des clients. Dans ce livre blanc, vous découvrirez comment votre organisation peut utiliser l’analyse client pour comprendre ce que vos clients attendent et ce qu’ils vont faire, avec un descriptif des fonctionnalités clés requises pour une conduite efficace de cette analyse. Dans le sillage de la crise financière mondiale, les établissements bancaires s’emploient aujourd’hui à trouver les moyens les plus efficaces pour rétablir la confiance et favoriser une croissance stable et à long terme. Et dans ce contexte de sortie de crise, la primauté du client est impérative. Selon l’étude mondiale IBM 2012 sur les chefs d’entreprise, 70 % des chefs d’entreprise sur les marchés bancaires et financiers ont identifié les informations issues des interactions client comme étant la cible numéro un pour les investissements afin de créer une valeur économique pérenne. 1 Afin d’atteindre une rentabilité sur le long terme, les banques doivent être en mesure d’accroître la part de portefeuille, d’améliorer la satisfaction et la fidélisation des clients à moindre coût et d’anticiper leurs besoins. Parallèlement, les clients actuels ont plus de cartes en mains et plus de choix en termes de fournisseurs de services financiers. Ils sont plus avisés, plus attentifs aux prix et beaucoup moins fidèles. Ils savent comment ils veulent être traités et attendent de leur banque qu’elle le sache également. Les banques qui ne comprennent pas les besoins du client ou qui ne sont pas en mesure de les comprendre sont confrontées à toutes sortes de difficultés avec un impact direct sur leurs recettes et leur rentabilité. Toutefois, en recourant à l’analyse et en exploitant leurs stocks de données client, les banques ont la possibilité de mettre en exergue de précieuses informations sur les besoins des clients et d’utiliser ces informations pour établir des relations plus solides et plus profitables. L’analyse client génère une vue à 360 degrés de chaque client avec sa rentabilité, les risques qui lui sont propres, sa propension à acheter de nouveaux produits et ce qu’il faut faire pour maintenir son niveau de satisfaction et sa fidélité. Cette analyse aide les banques à déterminer les conditions à remplir pour placer les clients au centre des stratégies à long terme qui seront porteuses de croissance. Par ailleurs, les connaissances générées par l’analyse client relient et alimentent les processus de planification, d’élaboration budgétaire et de prévision, permettant ainsi aux banques de gérer et d’optimiser leurs performances financières avec plus d’efficacité. Dans ce livre blanc, vous découvrirez les bases de l’analyse client, ses applications dans l’environnement bancaire actuel et les avantages qu’elle peut apporter à votre organisation. Vous découvrirez également les solutions d’analyse client éprouvées d’IBM auxquelles les banques de tous horizons recourent pour améliorer leur rentabilité client. Secteur bancaire IBM Software Business Analytics Une explosion de données First Tennessee Bank La First Tennessee Bank se doutait qu’elle gaspillait chaque année des milliers de dollars dans ses campagnes de marketing direct, parce qu’elle portait plus son attention sur ses produits que sur les besoins de ses clients. Malgré l’abondance des données disponibles, la banque restait peu informée sur les préférences et les comportements de ses clients particuliers. Après mise en œuvre d’une solution d’analyse client IBM, la First Tennessee Bank est parvenue à une compréhension en profondeur de ses clients et a pu stimuler la demande en ciblant ceux qui étaient enclins à acheter de nouveaux produits. Elle a ainsi réduit ses coûts de marketing direct de 20 pour cent tout en augmentant le taux de réponse de ses clients de 3,1 pour cent. Elle a par ailleurs généré un retour sur investissement global de 600 pour cent grâce à une meilleure efficience dans l’attribution des ressources marketing. « L’analyse client IBM permet à la First Tennessee de dégager de ses données une quantité d’informations sans précédent, ce qui accroît l’efficience et la rentabilité de nos campagnes marketing ». — Tanner Mueller, responsable de la base de données de marketing direct, First Tennessee Bank Tout comme les autres secteurs d’activité, le secteur bancaire a vu ses volumes d’informations client exploser – ce qui recouvre absolument tout depuis les simples données démographiques jusqu’aux enregistrements transactionnels en passant par des informations telles que les produits acquis par la clientèle, leurs préférences de