LEBIGDATA.FR I.A, Cloud & Cybersécurité
Afin de mettre en lumière les bénéfices du Big Data Analytics pour la chaîne logistique d'une entreprise, la firme de Management Consulting Accenture a mené une étude de grande envergure. Suite à ces recherches, Accenture délivre une infographie complète sur les enjeux et les avantages du Big Data pour la Supply Chain.
L'entreprise internationale Accenture est spécialisée dans le consulting de management et les services technologiques. Elle compte environ 289000 employés et dispenses ses conseils à des clients dans plus de 120 pays. Afin de réaliser une étude détaillée sur l'intérêt du Big Data Analytics pour la chaîne logistique, cette société a effectué des recherches auprès de 1014 Senior Executives d'entreprises asiatiques, américaines et européennes de tous les secteurs, dont le chiffre d'affaires est compris entre 1 et 10 milliards de dollars ou plus.
Cette étude est axée sur trois points principaux : la croissance d'un marché émergent, la gestion des risques de la chaîne logistique, et les Big Data Analytics. Ces trois axes sont les priorités établies par les exécutifs interrogés. L'étude cherche à mettre en lumière les stratégies et tactiques employées par les dirigeants d'entreprises dans ces trois domaines, et à évaluer l'efficacité de ces méthodes.
Accenture commence tout d'abord par un constat paradoxal. Actuellement, 97% des exécutifs estiment que l'analyse du Big Data peut avoir un impact positif sur la chaîne logistique de leurs entreprises. Cependant, seuls 17% ont déjà implanté des outils analytiques à une ou plusieurs fonctions de leur supply chain. En revanche, il s'agit d'un phénomène de mode en plein essor, puisque 1 tiers des dirigeants interrogés est déjà engagé dans le processus d'implantation de ces outils.
Les attentes de ces exécutifs vis-à-vis de l'exploitation du Big Data sont nombreuses. 48% d'entre eux souhaitent s'en servir pour pouvoir réagir plus rapidement aux changements. 45% veulent pouvoir prédire ces changements. 43% espèrent pouvoir obtenir une vue d'ensemble de la chaîne logistique pour pouvoir optimiser les performances globales de leur entreprise.
Hélas, malgré tout l'intérêt porté au Big Data, l'adoption des outils analytiques se heurte à plusieurs obstacles. 67% s'inquiètent de l'investissement représenté. 64% se posent des questions concernant la sécurité. Les autres freins cités sont la confidentialité, l'absence de soutien de la part des chefs d'entreprise, ou encore le manque de personnel qualifié en interne pour se charger de ce déploiement.
Pour le moment, seuls 34% des entreprises interrogées ont une équipe de Data Scientists qualifiés focalisés sur l'analyse du Big Data en vue d'une amélioration de la chaîne logistique ou de l'entreprise dans sa globalité. Ce manque de personnel compétent peut provenir d'une incapacité à attirer les profils les plus talentueux, faute de moyens, ou tout simplement d'une négligence de la part des employeurs.
Une fois déployée, la stratégie analytique des données volumineuses peut apporter de nombreux bénéfices. Selon les entreprises interrogées, ses principaux apports sont l'amélioration du service client, l'accélération de la réactivité aux éventuels problèmes de chaîne logistique, ou encore l'efficacité et l'intégration de cette chaîne logistique. Ces bénéfices requièrent toutefois de respecter une stratégie analytique bien ficelée.
Les trois clés pour dégager un retour sur investissement des Big Data Analytics
En effectuant ses recherches, Accenture affirme être parvenue à dégager trois règles à respecter pour tirer un retour sur investissement des Big Data Analytics dans la chaîne logistique. Il est ainsi essentiel de se focaliser sur le développement d'une stratégie analytique couvrant l'ensemble de l'entreprise. Il faut également s'assurer que les Big Data Analytics implantés dans la chaîne logistique visent à améliorer les prises de décisions de l'entreprise. Enfin, il est nécessaire de recruter des spécialistes dotés de compétences analytiques et de connaissances en business, capables de tirer des informations véritablement utiles des Big Data.
Une stratégie analytique englobant l'ensemble de l'entreprise s'avère largement plus efficace qu'une stratégie trop spécifique, orientée vers un seul objectif. Par exemple, pour réduire les temps de livraisons, 61% des entreprises dont la stratégie est globale rencontrent le succès, contre 14% des entreprises trop focalisées. Il en va de même pour l'efficacité des décisions de ventes et d'opérations, avec une réussite de 55% contre 12%. Une stratégie claire dont les objectifs sont prédéfinis à l'avance et mûrement réfléchis est également beaucoup plus rentable.
De même, les statistiques révèlent qu'il est plus judicieux d'utiliser les Big Data Analytics au quotidien que de s'en servir uniquement ponctuellement pour résoudre des problèmes. La première stratégie se révèle encore une fois plus efficace pour réduire les temps de livraison (63% contre 12%), pour améliorer les opérations basées sur la demande (58% contre 15%), pour les décisions de ventes et d'opérations (51% contre 13%), pour réagir aux problèmes dans la Supply Chain (47% contre 18%) et pour optimiser les inventaires (45% contre 19%).
La troisième règle à respecter est de former une équipe de Data Scientists dédiée à l'analyse des données, ou, en dernier recours, une personne capable d'utiliser des outils performants pour analyser les données. L'étude d'Accenture démontre qu'une équipe de Data Scientists est largement plus bénéfique qu'une équipe d'analystes traditionnels pour la réduction des temps de livraison (50% contre 9%), pour améliorer les opérations basées sur la demande (50% contre 9%) ,pour améliorer les relations entre les clients et les livreurs (44% contre 13%), et pour les décisions de ventes et d'opérations (44% contre 11%). Il est donc essentiel de recruter des profils formés dans les meilleures universités.
En conclusion, l'analyse du Big Data peut avoir des conséquences très bénéfiques sur la chaîne logistique d'une entreprise. Il est cependant nécessaire de déployer une stratégie globale, mûrement réfléchie, intégrée à la supply chain et gérée par une équipe de Data Scientists qualifiés.
- Partager l'article :
