Le concept de « big data » est très récent. J’ai tendance à penser qu’il s’agit d’un néologisme visant à désigner une pratique qui ne date pas d’hier : l’analyse de données ouvrant de nouvelles perspectives.
L’évolution de l’information a entraîné des modifications dans les caractéristiques de l’analyse de données. En effet, nous constatons une croissance exponentielle du volume, davantage de diversité ainsi que des progrès dans la rapidité et la justesse des données.
Les 4 V du big data : volume, variété, vitesse et véracité. Ce phénomène s’applique également au credit management.
Nous connaissons tous une personne capable de réaliser des prédictions pour trois fois rien. Il est ici question de prédire les faillites de fournisseurs et de clients potentiels. Mais ne vous méprenez pas, les informations prédictives de qualité (les scores prédictifs, par exemple) ne sont pas monnaie courante.
Comment évaluer la qualité de ces scores prédictifs ? Il n’existe aucun critère fixe, outre la patience et, à terme, une analyse permettant de déterminer si les prévisions se sont révélées exactes. Cette option n’est pas envisageable : vous ne souhaitez pas prendre de risques inutiles en ce qui concerne les gains et les pertes de votre entreprise, n’est-ce pas ?
Ma réponse est la suivante : comme pour tout dans la vie, rien n’est gratuit. La qualité a un prix ; les coûts de la collecte de données représentent un investissement à long terme, un investissement dans la qualité des données (à jour, complètes, correctes…) et dans le dégagement de perspectives. En effet, les perspectives prédictives basées sur des données incomplètes, erronées, n’ayant pas été mises à jour ou qui, pour une quelconque raison, sont de mauvaise qualité, sont trop onéreuses. Non seulement elles ne permettent pas de prévoir de véritables faillites, mais elles entraînent également de trop nombreux « faux positifs » : vous serez dans l’impossibilité de faire les bons choix parce qu’un tiers incompétent prévoit la faillite d’une entreprise financièrement stable (avec laquelle vous ne collaborerez donc pas).
Je vous donne donc mon avis, qui vaut également pour le credit management : la qualité des données est la clé du succès ; les perspectives prédictives permettant de gérer votre risque de crédit sont d’une valeur inestimable. En qui faites-vous le plus confiance pour la qualité de vos données ?
