Chez EOS, Big Data ne fonctionne pas sans humains comme guides

Quand les machines arrivent, les personnes deviennent obsolètes : ce n’est pas vrai, affirme l’équipe qui dirige le Centre analytique d’EOS : elle a construit une plateforme analytique qui va transformer les activités sur les marchés d’EOS et créer un état d’esprit axé sur les données dans toute l'organisation.

Peu après l'arrivée de Joachim Göller au groupe EOS en décembre 2017, il a réfléchi à la manière de façonner le centre analytique. Sa mission : aider EOS et ses activités dans 25 pays à devenir une société axée sur les données. « Pour faire ce grand bond en avant, j’ai vite réalisé que nous devions d'abord faire un pas en arrière » affirme Göller, installé dans une salle de conférence des bureaux EOS dans le centre de Hambourg.

Avec son siège en Allemagne, EOS a une présence forte et de longs antécédents de la gestion des comptes clients en Europe. Des pays aussi différents que la Pologne, l’Espagne et la Bosnie figurent sur la liste de ses sites d’implantation sur le continent. Mais EOS est également présent en Russie et sur l’autre rive de l’Atlantique, au Canada et aux États-Unis. Cela montre l’envergure de la tâche à laquelle s'attaquent Göller et son équipe au centre analytique (CoA) : il ne s'agit pas seulement de créer une plateforme de business intelligence. Il s'agit d’installer un état d’esprit axé sur les données dans la culture de travail de plus de 55 filiales qui desservent environ 20 000 clients dans le monde tout en généralisant la prise de décisions axée sur les données et en adoptant la technologie qui la soutient.

Joachim Göller

Développer un système qui fonctionne avec de nombreux services de recouvrement

« Nous sommes une grande force motrice de la numérisation chez EOS, ce qui signifie aussi la mise en forme des données et la transformation des données en informations » affirme le responsable. « Initialement, il faut accéder aux sources de données, vérifier leur qualité et créer un historique. » Avec le développement de la plateforme, le centre analytique peut intégrer les systèmes de recouvrement locaux déjà en place dans les filiales EOS du monde entier et déplacer la prise de décision sur la plateforme : Les unités EOS peuvent conserver leur système de recouvrement de base qui correspond aux exigences de leur marché - le CoA le connecte à son infrastructure, le booste en lui apportant la puissance de la science des données et de la visualisation des données de l’entreprise entière, tout en assurant la confidentialité de chaque client en utilisant uniquement des données anonymisées.

Pour avoir une meilleure idée du fonctionnement du centre analytique, faisons connaissance avec les personnes qui s’en occupent. Le personnel de cette unité rassemble des profils bien différents : « D’un côté, nous recherchons constamment de nouveaux talents avec une orientation technique » explique Patrick Witte, Gestionnaire d'équipe. Les data scientists, développeurs de logiciels, ingénieurs en données et architectes de plateformes, par exemple. Ils conçoivent et gèrent la plateforme analytique, qui reste au cœur des efforts du CoA pour transformer EOS et l’aider à rester un leader de son secteur. « Notre but est de trouver la manière la plus efficace de transférer les données des différents pays EOS sur la plateforme analytique en respectant les règles européennes de protection des données » affirme Witte.

« Cela nous permet de concevoir des modèles de prévisions, d’utiliser l’intelligence artificielle et de créer des canaux pour renvoyer les conclusions aux services opérationnels - ce qui leur donne un avantage concurrentiel. »

Pensez globalement, agissez localement

Le centre analytique comporte aussi un service conseil qui promeut le partage des meilleures pratiques en matière d'analyse, y compris la sécurité des données et la protection de la confidentialité, auprès de toutes les filiales. « Nous pouvons soutenir les collègues en analysant les données dans une région du monde tout en contribuant à améliorer les modèles statistiques existants dans une autre région » écrit Witte. « Pour cela, nous travaillons de concert avec nos collègues dans tout le groupe EOS. » C’est là qu’intervient le deuxième groupe de professionnels au CoA : les consultants analytiques et les data scientists, qui ont pour la plupart des antécédents méthodiques allant des mathématiques à l’économie. « Il faut un large éventail de compétences pour pouvoir identifier et résoudre les besoins commerciaux en utilisant la bonne approche analytique » affirme Witte.

