Base de données des comptes annuels – identification et modélisation d'événements

Details

Supervisors

Saerens, Marco

Faculty

Louvain School of Management

Degree label

Master [120] en Ingénieur de gestion

Abstract

Ce mémoire est un mémoire-projet réalisé au sein de l'entreprise BISNODE. Elle propose des données et informations pertinentes et des solutions marketing à ses clients pour les aider dans leurs prises de décision quotidiennes ou stratégiques La base de données des comptes annuels et autres données financières des entreprises belges de BISNODE n’a jusqu’à présent été exploitée que pour répondre à des demandes spécifiques de clients (B2B). Le projet a pour objectif d’augmenter le potentiel d’utilisation de ces données en développant des modèles d’identification de groupes cible (Special Target Groups). Les comptes annuels étaient précédemment fournis par le bureau Van Dijk. Ces données proviennent à présent directement de la Banque Nationale de Belgique. Ces données et leur qualité ont été évaluées dans un premier temps. Dans un deuxième temps, les données ont été explorées pour mieux les comprendre dans une optique « business » et pour rechercher des évènements intéressants permettant d’identifier des groupes cible. Un évènement intéressant est une modification significative soit d’une rubrique des comptes annuels, soit d’une information pertinente. Des seuils et critères sont déterminés pour apprécier la matérialité et différencier les évènements significatifs. La pertinence d’une information est fonction des objectifs poursuivis, en l’occurrence dans le cadre de ce travail, son potentiel commercial pour BISNODE et ses clients dans le cadre de prospections commerciales. Par exemple, les entreprises qui modifient leur dénomination ont des besoins spécifiques de communication et sont dès lors plus susceptibles d’avoir recours aux services des sociétés de consultance ou de marketing. Dans une troisième et dernière phase, ces évènements ont été modélisés et les connaissances extraites ont été évaluées. Au final, seuls sont retenus les patterns pertinents et susceptibles de créer une valeur économique. Deux méthodes ont été utilisées pour la modélisation: les règles d'associations et Rank de BISNODE. Celles-ci ont été expliquées. Les outils open source disponibles pour appliquer l’algorithme Apriori n’étaient pas suffisamment puissants et se sont révélés inefficaces sur une base de données trop complexe et trop volumineuse. L’utilisation du programme Rank a permis de traiter correctement les données et de les modéliser. Les résultats obtenus avec Rank démontrent l’intérêt de cette modélisation : treize modèles ont été construits à partir des données pour fournir des informations utiles aux clients de BISNODE, notamment dans le cadre d’actions commerciales pour identifier et cibler des prospects. BISNODE mettra trois de ces modèles en production : l’augmentation des dépenses de formation, l’augmentation des investissements en terrains et constructions, et le premier investissement en terrains et constructions. Ces modèles et les informations qu’ils produisent seront accessibles aux clients.