Le big data dans le commerce de détail, une réalité

Joannes Vermorel

Cloud computing étant si 2011, le big data va être un mot à la mode clé en informatique pour 2012. Pourtant, selon notre compréhension de nos clients du secteur du commerce de détail, il existe une source de données qui détient plus de 90 % de la valeur totale de l’information en leur possession : les données de panier moyen (étiquetées avec les informations de la carte de fidélité lorsque disponibles).

Pour tout réseau de commerce de détail de taille moyenne à grande, la valeur informationnelle des données de panier moyen écrase simplement toutes les autres sources de données alternatives, que ce soit :

• Les données vidéo en magasin, qui restent difficiles à traiter et principalement axées sur la sécurité.
• Les données des médias sociaux, qui sont très bruyantes et reflètent autant les implémentations de bots que les comportements humains.
• Les rapports des 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…), nous observons qu’en janvier 2012, la plupart des détaillants exploitent très peu leurs données de panier moyen. Même la prévision pour l’optimisation des stocks se résume généralement à une simple variante de moyenne mobile au niveau du magasin. Des méthodes plus élaborées sont utilisées pour les entrepôts, mais alors, les détaillants n’exploitent 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 leur big data. 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 +20 disques durs externes en exposition (en supposant 500 Go par disque) dépasse généralement le stockage brut nécessaire pour conserver toute l’histoire de 3 ans d’un réseau de 1000 magasins (c’est-à-dire 10 To de données de panier moyen). Ainsi, le stockage des données brutes n’est pas un problème, ou du moins, pas un problème coûteux. Ensuite, l’E/S (entrée/sortie) de données est une question plus difficile, 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 observons que le plus grand défi posé par le Big Data est simplement les besoins en main-d’œuvre pour faire quoi que ce soit d’opérationnel 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 un mur de métriques à partir des données de panier moyen est facile ; mais il est beaucoup plus difficile de construire un ensemble de métriques valant la peine d’être lu compte tenu des coûts horaires des employés.

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

Ainsi, nous croyons 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 a à offrir en “business intelligence” ou “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 Ali (il y a 5 ans)