Data analyse et credit management : état des lieux

Mais que signifie réellement l’expression « Big Data » ? Si l’on s’en tient à sa traduction, il s’agit littéralement de « mégadonnées ». Autrement dit, ce terme désigne un important volume de données. Le traitement de ces données est par conséquent extrêmement compliqué. Afin d’expliquer cette problématique, l’entreprise Gartner a défini la règle des 3 V.

 

 

Une étude réalisée par Forrester Consulting, pour Atos, nous indique que 40 % des entreprises dans le monde utilisent aujourd’hui l’analyse des données. D’ici 2020, ce pourcentage devrait atteindre les 90 %. Fort de ce constat, le Gouvernement français a annoncé en mai 2015, à l’occasion de la publication de son rapport « Industrie du futur », que le marché de la donnée devrait représenter  9 milliards d’euros, d’ici 2020.

Afin de faciliter le traitement de ces data, il est nécessaire d’exploiter uniquement les données les plus pertinentes. En effet, chaque jour, ce sont plus de 2,5 quintillions octets de données qui sont créées*. L’apparition des Smart Data répond donc à cette problématique. Cette notion a fait émerger deux « V » supplémentaires.

 

La lutte contre la fraude a été une des portes d’entrée des grandes entreprises pour l’utilisation des data. Grâce à l’extraction de données, il est maintenant possible de prévenir diverses actions telles que les fraudes. Il est important de rappeler qu’en 2016, selon une étude réalisée par le cabinet d’audit PwC, 68 % des entreprises françaises ont déclaré avoir été victimes de fraude au cours des deux dernières années. Par conséquent, beaucoup de grandes entreprises ont commencé leur expérience avec les Big Data Analytics pour des raisons de sécurité. En effet, le traitement des signaux faibles détectés en analysant ces données permet d'améliorer sensiblement la détection des tentatives de fraudes. 

 

 

La gestion du risque exige l'utilisation de sources d'informations légales (et donc opposables) ainsi que des données alternatives permettant entre autre de mieux connaître vos partenaires. En effet, si dans la gestion du poste clients, vous avez besoin de données opposables pour effectuer vos démarches, cela ne signifie pas pour autant que les autres données ne sont pas utiles. Elles vous permettront par exemple d’enrichir votre connaissance clients, notamment en termes de comportements de paiement, ce qui vous permettra de mettre en place des conditions de paiement adaptées au plus près du terrain.

 

Par ailleurs, les acteurs de l'information sur les entreprises comme Infolegale ont développé une expertise qui leurs permet d'identifier les données les plus discrimantes sur la santé financière des entreprises. Cela leur permet d'anticiper les risques de défaillances d'entreprises. Attention, le traitement de ces données exige une expertise : ces données n'ont de valeur que si elles sont interprétées avec pertinence par des professionnels tels que Infolegale.

 

Ainsi, grâce au traitement de ces données, les professionnels de l'information sur les entreprises vous permettent d'anticiper les défaillances de vos partenaires et vous permettent d'établir des conditions de paiement adaptées. 

 

Dans la continuité, depuis quelques années, on entend également beaucoup parler de data mining. Cette spécialisation alliant statistique, analyse de données et les dernières avancées de l'informatique, vous permet d’analyser des données et de trouver parmi elles des corrélations. Le data mining vous permettra entre autre de gérer et segmenter plus facilement vos partenaires commerciaux. 

 

L’une des méthodes prédictives du data mining, propre au domaine de la finance, est le « score de risque ». Cette solution, proposée par des sociétés de scoring, permet d’évaluer le risque de défaillance de vos clients et de vos fournisseurs. Le scoring de solvabilité est la synthèse de l'expertise des professionnels de l'information dans la collecte et l'analyse de ces données légales et comportementales sur les entreprises.

 

Enfin, signalons que ces solutions soulèvent la question de l’utilisation et du traitement d’une masse de plus en plus importante et hétéroclite de données. La traiter en interne nécessitera toujours de disposer d'une équipe en interne dédiée à l'interprétation de ces données.

Le Data Scientist devient un rouage essentiel de l’entreprise. La maîtrise et le traitement des données nécessitent de fortes compétences et connaissances en la matière. C’est pourquoi, depuis un peu plus de 3 ans, le profil de Data Scientist est de plus en plus recherché. D’ici 2018, le Gouvernement français espère la création de plus de 10 000 emplois dans le domaine du Big Data**. En effet, l’affluence des données nécessite la mise en place d’un poste à part entière au sein d’une entreprise : une personne capable de « faire parler les données ».

 

À retenir :   La collecte de toujours plus de données n’est pas une fin en soi. Une gestion efficace du big data repose aussi sur votre capacité à piloter en interne la qualité de ces données. Pour Infolegale, le « big data » a toujours été considéré comme un moyen qui doit avant tout nous permettre d’optimiser nos solutions. Dans cette optique, la donnée doit répondre à une exigence métier reposant sur deux piliers : L’amélioration du pilotage La facilitation de la prise de décision Ainsi, le big data permet d’améliorer la prédictibilité de notre score et non fournir toujours plus de données sans hiérarchisation ni réelle plus-value.   Grâce à la diversification des données, nous sommes passés de la notion de Big Data à celle de Smart Data. À présent, seules les données pertinentes sont traitées. Le champ d’action des data est en pleine expansion. Dorénavant, vous disposez de nouveaux moyens pour vous assurer de la solvabilité de vos clients et de vos fournisseurs.