Teradata place le marketing au c?ur du Data Warehouse

Revendiquant le rang de « leader mondial du data warehouse », Teradata (NCR) travaille à l’évolution des performances. Tendance majeure: la base de données évolue vers le décisionnel. Objectif: accélérer la connaissance du client et optimiser le marketing personnalisé

Teradata tient à conserver sa place face à une concurrence qui ne s’endort pas: celle-ci attaque par le bas, les serveurs locaux et les ‘datamarts’ régionaux. Car en matière d’offre de gestion globale des données de l’entreprise, l’éditeur ne connaît qu’un concurrent unique, IBM. En revanche, pour l’analytique et le décisionnel, les acteurs se multiplient.

D’où la stratégie de Teradata de faire évoluer son offre de la gestion des bases de données vers l’analyse, et surtout le décisionnel. Cette démarche est essentielle pour le client: elle nécessite, selon Ron Swift, vice-président du groupe, d' »accélérer la valeur du ‘data warehouse« . Stratégie et structure Première étape de cette démarche: accélérer les performances de l’entreprise. Pour Ron Swift, « les organisations qui ont intégré les données multi départementales et qui utilisent une information transversale sont les leaders« . Sur le ‘data warehouse’, l’ensemble des activités de l’entreprise se doit d’être intégré, qu’il s’agisse de la gestion de la demande et de la chaine de production (supply chain), de la gestion des clients, des finances, du contrôle et de la gestion des risques, ou de la profitabilité de l’ensemble. Pour cela, une plate-forme s’impose pour fournir l’intégration et les échanges de données. Teradata propose donc tout d’abord une infrastructure de communications, Teradata Reference Architecture, sur laquelle vient se placer la gestion des données, de l’information et de la connaissance, Teradata Data Warehouse. Dès l’origine, cette organisation, qui réunit le réseau et l’e-commerce, permet une prise de décision transversale. Le ‘data warehouse’ d’entreprise démarre avec les informations de vente et du marketing, puis les transactions et le détail des interactions, puis les données financières, les données de demande et de production, et enfin les applications stratégiques et de planification. Traditionnellement, cette structure gère des processus d’entreprise avec une hiérarchie bien connue : gestion financière et reporting ; gestion de la demande et de la distribution ; production, opérations et offre ; gestion de la fraude, du risque et des règles ; marketing clients, ventes, CRM ; et enfin la gestion de la profitabilité. Cette structure peut aussi se traduire dans l’entreprise par des niveaux de décision : clients, réseaux de distribution et fournisseurs ; partenaires et intermédiaires ; production, opérations et offre ; marketing, ventes et services ; actifs, investissements et ressources ; et enfin, les décisions ‘corporate’ et exécutives. Tout ces processus peuvent être hiérarchisés, et aboutir à une évolution et une maturité des cycles de décision et de business intelligence en réunissant et en construisant les informations qui accompagneront la prise de décision. Que faire de ces informations ? Pour Ron Swift, »de plus en plus d’entreprises utilisent de l’analytique et de la modélisation, mais continuent de rechercher un nouveau but d’intégration, d’activation, et surtout de fort retour sur investissement. Plus vite et moins cher !. A l’origine, l’entreprise se contentait de grouper l’information et de reporter les évènements. Elle a ensuite analysé ces événements. Aujourd’hui, elle tente de prédire ce qui va arriver avec des modèles analytiques. Prochainement, elle pourra organiser ses prédictions via des interrogations et des mises à jour permanentes. Mais le but final est bien d’être acteur de son destin en passant par une ‘intelligence immédiate‘ pour une prise de décision au bon moment. Le ‘data warehouse’ consolide l’information afin d’évoluer dans ce sens : – 1 – Reporting et actions de masse : consolider en une vue unique pour reporter avec une vision post action et identifier les segments de marché de gros volumes ; – 2 – Analyse et segmentation des actions : corréler en profondeur en posant les bonnes questions pour définir et affiner les offres. – 3 – Modéliser et cibler les actions : apporter des réponses prédictives à partir de modèles analytiques pour réduire les coûts et augmenter les revenus. Cette démarche s’impose-t-elle avec le ‘data warehouse ? Ron Swift n’en doute pas : « Au fur et à mesure de l’intégration des données et de l’avancée analytique, les processus deviennent de plus en plus faciles à implémenter et à modifier. Un cercle de connaissance s’impose de facto« . Le modèle précédent se dote alors de deux nouvelles couches : – 4 – « Opérationnaliser » et lier le marketing aux évènements : des offres personnalisées par l’allocation de ressources optimisées pour des actions pertinentes, au bon moment. – 5 – Automatisation et actions interactives : agir dans l’instant avec confiance grâce à l’intégration analytique et opérationnelle afin d’accorder une priorité aux opportunités qui présentent une forte valeur. Nous assistons ici à une évolution majeure dans la gouvernance de l’entreprise. Rappelons qu’à l’origine était la production, mais que la valeur a basculé sur le financier pour aujourd’hui optimiser la connaissance du client. La vision de Teradata va plus loin: elle place le marketing au c?ur de la stratégie de l’entreprise. C’est une démarche stratégique. Pour Teradata et ses partenaires, il s’agit de faire progresser fortement les investissements dans le ‘data warehouse’ d’entreprise; car c’est une démarche gagnante pour l’entreprise qui peut ainsi faire évoluer sa vision et surtout augmenter sa valeur.