Primary tabs

Adeo est un des leaders mondiaux de l'amélioration de l'habitat, du cadre de vie, de l'outillage et du bricolage pour les particuliers et les professionnels. Le groupe exploite 32 enseignes (dont Leroy Merlin, Weldom, Bricocenter, Zodio…), opère dans 15 pays et compte 114.000 collaborateurs. La supply chain intelligente ? Elle est bien sûr au cœur du métier et des projets de l'entreprise, comme nous l'explique Laurent Ostiz, Chief Data Officer (CDO) d’Adeo.

En tant que CDO, vous avez la responsabilité d’animer une stratégie data-driven alignée sur la transformation digitale d'Adeo. Qu'est-ce qu'une stratégie data-driven pour une entreprise comme la vôtre ?

Laurent Ostiz : Cette stratégie recouvre plusieurs dimensions. Le premier volet, c'est le fait de non seulement étudier et expliquer le passé, mais aussi de mieux comprendre comment les choses se produisent, pour éclairer et réussir à prédire le futur. On associe encore trop souvent la data au reporting, un peu comme si on souhaitait conduire une voiture en regardant uniquement dans son rétroviseur. Pour piloter une voiture ou une entreprise, il faut avant tout regarder vers l'avant. Il s'agit donc d'utiliser les nombreuses données disponibles (historique des transactions, parcours web, tickets de caisse, données fournisseurs, etc.), ainsi que d'autres data complexes (un commentaire sur notre site web ou une photo postée sur nos réseaux sociaux) pour améliorer la manière dont on prend des décisions et affiner la stratégie de l'entreprise.

Deuxième volet de notre stratégie data : comment utiliser les données pour optimiser les processus métier existants et servir notre business ? Le champ d'amélioration est vaste : opérations, approvisionnement, agencement en magasin, pertinence de la gamme de produits, ajustement de cette gamme en fonction des pays et des régions, adéquation de la politique de prix, et bien sûr la supply chain ! La data doit nous permettre d'automatiser et d'optimiser des processus, soit sur la chaine de valeur de l'entreprise, soit sur des fonctions support. Toute stratégie data vise donc toujours à opérer un changement culturel, pour que l'ensemble des collaborateurs, de la direction au conseiller de vente, soit capable d'utiliser la data, avec des outils et des connaissances qui les aident à prendre de meilleures décisions.

Comment mettre en place une telle stratégie ?

Il faut commencer par comprendre que la data n'est plus une denrée rare mais une denrée abondante. Il est peu cher de la capter, de la stocker et de l'utiliser, et elle peut générer beaucoup de valeur. Notre mission est donc aussi d'injecter cette idée dans la culture des métiers pour qu'ils s'approprient la donnée et modifient leurs habitudes, leurs processus, leurs réflexions, leurs stratégies. On commence donc par prendre conscience du patrimoine de données à disposition. Il s'agit ensuite de les rendre accessibles, de manière adaptée aux différents profils d'utilisateurs – les métiers n'ont bien sûr pas les mêmes besoins que les data scientists. Une fois ces données accessibles, reste à les mettre en œuvre dans un contexte de production. Il ne s'agit pas de faire des expériences en laboratoire, mais de rendre les données utiles, tous les jours, pour relever les défis du quotidien. Nous sommes vraiment au cœur de la transformation de l'entreprise, avec un profond changement culturel, de nouvelles façons de mesurer, de travailler, de réfléchir…

Pourquoi une stratégie data-driven est-elle aujourd'hui indispensable ?

Premier constat : les acteurs qui s'appuient sur la data dégagent clairement des performances supérieures aux acteurs traditionnels. Deuxièmement, on observe dans notre métier une tendance à la complexification plus qu'à la simplification. Il y a 20 ans, notre business model était simple ; il "suffisait" de référencer les meilleurs produits, les acheter au meilleur prix, les stocker et les mettre à disposition en magasin. Les clients suivaient tous le même parcours - caddie, caisse, voiture – et la chaine de valeur était assez simple. Aujourd'hui, notre métier est beaucoup plus complexe, avec des sites de commerce en ligne, de nouveaux concepts comme l'Appart (dans le 17ème arrondissement de Paris), et l'objectif d'adresser de nouveaux segments de marché comme les professionnels du bâtiment. Désormais, nous vendons aussi en magasin d'autres produits, issus de nouveaux fournisseurs. Et nous souhaitons servir des besoins client plus larges, en leur apportant plus de services et d'accompagnement. Si nous souhaitons par exemple vendre, livrer et installer un chauffe-eau, puis assurer sa maintenance dans le temps, cela nécessite de s'associer avec des artisans locaux et des entreprises spécialisées. Tous ces facteurs conjugués complexifient énormément notre modèle économique et rendent le recours à la data indispensable. C'est vrai en boutique comme pour le e-commerce. Sur un site web, si vous ne savez pas ce que le client pense, apprécie, attend, bref si vous n'avez pas une approche data-driven, vous êtes totalement aveugle. C'est ça, l'apport de la data : nous aider à piloter l'entreprise.