services, les contenus des journaux d’activités en ligne, les interactions avec le centre d’appels, les contenus des média sociaux et les retours d’informations, dont les réclamations et les demandes de renseignements. Ceci dit, beaucoup d’entreprises n’ont pas été en mesure de transformer ces volumes massifs de données en éclairages décisionnels qui leur soient profitables. Une grande partie de ces données est ignorée, mal gérée ou sous-exploitée. Il s’agit là d’un point important car, sans une capacité à analyser efficacement les données relatives aux clients, les banques n’ont aucune idée de ce que veulent leurs clients. Elles ne sont pas en mesure de déterminer le niveau de service à offrir, les actions propres à maintenir la fidélité et la satisfaction des clients, ni même les moyens d’anticiper leurs futurs besoins financiers et d’y répondre. Cependant que les banques rivalisent avec acharnement autour des clients de valeur, ce manque d’éclairage s’accompagne de lourdes conséquences. Il impacte directement les recettes et la rentabilité, avec une part de portefeuille modique ou déclinante, des campagnes marketing inefficaces, des taux d’attrition élevés et un cycle de vie client en perte de valeur. Libérer la valeur des données Toutefois, en recourant à l’analyse client, les banques ont la possibilité de libérer la valeur que recèlent leurs informations sur les clients. Elle leur permet d’atteindre une profonde connaissance de leurs clients, de prédire leurs besoins futurs et d’établir des relations plus étroites et plus profitables. L’analyse client tire parti des informations disponibles sur tout le périmètre de l’établissement bancaire pour produire une vue unique et unifiée de chaque client avec les potentialités qu’il représente. D’un point de vue pratique, l’intérêt de l’analyse client tient à sa capacité à améliorer spectaculairement tout un éventail d’initiatives orientées client permettant aux banques de : • • • • • Elaborer et exécuter des campagnes plus efficaces pour un meilleur retour sur investissement du marketing Surveiller, mesurer et optimiser la rentabilité client Décider de tarifs commerciaux qui maximisent la rentabilité et minimisent le risque Mieux cibler la clientèle afin d’améliorer les initiatives de ventes croisées et à plus haute valeur unitaire Tirer parti des média sociaux pour comprendre ce que pensent les clients Le processus analytique Comment précisément les banques peuvent-elles générer de la valeur à partir de leurs analyses client ? Le parcours comprend quatre étapes de base : consolider les informations client, prédire ce que veut le client, personnaliser les interactions avec le client et intégrer les résultats dans le processus afin d’optimiser les futures prédictions. Nous commencerons par une vue d’ensemble de chaque étape de ce processus analytique avec les capacités spécifiques requises et un certain nombre de scénarios propres au secteur bancaire et démontrant les avantages du processus mis en œuvre. Nous examinerons ensuite le logiciel IBM éprouvé sur lequel les banques s’appuient pour effectuer leurs analyses client et améliorer la rentabilité. 2 Secteur bancaire IBM Software Business Analytics Etape 1 : Consolider les informations client Banco Itau Banco Itau Argentine avait besoin de passer d’une stratégie de marketing axée sur les produits à une stratégie plus orientée sur le client afin d’optimiser ses efforts de ventes croisées et d’acquisition de clients. Grâce aux solutions IBM Business Analytics, Banco Itau peut désormais analyser les données des clients existants, prédire quels clients sont susceptibles de répondre à des offres de vente croisée et déterminer le ’client idéal’ sur lequel ils devraient se concentrer pour l’acquisition de nouveaux clients, afin d’assurer une rentabilité maximale. Grâce à ses solutions IBM Business Analytics, Banco Itau Argentine a réussi, en un an, à augmenter les revenus provenant des clients existants de 40 % et à améliorer sa marge totale sur coûts variables, pour les particuliers, de près de 60 %. « Nous voulions augmenter la satisfaction client et sa valeur pour l’entreprise tout en optimisant la rentabilité de la banque via l’analyse et l’exécution de stratégies optimales pour les ventes croisées et l’acquisition de clients. C’est pourquoi nous avons choisi les solutions IBM Business Analytics ». — Mauricio González Botto, Directeur général, Banco Itau Argentina La première étape du processus et le fondement de l’analyse client consistent, bien évidemment, à