Valoriser l’historique pour optimiser les ressources internes et le service au client final

L’historique des données de livraison contient notamment tous les éléments de tracking des colis transportés sur plusieurs années. Le DSS permet l’enrichissement et l’analyse approfondie de cet historique ce qui permet à Chronopost d’assurer une qualité constante de ses différentes offres (livraison avant 13h, avant 8h…) au meilleur coût de production.

Régine Buys, Responsable de Domaine BI Chronopost International explique : " Le Data Science Studio nous permet d'explorer un historique de données internes de plusieurs années sur des informations de détail liées à la livraison de colis pour en extraire des statistiques géographiques et horaires. Par exemple, nous développons actuellement avec DSS des analyses permettant d'identifier et d’optimiser, à l'échelle de la France, les moyens opérationnels engagés chaque jour pour couvrir tout le territoire."

Modélisation des parcours de livraison : l'optimisation du dernier kilomètre avec DSS
La souplesse d’utilisation de Data Science Studio simplifie l'identification et l'analyse des moyens opérationnels engagés au quotidien. L'exploration de ces masses de données permettra au pôle d'assistance à maîtrise d'ouvrage de Chronopost d'affiner les moyens routiers nécessaires pour assurer le dernier kilomètre de ses livraisons.

À court terme, quel que soit le moment de l'année, notamment durant les périodes critiques comme Noël, la fête des mères, etc., la modélisation automatisée des parcours permettra de maintenir une qualité constante du service, au meilleur coût de production.

Régine Buys précise : "DSS apporte de nouvelles perspectives d'analyses de données pour mieux servir notre stratégie d'entreprise. Ces nouvelles perspectives peuvent se traduire techniquement, commercialement ou structurellement.

DSS nous permettra un accès souple et direct à nos données de masse, pour plus facilement nous en faire une vision globale, puis affiner rapidement notre recherche dans une architecture alliant Big Data et architecture standard".

Florian Douetteau CEO de Dataiku commente : "L'analyse du dernier kilomètre est un exemple parfait de l'apport du prédictif ; la complexité et la variabilité des données sous-jacentes ne rend pas réaliste des approches à base de simples règles. Il faut donc mettre en place un algorithme qui s'imprègne de l'historique pour optimiser le futur. C’est une satisfaction toujours renouvelée de voir Data Science Studio permettre de valoriser des Big Data pour un impact direct sur le vie réelle.”