Vous évoquiez l'importance de la data pour la supply chain…

En effet. La supply chain est un champ passionnant pour la data, car c'est un domaine très "processé", à la fois consommateur et générateur de données. La complexité consiste d'abord à s'assurer de la qualité de la donnée et à en récolter sur l'ensemble des processus, alors que certaines tâches restent manuelles et ne créent pas de données numérisées. La supply est aussi un domaine assez systémique, où de nombreuses actions s'influencent les unes les autres. Prenez une simple commande. Elle signifie du transport (donc un choix entre bateau, train et camion), du stockage et une géographie d'entrepôt au niveau international, national et régional, plus des réserves déportées dans certains magasins et d'autres directement dans les rayons, du stock aussi chez les fournisseurs…Tout ça pour un simple achat en magasin ! Et vous avez aussi le web… Notre groupe vend des catégories de produits tellement vastes et diverses, vous pouvez imaginer la complexité en termes de produits, d'approvisionnement, de transport, de stockage. D'autant que si on ne gère pas de produits frais, on doit aussi traiter des produits fragiles, parfois dangereux, qui entrainent de nouveaux impératifs. D'une manière générale, si votre supply chain n'est pas efficace, vous risquez des ruptures de stock, donc vous ne pouvez pas respecter la promesse client… La supply est vraiment un magnifique sujet d'amélioration continue et de création de valeur.

Dès lors, comment améliorer la supply chain grâce à la data ?

Petit à petit, point par point. Il faut partir d'un irritant ou d'un besoin et passer par un prototype qu'on est capable de tester, qui apporte un début de solution concrète, et dont on peut mesurer les résultats. Il y a cette phrase que je trouve assez inspirante : "Je réfléchis à ce que devrait être l'entreprise dans 10 ans, et je me concentre sur les trois prochains mois". Nous avons des objectifs, une stratégie claire. Et nous prenons les problèmes les uns après les autres. Concrètement, nous travaillons sur plusieurs sujets de manière agile et rapide - quelques mois de travail de notre data lab. En parallèle, nous menons des chantiers de fond, qui engagent plus de ressources et visent le long terme.

Comment réussir à prioriser de tels chantiers ?

Le critère numéro un, c’est l'intérêt. On ne fait pas du prédictif pour faire du prédictif, de l'IA pour faire de l'IA, simplement parce que c'est tendance - nous ne sommes pas un laboratoire de recherche mais un utilisateur de ces technologies. L'entreprise doit toujours être capable de mesurer la performance de tous les projets. Nous essayons donc systématiquement de partir d'un point qui impacte nos activités (problème d'efficacité, de qualité, de régularité…), un point qui déçoit l'utilisateur, qui peut être interne ou le fait d’un fournisseur, d’un partenaire ou du client final. Puis nous étudions le cocktail de mesures à déployer, en sachant qu'il ne s'agit pas uniquement de data : la solution peut venir de la formation, de moyens, d'accompagnement, etc. Nous essayons toujours d'optimiser le ratio effort-valeur, par exemple en recourant au machine learning plutôt qu'au deep learning pour un "petit" projet. Nous réglons un problème à la fois, avant de passer au point suivant.

Comment déterminez-vous ce ratio effort-valeur ?

En partant d'une question simple : "si on résout ce problème, quelle sera la valeur créée ?". Cette valeur peut prendre plusieurs formes ; du chiffre d'affaires additionnel, un gain sur les achats directs ou indirects (par exemple réduire les frais de transport sans dégrader la qualité), un gain de temps qui permet à nos collaborateurs de passer plus de temps en rayon, auprès de la clientèle, etc. La data nous aide à faire de l'amélioration continue.

Adeo mène actuellement un beau projet avec CGI. Pouvez-vous nous en dire quelques mots ?

Nous travaillons avec CGI sur le replatforming de l'écosystème de toute notre Data Warehouse. Il s'agit d'un socle vital pour nous, puisqu'il supporte toute notre activité historique, notre reporting mais aussi notre data science, nos algorithmes, etc. Le choix du cloud nous permet d'agréger un nombre très important de données, à la fois internes et externes, sans souci de stockage et avec une capacité de calcul énorme et des services managés. Autre intérêt pour un groupe comme le nôtre, qui compte de multiples entreprises, le fait de pouvoir plus facilement dupliquer et exporter un projet mené par une filiale et qui peut être aussi bénéfique dans les autres entités.

Le partage de la culture data semble vous tenir à cœur…

Dans notre modèle d'entreprise éclaté, la question de la data ne peut pas être centralisée. D'une part, ce n'est pas notre culture, notre ADN. D'autre part, il ne faut pas oublier où se crée la performance : ce n'est pas moi qui réalise un chiffre d'affaires additionnel depuis mon bureau, mais nos conseillers de vente en magasin, nos opérateurs en entrepôts logistiques, nos acheteurs, etc. Il faut donc capitaliser sur leur savoir-faire historique, les outiller et les aider à utiliser la data, car ce sont ces collaboratrices et collaborateurs qui créent notre valeur. Cela n'empêche pas de faire aussi œuvre de pédagogie auprès des dirigeants – c'est indispensable pour lancer de beaux projets – mais sans jamais oublier ou négliger le terrain.

Publier un commentaire

Comment editor

  • No HTML tags allowed.
  • Lines and paragraphs break automatically.
Politique de modération des commentaires sur le blog CGI