Face à la crise sanitaire actuelle, nous sommes confrontés à une situation inédite et en ressentons tous les effets :

• Dans notre vie personnelle avec la situation de confinement,
• Dans notre vie professionnelle avec un impact direct sur nos différentes activités et des répercussions sur nos emplois (chômage partiel).

Nos entreprises sont dans une phase complexe de pilotage de leur activité, en espérant un retour à la normale le plus rapide possible. A ce titre il est primordial d’être très attentifs / réactifs face :

• aux signaux d’une potentielle reprise … pour être en capacité d’absorber l’activité liée et ne pas se retrouver en rupture de stocks (ou sous effectifs) à ce moment là,
• à la quantification des pertes qui ne seront pas rattrapées et donc ajuster les décisions sur le reste de l’année 2020.

Cette situation demande des solutions data appropriées afin de s’adapter durant cette période. La data est et sera un élément clé, autant dans son accès, son utilisation que sa diffusion.

Chez AVISIA, data-centric par nature, nous avons voulu identifier des approches pragmatiques qui permettront aux entreprises de pouvoir être réactives face aux effets de cette crise sur leur activité.

Pilotage de l’état de son activité

Cela peut paraître basique mais même les entreprise les mieux “équipée” en Dashboard ne disposent pas de reporting permettant de compiler l’ensemble des KPIs macro, de façon unifiée, qui sont nécessaires au pilotage de ce type de crise.

Avec la fermeture de l’ensemble des réseaux physiques, qui a des conséquences business mais aussi RH, le report massif des clients vers les supports numériques et les achats en ligne qui nécessite un suivi de leur parcours, il convient donc de pouvoir monitorer de façon unifiée l’ensemble des activités, tout en étant malin / efficace pour délivrer rapidement des insights.

Pour y parvenir, les actions à mener vont être principalement de :

• Identifier les macro KPIs qui peuvent s’appliquer au pilotage de l’activité (Chiffre d’affaires on & offline, volume de visites sur vos supports numériques, niveau d’engagement de vos visiteurs, taux de conversion d’une visite, produits vus / achetés, provenance de vos visiteurs, Réclamations / Appels au service client, Etat des Stocks, Nombre de personnes disponibles dans le réseau, …)
• Les données utiles seront forcément réparties dans différents systèmes / environnements de données au sein de votre organisation, vous devez donc définir le réceptacle commun le plus adapté à recevoir ces différentes informations. (Si vous disposez d’un environnement cloud type AWS ou Google Cloud Platform, n’hésitez pas à choisir cela pour regrouper vos données)
• Définir la granularité utile au pilotage qui vous permettra de croiser vos différentes sources d’information et de comparer différentes périodes (Ex : Des KPIs agrégés jour par jour)
• Organiser la mise en place des différentes requêtes pour automatiser la récupération des informations dans le réceptacle
• Plugger un petit outil de DataViz (en fonction de ce dont vous disposez en interne) pour faciliter l’accès aux informations

Dans ce genre de période, l’accès unifié et direct à différentes sources d’information par un top management (traditionnellement siloté par activité) permettra une prise de décision plus rapide et éclairée par la data. Et avec un bon storytelling dans vos restitutions vous serez un support stratégique dans l’analyse des impacts de la crise.

Comment prédire et anticiper la rupture ? 

1/ Monitorer son stock

La principale inquiétude pour les entreprises encore en activité est de pouvoir répondre à la demande des clients et donc de ne pas connaître de rupture de produits. La première étape à mettre en place est alors de monitorer son stock avec un tableau de bord. Cela permettra de déclencher les actions nécessaires lorsque le point critique de stock est proche d’être atteint. Pour cela, il faut d’abord s’assurer que cette information soit intégrée dans le système de stockage de données et qu’elle soit de qualité afin qu’elle serve d’outil à la décision et au pilotage du stock au moment venu. 

2/ Détecter les produits à risque

La demande sur certains produits (gels hydroalcooliques, pâtes, produits de luxe, vêtements, etc.) connaît de fortes variations, comme dans l’illustration d’évolution des ventes ci-après.

Les entreprises qui ont dû fermer sont, elles, à l’arrêt et la demande est fortement diminuée voire nulle pendant le confinement. 

Dans tous les cas, et malgré un monitoring précis, elles peuvent faire face à des problématiques de rupture liées au changement de comportement des clients, à des chaînes de production à l’arrêt ou à des services logistiques surchargés.

Il est donc important de savoir détecter quels sont les produits qui présentent un risque de rupture.

Pour cela, il faut étudier les ruptures récentes, comparer les ventes à celles de l’année précédente et prendre en compte le délai inter-achat habituel. En mettant cela en regard du monitoring des stocks, il est alors possible d’identifier les produits à risque de rupture mais également ceux à risque de sur-stock.