réunir les informations brutes. Les données client en provenance du vaste écheveau de sources et de systèmes disponibles à tous les niveaux de l’organisation – ce qui inclut à la fois des sources de données structurées et non structurées – doivent être consolidées dans une unique vue. Les données utilisées pour créer cette vue unifiée recouvrent les quatre grandes catégories de données : données démographiques (ex. : âge, revenu, profession, situation de famille), informations sur les produits (ex. : mouvements des comptes, soldes, préférences de paiement, produits acquis), informations sur les interactions (dont utilisation des canaux, demandes de service, réclamations et activités en ligne) et informations sur les opinions (motivations influant sur le comportement du client, résultats d’enquêtes et taux de prescription). Il n’est pas nécessaire que ces données soient « parfaites » avant passage à l’analyse. Dans la mesure où il s’agit d’un processus continu, vous aurez maintes occasions d’améliorer et d’affiner vos données au cours des itérations qui suivront. Bien souvent, même si ces volumes d’informations sont facilement accessibles au sein de la plupart des établissements bancaires, ceux-ci ne les utilisent pas et n’en tirent pas pleinement parti. Or, en accédant à ces informations, en les organisant et en les analysant, les banques peuvent dégager de précieuses connaissances touchant à la fois à la clientèle et à l’ensemble des activités et qui peuvent être déployées et exploitées à tous les niveaux de l’entreprise. Voici quelques-uns des types de données sur lesquels vous devez vous concentrer pour la réussite des étapes suivantes du processus : • • • • • Données relatives aux campagnes marketing – exemples : historique des contacts, réponses et achats, résultats des campagnes de test Interactions dans le cadre des services – exemples : journaux des appels, e-mails, demandes d’informations et réclamations Données de vente concernant les produits, les services et l’historique des relations du client avec la banque Données clients telles que données démographiques, mouvements des comptes, produits acquis et activités sur les canaux, relations commerciales et personnelles Données sur les opinions capturées dans les retours d’informations client issues de différentes sources (média sociaux, messagerie, enquêtes) et qui apportent des connaissances quant aux besoins et préférences des clients Etape 2 : Prédire les souhaits des clients Les informations capturées peuvent maintenant être analysées via des modèles prédictifs qui vont vous aider à comprendre et à anticiper ce que les clients veulent et ce qu’ils vont faire. Ces modèles utilisent l’analyse prédictive pour évaluer les données et déterminer la probabilité d’événements futurs. Par exemple, vous pourrez recourir à des modèles prédictifs pour déterminer la probabilité qu’un client donné réponde à une offre en ligne ou dans le cadre d’une campagne marketing – ou bien pour prédire les actions les plus efficaces pour établir des relations profitables et à long terme avec les clients. Comme mentionné à l’étape 1, les données que vous fournissez pour ces modèles prédictifs sont déterminantes. Les données non structurées peuvent être une ressource particulièrement intéressante pour obtenir une vue complète, à 360 degrés de chaque client. 3 Secteur bancaire IBM Software Business Analytics Après mise en œuvre de la technologie d’analyse client, une coopérative bancaire européenne a vu ses coûts de campagne marketing diminuer de 30 pour cent. Une autre institution financière de premier plan a vu ses recettes annuelles augmenter de 20 pour cent grâce à des campagnes marketing ciblant des prospects mieux qualifiés. Les sources telles que les messages des blogs, les réseaux sociaux et les questions ouvertes des sondages peuvent aider à découvrir des informations détaillées sur les préférences des clients, leurs attitudes et leurs comportements. L’analyse du ressenti permet de déterminer si les sujets relatifs à la banque en cours de discussion sont abordés de façon négative, positive, neutre ou ambivalente. Les modèles prédictifs peuvent alors aider à déterminer le meilleur plan d’action à adopter et à tirer profit de cette connaissance des clients. Par exemple, une banque peut suivre les conversations des clients actuels et potentiels sur les sites de médias sociaux tels que Twitter et Facebook et sur les forums afin d’identifier les tendances de l’opinion, de détecter les risques possibles liés à la réputation et