Article réalisé par la promotion 117 actuellement en master d’ingenieur d’affaires au sein d’Euridis Business School
Analyse prédictive et ingénieur d’affaires
La cybersécurité est un domaine en constante mutation et particulièrement sensible aux évolutions des technologies. Le commercial de demain se doit ainsi d’être aussi réactif que que ce domaine qu’il adresse.
Mais qu’en est-il de l’analyse prédictive et comment peut-elle accroître les performances du commercial ?
Nous allons ici nous intéresser au rôle d’un commercial chez un éditeur de logiciels de cybersécurité.
Ainsi, tâchons avant toute chose de comprendre ce que l’analyse prédictive implique précisément pour ses prospects, à savoir les équipes cybersécurité d’une entreprise ou d’une administration.
En dépit de la performance et l’efficacité des outils et solutions de cybersécurité promus par les éditeurs spécialisés, toutes les équipes SSI (Sécurité des SI) sont conscientes que des failles de sécurité arriveront. Il n’est pas question de savoir si mais bien quand l’attaque surviendra. Et ces dernières sont bien souvent détectées très longtemps après avoir sévi au cœur des systèmes d’information des entreprises ciblées.
Lutter contre les cyberattaques suppose donc deux types de stratégies : réagir a posteriori ou s’en prémunir en amont.
- La première (et la plus courante), consiste à détecter les intrusions ou fraudes et les bloquer le cas échéant. La réactivité est alors de mise puisque plus vite l’attaque sera identifiée et stoppée, moins les conséquences seront importantes.
- La deuxième option est donc à privilégier puisque permettant d’anticiper les menaces et ainsi de s’y préparer au mieux. L’analyse prédictive serait-elle la solution ?
De la même manière que l’analyse des comportements d’achats permet de prédire les actions futures, l’analyse comportementale sur les réseaux et systèmes d’information est une piste sérieuse pour les éditeurs en cybersécurité.
Les solutions embarquant des technologies de « machine-learning » (apprentissage automatique) ont en partie pallié la situation en permettant aux équipes informatiques de réduire le temps nécessaire pour détecter les attaques. Mais nous parlons encore des attaques qui se sont déjà produites… L’analyse prédictive permet précisément de tirer profit des données agrégées et traitées par le machine learning afin de prévoir les événements à venir et donc ici, de potentielles cyberattaques.
Avant toute transposition à un éditeur de ce type de solution, nous allons tâcher de comprendre précisément comment un commercial en cybersécurité peut tirer profit de l’analyse prédictive dans sa quête invétérée de chiffre d’affaires.
Car tout bon commercial, aguerri ou profane en matière de cybersécurité doit savoir détecter un maximum de projets afin d’atteindre ses objectifs. Et dans le commerce BtoB chez un éditeur, on considère que 1 projet sur 3 se concrétisera en une commande.
Il y a donc deux axes de réflexion intimement liés :
D’un côté l’analyse prédictive au service de la cybersécurité, permettant de se prémunir des attaques et de l’autre l’analyse prédictive permettant au commercial d’anticiper les actions à entreprendre auprès de ses clients et prospects afin d’être le plus pertinent et légitime possible.
Or si l’analyse prédictive permet de subodorer une vague d’attaques, cette information peut aussi être pertinente sur le plan commercial. Mais dans quelle mesure un éditeur tel que DenyAll peut-il tirer profit de l’analyse prédictive afin d’améliorer ses solutions et accroître les ventes réalisées ?
En guise de brève présentation, DenyAll est un éditeur français fort de plus de 15 ans d’expérience dans la cybersécurité et plus précisément dans la sécurité des environnements web. Ses solutions équipent plus de 600 entreprises dans la protection des sites internet et des données qui transitent par le web, contre les cyberattaques. La solution phare et représentant près de 80% des ventes de l’éditeur est la solution de Web Application Firewall. Cette dernière voit passer l’ensemble du trafic web des entreprises et bloque les attaques y transitant.
Alors comment ajouter une brique d’analyse prédictive au produit, dans le but de le rendre plus performant et résilient mais aussi de vendre une option complémentaire le cas échéant ?
Première piste : l’analyse en temps réel du trafic web mondial et des pics de trafic brutaux. C’est la définition même d’une attaque par déni de service (DDOS) qui envoie une charge trop importante aux équipements, altère les performances et interrompt les services.
La solution de Web Application Firewall (WAF) est déjà à même de recenser les utilisateurs malveillants grâce à une base de données dynamique répertoriant les IP néfastes (adresses virtuelles des utilisateurs) et donc les bloquant d’emblée.
Nous pouvons donc facilement imaginer une connexion avec une base de données basée sur le trafic mondial et alertant en direct les équipements WAF, les rendants ainsi intelligents.
Dès lors, plusieurs scénarios sont envisageables, tels que la coupure complète des équipements et des sites web afin de les préserver, ou au contraire le provisionnement d’instances supplémentaires de pare-feu afin de compenser l’afflux massif de trafic vers les sites web du client. Dans les deux cas, l’attaque est anticipée et le pire est évité, à savoir la compromission des serveurs web de l’entreprise par déni de service, exposant ainsi les données personnelles, financières voire concurrentielles qui y sont hébergées.
Nous pouvons ainsi imaginer une option facturée sous la forme d’abonnement mensuel permettant de bénéficier de cette surveillance en temps réel du trafic mondial. De plus, la création éventuelle de pare-feux supplémentaires pour supporter l’intensité du trafic web serait elle aussi soumise à facturation temporaire au prorata.
