Your browser is out of date

Update your browser to view this website correctly. Update my browser now

×

Deutsche Telekom
Baisse de 5-10 % du taux d'attrition des clients

Points clés

Catégorie

Télécommunications

Lieu

Siège social : Bonn, Allemagne

Points clés de la solution

  • Plateforme de données moderne : Cloudera Enterprise avec SDX
  • Charges de travail : Data Science, Data Engineering, Data Warehouse
  • Composants clés : Apache Impala, Apache Spark, Cloudera Altus Data Warehouse, Cloudera Data Science Workbench
  • BI et outils d'analyse : Tableau, R Studio, Knime
  • Outil ETL : Datameer

Applications prises en charge

  • Analyse de la qualité du réseau et prévention de la fraude
  • Customer 360 pour le ciblage des campagnes et la prévention de l'attrition

Sources de données

  • Trafic réseau
  • Campagnes de marketing
  • CRM

Impact

  • Les améliorations en matière de CRM et de ciblage des campagnes ont généré des dizaines de millions d'euros de revenus sur l'ensemble du groupe
  • Baisse de 5 à 10 % du taux d'attrition des clients
  • Baisse de 10 à 20 % des pertes de revenus dues aux activités frauduleuses
  • Hausse de 50 % de l'efficacité opérationnelle

Deutsche Telekom a amélioré la détection des fraudes, la gestion de la relation client, la qualité de son réseau et l'efficacité de ses opérations grâce à une plateforme de données Cloudera.

Deutsche Telekom est l'un des leaders européens du secteur des télécommunications : l'entreprise fournit des services à plus de 150 millions de clients dans le monde.

Défi

La prévention de la fraude sur le réseau est un énorme défi pour les entreprises de télécommunications comme Deutsche Telekom. Les volumes de données de réseau qui doivent être collectées et analysées sont colossaux, et une incapacité à répondre en temps quasi réel à des événements suspects peut se révéler catastrophique.

« Il nous arrive de traverser des périodes de faible activité frauduleuse, mais un pic d'activité peut arriver sans prévenir et entraîner des centaines de milliers d'euros de perte en une journée », nous apprend Ondrej Machacek, responsable de l'architecture et de l'intégration chez Deutsche Telekom.

Pour mieux identifier les différentes fraudes, les analystes de Deutsche Telekom avaient besoin de recueillir et d'analyser un plus grand volume de données de réseau. Les données qu'ils recueillaient étaient stockées dans des silos, ce qui limitait leur visibilité et les empêchait d'utiliser le machine learning à grande échelle.

De plus, en créant une vue d'entreprise des données (depuis les données de réseau jusqu'aux données CRM), Deutsche Telekom a réussi à mieux comprendre ses clients et à résoudre des problèmes de qualité de service plus vite pour améliorer leur satisfaction.

Solution

Nous utilisons le big data et les analyses dans le cadre de deux objectifs principaux. Nous voulons améliorer notre efficacité interne et celle du système, réduire les coûts, etc. Mais le plus important est d'élargir le champ des possibles pour nos collaborateurs et nos clients, par exemple dans le domaine de la détection des fraudes.

-Heinz Sandermann, architecte en chef, Business Intelligence, facturation et produits, Deutsche Telekom

Deutsche Telekom a amélioré la détection des fraudes, la gestion de la relation client (customer relationship management, ou CRM), la qualité de son réseau et l'efficacité de ses opérations avec une plateforme de données Cloudera. En utilisant le machine learning et l'intelligence artificielle, l'entreprise identifie les problèmes de réseau avant que ses clients ne les remarquent, et peut détecter différents types de fraudes et des menaces en temps réel avant que son activité ne s'en trouve affectée. Apache Impala permet aux analystes d'interroger des données très rapidement pour prendre les mesures adaptées aux informations obtenues dès que possible.

Mise en œuvre

Deutsche Telekom a décidé de bâtir sa plateforme de données moderne sur Cloudera en raison de la capacité de ce dernier à prendre en charge d'énormes ensembles de flux de données et à fournir un environnement qui prend en charge le machine learning et offre des analyses rapides, avec une fiabilité, une stabilité et une expérience générale de traitement des données de niveau professionnel.

« Les informations tirées des analyses sont la clé qui nous permet de nous démarquer et de créer davantage de valeur pour nos clients », assure Sven Löffler, responsable du développement commercial chez Deutsche Telekom. « Grâce à Cloudera Altus Data Warehouse, Cloudera Data Science Workbench et SDX (Shared Data Experience), nous avons pu mettre en place notre Telekom Data Intelligence Hub : une plateforme et un écosystème fiables et totalement maîtrisés qui permettent à nos clients d'échanger et d'analyser des données, mais aussi de développer des applications multifonctions basées sur les données de façon plus simple et sûre. »   

Résultats

La plateforme de données moderne de Deutsche Telekom fournit des résultats concrets pour l'ensemble de l'entreprise :

  • Diminution du nombre de fraudes : Deutsche Telekom exploite le traitement de données rapide à grande échelle et le système de requêtes interactives de Cloudera pour améliorer la qualité de son réseau et détecter les activités frauduleuses en temps réel. Deutsche Telekom estime que cette visibilité aide à réduire de 10 à 20 % les pertes de revenus causées par des activités frauduleuses.
  • Amélioration de la satisfaction client : les besoins et désirs des clients sont beaucoup mieux compris. Deutsche Telekom a développé une vue d'entreprise unique de ses clients, ce qui lui a permis de créer des campagnes plus ciblées, mais aussi de générer des dizaines de millions d'euros de revenus tout en réduisant le taux d'attrition des clients de 5 à 10 %.
  • Amélioration de l'efficacité opérationnelle : l'entreprise évolue plus vite depuis que la plateforme de données moderne est en place, ce qui lui a permis d'améliorer l'efficacité de ses opérations de 50 %.