Nouvelle plateforme d'analyse EOS
Les pratiques en matière de recouvrement de créances diffèrent selon les marchés. Les filiales d'EOS implantées dans les différents pays peuvent toutefois apprendre beaucoup les unes des autres. Pour cela, le groupe s’est doté d’une plateforme d'analyse qui s'appuie sur l'apprentissage automatique pour développer des modèles à partir des milliers de dossiers traités au sein du groupe, et en déduire une ligne de conduite spécifique pour chaque cas.
- Le nouveau système de gestion des connaissances centralise les données et les informations collectées auprès des sociétés du groupe sur une seule et même plateforme.
- Les filiales d'EOS utiliseront à l’avenir cette plateforme pour optimiser les processus de recouvrement de créances.
- La plateforme est déjà utilisée, avec succès, dans le cadre d'un projet pilote mené en France.
En quoi le recouvrement de créances est-il si compliqué ? Au premier abord, la procédure standard paraît simple : une personne en retard de paiement est relancée par une mise en demeure, jusqu'à l’apurement de sa dette. En cas de défaut de paiement, une procédure judiciaire est engagée. « Ce n'est pas si simple que cela », explique Joachim Göller. « Est-ce que je dois envoyer une lettre de relance ? Un e-mail ? Est-ce que je téléphone ? Quel délai dois-je accorder au débiteur ? Dans une procédure de recouvrement, la ligne de conduite à adopter à chaque étape peut différer d'un dossier à l'autre. » Ou d'un pays à l'autre : « Ce qui fonctionne en Allemagne peut ne pas être pertinent pour la France. »
Ce que nous nous attachons à créer, c'est en quelque sorte le 'super-cerveau' d'EOS.
Joachim Göller, directeur du Centre d'analyse (CoA)
Mutualiser les expériences pour dynamiser l'intelligence collective
En matière de recouvrement de créances, qu'est-ce qui fonctionne, et où ? Fort de ses 26 filiales hors Allemagne et de ses 20 000 clients, le groupe EOS dispose d’un formidable vivier de connaissances. Le travail de Joachim Göller consiste précisément à optimiser l'utilisation de ces données massives. Il dirige le Centre d'analyse (CoA) et œuvre actuellement, avec son équipe d'experts en science des données, au développement d'une plateforme d'analyse.
Grâce à cette plateforme, le Centre d'analyse sera en mesure de fournir aux services informatiques des différentes filiales du groupe une technologie en vue de développer et de déployer rapidement et simplement des modèles de données. En outre, les analystes de données seront en mesure d’échanger sur ces modèles et sur les bonnes pratiques à mettre en œuvre.
Objectif : permettre aux filiales du groupe de développer une intelligence collective en regroupant les données – anonymisées, bien entendu – au sein d’une plateforme centrale. À l’aide d’algorithmes d’apprentissage automatique, la plateforme évaluera des milliers de processus de recouvrement spécifiques aux différents pays pour identifier des points de convergence, et ainsi déterminer des modes opératoires efficaces dans telles ou telles circonstances. Ces informations seront ensuite transmises aux filiales d'EOS afin qu'elles puissent bénéficier des meilleures pratiques. « Ce que nous nous attachons à créer, c'est en quelque sorte le 'super-cerveau' d'EOS. », qui sera constamment alimenté par nos données et celles de nos collègues des autres pays. Conjointement aux opérations de collecte, les systèmes utilisés dans les différentes filiales pourront envoyer une requête à l’outil d’intelligence artificielle (IA) de la plateforme d'analyse, laquelle sera en mesure de fournir des informations pertinentes sur l’échelonnement des versements pour apurer la dette d’un débiteur, la probabilité de paiement d’une personne en défaut de paiement et les actions à entreprendre. »
Grâce à cette plateforme, le Centre d'analyse sera en mesure de fournir aux services informatiques des différentes filiales du groupe une technologie en vue de développer et de déployer rapidement et simplement des modèles de données. En outre, les analystes de données seront en mesure d’échanger sur ces modèles et sur les bonnes pratiques à mettre en œuvre.