de jauger le sentiment de la clientèle des concurrents. Ces connaissances peuvent être utilisées pour orienter toute une variété de décisions par exemple, quels messages doivent être utilisés pour attirer les prospects, sur quoi dépenser l’argent de la publicité, quelles actions entreprendre pour accroître la satisfaction client et quelles faiblesses des concurrents cibler. Etape 3 : Personnaliser les interactions avec les clients Maintenant que vous connaissez les meilleures actions à entreprendre, la démarche suivante va consister à personnaliser les interactions avec les clients de valeur en intégrant ces nouveaux éclairages dans vos processus et systèmes opérationnels. Par exemple, les informations prédites pour les réponses aux ventes croisées pourront être introduites dans vos programmes marketing direct, ceci sur la base d’une analyse des transactions client et des interactions de services. Les clients vont recevoir individuellement des offres de marketing direct répondant à leurs attentes et la banque ne perdra pas de temps ou d’argent à cibler les clients qu’une offre particulière n’intéresse aucunement. Et dans la mesure où l’analyse permet de déterminer la rentabilité de chaque client, vous pouvez affiner la personnalisation des offres de manière à ce que ces offres augmentent la valeur du cycle de vie du client au fil du temps. Vous pouvez également exploiter les connaissances client prédictives pour orienter les actions des employés de vos succursales ou de votre centre d’appels. En communiquant à vos employés des informations client agrégées qu’ils visualiseront en un coup d’oeil, vous leur permettrez de déterminer quels sont les clients insatisfaits et justifiant un petit supplément d’attention, et ils sauront où orienter leurs efforts de fidélisation ou de vente croisée. Ainsi, la personnalisation des interactions avec les clients vous aide à renforcer leur fidélité, à accroître les taux de réponse, à réduire les coûts marketing et à maximiser la rentabilité des clients. Etape 4 : Optimiser vos prédictions L’analyse client n’est pas un processus linéaire. Avec chaque itération, vous accédez à de nouvelles connaissances que vous pouvez intégrer dans le processus analytique, améliorant ainsi en permanence les performances futures. En axant peu à peu l’analyse sur un plus grand nombre de sources et en affinant les sources déjà prises en compte, vous pouvez considérablement enrichir la vue de vos clients et améliorer la précision de vos modèles prédictifs. Et avec un éclairage analytique direct sur les résultats des initiatives de vos clients, vous pouvez isoler les paramètres ou indicateurs de performance clés qui guideront vos futurs efforts. Vous disposez ainsi de données parlantes sur ce qui a fonctionné ou non dans vos initiatives marketing ou commerciales. Vous êtes alors en mesure d’anticiper ce que vous pourrez faire la prochaine fois pour obtenir de meilleurs résultats, réduire les coûts et améliorer l’efficience globale. 4 Secteur bancaire IBM Software Business Analytics La dernière étape est l’intégration de l’analyse dans vos processus opérationnels. Ainsi, vous pouvez facilement gérer d’importants actifs analytiques client tels que les modèles prédictifs ou les évaluations des clients. Ces actifs doivent être stockés en un point central et en toute sécurité avec un accès utilisateur basé sur le rôle. Vous pouvez également automatiser tout ou partie des processus analytiques de telle sorte que les modèles et les évaluations soient automatiquement actualisés pour une précision et des taux de réponse accrus. Une fois que les modèles prédictifs vous ont indiqué la probabilité pour qu’un client réponde, l’optimisation des décisions vous précise comment utiliser cette information avec un maximum d’efficacité. Par exemple, les responsables du centre d’appels ou des relations sauront précisément quels services ou offres sont les plus appréciés par les clients et les plus profitables pour la banque, et ils s’appuieront sur ces connaissances pour prendre des mesures propres à maximiser la rentabilité de chaque interaction avec le client. Par ailleurs, l’automatisation minimise l’implication des analystes, ce qui leur permet de se consacrer à d’autres priorités. Les connaissances résultant de l’analyse client peuvent considérablement améliorer vos processus de planification, de budgétisation et de prévision. En vous appuyant sur l’analyse client pour la planification commerciale, la modélisation des stratégies, l’analyse des scénarios et le