Devenir data-driven et en récolter des bénéfices immédiats n'a jamais été aussi facile

Les conditions de marché particulièrement tumultueuses de 2022 ont bouleversé les politiques de tarification et de chaîne d'approvisionnement du secteur de la distribution. Si l'optimisation des prix a toujours été une préoccupation quotidienne pour ce secteur, la hausse de 5,2 % des prix à la consommation sur l'ensemble de l'année 2022 (contre 1,6 % en 2021) et son accélération au premier trimestre 2023 ont renforcé la nécessité de réagir. Des décisions d'ajustement des prix doivent être prises plus fréquemment chaque jour pour absorber les hausses de coûts ou réagir au repositionnement des concurrents, et être immédiatement déployées dans les réseaux de magasins.

Pour ne rien arranger, les chaînes d'approvisionnement restent sous le coup d'une incertitude héritée de la pandémie. De nombreux commerçants ne sont plus certains de pouvoir proposer tous leurs produits en raison d'un manque de stocks.

Pour relever ces deux défis, les acteurs capables de s'appuyer fortement sur leurs data de les traiter instantanément et à grande échelle grâce à l'apprentissage automatique se démarquent. Bien sûr, on ne passe pas du data à data au lendemain, mais contrairement aux craintes courantes, les technologies ont atteint un tel niveau de maturité que les premiers éléments, susceptibles de porter rapidement leurs fruits, peuvent être mis en place en quelques semaines seulement.

L'inflation a concentré l'attention des détaillants sur le défi quotidien de l'optimisation des prix : comment identifier les produits les plus sensibles aux variations de prix (élasticité) ? Quels sont les produits qui façonnent l'image de prix d'une marque (articles à valeur reconnue) ? Comment réagir en temps réel au repositionnement des concurrents ? Étant donné que les promotions représentent une part croissante des ventes (plus que jamais, les consommateurs recherchent des bonnes affaires adaptées à un budget serré), comment les optimiser sans nuire à la rentabilité ? Toutes les réponses se trouvent dans les data! data clients data l'historique des ventes propres à l'entreprise peuvent être combinées avec data externes data que les prix pratiqués par la concurrence et les enregistrements de promotions, la saisonnalité, les événements du calendrier et, oui, même la météo (!) pour prendre les bonnes décisions. Les responsables de la tarification et les équipes de gestion des catégories des détaillants s'occupent généralement de tout cela. Malheureusement, ils doivent souvent travailler sur Excel mais disposent de peu de temps à y consacrer, en raison de leurs autres responsabilités.

Alors, quoi de neuf ? Eh bien, c'est la disponibilité, dès aujourd'hui, d'algorithmes prêts à l'emploi qui ont fait leurs preuves et qui automatisent les processus décisionnels les plus simples. C'est l'accès fluide et massif aux data tierces data le marché. C'est la facilité d'utilisation des piles technologiques qui permettent de traiter des millions de transactions en quelques millisecondes. Aujourd’hui, il ne faut que trois mois pour construire une data qui combine toutes data transactionnelles, les promotions, les stocks, la hiérarchie des produits, la hiérarchie des magasins, data clients, etc. Et un partenaire technologique peut gérer l’infrastructure, le déploiement des ressources et les dimensions réseau dans le cloud ses services gérés. Aujourd’hui, à l’instar de Monsieur Jourdain, si vous maîtrisez Excel et PowerPoint, vous êtes un data sans vous en rendre compte : en quelques jours, vous pouvez prendre le contrôle des data BigQuery (Google), Synapse (Microsoft) ou Snowflake et créer des tableaux de bord interactifs dans Looker, Power BI ou Tableau.

Ces dernières années, le contexte sanitaire et géopolitique a également mis à rude épreuve les chaînes d'approvisionnement. Aujourd'hui, le taux de service des fournisseurs varie d'une semaine à l'autre et les délais de livraison peuvent être très aléatoires. Les canaux de distribution sont également devenus extrêmement complexes : il ne s'agit plus seulement d'approvisionner les magasins, mais aussi de répondre aux besoins liés à la livraison à domicile, au « click-and-collect » et aux partenariats. Une fois encore, data vient à la rescousse des détaillants en leur permettant de mieux maîtriser la gestion des stocks. En tirant parti de l'apprentissage automatique, les détaillants peuvent désormais analyser les tickets de caisse en temps réel pour détecter immédiatement les articles en rupture de stock, calculer la répartition des incertitudes sur l'ensemble des maillons de la chaîne afin de mieux dimensionner les stocks de sécurité, ou améliorer l'allocation des stocks sous un nombre infini de contraintes (pour optimiser les coûts, raccourcir les délais de livraison ou réduire l'empreinte carbone).

Dans un secteur où les marges sont si faibles que l'excellence opérationnelle est une nécessité, le concept d'entreprise data est loin d'être nouveau. Ce qui change aujourd'hui, c'est la facilité d'accès et d'utilisation des plateformes technologiques.

Si la technologie n'est plus un obstacle, le défi consiste toujours à mettre ces solutions à la disposition d'un public aussi large que possible. Pour démocratiser leur utilisation, il faut déployer des solutions simples à très grande échelle, multiplier les programmes de formation des employés, qu'ils soient à la demande ou plus intensifs, et organiser des événements (par exemple, des hackathons) afin d'impliquer les responsables qui pilotent la transformation. Data une affaire de personnes. C'est le slogan Artefact, et à juste titre.

Cerise sur le gâteau, data constituent une véritable mine d'or, grâce au « retail media » et data . Alors que les signaux numériques deviennent de plus en plus difficiles à capter, les milliards de transactions et d'interactions avec les clients générés par les détaillants sont devenus pour eux un avantage stratégique décisif. Ces data, qui permettent de comprendre en profondeur les attentes des consommateurs, recèlent un immense potentiel de monétisation. Mais elles représentent une transformation profonde et existentielle du modèle économique du détaillant : passer d’un modèle autofinancé (avec un fonds de roulement négatif) mais aux marges très faibles, à un modèle où les investissements initiaux sont substantiels mais les marges élevées. Une révolution copernicienne, peut-être pas la plus facile à entreprendre pour tous les acteurs.

Dans le vaste supermarché des opportunités de création de valeur dans le commerce de détail, data occupent désormais le premier rang, en libre-service. Chers détaillants, pourquoi attendre pour faire profiter vos partenaires de ces offres imbattables ?