7 leçons tirées de l'expérience des entreprises en cas de pandémie pour le long terme

Tout au long de la pandémie, il a fallu comprendre, rapidement et avec précision, ce qui se passait à ce moment-là dans l'ensemble de l'organisation, et comment cela évoluait au fil du temps. Mais le data collecté doit apporter une réelle valeur ajoutée dans sa capacité à informer les stratégies d'entreprise.

Changements dans comportement des consommateurs, Il est essentiel de comprendre la demande, qu'il s'agisse de ce qui est acheté ou de la manière dont cela est fait (en vrac ou par petits échantillons, par exemple, ainsi que les canaux de distribution utilisés) ; c'est le moteur ultime de la demande. Pour détecter cette demande et éventuellement la satisfaire, il faut l'analyser par rapport aux stocks disponibles.

Des indicateurs clés de performance simples, tels que les niveaux de stock et les flux, peuvent faciliter le processus de fabrication ; bien que cela semble simple sur le papier, cela nécessite un pipeline industrialisé rassemblant une large gamme de data.

La santé mentale a également été un thème récurrent pendant la crise, et il est essentiel de connaître le bonheur des employés, depuis les premiers jours de travail à domicile jusqu'au retour progressif au bureau, en passant par l'épuisement potentiel lorsque l'équilibre entre vie professionnelle et vie privée s'estompe.

Toutefois, en raison de l'évolution rapide du monde de Covid-19, il est important d'éviter d'utiliser ce data pour tirer des conclusions immédiates sur des changements permanents de comportement, et il ne faut pas non plus l'utiliser pour prendre des décisions à long terme. Par exemple, s'il ne fait aucun doute que l'exigence de l'espace de bureau est différent de son niveau d'avant la pandémie, il semble désormais peu probable que les centres-villes et les quartiers d'affaires deviennent les villes fantômes prédites lors des premières retombées.

Il n'y a rien de surprenant à cela : le passage accéléré à la vente au détail en ligne pourrait être considéré comme l'un des sauveurs de la pandémie. Les organisations du monde entier ont rapidement modifié leur façon de travailler pour répondre aux nouvelles circonstances dans lesquelles elles - et leurs clients - se trouvaient.

Mais s'il ne fait aucun doute que le commerce électronique (ou le commerce connecté) est la voie à suivre, une évaluation complète de la préparation numérique donne un aperçu des capacités actuelles du détaillant et garantit qu'elles peuvent évoluer.

L'accès direct aux consommateurs est également précieux, car l'évolution de leurs comportements en ligne et de leurs habitudes d'achat peut éclairer les stratégies de dépenses médiatiques par produit et les mots-clés sur lesquels faire de la publicité (dont certains peuvent être inattendus). Les campagnes de co-marquage permettent aux marques et aux détaillants de bénéficier de data partagées, de audience fusionnées et de budgets combinés, Facebook et Google offrant tous deux cette possibilité.

Les stratégies de marché doivent également être évaluées afin que les bons produits soient promus de la manière la plus pertinente sur la place de marché la plus appropriée.

Pour en savoir plus : 14 tendances mondiales en matière de comportement des consommateurs pour 2021 et au-delà.

Les budgets de marketing sont vulnérables pendant les périodes difficiles, et bien qu'il soit généralement prouvé que la réduction de ces coûts est à courte vue, leur protection nécessite un arbitrage intelligent et des campagnes qui génèrent un retour sur investissement.

Pour ce faire, il faut se concentrer sur les bons indicateurs clés de performance, qui varient selon les secteurs d'activité. La demande de produits et de services qui étaient disponibles et pertinents pendant la pandémie (comme les loisirs numériques et la vente au détail en ligne) a augmenté. augmentation des dépenses dans les médias numériques dans ces secteurs ont fait grimper les coûts de publicité et réduit le retour sur investissement.

Pour limiter l'inflation, il est nécessaire de sélectionner les campagnes, les segments ou les investissements qui ont le plus de sens du point de vue de la valeur de la durée de vie du client, par opposition aux rendements à court terme ou ponctuels, par exemple.

Dans d'autres domaines (l'automobile et les voyages, par exemple), la demande pour leurs offres a ralenti ou s'est complètement arrêtée, ce qui a entraîné une diminution des dépenses médiatiques. Pour ces entreprises, l'abandon temporaire des mesures de performance traditionnelles au profit de ‘micro-conversions’, telles que les pistes générées, les inscriptions à la lettre d'information, était - et est peut-être toujours - une stratégie pertinente. Bien qu'il ne s'agisse pas de ventes, elles permettent de mesurer l'intérêt et l'intention des consommateurs lorsque le marché se rééquilibre.