calendrier des actions, vous êtes mieux à même de répondre à des questions clés quant aux modalités d’attribution des ressources et aux retours à attendre des différents investissements. Par exemple, vous pourrez déterminer le budget à allouer aux équipes de vente et de marketing ou les coûts qu’implique la rétention d’une catégorie de clients particulière. Cette approche s’accompagne d’avantages exceptionnels au niveau de vos chiffres globaux en vous permettant d’assurer un pilotage des performances financières plus éclairé et plus efficace. Devancer la concurrence et maximiser la rentabilité Les établissements bancaires qui suivent ces différentes étapes bénéficient d’une vue unique spécifique à leurs clients que la concurrence aura bien du mal à reproduire. Ces établissements sont en position d’identifier leurs clients les plus précieux, de déterminer leurs attentes et de prévoir comment ils seront probablement amenés à se comporter dans le futur. Et qui plus est, il leur est possible d’agir sur ces informations de manière à améliorer le retour sur investissements marketing, mieux satisfaire et fidéliser la clientèle et accroître les revenus. Voici quelques scénarios simples montrant comment l’analyse client optimise les interactions des banques avec les clients pour une rentabilité maximale. Maximiser l’efficience du marketing – L’analyse client aide les banques à cibler les clients spécifiques les plus susceptibles de répondre aux campagnes marketing et à déterminer les offres que ces clients trouveront les plus intéressantes. En ciblant le bon client avec la bonne offre au bon moment, vous améliorez les relations existantes avec ce client ainsi que l’efficience du marketing. 5 Secteur bancaire IBM Software Business Analytics Minimiser les rejets d’offres – En analysant les données démographiques et comportementales des clients, les banques sont en mesure de déterminer comment optimiser les offres pour maximiser les taux de réponses positives. Cette approche est également efficace pour réduire les coûts d’exploitation et les dépenses d’investissement correspondant aux offres acceptées, ceci en garantissant que ces offres amélioreront la rentabilité du client et de la banque dans son ensemble. Optimiser les activations de comptes – L’analyse permet de personnaliser et d’améliorer l’expérience client pour une adoption accélérée des nouveaux produits, ce qui pourra inclure la saisie automatique des données dans les applications orientées client, avec un envoi automatisé et accéléré des éléments comptables au client et avec intégration de ses préférences pour personnaliser le traitement du compte. Personnaliser le service client – En disposant rapidement d’informations et de résultats d’analyse, les représentants du service client sont à même de fournir un service personnalisé pour les interactions entrantes et sortantes avec le client. Les analyses peuvent également mesurer en continu l’efficience du service et la satisfaction du client de telle sorte que chaque interaction génère une valeur maximale à la fois pour le client et pour la banque. Mesurer les performances commerciales – L’analyse fournit des informations sur les résultats des ventes au regard des prévisions, ceci par produit, segment de clientèle, région géographique, canal ou autre. Ces informations permettent aux banques d’aligner précisément leurs objectifs et leurs plans de ventes avec la stratégie et de procéder rapidement à des ajustements qui reflètent les évolutions du marché et des demandes des clients. Fidéliser les clients rentables – En recourant à l’analyse client pour créer un profil des clients les plus rentables avec des critères d’attrition, les banques peuvent prédire précisément lesquels de ces clients sont susceptibles de partir – ceci avant qu’elles ne les perdent réellement. Ce « système d’alerte précoce » permet aux banques de soumettre des offres de fidélisation et de prendre des mesures qui retiendront ces clients. Les solutions IBM Business Analytics pour le secteur bancaire Les solutions IBM Business Analytics pour le secteur bancaire combinent la Business Intelligence d’IBM Cognos et les technologies d’analyse prédictive d’IBM SPSS. Cette approche complète permet de disposer de toutes les fonctionnalités clés requises pour tirer de l’analyse client des bénéfices et un avantage concurrentiel exceptionnels. Les rapports, les fiches de scores, les tableaux de bord, l’analyse, la modélisation prédictive et la surveillance en temps réel permettent d’obtenir une vue unifiée