Objectif : permettre aux filiales du groupe de développer une intelligence collective en regroupant les données – anonymisées, bien entendu – au sein d’une plateforme centrale. À l’aide d’algorithmes d’apprentissage automatique, la plateforme évaluera des milliers de processus de recouvrement spécifiques aux différents pays pour identifier des points de convergence, et ainsi déterminer des modes opératoires efficaces dans telles ou telles circonstances. Ces informations seront ensuite transmises aux filiales d'EOS afin qu'elles puissent bénéficier des meilleures pratiques. « Ce que nous nous attachons à créer, c'est en quelque sorte le 'super-cerveau' d'EOS. », qui sera constamment alimenté par nos données et celles de nos collègues des autres pays. Conjointement aux opérations de collecte, les systèmes utilisés dans les différentes filiales pourront envoyer une requête à l’outil d’intelligence artificielle (IA) de la plateforme d'analyse, laquelle sera en mesure de fournir des informations pertinentes sur l’échelonnement des versements pour apurer la dette d’un débiteur, la probabilité de paiement d’une personne en défaut de paiement et les actions à entreprendre. »
Solution d'analyse en phase pilote en France
Une nouvelle étape a été franchie. Depuis octobre dernier, EOS France a accès à la plateforme d'analyse. Nos collègues en France utilisent le système de gestion des recouvrements OYO (Optimize Your Operations), configuré pour répondre aux spécificités du marché français. Pour chaque débiteur en défaut de paiement, ils peuvent désormais consulter en temps réel les informations sur les échéances de paiement individuelles et décider de la ligne de conduite à adopter. « Auparavant, le prévisionnel ne portait que des segments de clientèle considérés dans leur ensemble » souligne Marianne Hügel, Senior Manager Business Development & Consulting. Avec ses collègues d'Europe occidentale, elle entend instaurer des procédures de recouvrement innovantes, fondées sur l’analyse des données massives. « Nous voulons proposer des technologies et des méthodes plus rapides et plus fiables pour l’établissement des prévisionnels de paiement. »
Les premières expériences se sont avérées très positives, précise Marianne Hügel : « Le nouveau processus a déjà fait ses preuves. Le projet, intitulé 'Triomphe', a consisté à tester la plateforme d'analyse associée à une méthode de gestion du processus d’analyse pour une société fiduciaire. Les actions entreprises et la fin de la procédure de recouvrement ont été déterminées sur la base des scores calculés. Résultat de cette première évaluation : le nouveau processus de recouvrement est plus efficace et plus économique. Le nombre de dossiers traités a augmenté progressivement. Aujourd'hui, ce compte est entièrement géré à partir des prévisions établies par l'algorithme du système d’analyse. »
En créant des synergies avec nos collègues du monde entier, nous entendons changer notre façon de traiter les problèmes et développer le recours aux nouvelles technologies. Cela nous permettra de gagner en efficacité.
Nicolas Cabaj, Head of Research, EOS Contentia (France)
Le système ne cesse d'apprendre, tout comme les personnes qui l'utilisent.
« Ce projet pilote est éminemment important pour EOS France. Nous sommes convaincus du bénéfice que nous pouvons tirer de l’exploitation des synergies au sein du groupe EOS » déclare Laurent Redois, chef du service Études statistiques chez EOS France. « Aucun pays ne peut réussir seul. Il importe donc de partager notre expertise et nos technologies. »
Nicolas Cabaj, Directeur de la recherche chez EOS Contentia, est également convaincu par les avantages apportés par ce processus de partage des connaissances. « Le travail collaboratif a permis aux membres de l'équipe de projet de se familiariser avec des outils et des méthodes modernes. Même si nous étions basés dans différentes villes, nous avons pu réaliser des progrès rapides et échanger efficacement des informations. » Laurent Redois envisage déjà l'avenir : « Nous entendons rester compétitifs. Dès lors, nous remplaçons progressivement les processus actuels, gravés dans le marbre, par un flux de travail évolutif, régulièrement revu et évalué, en faisant appel aux technologies et aux outils d'analyse de données les plus récents. À l'instar de nos modèles de données, nous apprenons et nous nous améliorons en permanence. »
Nicolas Cabaj, Directeur de la recherche chez EOS Contentia, est également convaincu par les avantages apportés par ce processus de partage des connaissances. « Le travail collaboratif a permis aux membres de l'équipe de projet de se familiariser avec des outils et des méthodes modernes. Même si nous étions basés dans différentes villes, nous avons pu réaliser des progrès rapides et échanger efficacement des informations. » Laurent Redois envisage déjà l'avenir : « Nous entendons rester compétitifs. Dès lors, nous remplaçons progressivement les processus actuels, gravés dans le marbre, par un flux de travail évolutif, régulièrement revu et évalué, en faisant appel aux technologies et aux outils d'analyse de données les plus récents. À l'instar de nos modèles de données, nous apprenons et nous nous améliorons en permanence. »
N'hésitez pas à nous contacter pour plus d'informations.
EOS in Germany
Daniel Schenk
Head of Corporate Communications & Marketing Germany
Steindamm 71
20099 Hamburg
Germany
Photo credits: Luis Alvarez / Digital Vision / Getty Images, EOS
