Comment les données capteurs et opérationnelles boostent la rentabilité d'un grand fabricant de camions

Un groupe automobile majeur qui conçoit camions, bus et équipements de construction faisait face à des marges rasées et une concurrence féroce. Pour garder l'avantage, ils se sont tournés vers une stratégie data-driven mêlant flux de capteurs véhicules et dossiers opérationnels, délivrant des offres sur mesure, un service supérieur et un bond mesurable de rentabilité. Rob Mellor, VP & GM EMEA chez WhereScape, partage le parcours de l'entreprise.

Quels changements dans l'industrie du camion ont poussé votre stratégie data ?

Comme le secteur automobile des années 90, le marché du camion opère maintenant sur des marges rasées et une rivalité intense. Le profit se construit largement sur les ventes additionnelles — garanties, financement, service et assurance — donc différencier les offres est critique. En équipant les camions de capteurs, l'entreprise peut générer des insights qui sous-tendent des propositions bien plus pertinentes et customer-centric.

Comment les données capteurs des camions sont devenues core pour votre business ?

Les flux de capteurs nous donnent une vue à 360° de chaque véhicule : santé des composants, routes précises, profils de vitesse et style de conduite. La fusion de ces données avec les détails opérationnels traditionnels (marque, modèle, historique de service) nous permet de créer des profils véhicules hautement précis. Avec les bons outils de data management, nous générons des offres qui portent statistiquement la plus forte probabilité de rentabilité.

Par exemple, quand les contrats de leasing expirent, nous évaluons la valeur résiduelle réelle des camions retournés via l'analytique capteurs. Un véhicule ayant traversé l'outback australien diffère markedly en vie restante d'un n'ayant roulé que sur autoroutes européennes. En tarifant sur l'espérance de vie plutôt que le kilométrage seul, nous pouvons booster les marges sur les camions à haute valeur de 5 % — un gain qui se traduit en millions d'euros annuels.

L'analytique capteurs signale aussi les composants qui défailliront après un certain kilométrage. Si un camion opère dans des conditions rudes, nous pouvons prédire quand le service est requis et planifier proactivement la maintenance. Cette prévoyance nous permet d'offrir des contrats de service à prix fixe garantissant zéro panne.

Les acheteurs de flottes demandent des données d'efficacité carburant. Avec les flux capteurs, nous calculons la consommation moyenne par camion, par trajet, et même par conducteur. Armés de cet insight, nous recommandons des routes plus économiques ou de la formation conducteur, menant à des économies de carburant substantielles pour les propriétaires de flottes.

L'utilisation des données capteurs pose-t-elle un grand défi technologique à l'organisation ?

Les données capteurs seules sont inertes ; elles doivent être contextualisées avec les dossiers opérationnels. Ces deux types de données diffèrent dramatiquement : les données capteurs sont high-volume, low-complexity, tandis que les données opérationnelles sont low-volume, high-complexity. Les intégrer dans un seul Enterprise Data Warehouse (EDW) n'est que le premier obstacle. La taille et la complexité des flux capteurs dépassent aussi les capacités des outils de traitement traditionnels.

Nous requérions un pipeline plus rapide, plus agile pour capturer, traiter et analyser ces données, soutenant nos objectifs stratégiques. Nous avons aussi intégré des données non-structurées — météo, trafic, infos de grève — pour améliorer davantage les insights de rentabilité.

Comment avez-vous surmonté ces défis ?

Avec WhereScape, nous avons adopté une approche agile d'analytique et de data management. La plateforme automatise la planification et la construction de data marts dans notre EDW IBM Netezza, délivrant des résultats dix fois plus vite que les méthodes legacy. Cette agilité raccourcit le time-to-market de nos solutions BI et accélère l'extraction de valeur des données capteurs.

WhereScape unifie aussi tous nos systèmes de gestion de l'information. Nous sommes passés de data marts isolés avec des techniques de modélisation disparates à un EDW pleinement intégré gouverné par un unique standard de modélisation global. Le passage d'une approche technique ad-hoc à un framework model-driven a dramatiquement amélioré la cohérence et l'intégrité des données sur cinq sites.

Notre nouvel environnement centralisé délivre une vue cross-fonctionnelle à 360° des données, basée sur une méthodologie de modélisation unique. L'EDW est notre premier pas concret vers la gestion du big data, permettant des réponses near real-time, une meilleure traçabilité et une réutilisabilité plus élevée alors que nous mélangeons les volumes d'unités business diverses.

WhereScape reste central pour notre futur, et j'anticipe un partenariat long terme.

L'auteur de ce blog est Rob Mellor, VP & GM EMEA de WhereScape