Dans la grande distribution ou l’hébergement, les données sont au cœur du métier. Que ce soit AirbnB ou Tesco, les deux opérateurs utilisent massivement la donnée pour générer de la valeur.

Que ce soit une plateforme de réservation de biens ou logistique, l’analyse de la donnée est critique pour la croissance et la performance. Airbnb a fondé sa plateforme sur l’exploitation de la donnée alors que le distributeur Tesco a mis en place du big data pour la gestion de la chaîne logistique de ses magasins. Dans les deux cas, la performance est incontestable.

Airbnb utilise le machine learning pour fixer les prix de location

Pour déterminer la valeur locative d’un appartement, AirbnB utilise un algorithme baptisé Aerosolve. Cet algorithme prendra en  compte de nombreuses variables, que ce soit la ville, le mois de l’année, le type de bien, les transports etc. En plus des variables classiques, Aerosolve analyse aussi les images pour déterminer le prix. Typiquement, un des chambres accueillantes et un salon bien décoré aura plus de succès, et donc un prix plus élevé, qu’un bien à la décoration quelconque.

Si Aerosolve aide les loueurs à fixer leur prix, Airbnb a aussi mis a disposition de ses employés une plateforme pour aider ses collaborateurs à effectuer des requêtes par des non-techniciens afin qu’ils puissent prendre des décisions étayées. Depuis deux ans, un tiers des collaborateurs ont employé cette plateforme contenant information structurée ou non, images, données des loueurs, nombre de chambres, retours utilisateurs, mais aussi des événements externe comme un festival dans une ville qui permettra de louer le bien plus cher. Les collaborateurs puisent dans plus de 1,5 To gérées par Hadoop (HDFS) et hébergée par Amazon (EC2). L’objectif d’AibnB est de travailler en temps réel pour détecter les anomalies de paiement et aller plus loin dans la personnalisation du service.

Un challenge alors que la croissance de l’opérateur génère toujours plus de données.

Tesco choisit entre citron et citron vert selon le comportement du consommateur

Avec 3500 magasins, 40 000 produits et 80 millions d’acheteurs par semaine, la chaîne Tesco met le comportement d’achat des consommateurs au cœur de son analyse afin de pouvoir assurer la logistique des 5 continents. Si les jours de fréquentation sont bien déterminés, plutôt en fin de semaine, l’analyse est plus complexe qu’il n’y paraît. Ainsi, la chaîne sait d’expérience que chaque produit a un pattern de commercialisation spécifique. Pour analyser ces cycles de vente et affiner la gestion des stocks, Tesco a créé un nuage de produits alimentaires. Ce qui lui permet de visualiser la consommation de chaque produit. Par exemple, les citrons sont utilisés chaque jour pour la cuisine là où le citron vert sera plus vendu le weekend pour les cocktails ; ou encore que les brocolis et les carottes sont vendus essentiellement le weekend là ou les pommes ou bananes se vendent chaque jour. Ce nuage visuel de données permet de gérer les ventes hebdomadaires de façon très fine et tend vers le prédictif.

Pour tendre vers un ROI de 300% grâce à l’analyse de données, 50 des 70 collaborateurs de la chaîne logistique sont des data scientists. L’essentiel de leur journée consiste à analyser les données stockées dans une base Terradata et les modéliser avec Matlab. Avec ce travail sur les données, Tesco est à même de gérer les stocks en fonction de la demande et d’achalander en fonction. Résultat, le taux de satisfaction des consommateurs a augmenté de 40%. Autre effet induit, depuis que l’analyse des stocks est gérée via ce modèle, il le comptage manuel par magasin s’avère inutile, libérant ainsi du temps aux employés pour qu’ils s’occupent des clients en magasin.

Le cas Tesco par V3

Airbnb par Cloud Computing news