Et même pendant les périodes de ventes ‘creuses’, il ne faut pas sous-estimer la valeur des campagnes de promotion de l'image de marque. La réduction de la demande de produits entraîne une réduction de la demande de publicité, ce qui fait baisser les prix des médias, rendant les communications peu coûteuses, avec l'avantage supplémentaire que les concurrents ont souvent cessé de faire de la publicité.

En plus d'accroître la part de marché, cela permet de garder la marque à l'esprit des consommateurs (pensez à ‘Merci de ne pas rouler avec Uber’), tandis que le contenu engageant est un bon moyen de capturer les first-party data si importants.

Comme indiqué plus haut, il est essentiel de comprendre la demande et d'avoir une visibilité sur les stocks ; cela permet de réduire les stocks à détenir, ainsi que les délais d'exécution.

Un modèle d'approvisionnement data est un élément essentiel de la chaîne d'approvisionnement data-driven de bout en bout qui sous-tend cette vision. Data des systèmes d'entreprise tels que SAP, data des médias, data numérique, data sell-in (ventes du fabricant au distributeur) et data sell-out (ventes du distributeur / détaillant au client final) doit former un pipeline entièrement automatisé, toutes les parties concernées ayant accès aux informations sur le niveau et le flux des stocks.

Les projets de détection de la demande apportent un éclairage supplémentaire, permettant aux entreprises d'utiliser les tendances à court terme au moment où elles se produisent, afin de mieux prévoir la demande des consommateurs par produit, région, marché, heure de la journée, etc.

Pour en savoir plus : La maturité numérique des chaînes d'approvisionnement n'en est qu'à ses débuts.

L'IA n'est plus ‘nouvelle’. En effet, selon l'étude ‘The state of AI in 2020’ de McKinsey & Company, 50% des personnes interrogées ont déclaré que leur entreprise avait adopté l'IA dans au moins une fonction de l'entreprise. Son adoption est motivée par sa capacité à aider les entreprises à réduire les coûts.

Cependant, l'IA n'est pas une solution miracle ; pour exploiter pleinement son potentiel et maximiser ses retombées, les chefs d'entreprise doivent façonner la structure de leur organisation de manière à faciliter son fonctionnement.

Un système d'IA efficace ne peut pas être superposé à l'ensemble de l'entreprise ; il doit plutôt être organisé par fonction commerciale, avec des programmes élaborés par de petites équipes interdisciplinaires comprenant un propriétaire de produit, un scientifique data, un ingénieur data et un ingénieur en apprentissage automatique.

Ces programmes sont alimentés par des algorithmes, qui sont affaiblis en l'absence d'une entrée solide dans le pipeline data et de résultats clairement définis. Et bien que l'IA soit fondée sur la technologie, les mises en œuvre réussies nécessitent également du temps et de l'énergie pour intégrer ses principes dans la culture organisationnelle.

Pour en savoir plus : Cinq bonnes pratiques pour créer de la valeur à partir de artificial intelligence.

Aujourd'hui, les entreprises placent data au centre de presque toutes les fonctions - en effet, il sous-tend chacune des recommandations formulées ci-dessus. Ce statut plaide fortement en faveur de la mise en place, par les leaders numériques, de structures garantissant que les actifs informatiques de l'organisation permettent une collecte, un stockage, un traitement et des résultats efficaces de la data.

Il a été démontré que les programmes de gouvernance Data de cette nature réduisent le temps nécessaire au lancement d'un projet data et améliorent la précision de la prise de décision et de l'analyse. Avec une telle gouvernance en place, tous les projets data sont accélérés et les organisations établissent des bases solides pour les activités futures.

La pandémie a mis en évidence la nécessité d'une culture numérique forte et, en soulignant les possibilités à long terme pour les chefs d'entreprise, elle les a alignés sur les objectifs de leurs homologues numériques.

Cela offre des opportunités de renforcer et d'accélérer les plans de transformation numérique (ou de les mettre en place s'ils ne sont pas encore formalisés) ; leur valeur est plus claire dans un environnement où le changement s'est avéré essentiel pour la survie de l'entreprise. Dans ce contexte, les leaders du numérique peuvent lancer de vastes plans de formation continue afin de s'assurer que chacun possède les connaissances nécessaires pour un environnement numérique et de travail tourné vers l'avenir. Organisation data-driven.

La technologie est là - c'est à l'organisation moderne, post-pandémique, de l'intégrer dans sa culture.