Analyse du cas Big Data

Préparation du Cas ‘‘Predictiong Consumer Tastes with Big Data at Gap’’

Quel est le contexte et quel est le projet?

Le cas présente la vision de Art Peck, CEO at Gap et son changement de cap. En effet, l’entreprise a décidé d’utiliser les données Big Data pour prédire les prochains designs tout en supprimant le postes de directeur de la création.

Art Peck nous explique cette décision d’éliminer les directeurs créatifs pour promouvoir la collaboration des équipes, l’utilisation de l’analyse des marchés en ligne et en magasin et aussi pour ne pas faire reposer la créativité de l’entreprise sur une seule personne. Ces deux sources d’informations font partie du Big Data et permettent une fois analysés les prédictions du marché d’établir les prochains designs selon Art Peck.

Entre autres, il nous présente différents exemples où le Big Data est sommairement utilisé comme par exemple avec Netflix et les listes de lectures proposées et adaptées aux goûts du consommateur. Amazon est aussi un autre exemple, puisque ce géant du commerce électronique a mis en place une stratégie de prévision des ventes où un article serait déjà envoyé au client avant même qu’il ne pense à l’acheter.

Quelle est la problématique logistique ou d'opérations?

L’utilisation du Big Data en remplacement des designers a pour but d’accélérer les tendances et la conception des produits, le tout pour accélérer les livraisons au client final. En capturant les informations sur les avis, les réseaux sociaux et autres, de nouvelles propositions et des tendances émergent pour se retrouver très vite en place dans les magasins ou en ligne.

La chaîne d’approvisionnement joue un important rôle au sein du Big Data. Elle permet de rassembler les données sur son réseau et aide à analyser les prédictions. En rassemblant l’information, de la source, les fournisseurs, aux clients finaux, en passant par d’autres sources, on peut déduire des comportements communs, mieux s’organiser et même obtenir de meilleur service et prix dans le monde du transport grâce aux volumes par exemple.

 Quelles sont vos recommandations pour la suite?

Afin que cette stratégie fonctionne, il faudrait s’assurer que la chaîne d’approvisionnement soit fluide et réactive. En effet, baser sa stratégie sur l’analyse prédictive exige que les produits qui ont été définis suite à cette analyse soient rapidement livrés au consommateur final. Zara est un excellent exemple de chaîne d’approvisionnement réactive qui a permis un renouvellement rapide des collections.

Cette stratégie peut cependant amener à se questionner sur le choix des lieux de production. Par exemple, Zara a misé sur une production plus proche des lieux de consommation principaux afin de réduire les délais de livraison.

Enfin, il ne faut pas perdre de vue que c’est d’abord l’efficacité de la chaîne d’approvisionnement qui a permis à des entreprises de prendre un virage vers le Big Data et non l’inverse.

...