Autre piste pour laquelle l’analyse prédictive serait pertinente pour le commercial : l’anticipation du
« churn », autrement dit le désengagement d’un client DenyAll au profit d’un concurrent.
Et c’est précisément le Big Data qui fournit à l’analyse prédictive les éléments nécessaires à l’anticipation de ce type de comportement. Mais comment y parvenir ? Comme le dirait le Dalaï Lama « Les seules vraies erreurs sont celles que nous répétons à répétition. Les autres sont des occasions d’apprentissage ».
Au travers cette citation, l’analyse prédictive en tirant profit des Big Data prend tout son sens. C’est en effet en analysant de nombreuses données de plusieurs sources (les interactions avec les équipements de sécurité réalisées par les administrateurs, les échanges de mails ou appels réalisés au support DenyAll, le non-renouvellement des maintenances, etc), que l’analyse prédictive saura dresser des profils types de clients à risque et susceptibles de se désengager. Par exemple, un client en fin de maintenance logicielle, ayant réalisé 70% de mises à jour en moins qu’à l’accoutumé sur les derniers mois et ayant appelé le support DenyAll pour connaître la fin de validité de ses licences, serait le profil parfait du client en phase de désengagement.
L’analyse prédictive alerterait donc au plus vite le commercial, afin qu’il entame au plus vite une action de reconquête et évite ainsi la perte d’un de ses clients.
Enfin, dernière piste de réflexion : l’analyse prédictive au service de la prospection.
Mais les données concernant les prospects sont souvent l’apanage du service marketing et les commerciaux ont généralement peu la main sur le circuit de « nurtering des leads », ou autrement dit l’élevage de prospects.
Toujours en restant dans le cadre de l’éditeur DenyAll et de la cyberdéfense, l’analyse prédictive peut permettre d’identifier de manière automatisée les cibles idéales de prospection.
En effet, en analysant le big data et les contenus publiés quotidiennement sur la toile tout en faisant un lien avec l’expérience qu’elle a accumulée, cette intelligence peut par exemple déterminer les nouveaux marchés à adresser et identifier les acheteurs potentiels vers qui concentrer les efforts. En utilisant l’analyse prédictive, les commerciaux peuvent ainsi déployer leurs actions plus intelligemment, selon les performances attendues ou tout autre critère de leur choix.
L’analyse prédictive étant à même de définir aussi les résultats escomptés.
Au-delà de l’aspect séduisant et assurément moderne qu’inspire l’analyse prédictive, cette intelligence laisse imaginer de nombreuses avancées. Nous avons en effet pu voir que chez un éditeur de logiciels spécialisé dans la cybersécurité, les idées ne manquaient pas pour exploiter le potentiel qu’elle représente.
Mais ne risquerait-on pas de basculer dans une espèce de raison algorithmique où ce que font ces intelligences artificielles est devenu si occulte que l’avis de l’humain ne prévaudrait plus ?
Jusqu’où ces intelligences prendront-elles les décisions à la place des commerciaux et par extension des hommes ?
C’est précisément ce que nous allons aborder dans la partie suivante en évoquant les méfaits potentiels de cette avancée sur le métier d’ingénieur d’affaires.
L’ingénieur d’affaires : une victime collatérale ?
C’est dans ce contexte de vente complexe qu’il ne faut pas se considérer l’ingénieur d’affaires comme une victime mais plutôt un maillon essentiel de la chaine commerciale pour encore de nombreuses années, et ce, grâce à ce levier : l’analyse prédictive.
La fonction commerciale fait face à de nombreuses évolutions quant à l’émergence des nouvelles technologies. Ce métier nécessite désormais une adaptation constante tout en adoptant une nouvelle approche client.
L’analyse et la synthèse des données font donc constamment évoluer la manière de vendre des commerciaux B2B. Depuis quelques années, on voit apparaître de nouveaux outils automatisant certaines étapes de la vente à faible valeur ajoutée qui représentent aujourd’hui entre 30 et 50% du temps d’un commercial.
En effet, les pratiques commerciales traditionnelles, telles que la prospection basique, le reporting ou encore les tâches administratives sont remplacées par des outils de Sales intelligence. Ils collectent et analysent les informations clients dans le but de guider l’ingénieur commercial jusqu’à la vente et ainsi accroitre sa productivité.
D’après la revue HBR, les entreprises pionnières dans l’utilisation de ces Sales Techs ont augmenté de 50 % la prise de rendez-vous.
Ces changements requièrent dès lors, pour les commerciaux, une capacité à sortir du cadre classique en innovant constamment. Avoir un temps d’avance devient primordial et savoir se démarquer en tirant parti des nouvelles technologies devient un avantage concurrentiel face à d’autres candidats et à la recherche de profils toujours plus expérimentés.
Enfin, la connaissance et l’utilisation de ces outils doit également faire partie de la stratégie des managers.
Et comme une citation vaut mieux que mille explications : ” Mieux vaut prendre le changement par la main avant qu’il ne vous prenne par la gorge ” (Winston Churchill)
Ainsi, nous avons tâché de dresser les nombreuses avancées et promesses liées à l’analyse prédictive. Plus qu’un outil mathématique ou une base de données, l’analyse prédictive est une intelligence permettant d’analyser et d’apprendre des données qu’elle agrège dans le but de prédire l’avenir le plus précisément possible.
Les applications sont nombreuses et même au-delà du secteur d’activité qui est le nôtre.
Sommes-nous en passe d’assister à une nouvelle révolution technologique ? L’analyse prédictive pourrait sans doute nous aider à trancher sur cette question !
Partager la publication "Les conséquences de l’analyse prédictive sur le métier d’ingénieur d’affaires"
Laisser un commentaire