Les opérateurs télécoms recherchent depuis longtemps le Saint Graal pour accroître la fidélité des clients et la rentabilité. Dans un secteur tristement célèbre pour son taux de résiliation, la capacité d'identifier les points de friction des clients, de déceler des opportunités potentielles et de stimuler les améliorations peut s'avérer inestimable. La solution Khiops d'Orange, basée sur l'intelligence artificielle (IA) et le machine learning (ML), peut exploiter de vastes ensembles de données pour impulser cette transformation.
Le big data désigne des ensembles de données trop volumineux ou complexes pour être traités par des applications traditionnelles – et les opérateurs télécoms en regorgent. Les relevés d'appels, l'utilisation mobile, les équipements réseau, les journaux de serveurs, la facturation, les réseaux sociaux fournissent tous des informations sur les clients et les réseaux. Comment les opérateurs télécoms peuvent-ils utiliser ces données pour accroître la satisfaction client, renforcer la fidélité et améliorer leur activité ?
Khiops est une solution AutoML conçue spécifiquement pour aider toute entreprise, y compris les opérateurs télécoms, à maximiser l'utilisation de leurs données pour stimuler l'amélioration de leur activité. Il s'agit d'un outil propulsé par l'IA et le ML qui prend en charge de grands ensembles de données, les analyse, en extrait des insights exploitables, et les met en œuvre grâce à l'automatisation.
Par exemple, le churn client (attrition) a toujours été l’un des plus grands défis commerciaux. Selon la Harvard Business Review, il en coûte entre 5 et 25 fois plus pour acquérir un nouveau client que pour en conserver un existant. Et si les données pouvaient vous aider à réduire ce churn ?
C’est tout à fait possible avec un outil comme Khiops. Les opérateurs disposent de nombreuses données sur chaque client : leur consommation, leurs interactions avec l'entreprise, les services qu’ils achètent – autant d'éléments pouvant servir à évaluer leur satisfaction. Normalement, ce sont les data scientists et les experts métiers qui identifient les informations pertinentes, mais c'est généralement un exercice complexe et chronophage.
Khiops a été conçu dans un souci de simplicité, et l'un de ses points forts est l'automatisation de l'ingénierie des variables.
| L'ingénierie des variables est une étape essentielle des protocoles de science des données. Elle consiste à « sélectionner, manipuler et transformer les données brutes en variables exploitables par le ML au bénéfice de l’entreprise. Une “variable” est toute entrée mesurable pouvant être utilisée dans un modèle prédictif, par exemple la couleur d’un objet ou le son de la voix d’une personne. Peu importe les données ou l’architecture, une variable mal construite aura un impact négatif sur votre modèle ». Source : Towards data science - What is Feature Engineering — Importance, Tools and Techniques for Machine Learning | par Harshil Patel | Towards Data Science |
Traditionnellement, l'ingénierie des variables est une tâche longue et consommatrice de ressources. Pour chaque problématique métier, un ensemble de variables doit être développé. Les data scientists examinent les données disponibles et élaborent ces modèles, mais cela peut prendre plusieurs jours.
Khiops automatise cette tâche en exécutant des algorithmes qui, en fonction de l’objectif (par exemple identifier les clients à risque de churn), identifient de manière agnostique toutes les variables pertinentes. En d'autres termes, Khiops est capable de repérer les corrélations les plus importantes entre une variable et l’objectif visé. De plus, en réalisant cela rapidement et efficacement, Khiops permet de gagner du temps et de réduire les coûts en ressources expertes.
Selon Felipe Olmos, Data Scientist chez Orange : « Khiops est le fruit d’un projet de 20 ans pour nous. Nous avons une équipe dédiée, employée à plein temps, pour construire cet outil de référence qui permet d’exploiter au maximum les données et de résoudre des défis métiers, comme la réduction du churn client. »
Orange a développé Khiops sur une base scientifique solide. Ses créateurs sont des data scientists et les algorithmes au cœur de Khiops ont été validés par des publications scientifiques, afin de garantir la qualité de la solution et rassurer les utilisateurs. Cette transparence totale permet aux experts du secteur d’évaluer les algorithmes par eux-mêmes et de comprendre comment l’outil fonctionne et obtient de tels résultats.
« Nous pensons que la validation par les pairs démontre notre engagement envers la transparence et légitime notre travail sur Khiops. Nous sommes ravis que Khiops contribue à rendre l’analyse de données plus accessible. » ajoute Olmos.
Orange a réuni plusieurs cas d’usage où Khiops a prouvé sa valeur. Il peut être utilisé pour l’analyse de sentiments, en récoltant et analysant des commentaires en ligne ou sur les réseaux sociaux pour déterminer s’ils sont positifs ou négatifs.
Khiops a aussi été utilisé pour identifier les petits bureaux, bureaux à domicile (SoHo) en Afrique et au Moyen-Orient, des entreprises non enregistrées, donc difficiles à cibler avec des offres personnalisées.
L’outil joue également un rôle essentiel pour aider les opérateurs à détecter et bloquer les appels vocaux frauduleux, en analysant automatiquement de vastes bases de données d’appels et en calculant des probabilités que certains soient frauduleux. Les experts humains peuvent ensuite prendre des décisions éclairées et rapides pour bloquer ces appels. Khiops fait partie des composants clés de la solution anti-fraude utilisée pour protéger le trafic voix international des clients wholesale d’Orange.
Pour en savoir plus sur Khiops, visitez : https://khiops.com/