Witte lui-même a un diplôme de statisticien de l’université de Dortmund, et a travaillé pour une société internationale d'analyses commerciales avant de rejoindre EOS en 2012. « C’est ici chez EOS que j’ai acquis les compétences nécessaires » affirme-t-il. Mais il n’y a pas de manière prescrite - dans l’équipe du CoA on rencontre des personnes que l’on n’attendrait pas nécessairement dans le secteur financier : « Nous avons aussi une physicienne théoricienne qui a travaillé comme consultante pendant plusieurs années avant de nous rejoindre. »

Appliquer la méthodologie agile aux services financiers

Witte et son collègue Joachim Göller ressentent tout deux beaucoup d’élan au sein de l’équipe du CoA. « C’est vraiment l’atmosphère de start-up qui m’a amené ici en premier lieu » affirme Göller, qui avait auparavant travaillé dans le secteur bancaire pendant plusieurs années. « Le CoA est une équipe très agile et culturellement diversifiée, qui a son propre rythme. »

Somme si EOS avait créé sa propre Fintech, le modèle économique du CoA ressemble aussi à celui utilisé avec succès par de nombreuses start-up : Il faut d’abord faire démarrer une plateforme analytique, puis développer les opérations et laisser les partenaires connecter leurs propres systèmes en offrant un API. Et bien sûr il faut continuellement tester, apprendre et améliorer le système en respectant les règles du développement de logiciel agile. Avec une différence majeure par rapport à la vie d’une start-up : l’équipe du CoA peut travailler sur l’innovation fintech sans avoir à contenter des investisseurs. Chez EOS, c’est une question d’engagement à long terme envers les clients.

Appliquer une approche axée sur les données au processus de recouvrement

Le processus de changement est déjà bien avancé en Allemagne, les cas de première utilisation étant gérés par un nouveau logiciel appelé FX, le CoA cherche désormais à soutenir d’autres unités qui souhaitent adopter un état d’esprit similaire axé sur les données. Göller est certain que les réussites vont ouvrir la voie et créer les bonnes incitations pour les décideurs : « C’est un peu comme le marketing moderne : il faut se faire des fans qui font alors avancer le processus » affirme-t-il. « Chaque cas que nous gérons doit déboucher sur un avantage direct pour le client. » Priorité aux personnes : la manière agile de travailler est très utilisée au CoA.

Les préoccupations comme quoi la technologie des données pourrait remplacer les personnes et les emplois sont sans fondement, d'après Witte : « Nous dépendons de nos experts pour interpréter les données consommateurs disponibles et poser les bonnes questions auxquelles le système d'analyse des données devra répondre ». Une manière pour le personnel EOS de voir l’apprentissage machine et l'intelligence artificielle peut être de les comparer à un collègue intelligent qui les aide à prendre des décisions mieux informées et plus personnalisées sur la meilleure action à mener, et augmenter le taux de créances recouvrées.

A project team discusses target groups around the whiteboard.
When companies develop in-house solutions, it helps to think like a start-up: Who can I convince early on with my solutions and thus get to become my ambassador within the organisation?

Une manière plus personnalisée de travailler avec le client

« La plateforme est bien plus efficace pour corréler les données et produire une prévision en temps réel » indique Witte : « Avant, nos décisions étaient souvent basées sur deux ou trois informations clés à propos d'un débiteur. Mais il y a bien plus de données qui peuvent nous aider à différencier les clients ». L’apprentissage machine peut aussi permettre au personnel de consacrer plus de temps aux dossiers complexes tels que le surendettement ou un recouvrement judicaire, alors que les situations simples sont traitées automatiquement

En Allemagne, une première version du logiciel FX axé sur les données aide déjà le personnel EOS à identifier la manière la plus prometteuse d’entamer le dialogue avec un client. Il s'agit de faire un choix entre un appel, un courrier, un SMS ou un e-mail, ou bien d’indiquer au personnel qu'il faut faire appel au service de terrain. « Si nous avons déjà parlé trois fois de suite à un client, les algorithmes peuvent nous aider à trouver un équilibre : contacter cette personne une quatrième fois ou bien laisser passer un peu de temps » affirme Göller.

Les solutions big data ont besoin d’employés pour les gérer

La transformation en une entreprise axée sur les données augmente l’efficacité et booste les chances de remboursement des dettes, mais elle offre aussi des avantages considérables pour les clients, selon Göller. Citons par exemple le fait que le système détermine le moment le plus adapté pour envoyer des alertes aux clients; « Mais se fier aux algorithmes en toutes circonstances irait à l’encontre de nos normes éthiques » affirme Göller. Par exemple, EOS n’autoriserait jamais un algorithme à noter les antécédents de crédit d'un emprunteur en fonction de la sonorité de son nom. « C’est à ces niveaux que nous nous appuyons fortement sur les humains pour définir des barrières. »

Partager

Imprimer