Le big data dans le commerce de détail, un état des lieux

Joannes Vermorel

Le cloud computing étant si 2011, le big data va être un mot-clé majeur de l’informatique en 2012. Pourtant, selon notre compréhension de nos clients du secteur de la vente au détail, il existe une source de données qui représente plus de 90% de la valeur totale de l’information qu’ils possèdent : les données de panier d’achat (étiquetées avec des informations de carte de fidélité lorsque disponibles).

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

• Données vidéo en magasin, qui restent difficiles à traiter et sont principalement axées sur la sécurité.
• Données des médias sociaux, qui sont très bruyantes et reflètent autant de mises en œuvre de bots que de comportements humains.
• Rapports d’analystes de marché, qui nécessitent la ressource la plus rare de toutes : l’attention de la direction.

Pourtant, en dehors des projections de ventes de base (c’est-à-dire les ventes par produit, par magasin, par région, par semaine, etc.), nous observons qu’en janvier 2012, la plupart des détaillants exploitent très peu leurs données de panier d’achat. Même la prévision pour l’optimisation des stocks se résume généralement à une variante de moyenne mobile au niveau du magasin. Des méthodes plus élaborées sont utilisées pour les entrepôts, mais là encore, les détaillants n’utilisent plus les données de panier, mais les expéditions passées des entrepôts.

Les fournisseurs de Big Data promettent d’apporter un niveau sans précédent de puissance de traitement des données à leurs clients pour leur permettre de tirer pleinement parti de leurs données massives. Pourtant, cela va-t-il apporter des changements rentables aux détaillants ? Pas nécessairement.

La capacité de stockage exposée sur les étagères d’un hypermarché moyen avec plus de 20 disques durs externes en exposition (en supposant 500 Go par disque) dépasse généralement la capacité de stockage brute nécessaire pour conserver l’historique complet de trois ans d’un réseau de 1000 magasins (soit 10 To de données de panier d’achat). Ainsi, le stockage des données brutes n’est pas un problème, ou du moins, pas un problème coûteux. Ensuite, l’E/S (entrée/sortie) des données est une question plus complexe, mais là encore, en choisissant une représentation adéquate des données (les détails dépasseraient le cadre de cet article), cela n’est guère un défi en 2012.

Nous constatons que le plus grand défi posé par le Big Data réside simplement dans les besoins en main-d’œuvre pour faire quoi que ce soit de concret avec lui. En effet, les données sont principalement volumineuses dans le sens où les ressources de l’entreprise, pour exécuter le logiciel Big Data et mettre en œuvre les suggestions qui en découlent, sont limitées.

Produire une multitude de métriques à partir des données de panier d’achat est facile ; mais il est beaucoup plus difficile de construire un ensemble de métriques qui valent la peine d’être lues compte tenu du coût horaire des employés.

Selon notre compréhension de nos clients du secteur de la vente au détail, la seule contrainte de main-d’œuvre explique pourquoi si peu est fait avec les données de panier d’achat de manière continue : alors que le CPU n’a jamais été bon marché, le personnel n’a jamais été aussi cher.

Ainsi, nous pensons que les succès du Big Data dans le commerce de détail seront rencontrés par des solutions agiles 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 vous faites. Si ce n’est pas déjà fait, veuillez consulter ce que QlickView propose en termes de “business intelligence” ou de “business discovery”. La plateforme est vraiment rapide et avancée pour transformer les données en connaissances. Je suis sûr que vous pouvez apprendre quelque chose d’eux. Mais oui, les chiffres ne peuvent pas parler d’eux-mêmes même dans le Big Data, donc la contrainte de main-d’œuvre ne peut pas être totalement effacée. Salut il y a 5 ans | Ali