Cloud computing étant désormais relégué à 2011, le big data va devenir un buzzword IT clé pour 2012. Cependant, d’après notre compréhension de nos clients du retail, il existe une source de données qui représente plus de 90% de la valeur totale de l’information en leur possession: données de panier d’achat (étiquetées avec les informations de la carte de fidélité lorsque disponibles).

Pour tout réseau de retail de taille moyenne à grande, la valeur informationnelle des données de panier d’achat éclipse tout simplement toutes les autres sources de données alternatives, qu’il s’agisse de:

  • Les données vidéo en magasin, qui restent difficiles à traiter, et surtout axées sur la sécurité.
  • Les données des réseaux sociaux, qui sont très bruitées et reflètent autant des implémentations de bots que des comportements humains.
  • Les rapports des analystes de marché, qui requièrent la ressource la plus rare de toutes: l’attention du management.

Pourtant, en dehors des projections de ventes de base (c’est-à-dire ventes par produit, par magasin, par région, par semaine …), nous constatons qu’en janvier 2012, la plupart des détaillants font très peu avec leurs données de panier d’achat. Même la prévision pour l’optimisation de stocks n’est généralement rien de plus qu’une variante de moyenne mobile au niveau du magasin. Des méthodes plus élaborées sont utilisées pour entrepôts, mais alors, les détaillants ne tirent plus parti des données de panier d’achat, mais des expéditions passées des entrepôts.

Les fournisseurs de big data promettent d’apporter à leurs clients un niveau de puissance de traitement de données sans précédent pour leur permettre de tirer parti de tout le potentiel de leur big data. Cependant, cela va-t-il apporter des changements profitables aux détaillants ? Pas nécessairement.

La capacité de stockage exposée à la vue sur les étagères d’un hypermarché moyen avec +20 disques externes en vitrine (en supposant 500GB par disque) dépasse typiquement le stockage brut nécessaire pour conserver trois années complètes d’historique d’un réseau de 1000 magasins (c’est-à-dire 10TB de données de panier d’achat). Par conséquent, le stockage brut des données n’est pas un problème, ou du moins, pas un problème coûteux. Ensuite, les opérations d’entrée/sortie de données représentent une problématique plus complexe, mais encore une fois, en choisissant une représentation adéquate des données (les détails dépasseraient le cadre de cet article), ce n’est guère un défi en 2012.

Nous constatons que le plus grand défi posé par le big data est simplement les contraintes en main-d’œuvre pour faire quoi que ce soit d’opérationnel. En effet, les ressources de l’entreprise nécessaires pour faire fonctionner le logiciel de big data et mettre en œuvre les suggestions qui en découlent sont limitées.

Produire un mur de métriques à partir des données de panier d’achat est facile ; mais il est bien plus difficile de constituer un ensemble de métriques valant le détour au regard des coûts horaires des employés.

Selon notre compréhension de nos clients du retail, la contrainte en main-d’œuvre explique à elle seule pourquoi si peu est réalisé de manière continue avec les données de panier d’achat : alors que le coût du CPU n’a jamais été aussi bas, le coût du personnel n’a jamais été aussi élevé.

Ainsi, nous pensons que les succès du big data dans le retail seront rencontrés par des solutions allégées qui considèrent, non pas la puissance de traitement, mais les personnes, comme la ressource la plus rare de toutes.


Commentaires des lecteurs (1)

Joannes, je suis impressionné par le travail que tu réalises. Si ce n’est pas déjà fait, je t’invite à découvrir ce que QlickView propose en matière de “business intelligence” ou “business discovery”. La plateforme est vraiment rapide et avancée dans la transformation des données en connaissance. Je suis sûr que tu peux apprendre quelque chose d’eux. Mais oui, les chiffres ne peuvent pas parler d’eux-mêmes, même dans le big data, ainsi la contrainte en main-d’œuvre ne peut être totalement éliminée. Salut Ali (5 years ago)