Je suis tombé sur un client l’autre jour qui a été confronté au problème suivant. Le client a beaucoup de camions sur la route. Bien que le planning de ces camions soit bien optimisé, beaucoup de temps (et d’argent) est perdu dans les embouteillages. Le client est vraiment frustré, car malgré son système de gestion routière, son entreprise perd beaucoup de temps. Non seulement certaines cargaisons arrivent trop tard, mais certains itinéraires pourraient être mieux prévus s’il savait prendre en compte ces embouteillages...

Le problème ici c’est que le client utilise toutes les informations dont il dispose en interne, mais en raison de facteurs externes — ici les embouteillages, les données internes seules ne lui permettent pas d’optimiser son planning.

Le client cherchait déjà comment faire pour tenir compte de ces retards. Beaucoup sont prévisibles. Par exemple : il sait qu’un camion qui a besoin d’aller du nord au sud de la Belgique sera coincé sur le ring de Bruxelles vers 07 heures du matin le lundi. Toutefois, si le camion arrive au ring avant 06 h 30, la perte de temps sera minime. Le client avait déjà la vision d’une solution à ce problème. Le plus grand défi cependant c’était le processus. Comment intégrer ces informations externes de telle sorte à pouvoir les combiner avec ses propres données internes afin de créer un planning pour ses camions ? Et comment faire pour automatiser ce processus afin que ces données externes (facilement disponibles sur internet : sur Google maps dans le cas présent) soient automatiquement utilisées pour enrichir ses propres informations et rendre le processus simple et facile ?

Et c’est exactement là que la préparation de données et le mélange de données interviennent. J’avais déjà utilisé Alteryx pour résoudre un problème similaire auquel j’ai été confronté : conduire de Luxembourg à Bruxelles, au meilleur moment possible un lundi après-midi.

Alteryx est une technologie de mélange de données qui vous permet d’extraire des données depuis internet, de les préparer et de les mélanger avec vos propres données. Ce processus d’enrichissement vous permet de prendre de meilleures décisions basées sur des données qui proviennent de vos sources internes, mais qui sont enrichies par des données externes. Dans le cas de ce planning, il ne s’agit pas de décisions majeures, mais plutôt de micro décisions (c’est essentiellement en quoi consiste la planification routière).

En plus de ça — et c’est ce qui rend Alteryx vraiment puissant — vous pouvez créer des flux de travail visuellement, afin de pouvoir les réutiliser pour que tout le processus de préparation et de mélange de données se fasse de manière automatisée.

Dans cet exemple, le retour sur investissement d’Alteryx peut représenter la suppression (partielle) du temps perdu dans les embouteillages, mais la solution évite également les pénalités de retard lors des livraisons.

Pensez à la richesse des informations externes disponibles sur internet ou chez vos clients et partenaires. Je suis sûr que mélanger ces informations avec vos propres données vous aidera à prendre de meilleures décisions... ou à économiser du temps et de l’argent.

Si vous voulez savoir comment j’ai réussi a gérer ça, jetez un œil à mon article technique ici. (pour des raisons de confidentialité, je mentionne une autre affaire, mais le processus est similaire).

Si vous voulez en savoir plus sur Alteryx et ce que cette solution peut apporter à votre entreprise, consultez nos pages Web sur Alteryx.

“Without data, you’re just another person with an opinion”
(William Edwards Deming)