L'entreprise multinationale de boissons faisait face à des inefficacités dans la mise à disposition du bon assortiment de produits en magasin en raison de sa croissance rapide. Auparavant, elle s'appuyait sur l'intuition des experts pour fixer des seuils arbitraires d'assortiment de produits, ce qui entraînait des surstocks dans certains magasins et des ruptures de stock dans d'autres, se traduisant par une perte de parts de marché, des dépassements de coûts et une perte de revenus.

‍

Afin d'améliorer l'assortiment de produits à l'échelle nationale, elle recherchait une approche de modélisation à la fois puissante et explicable, que des parties prenantes non techniques pourraient comprendre. Le modèle visait à déterminer la gamme de produits optimale pour chaque magasin à partir d'une multitude de données d'entrée.

Fournir des segments de produits utiles

Notre client devait repérer les magasins présentant des tendances de distribution de produits similaires. Auparavant, la segmentation reposait sur des seuils arbitraires, sans fondement dans les données et tributaire de l'intuition des experts, ce qui n'était pas viable en cas de départ du personnel clé.

Normaliser des données aux structures différentes

Les données des différents segments de marché provenaient de sources variées et présentaient des structures de colonnes diverses. Un modèle de données normalisé était essentiel pour prendre des décisions cohérentes en matière de positionnement des produits.

Une solution facile à maintenir, adaptée aux compétences du client

Disposant d'une expertise technique limitée, le client avait besoin d'une solution sans code, facile à maintenir et à réexécuter. La solution devait comporter une interface utilisateur pour le nettoyage des données, l'exécution du modèle d'apprentissage automatique et la visualisation des résultats.

L'équipe de Compass Analytics a tiré parti d'Alteryx et de Tableau. Alteryx a servi à concevoir des flux de travail transformés en Analytical Apps afin de créer une interface pointer-cliquer pour la normalisation des données et d'exécuter le modèle de partitionnement au moyen de scikit-learn. Tableau a permis de visualiser les résultats et les indicateurs clés pour une interprétation intuitive.

‍

Pour le nettoyage des données, nous avons bâti un flux de travail Alteryx afin de normaliser toutes les données d'entrée dans notre modèle de données défini, ainsi qu' une Analytical App, soit une interface utilisateur permettant aux utilisateurs métier de sélectionner les sources de données et les colonnes communes, garantissant un format normalisé pour le partitionnement. Des étapes de validation confirmaient que les bonnes colonnes figuraient dans le jeu de données final. Le flux de travail permettait à un utilisateur non technique d'exécuter le processus de normalisation des données.

‍

Pour le partitionnement, l'interface utilisateur permettait aux utilisateurs métier de sélectionner des paramètres tels que la portée des magasins et le nombre de grappes. L'outil Python d'Alteryx mettait en œuvre le modèle de partitionnement, lequel utilise scikit-learn. Les indicateurs clés étaient convertis en un rapport de diagnostic, offrant des analyses sur la qualité des grappes et les caractéristiques des produits. Des directives étaient fournies aux utilisateurs métier sur la manière d'interpréter les résultats.

‍

Le résultat du modèle était exporté vers Tableau, mettant en évidence les indicateurs clés et visualisant la distribution géographique des grappes de magasins.

La solution mise au point par Compass Analytics a permis à l'entreprise de boissons de déployer un modèle robuste de segmentation des produits, favorisant des décisions axées sur les données et améliorant le positionnement des produits dans l'ensemble des magasins.

Un positionnement des produits amélioré

La solution regroupe les magasins présentant une distribution de produits similaire et fournit des visuels faciles à comprendre, aidant l'entreprise à saisir rapidement ses segments de produits. Cette approche axée sur les données permet aux gestionnaires de catégories d'optimiser l'assortiment de produits, de réduire la perte de connaissances organisationnelles et de préserver les parts de marché, même en cas de départ de membres clés de l'équipe.

La consolidation de sources de données différentes

Notre processus normalisé de nettoyage des données a assuré une intégration cohérente des données à travers les différents segments de marché, favorisant un partitionnement uniforme et des résultats riches en analyses d'une région à l'autre.

Une solution durable adaptée aux besoins du client

Bâtie principalement dans Alteryx, la solution offre une interface utilisateur pour la normalisation des données et le paramétrage du modèle de partitionnement. Cela permet à l'entreprise de créer de la valeur d'affaires à partir de l'assortiment et de l'allocation des produits, sans nécessiter de compétences techniques en programmation.

‍

L'entreprise multinationale de boissons dispose désormais d'un processus normalisé de partitionnement et d'allocation optimale des produits, permettant aux gestionnaires de catégories de continuer à définir des distributions de produits optimales dans l'ensemble des magasins, sécurisant ainsi ses parts de marché et des revenus soutenus.