L'exploitation intelligente des données : une stratégie payante

En 2011, la société McKinsey a publié un rapport sur l’exploitation des données volumineuses intitulé Big Data : The Next Frontier for Innovation, Competition, and Productivity. Les auteurs y estimaient les gains potentiels de l’exploitation des données volumineuses dans cinq grands secteurs d’activité, dont ceux des soins de santé et du commerce de détail aux États-Unis ainsi que celui de l’administration publique en Europe. Par exemple, un commerçant qui utilise des méthodes d’analyse statistique pour fouiller à fond ses données pourrait augmenter jusqu’à 60 % sa marge d’exploitation. L’utilisation créative et efficace des données dans le système de santé aux États-Unis a le potentiel de créer une valeur de plus de 300 milliards de dollars par année ! Les administrations gouvernementales européennes pourraient économiser plus de 149 milliards d’euros en efficacité opérationnelle seulement avec les techniques d’exploitation des données volumineuses. Certains sceptiques diront que ces calculs sont théoriques, mais ils s’inspirent de cas réels.

LIRE AUSSI: Gestion des données: la gouvernance, une boussole

La société UPS utilise depuis longtemps des algorithmes d’optimisation conçus par des chercheurs en recherche opérationnelle afin de minimiser les distances que ses camions doivent parcourir pour livrer et ramasser quotidiennement plus de 16 millions de colis. Cherchant à réduire ses coûts, l’entreprise a pensé en 2001 à exploiter les données GPS provenant de son système de suivi des colis pour analyser le rendement de sa flotte de véhicules et pour déterminer les endroits où des gains d’efficacité seraient possibles. L’utilisation des méthodes d’analyse de données a permis à l’entreprise de découvrir qu’il y avait beaucoup de pertes de temps lors des virages à gauche à certaines intersections en milieu urbain à cause du trafic arrivant en sens inverse. UPS a utilisé cette découverte pour modifier les tournées de ses véhicules en ajoutant une contrainte dans ses algorithmes d’optimisation pour minimiser le nombre de virages à gauche. Notons par ailleurs que le virage à droite au feu rouge est autorisé dans la majorité des États et des villes d’Amérique du Nord. Cette réduction du nombre de virages à gauche a permis aux chauffeurs de gagner du temps et donc de livrer plus de colis pendant leurs quarts de travail. Quelques minutes par jour par chauffeur pour une flotte d’environ 100 000 véhicules : les gains en productivité pour l’entreprise sont loin d’être négligeables ! UPS a calculé que cette seule contrainte lui a permis d’économiser 10 millions de gallons d’essence depuis 2004, ce qui représente une réduction d’émissions de 100 000 tonnes métriques de CO2. Les chauffeurs de l’entreprise et les autres usagers de la route ont profité de cette mesure qui a aussi permis de réduire les risques d’accidents : en effet, les virages à gauche sont une cause importante d’accidents mortels ou de collisions avec blessés.

Les méthodes d’analyse de données ont été déterminantes pour la réélection de Barack Obama en vue de son second mandat, en 2012. La modélisation incrémentale est entre autres utilisée dans le domaine du marketing pour distinguer les clients qui achèteront un produit, peu importe s’ils reçoivent une offre promotionnelle ou non, de ceux qui n’achèteront jamais ce produit et aussi de ceux qui l’achèteront uniquement s’ils reçoivent une offre promotionnelle. Seuls ces derniers clients potentiels devraient être sollicités pour maximiser l’efficacité des efforts de marketing. Cette idée a été appliquée à la campagne électorale de 2012, où l’électorat était bien sûr constitué de démocrates et de républicains « purs et durs » ainsi que d’électeurs indécis. La modélisation incrémentale a été mise à profit par l’équipe d’une douzaine de spécialistes de l’analyse des données pour identifier les électeurs indécis dans les swing states, ce qui a permis aux travailleurs électoraux démocrates de se concentrer uniquement sur les indécis. La stratégie a été payante.

L’exploitation intelligente des données d’une organisation pourrait également la rendre plus performante ! Il s’agit d’avoir une bonne idée et d’avoir accès à des spécialistes compétents en matière de méthodes d’analyse des données volumineuses, qui sauront comment en extraire les informations ayant le potentiel de créer de la valeur.