complète de chaque client. En consolidant d’énormes quantités de données client, IBM Business Analytics pour les solutions bancaires permet de disposer d’informations exploitables et d’une visibilité prédictive sur le comportement et la rentabilité des clients ainsi que sur les revenus qu’ils génèrent. Après mise en œuvre de la technologie IBM Business Analytics, une coopérative bancaire européenne a vu ses coûts de campagne marketing diminuer de 30 pour cent. En recourant aux logiciels IBM, une autre institution financière de premier plan a vu ses recettes annuelles augmenter de 20 pour cent grâce à des campagnes marketing conduites auprès d’une cible de prospects mieux qualifiés. 6 Secteur bancaire IBM Software Business Analytics La solution IBM Customer Profitability En alignant des données disparates telles que l’état des résultats au niveau du compte individuel et les informations client incluant les données relatives au ménage, les contacts personnels et professionnels, le secteur d’activité, les produits acquis, des données géographiques, vous disposez d’une vue à 360 degrés sur chaque client via un portail en libre service. Un calculateur de rentabilité applique la théorie des meilleures pratiques de la comptabilité pour calculer les ratios des performances clés, tels que le RAROC, la marge nette de l’intérêt et le rendement des capitaux propres, au niveau transactionnel et au niveau du compte et effectue des regroupements à des niveaux plus élevés pour d’autres dimensions métier présentant un intérêt. La solution prévoit également une modélisation prédictive qui vous permet d’identifier les produits et services perçus comme essentiels par les clients les plus rentables pour la banque. Avec cette connaissance approfondie de vos clients et la capacité de prédire la valeur de leur cycle de vie, vous pouvez prendre des décisions plus avisées et mettre en œuvre des stratégies qui vont accroître la rentabilité de toute votre base client. La solution IBM Customer Profitability aide les banques à : • • • • Calculer, surveiller et maximiser la rentabilité de chaque client Comprendre les besoins des clients et leur propension à acheter de nouveaux produits Accroître la valeur du cycle de vie des clients Effectuer des prévisions et des planifications plus efficaces et plus profitables La solution IBM Banking Campaign Insight and Optimization La solution IBM Banking Campaign Insight and Optimization aide également à améliorer la rentabilité, ceci en faisant intervenir l’analyse pour prédire quels seront les individus les plus enclins à accepter des offres marketing ou commerciales spécifiques. Par exemple, vous pourrez agréablement surprendre un client qui utilise un distributeur automatique en lui soumettant une offre personnalisée directement axée sur ses centres d’intérêt, ou bien vous pourrez accroître le taux de réponse des clients en ligne en personnalisant la publicité sur la base de leurs comportements. Dans la mesure où vous savez précisément quelle offre ou remise sera la plus attractive pour tel ou tel client, vos campagnes marketing gagnent en succès et en rentabilité et vous êtes dispensé des interrogations et efforts inutiles propres à l’approche « taille unique ». Cette solution aide les banques à : • • • Adapter les programmes marketing aux microsegments sur la base du comportement et des préférences plutôt que des simples données démographiques Réduire les coûts marketing et améliorer la qualité des prospects en ciblant uniquement les personnes qui sont portées à répondre – via le canal de leur choix Réagir rapidement aux évolutions du marché ou de la concurrence ainsi qu’aux demandes de nouveaux services ou produits de la part des clients 7 IBM Relationship Pricing for Banking Solution concurrents. Le portefeuille de produits, très complet, inclut des solutions de Business Intelligence, d’analyse prédictive, d’aide à la décision, de pilotage de la performance et de gestion des risques. Les solutions IBM Business Analytics aident les entreprises à identifier et à visualiser les tendances et les schémas présents dans certains secteurs (comme l’analyse client) qui peuvent avoir un effet déterminant sur leurs performances. Elles leur permettent de comparer des scénarios, d’anticiper des menaces et des opportunités potentielles, de mieux planifier, budgétiser et prévoir leurs ressources, d’équilibrer le rapport entre les risques potentiels et les retours sur investissements prévus, et de respecter les réglementations. En élargissant l’utilisation de