Depuis trois mois, vous passez l'essentiel de votre pause-déjeuner les yeux rivés sur Seloger.com. Et, lorsque vous vous déconnectez du site d'annonces immobilières, c'est pour vous précipiter sur ceux des courtiers, afin de comparer les offres de prêts. Cinq minutes à tuer ? Vous voilà sur Google, à la recherche des derniers articles parus sur l'évolution récente des prix de l'immobilier, des taux, ou encore des frais de notaire. Nul besoin d'être Sherlock Holmes pour deviner que vous avez la ferme intention d'acquérir un appartement dans un futur proche. Sans que vous ne lui ayez (encore) rien demandé, votre banque serait donc bien inspirée de vous adresser sous peu une offre de prêt immobilier. Laquelle vous semblerait autrement plus opportune que les propositions de crédit auto dont votre établissement bancaire vous bombarde régulièrement, alors que vous ne possédez pas de voiture.

Mais pour ce faire, encore faudrait-il que votre banque dispose de tous les indices précités. C'est désormais possible avec le big data, qui, grâce à l'analyse et au croisement d'énormes masses de données structurées et non structurées (publications sur les réseaux sociaux, emails, etc.), permet de disposer d'une connaissance beaucoup plus fine des clients et, partant, de leur proposer le bon produit, au bon moment, par le canal de distribution le plus adéquat. « Le marketing classique repose sur des informations partielles et souvent obsolètes. Le marketing prédictif permet de résoudre cet inconvénient, puisqu'il est basé sur la recherche de données « fraîches » sur le Web, sur les réseaux sociaux et via l'open data, données qui sont ensuite combinées à celles des fichiers clients des entreprises », a expliqué Philippe Spénato, l'un des responsables de la startup Data Publica, spécialisée dans le marketing prédictif, lors d'un séminaire sur le big data qui se déroulait à Paris mardi 26 janvier.

Les banques sont assises sur des monceaux de données clients

Si cette dernière a pour principal client la poste belge, qui l'a chargée d'identifier les sociétés belges susceptibles d'expédier plus de 200 colis par mois, elle travaille également pour nombre de banques. Car s'il est un secteur d'activité dans lequel le big data pourrait faire merveille, c'est bien celui de la banque. D'abord parce qu'aucune autre entreprise ne détient autant de données sur ses clients. Salaire, propension à dépenser ou au contraire à épargner, commerces favoris... Les banques savent tout de leurs clients, ou presque. Une mine d'or qu'il convient plus que jamais d'exploiter, à l'heure où les clients des banques se plaignent de produits trop standardisés.

Une faiblesse que les fintech ont parfaitement flairée, ces startups spécialisées dans les technologies financières se faisant fort de bâtir leurs services à partir des besoins des consommateurs. « Au-delà des opportunités, la révolution du big data constitue surtout une menace majeure pour les banques traditionnelles. Déjà, des modèles « data driven » prolifèrent dans les services financiers, définissant une nouvelle relation bancaire organisée autour de la désintermédiation et de l'excellence de l'expérience utilisateur. (...) Sous peine de se voir cantonnés à un simple rôle de fournisseurs techniques, les acteurs traditionnels du monde bancaire doivent contre-attaquer (pour garder) la maîtrise de la relation client », avertissait ainsi le cabinet Precepta, dans une étude publiée en novembre dernier.

Doubler ou tripler l'efficacité de la prospection commerciale

Les banques en ont conscience : 58% des 100 établissements bancaires mondiaux interrogés au mois de novembre par l'Efma et Infosys estiment que le big data va jouer un rôle crucial dans l'amélioration de la connaissance de leurs clients et dans l'élaboration d'outils marketing intelligents. Les établissements bancaires marchent cependant sur des œufs, tant l'utilisation des données personnelles des clients est sujette à caution, et risque de déboucher sur des approches commerciales trop intrusives. En tout état de cause, les grandes banques françaises de réseaux se sont dotées, ces dernières années, d'équipes spécialisées dans le big data, qui comptent une dizaine de personnes. Comme Francesca Glavany, responsable du marketing quantitatif au sein du groupe BPCE (Banque Populaire Caisse d'Epargne). L'an dernier, elle a par exemple planché avec ses équipes sur l'identification des clients et prospects les plus susceptibles d'être intéressés par le prêt bonifié Innov & Plus, conçu par les Banques Populaires pour les entreprises innovantes.

« Nous ne parvenions pas à définir la notion de « société innovante » », reconnaît Francesca Glavany. D'où une collaboration avec Data Publica, dont la solution de marketing prédictif C-Radar a permis d'explorer le Web à la recherche des sociétés ayant récemment levé des fonds, étant membres de pôles de compétitivité et bénéficiant du statut de JEI (jeune entreprise innovante). Des données ensuite recoupées avec celles piochées dans l'open data sur les entreprises qui ont déposé des brevets il y a peu de temps. Au bout du compte, une liste d'entreprises à contacter en priorité pour leur proposer le fameux prêt bonifié Innov & Plus. « Le marketing prédictif peut permettre de doubler ou de tripler l'efficacité de la prospection commerciale », souligne Philippe Spénato.