Thèse soutenue

Innovations basées sur les données dans le secteur des services financiers

FR  |  
EN
Auteur / Autrice : Stephanie Beyer Diaz
Direction : Kristof CoussementArno de Caigny
Type : Thèse de doctorat
Discipline(s) : Sciences économiques
Date : Soutenance le 14/06/2024
Etablissement(s) : Université de Lille (2022-....)
Ecole(s) doctorale(s) : École doctorale Sciences économiques, sociales, de l'aménagement et du management (Lille ; 1992-....)
Partenaire(s) de recherche : Laboratoire : LEM - Lille Économie Management
Jury : Président / Présidente : Dominique Crié
Examinateurs / Examinatrices : Mathias Kraus, Carla Vairetti
Rapporteur / Rapporteuse : Wouter Verbeke, Vera Miguéis

Résumé

FR  |  
EN

Parmi l'intensification de la concurrence, les relations client solides sont un moteur clé pour acquérir un avantage concurrentiel. Les entreprises ont investi considérablement dans le développement de stratégies de gestion de la relation client (CRM) ces dernières années. Théoriquement, le CRM se compose de plusieurs initiatives différentes, dont chacune peut être classée en quatre dimensions différentes : (i) l'alignement organisationnel, (ii) la gestion des clients, (iii) la technologie et (iv) la mise en œuvre de la stratégie CRM. La première dimension, l'alignement organisationnel, fait référence à la refonte et à l'alignement des processus existants, dans le but ultime de placer les clients au centre. La deuxième dimension, la gestion des clients, fonctionne selon le principe de traiter les clients différemment, en s'adaptant à leurs besoins, préférences et priorités. La troisième dimension, la technologie, englobe le degré auquel les applications CRM analytiques, opérationnelles et collaboratives sont mises en œuvre pour collecter des informations clients à travers les points de contact et faciliter la diffusion et l'analyse d'informations. Enfin, la dimension de mise en œuvre de la stratégie CRM implique la nécessité de définir une stratégie claire orientée client avec un soutien de la haute direction, des mesures de performance orientées client et une vue complète du client dans l'ensemble de l'organisation avec un traitement central des données client incluant différents points de contact.Une mise en œuvre réussie des stratégies CRM aborde simultanément ces quatre dimensions. Cependant, ces dernières années, des avancées technologiques spectaculaires ont eu lieu, notamment en matière d'intelligence artificielle (IA), de réseaux de neurones (NN) et de modèles du deep learning (DL). Ces changements soulignent la nécessité pour les entreprises de se tenir au courant de l'évolution du paysage, afin de conserver un avantage concurrentiel durable. Cette thèse se concentre fortement sur la dimension technologique des stratégies CRM, en proposant des applications innovantes basées sur les données pour le secteur des services financiers, en utilisant de nouvelles sources de données, en déployant des méthodologies de pointe pour la modélisation prédictive et en utilisant des techniques avancés d'analyse interpretable et centrés sur le client.L'innovation est particulièrement importante dans le secteur des services financiers. Il s'agit d'un secteur dans lequel il est très difficile d'attirer de nouveaux clients, tandis que la fidélité des clients existants fluctue en raison de facteurs externes, qui à leur tour ont un impact sur leurs préférences et priorités de consommation. Ainsi, comprendre les préoccupations et les intérêts des clients peut, par exemple, aider à identifier les problèmes qui auront un impact plus important sur les décisions d'achat futures. Des exemples de ces facteurs externes incluent les événements géopolitiques, les tendances du marché ou les changements dans leur vie, entre autres. Le domaine financier est confronté à d'énormes défis en matière d'allocation des ressources et du CRM efficace, qui à leur tour ont un impact sur les performances de l'entreprise. L'amélioration constante des relations client-entreprise est un objectif important du CRM, qui peut être atteint avec un suivi du comportement des clients.Dans ce contexte, cette thèse explore différentes voies de recherche appliquée, exploitant les données séquentielles pour différentes tâches : prédiction du prix du pétrole, prédiction des moments de vie et systèmes de recommandation. Trois contributions clés sont apportées : l'incorporation de nouvelles sources de données pour améliorer les performances prédictives, l'application de méthodologies de pointe pour optimiser l'utilisation des données séquentielles et le déploiement de techniques d'explicabilité pour explorer comment les données séquentielles contribuent à une tâche prédictive.