3/ Modéliser les ventes

Pour être plus précis et mieux aiguiller les différents services (marketing, logistique, etc.), les data scientists peuvent également modéliser les ventes et donc les stocks via des séries temporelles et/ou des modèles de machine learning.

Les variations de ventes étant très fortes, les modèles doivent respecter plusieurs caractéristiques :

• Une granularité de prévision suffisamment fine pour permettre une adaptation rapide des décisions concernant l’entreprise
• Prendre en compte un historique restreint de données puisque les comportements de consommation actuels ne ressemblent pas au passé
• Être fréquemment mis à jour afin de refléter les dernières tendances et comportements

Ces approches peuvent faciliter la gestion des ruptures, mais peut aussi anticiper les produits peu consommés et donc le sur-stockage.

4/ Proposer aux clients des produits de remplacement

Malheureusement, il est possible que les entreprises connaissent tout de même quelques produits en rupture. Pour gérer ce problème, il faut anticiper et pouvoir proposer aux clients des produits de remplacement en mettant en place un moteur de recommandation. 

Ce dernier pourra être basé :

• sur les caractéristiques des produits pour sélectionner les produits les plus similaires
• sur les ventes afin de sélectionner les produits de la même catégorie également achetés par les clients qui achètent le produit en rupture

Si l’approche de recommandation n’est pas adaptée à la problématique, il est possible d’utiliser des règles métier quant aux produits à recommander, ou bien réaliser des analyses de ventes croisées.

Gérer la reprise

1/ Modéliser la relance

Même si nous ne connaissons pas la date, le confinement s’arrêtera un jour. Il est donc primordial d’anticiper dès maintenant la relance du marché en se basant sur les pays qui sont en reprise d’activité. Comment la Chine a repris progressivement son activité ? Comment l’Italie va reprendre son activité si cette crise sanitaire a 10 jours de décalage avec celle de la France ?

À partir des prévisions initiales, il faudra ajuster les modèles en utilisant des données exogènes sur les pays sortant de confinement avant nous (Chine, Italie,..) et en assemblant des techniques d’Intelligence Artificielle. L’effet de relance sera à modéliser jour après jour et en ré-apprenant très régulièrement pour s’adapter le plus rapidement possible.

2/ Comprendre vos clients

Les comportements consommateurs auront été totalement chamboulés durant le confinement. Il peut être structurant d’établir des modèles de potentiel et valeur client pour détecter la capacité standard à consommer de vos clients. En effet, certains clients auront vu leurs revenus baisser, d’autres, au contraire, auront gardé leurs revenus mais n’auront que très peu consommé. Il faudra donc se demander «Qu’ont-ils dépensé durant le confinement et donc quel est le “reste à dépenser” de chacun de vos clients ?»

Des études de cannibalisation et/ou des calculs d’effets de halo permettront de connaître si les clients vont reporter leurs achats après le confinement ou non.

Des outils de scoring vont aussi permettre de réduire la dimension et vous indiquer les personnes à contacter et celles pour qui une moindre intensité relationnelle fera le plus grand bien !

Durant le confinement, les clients auront eu le temps de comparer les offres et auront peut-être acheté chez un concurrent si vous avez connu des problèmes d’approvisionnement. Un enjeu important sera alors de s’assurer de la fidélité de vos clients en identifiant ceux à risque de churn (livraison annulée, contact de plainte au service client suite à la fermeture, clients ayant voulu réaliser un achat sans succès, etc.) et en étant à leur écoute sur les réseaux sociaux par exemple.

Et après ?

Enfin, quand le cours des choses aura repris, tous les modèles existants vont devoir être refondus pour isoler ce choc conjoncturel. Les modèles se basant souvent sur l’historique, il faudra gérer intelligemment cette période atypique en choisissant de la supprimer, d’estimer les ventes manquées ou d’ajuster vos modèles.

Qui plus est, les bouleversements et changements de comportements sont de plus en plus rapides avec l’explosion du digital, l’arrivée de nouveaux acteurs… C’est donc l’occasion de mettre en place des bonnes pratiques en automatisant et industrialisant vos modèles et en les faisant ré-apprendre régulièrement.

Pour terminer, il convient de bien définir la fréquence de ré-apprentissage des modèles afin d’assurer la qualité des prévisions. Les modèles doivent être automatisés en activant la nouvelle version que si les performances sont améliorées ou bien en recevant une alerte lorsqu’une mesure de performance donnée franchit un seuil prédéfini. Un tableau de bord dédié à la surveillance des modèles permettra aussi de monitorer l’historique des métriques de performance et de surveiller leurs dérives.

Comme vous pouvez le constater, la data peut entrer en considération à de multiples endroits de votre stratégie. Les idées fournies ci-dessus ne sont pas exhaustives et sont, de plus, valables en dehors du contexte de crise Coronavirus. Ce sont des bonnes pratiques à mettre en place pour permettre un pilotage éclairée par la data.