cliquer sur la vignette pour voir l’image en grand

IBM a annoncé hier 19 mai IBM SPSS Decision Management, une nouvelle offre de Business Analytics dans le cadre de la réunion IOD2010. Cette offre logicielle permet de placer dans les mains des utilisateurs métiers toute la puissance de l’analyse prédictive afin qu’ils en tirent des critères de décision plus rapidement en toute pertinence.

Grâce à un ensemble d’assistants graphiques évolués, les utilisateurs de la solution analytique SPSS Decision Management peuvent donc désormais construire facilement un modèle analytique et faire tourner des simulations « what-if » qui leur permettront de tester ce même modèle avant de le déployer dans un système opérationnel dans l’entreprise. Les utilisateurs métiers ont ainsi accès à un contrôle total du processus décisionnel et analytique, ils peuvent décider de façon précise sur la base de données temps réel, en intégrant les changements de stratégie, les schémas d’acquisition de leurs clients ou les fluctuations du marché.

Pour en savoir plus sur l’avenir de la gestion des données et de l’analytique, écoutez la présentation qui en faite par Michael Rhodin, Senior Vice-President IBM Software Group.

Dans un premier temps, l’offre adresse les secteurs de l’assurance ainsi que les organisations marketing tous secteurs confondus. IBM SPSS Decision Management for claims est une solution orientée assurance qui permettra d’identifier les fraudes dans le cadre de la gestion des sinistres, ce qui représente tout de même près de 30 milliards d’US$ chaque année (!!). Une bonne raison de se pencher sur le problème. IBM SPSS Decision Management for Customer interactions est la deuxième solution orientée marketing qui permettra de gérer chacune des interactions entre l’entreprise et ses contacts, que ce soit par le biais d’un call-center, d’un site web, d’un email.

IBM SPSS Decision Management places predictive analytics directly into the hands of business users. In just three clicks, business users can set up their data for quick and efficient modeling, select the best-performing models automatically, and then get results in simple, easy-to-interpret charts and graphs.

Citons comme exemple le cas du revendeur qui souhaite choisir à qui envoyer l’information relative à une nouvelle gamme de produits au sein de sa base de données clients et prospects : le marketing manager en charge de l’opération pourra construire rapidement un modèle analytique lui donnant la liste des prospects à cibler en fonction des historiques d’achats, de la démographie, des réponses aux offres précédentes, etc. De plus, avant d’envoyer les supports de communication, le s intéressés pourront tester le modèle pour optimiser les résultats, et faire tourner des scénarios « what-if » pour appréhender le comportement attendu des prospects ciblés. Cette analyse prédictive permettra alors d’optimiser les résultats de l’opération de communication en ne visant que les prospects les plus à-mêmes d’être intéressés.

Podcast : Rashe Analysis podcast