Pricing dynamique, « réassort », gestion des stocks, personnalisation : quand Spark et Hadoop...
-
Upload
jean-michel-franco -
Category
Technology
-
view
1.305 -
download
0
Transcript of Pricing dynamique, « réassort », gestion des stocks, personnalisation : quand Spark et Hadoop...
1©2015 Talend Inc
Pricing dynamique, personnalisation… quand Spark et Hadoop s'immiscent dans les opérations retail
Jean-Michel Franco – Directeur marketing produit - @jmichel_franco
2
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015(Chiffre d’affaires)
Talend en bref : dynamiser l’entreprise par ses données
(estimation)
Hadoop 2.0
CloudFaits et chiffres
• Créé en 2006
• 500+ employés dans 7 pays
• 1700+ clients
• 2M+ téléchargement open source
• 108% CAGR
Big Data
ApplicationIntegration
Master DataManagement
DataQualityData
Integration
3
Réussir les transitions de l’expérimentation à la transformation digitale
Trajectoires d’adoption pour le Big Data dans le retail
Experimentation Analytique Data driven
Valeur
Seuil de rentabilité
Proof of concept
Projetapprouvé
Généra-lisation
Transfor-mation
+
+Data Fabric+
Big data
“Avoid Data Scientist hype. Have a forward thinking
& start operating big data.”
4
Le Big Data pour rapprocher l’offre et la demande en temps réel
Cas d’usage 1 : de la planification au temps réel
L’entreprise :
• 53000 employés, 11 Milliard de CA ; 40 enseignes dans 20 pays• 3 marchés : retail omni-canal, services financiers, services• Leader du e-commerce dans la mode et le textile
Challenges :
• Précisions des prévisions : sur-stocks, ruptures, insatisfaction client• Agilité du pricing• Taux de visites web/mobiles non converties
Valeur :
• Prévisions : diminution des invendus de 20 % ; qualité des prévisions améliorée de 40%
• Pricing : Ventes + 9%, rotations de stocks + 6% , profitabilité + 5%.
5
Le Big Data pour mieux servir le client connecté
Cas d’usage 2 : Mettre en place la Customer Data Platform
Les enjeux :
• Améliorer les taux de transformation tout au long du parcours client• Améliorer le service client et personnaliser chaque interaction• Mesurer avec plus de précision l’efficacité des promotions et services
La démarche :
• Créer la vue unique et opérationnelle du client multi-canal• Collecter et connecter les données d’interaction/transaction • Enrichir avec l’analytique• Intégrer les points de contacts client en temps réel
La plate forme :
• Master Data Management pour la vue client consolidée• Big Data et machine learning pour la vue 360°enrichie• Intégration temps réel aux applications digitales et point de vente
6
Pourquoi Spark et Talend ?
Quelle plate-forme pour opérer votre transformation par les données ?
Spark Streaming
ArchitectureLambda
In Memory
MachineLearning
Pas de codeMigration en 1 click
Analyser avant d’agir, au bon moment
Transformer les données en décisions,
prescriptions et actions
Rester à la pointe de la technologie sans efforts
Supprimer les temps de latence quels que soient
les traitements à appliquer
Exploiter la donnée dès qu’elle vient
7
Découvrez Spark et le machine learning avec la nouvelle sandbox Talend
Créer un flux de données en streaming
avec Kafka
Créer un modèle de recommendation avec
Spark ML LIB
Créer une application Spark pour la
recommandation en temps réel
8
Questions & Réponses
http://fr.talend.com/En savoir +