Il n'a jamais été aussi facile de devenir data-driven (et d'en tirer des avantages immédiats).

Les conditions de marché particulièrement turbulentes en 2022 ont perturbé les politiques de prix et de chaîne d'approvisionnement du secteur de la distribution. Si l'optimisation des prix a toujours été une préoccupation quotidienne pour ce secteur, l'augmentation 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 intensifié la nécessité de réagir. Des décisions d'ajustement de prix plus fréquentes doivent être prises 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, une ombre plane toujours sur les chaînes d'approvisionnement, héritée des pandémies. De nombreux détaillants ne sont plus sûrs de pouvoir proposer tous les produits en raison d'un manque de stock.

Pour relever ces deux défis, les acteurs capables de s'appuyer fortement sur leur data et de le traiter instantanément et à grande échelle grâce à l'apprentissage automatique se distinguent. Bien sûr, il n'est pas possible de passer du jour au lendemain d'un système riche en data à un système riche en data-driven, mais contrairement à ce que l'on craint souvent, la maturité des technologies est telle que les premiers éléments, qui peuvent rapidement porter leurs fruits, peuvent être déployés en quelques semaines seulement.

L'inflation a attiré l'attention des détaillants sur le défi quotidien que représente l'optimisation des prix : comment identifier les produits les plus sensibles aux variations de prix (élasticité) ? Quels sont les produits qui façonnent l'image prix d'une marque (articles à valeur connue) ? Comment réagir en temps réel au repositionnement des concurrents ? Les promotions représentant une part croissante des ventes (les consommateurs sont plus que jamais à la recherche de bonnes affaires pour un budget serré), comment les optimiser sans impacter la rentabilité ? Toutes les réponses se trouvent dans le data ! Le data des clients et l'historique des ventes peuvent être combinés avec le data externe, tel que les prix et les promotions des concurrents, la saisonnalité, les événements du calendrier et, oui, même la météo ( !), afin de prendre les bonnes décisions. Les pricers des détaillants et les gestion des catégories font généralement tout cela. Malheureusement, elles ont souvent besoin de travailler sur Excel mais n'ont que peu de temps à y consacrer, en raison de leurs autres responsabilités.

Qu'y a-t-il de nouveau ? C'est la disponibilité aujourd'hui d'algorithmes prêts à l'emploi qui ont fait leurs preuves et qui automatisent les processus décisionnels les plus simples. C'est la disponibilité massive et transparente de data de tiers sur 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 un data platform qui combine toutes les transactions data, les promotions, les stocks, la hiérarchie des produits, la hiérarchie des magasins, le data des clients, etc. Et un partenaire technologique peut gérer l'infrastructure, le déploiement des ressources et les dimensions du réseau dans le cloud par le biais de ses services gérés. Aujourd'hui, à l'instar de Monsieur Jourdain, si vous connaissez Excel et PowerPoint, vous êtes un data analyste sans vous en rendre compte : en quelques jours, vous pouvez prendre le contrôle de data dans 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 l'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 incertains. Les canaux de distribution sont également devenus très complexes : il faut non seulement approvisionner les magasins, mais aussi assurer les livraisons à domicile, le click-and-collect et les partenariats. Une fois de plus, la science data vient à la rescousse des détaillants en leur permettant de mieux contrôler la gestion des stocks. En s'appuyant sur l'apprentissage automatique, les détaillants peuvent désormais analyser les reçus en temps réel pour détecter immédiatement les ruptures de stock, calculer la propagation des incertitudes sur tous les maillons de la chaîne pour mieux dimensionner les stocks tampons, ou encore 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 étroites que l'excellence opérationnelle est une nécessité, la notion d'entreprise data-driven est loin d'être nouvelle. 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 reste de rendre ces solutions accessibles au plus grand nombre. Pour démocratiser leur utilisation, il faut déployer massivement des solutions simples, multiplier les programmes de formation des salariés, qu'ils soient à la demande ou plus intensifs, et organiser des événements (par exemple, des hackathons) pour impliquer les managers qui sont à l'origine de la transformation. Le Data concerne les personnes. C'est le slogan de Artefact, et à juste titre.

Cerise sur le gâteau, le data lui-même est une mine d'or, grâce à médias grand public et le partage data. Les signaux numériques étant de plus en plus difficiles à capter, les milliards de transactions et d'interactions avec les clients générés par les détaillants sont devenus un avantage stratégique essentiel pour ces derniers. Ce data, qui permet de comprendre en profondeur les attentes des consommateurs, présente un grand potentiel de monétisation. Mais il représente une transformation profonde, existentielle, du modèle économique des distributeurs : passer d'un modèle autofinancé (avec un fonds de roulement négatif) mais avec des marges très étroites, à un modèle où les investissements initiaux sont importants mais les marges élevées. Une révolution copernicienne, qui n'est peut-être pas la plus facile à entreprendre pour tous les acteurs.

Dans le grand supermarché des opportunités de création de valeur pour le commerce de détail, les technologies data sont désormais en haut de l'étagère, en libre-service. Commerçants, pourquoi attendre pour partager ces offres imbattables avec vos partenaires ?