Un référentiel unique dans la banque automobile

Un référentiel unique dans la banque automobile

Comment mettre en place des campagnes marketing pertinentes, personnalisées et en adéquation avec les besoins clients ?

RCI Banque est une filiale du groupe Renault, en charge des solutions de financement pour l’achat de véhicules. En 2019, l’entreprise a réalisé un chiffre d’affaires de 2,1 milliards d’euros pour 3700 salariés.

En 2016, les filiales internationales de RCI Banque disposaient de multiples systèmes de gestion clients et contrats non consolidés. Les données ont été répétées plusieurs fois et n’ont pas été tenues à jour. Ensuite, RCI Banque a décidé de lancer un plan big data, qui vise à améliorer la connaissance de chacun de ses clients afin de pouvoir mener des activités marketing personnalisées pertinentes en fonction des besoins de ses clients à travers les bons canaux.

Solution apportée

À travers un data processing gouverné, JEMS a mis en place un référentiel client fiable, une interface de data stewardship permettant de valider les décisions du moteur de déduplication, une interface vision 360° du client et des contrats qu’il possède. Le référentiel est partagé avec les autres systèmes de l’entreprise et reste régulièrement enrichi avec des indicateurs de connaissance client. La plate-forme technique est fournie par Datastax, qui est le cœur du système avec la modélisation métier, le moteur de recherche et la base graphe qui fait le lien entre les différentes entités. Cloudera est utilisé pour stocker les données sources, tandis que Angular est utilisé pour l’interface Homme-Machine.

Résultats

  • Un moteur très performant avec une déduplication de 12 millions de clients en 7 mn ;
  • Un référentiel client fiable dans une approche ‘core-model’ issu de sources de données hétérogènes pouvant être partagé avec d’autres systèmes ;
  • Une console présentant une vision unique du client et des contrats qu’il possède.

Technologies

ANGULAR spark cloudera datastax

En résumé

  1. Construction du référentiel client unique
  2. Développement des fonctions d’acquisition de flux, de data normalisation, data cleaning et dataprocessing (déduplication),
  3. IHM de data steward permettant de forcer ou d’invalider une déduplication entre deux clients, ainsi qu’une interface de visualisation des données

Bénéfices

Vous ne savez pas par où commencer?

Découvrez l'offre qui correspond à vos besoins…

Découvrir

Centre de préférences de confidentialité