l’analyse, les organisations peuvent adapter leurs décisions tactiques et stratégiques afin d’atteindre leurs objectifs. Pour plus d’informations, visitez le site ibm.com/business-analytics/fr L’analyse client est également critique pour aider les banques à assurer le respect des taux de rendement minimal ainsi qu’une tarification cohérente et rentable des transactions touchant ou non aux crédits. La solution IBM Relationship Pricing for Banking vous aide à comprendre l’ensemble des revenus et des risques liés à chaque client, de telle sorte que vous puissiez prendre des décisions plus avisées pour les clients des services bancaires commerciaux. Par ailleurs, la solution met à disposition un calculateur de rentabilité en temps réel qui permet d’évaluer rapidement des scénarios de tarification avec leur impact économique au niveau de l’établissement, des produits ou des relations dans leur globalité. Avec la solution IBM Relationship Pricing for Banking, vous pouvez aligner les décisions de tarification commerciale avec vos objectifs, ceci grâce à : • • • Je souhaite être contacté(e) Pour être contacté ou pour poser une question, accédez au site ibm.com/business-analytics/fr Un représentant IBM Cognos vous répondra sous deux jours ouvrés. Des modèles de tarification des prêts cohérents et centralisés qui permettent de s’assurer que les risques et la rentabilité de chaque transaction sont alignés avec la stratégie et les objectifs de l’entreprise Des workflows de planification financière descendants et ascendants qui améliorent la collaboration et l’efficience des ventes Un processus de workflow automatisé qui permet de s’assurer que les taux de rendement minimal sont atteints ou dépassés et qui offre aux responsables de succursale ou de département une visibilité sur le portefeuille des prêts. Compagnie IBM France 17 Avenue de l’Europe 92 275 Bois-Colombes Cedex Conclusion La page d’accueil d’IBM est accessible à l’adresse suivante : ibm.com Pour les banques qui veulent accroître leurs revenus et améliorer leur rentabilité, il est essentiel de bien comprendre les clients. En appliquant l’analyse aux énormes volumes de données client disponibles, ces banques accèdent à des connaissances exploitables qui leur permettent de conduire des stratégies et des initiatives propres à établir la confiance et à instaurer des relations rentables et à long terme. Grâce à une optimisation globale allant des campagnes marketing aux efforts de fidélisation des clients en passant par les initiatives de ventes croisées et à plus haute valeur unitaire, le service client et les décisions tarifaires, l’analyse client permet aux banques d’augmenter leur part de portefeuille, de prendre les devants sur la concurrence et de maximiser la rentabilité de chaque client. Pour en savoir plus sur la façon dont les solutions IBM Business Analytics pour le secteur bancaire peuvent aider votre entreprise à atteindre ses objectifs commerciaux, rendez-vous sur ibm.com/software/fr/analytics/banking À propos d’IBM Business Analytics Les logiciels IBM Business Analytics fournissent des informations orientées données pour aider les organisations à travailler de manière plus intelligente et à surpasser leurs IBM, le logo IBM, ibm.com, Cognos et SPSS sont des marques d’International Business Machines Corp. déposées dans de nombreuses juridictions réparties dans le monde entier. Les autres noms de produits et de services peuvent être des marques d’IBM ou d’autres sociétés. Une liste actualisée de toutes les marques d’IBM est disponible sur la page Web « Copyright and trademark information » à l’adresse suivante : ibm.com/legal/copytrade.shtml Le présent document contient des informations qui étaient en vigueur et valides à la date de la première publication et qui peuvent être modifiées par IBM à tout moment. Toutes les offres mentionnées ne sont pas distribuées dans tous les pays où IBM exerce son activité. LES INFORMATIONS DE CE DOCUMENT SONT DISTRIBUÉES « TELLES QUELLES » SANS AUCUNE GARANTIE NI EXPLICITE NI IMPLICITE. IBM DÉCLINE NOTAMMENT TOUTE RESPONSABILITÉ RELATIVE À CES INFORMATIONS EN CAS DE CONTREFAÇON AINSI QU’EN CAS DE DÉFAUT D’APTITUDE À L’EXÉCUTION D’UN TRAVAIL DONNÉ. Les produits IBM sont garantis conformément aux dispositions des contrats au titre desquels ils sont fournis. 1 Leading Through Connections, IBM Institute of Business Value, 2012. (public.dhe.ibm.com/common/ssi/ecm/en/gbe03501usen/GBE03501USEN.PDF) © Copyright IBM Corporation 2013 Pensez à recycler ce document YTW03164-FRFR-01
