Faire un vrai trou dans la montagne de données

Les données sont partout. Leur volume augmente de façon exponentielle et se multiplie sur des périodes de plus en plus courtes. Mais deux facteurs ont évolué récemment, constate l’étude «Big Data dans la logistique», qui a été publiée par DHL fin 2013.

Volume, velocity, and variety
D’une part les données arrivent d’ellesmêmes et n’ont pas besoin d’être collectées activement. Ceci est notamment dû à la distribution massive des «connected devices» comme les voitures, les smartphones, les lecteurs RFID, les webcams et les réseaux de capteurs qui génèrent un flux continu de données sans intervention humaine.
D’autre part, la multitude de données disponibles augmente sans arrêt. Le plus grand et le plus récent volume de données est composé d’images de caméras, de vidéos de caméras de surveillance, de contributions sur les blogs et les forums et des catalogues de marchandises publiés par voie électronique. Toutes ces sources de données non structurées contribuent à augmenter la multitude des types de données disponibles. Il en va de même avec les prestataires de services logistiques: ceux-ci pilotent aujourd’hui un flux de marchandises énorme qui fournit simultanément des ensembles de données importants. Chaque jour, l’origine et la destination, la taille, le poids, le contenu et la position actuelle de millions d’envois sont enregistrés. Selon l’enquête, toutes ces données peuvent générer de la valeur ajoutée de trois façons différentes: par des améliorations de l’efficacité opérationnelle ou de l’expérience des clients ou du développement de nouveaux modèles d’affaires.
Selon une autre étude sur les tendances dans la supply chain, 60 % des personnes interrogées prévoient d’investir dans l’analyse de données Big Data dans les cinq prochaines années. Cependant les «trois v» de Big Data, «volume, velocity, et variety», ne procurent pas d’eux-mêmes l’accès aux utilisations pertinentes. Comme le dit également l’étude DHL, une réorientation mentale fondamentale et l’utilisation des techniques adaptées de recherche dans la montagne de données sont nécessaires. La question est de savoir quelle valeur ajoutée renferme la montagne de données et comment la capitaliser.

D’abord faire ses devoirs, ensuite Big Data
Selon DHL, un facteur interne à l’entreprise présente une grande importance sur le chemin de l’entreprise pilotée par Big Data. Pour devenir l’une de ces entreprises pilotées par l’information, les secteurs d’activité ainsi que l’informatique doivent développer davantage de compréhension mutuelle. Des modifications substantielles doivent devenir nécessaires aussi bien sur le plan opérationnel que dans le domaine de l’informatique. Il s’agit de développer en continu et sur le même pied d’égalité le Business Case et le modèle d’application de Big Data correspondant, et de mettre en lumière les objectifs, utilités et risques respectifs. Big Data sera encouragé par l’esprit d’entreprise. Amazon, Facebook ou Ebay ont déjà montré comment on peut convertir des stocks importants d’informations en une affaire rentable.
L’étude présente également quelques exemples. Du point de vue de l’amélioration de l’efficacité opérationnelle, le New York Police Department (NYPD) a modifié ses mécanismes d’alerte rapide. Grâce à l’analyse statistique des cambriolages et à la visualisation géographique des centres de criminalité, on a réussi à utiliser les patrouilles de façon plus efficace ce qui a fait diminuer le nombre de crimes violents. Les drogueries allemandes DM utilisent également les Big Data pour ellesmêmes. Pour l’outil de planification des équipes, non seulement les prévisions de chiffre d’affaires, mais aussi les jours de marché et fériés, les déviations sur les routes et la météo sont intégrés.
L’étude DHL présente aussi plusieurs exemples d’utilisation des applications Big Data dans l’entreprise elle-même. C’est ainsi qu’on optimise les trajets de livraison en temps réel. Chaque véhicule circule selon un plan de livraison adapté en permanence, qui tient compte de la géographie et du statut du destinataire. Le «Crowd based pick up and delivery» représente une autre approche pour optimiser le dernier kilomètre de la livraison. Ici les banlieusards, les chauffeurs de taxi ou les étudiants prennent en charge la livraison de marchandises, sur un trajet parcouru chaque jour de toute façon, contre une certaine rémunération. Si ce modèle est affiné, il est possible de réduire les coûts de livraison dans les zones rurales ou à faible population.

Alexander Saheb

Big Data dans la logistique
Vous pouvez vous procurer l’étude sous www.dhl.com. Saisir simplement le terme «Big Data» dans le champ de recherche, suivre le lien et télécharger. L’étude est disponible en anglais seulement.