Que les commerciaux s'emparent du big data !

L'exploitation des données peut permettre aux commerciaux de renforcer leurs argumentaires et d'améliorer le ciblage de leurs offres. Cela tiendrait à la mise en place d'un ensemble d'Apps suffisamment performantes. par Kilian Bazin, directeur général Toucan Toco
(Crédits : DR)

Récolter des données n'est pas tout. Les entreprises doivent trouver un moyen efficace
de les traduire et de les exploiter. Tous les domaines économiques ainsi que tous les
métiers de l'entreprise sont concernés. Certaines populations, comme les commerciaux,
ne sont pas formés aux statistiques. Les données peuvent leur sembler obscures et
austères. D'autant plus que la majorité des analyses fournies sont descriptives du passé
et n'envisagent pas l'avenir.
Comment les armer d'analyses pertinentes et utilisables sur le terrain?


Les Statistiques du passé

Les études statistiques très coûteuses commandées par la direction des grandes
entreprises ont tendance à ne pas trouver leur cible. Un rapport trop volumineux
n'engage pas suffisamment les lecteurs et ne transmet pas l'information aux
commerciaux, qui seraient en mesure de l'exploiter.
Il existe une forte culture d'intuition et de relationnel dans ces métiers et imaginer que
des chiffres puissent remplacer l'instinct est difficilement accepté. De plus les équipes
commerciales sont demandeuses d'analyses des résultats à venir, davantage que
statistiques passées.
Savoir que 30% des acheteurs de pulls ont aussi acheté des chemises ne donne aucune
information sur les ventes de pulls rouges le mois prochain.


Apprendre à mieux connaître les clients

Le BigData est-il synonyme de plus de volume pour plus de pertinence ?
L'arrivée du BigData a fait changé les positions bien établies de bien des convaincus de
l'ancienne école. Le nombre et la variété des données collectées ont permis de définir
des profils plus précis des clients, et ainsi d'autoriser une interprétation plus efficace. Le
recoupement d'informations complémentaires est décisif: l'âge, le revenu, la localisation,
la catégorie socio-professionnelle, etc. En apprenant à mieux connaître leurs clients, les
commerciaux améliorent sensiblement leur discours et leur performance.

General Motors a ainsi établi une cartographie précise de ses clients en fonction du trajet qu'ils étaient prêts à faire pour se rendre chez un revendeur. Ils ont ainsi réduit
significativement leurs dépenses (notamment en marketing inadéquat) et augmenter leur
chiffre de vente. L'ouverture de nouveaux points de vente se fait aussi de façon plus
stratégique, soutenue par des informations fiables. En 2011, UPS, grâce à l'analyse exhaustive du trajet de ses colis et de ses camions, a réussi réduire de 85 millions de kilomètres les distances parcourues, et a ainsi réalisé des économies importantes, sur les dépenses de carburant principalement.


L'équipement Numérique mobile est une ressource inestimable


Dans un même temps, les forces commerciales d'une majorité d'entreprises s'équipe
d'outils numériques mobiles, comme les tablettes. Des iPads seraient présents dans
95% des 500 groupes les plus importants des Etats-Unis. Cette transition numérique
favorise l'essor d'outils performants, comme la Data Visualisation, qui permet au nontechnophiles et non-spécialistes d'interpréter aisément des données complexes. Chacun comprend d'un coup d'oeil un graphique, une comparaison visuelle, une représentation géographique. Ce nouveau média permet d'assurer la lecture et la compréhension de l'information par ceux qui peuvent l'exploiter au quotidien.


Le niveau supérieur d'analyse

La fameuse Harvard Business Revue (HBR) (https://hbr.org/2013/12/analytics-30) assure que ces deux étapes n'étaient que les premières versions de l'analyse statistique, et prédit l'arrivée d'une révolution. Il s'agit de données encore plus variées,
contextualisées, et surtout prédictives. Cette étape suivante permettrait par exemple aux
équipes commerciales d'anticiper les évolutions du marché, de se préparer à une
éventuelle baisse ou à une demande changeante.
L'enjeu à venir est sur l'utilisation que les métiers feront de ces données. Le développement de "boîte à outils" faciles d'utilisation pour les non-technophiles est
décisif. Dans le cadre personnel, chacun associe les applications ayant un objectif très
spécialisé, comme le suivi de ses comptes, de ses performances physiques ou de son
agenda. La même répartition des Apps en fonction des process commence seulement à
se mettre en place dans le monde professionnel. Combien de temps cela prendra avant
que le phénomène ne se généralise? Il existe clairement une demande pour des API
adaptées aux différents métiers, mais l'offre n'est pas encore suffisante pour y
répondre.

Sujets les + lus

|

Sujets les + commentés

Commentaires 4
à écrit le 18/02/2015 à 10:24
Signaler
Ce monsieur ouvre des portes ouvertes ..... le CRM existe depuis longtemps déjà .De plus ce sont les services marketing qui fournissent les cibles aux commerciaux qui les exploitent et essaient avec leurs talents de vendeur de transformer en ventes, ...

à écrit le 17/02/2015 à 17:30
Signaler
Bonjour, Il y a un gros fantasme dans le Big data. Étant acteur du secteur je peux vous garantir que le Big data NE PEUT PAS se baser sur une simple trousse à outils pour commerciaux. Il s'agit d'analyse de données pour répondre à des questions. Tan...

à écrit le 17/02/2015 à 13:53
Signaler
Dans 'Big Data' il y a 'Big', d'ou vont donc sortir les données en si grandes quantités, si elles n'existent pas déjà dans le SI de l'entreprise? Même l'exemple d'UPS est à mourir de rire: 85MKm à 10L/100, à l'échelle de cette entreprise qui fait 55M...

à écrit le 17/02/2015 à 13:48
Signaler
le traitement de donnees, ca existe depuis longtemps; on sait comment les francais l'utilisent, et on sait les resultats que ca donne dans les entreprises francaises ( en lien avec la facon dont ils l'utilisent, donc!) faut dire qu'on peut meme dire...

Votre email ne sera pas affiché publiquement.
Tous les champs sont obligatoires.

-

Merci pour votre commentaire. Il sera visible prochainement sous réserve de validation.