Si votre organisation de Retail envisage de mettre en œuvre ou de remplacer ses solutions de planification ou d’optimisation, vous avez trois options.

Le but de cet article est de vous aider à ne pas négliger trois considérations importantes pour choisir la meilleure option pour votre entreprise.

Voici vos trois options :

• Développer une solution en interne

• Licencier une solution tierce de pointe

• S’appuyer sur une plateforme analytique qui soutient vos processus métier

Chaque option présente des avantages et des inconvénients.

Avant d’aborder les pour et les contre, assurons-nous d’être d’accord sur la signification d’une « plateforme analytique ».

Dans notre contexte, une plateforme analytique est un logiciel sur lequel les entreprises peuvent créer leurs propres solutions de planification et d’optimisation.

Ces plateformes offrent généralement les fonctionnalités suivantes :

• Des capacités de drag-and-drop ou de low code pour activer des processus métier spécifiques.
• Intelligence artificielle (Machine Learning, Data Mining, etc.).
• Optimisation des assortiments de marchandises, des niveaux de stock, et autres.

Vous pouvez construire l’application à travers diverses ressources, y compris :

• L’équipe interne du Retailer
• Une équipe de services du fournisseur de la plateforme
• Un partenaire commercial tiers

Voici les trois considérations clés à ne pas négliger dans votre processus de sélection :

1. Quelles compétences sont nécessaires en interne ?

Il existe une grande différence entre réussir une preuve de concept (POC) et fonctionner en mode production 24/7.

Peut-être que les meilleurs ingénieurs et Data Scientists peuvent mettre en place un système de production et le maintenir en fonctionnement, mais cela entraînera des coûts supplémentaires.

Lors de la construction de votre modèle d’investissement, assurez-vous de prendre en compte ces coûts :

• Le coût d’une équipe DevOps à part pour déployer et maintenir les environnements de production.
• Le coût et le risque de dépendance à des personnes très recherchées. Ces personnes peuvent être difficiles à remplacer, ce qui vous expose à un risque élevé si vous n’avez pas de ressources de secours.

Comparez ces coûts avec la prime annuelle que vous devrez payer à un fournisseur de plateforme ou de logiciel pour assurer ces services pour vous.

Vous aurez besoin d’une équipe de Data Science interne pour analyser le volume croissant de données que vous collectez.

Considérez une approche hybride pour fournir les bonnes compétences.

Au lieu de compter sur votre équipe de Data Science pour tout faire – de la conception du système à sa mise en œuvre et son exploitation – une option hybride pourrait être une alternative intéressante.

Voici comment une approche hybride pourrait fonctionner :

• Votre équipe de data science interne crée des modèles analytiques pour le pilote du système. Cette équipe travaille également à l’amélioration continue de la solution de planification et d’optimisation une fois qu’elle est en place.
• Votre fournisseur de logiciel déploie et maintient la solution.
• Des experts de votre équipe interne collaborent avec le fournisseur de logiciel (ou partenaire) pour évaluer les meilleures pratiques et fournir des conseils sur les techniques récentes.

2. Quel niveau de risque opérationnel pouvez-vous accepter ?

Assurez-vous de la compatibilité avec les fournisseurs de services cloud.

Supposons que vous choisissez un fournisseur de services cloud, puis que vous souhaitiez changer de fournisseur. Si votre fournisseur de solution ne prend pas en charge le service cloud que vous préférez, vos options seront limitées.

Pourquoi voudriez-vous changer de fournisseur de services cloud ?

Peut-être que les coûts sont plus élevés que prévu. Ou que vous ne recevez pas le niveau de support dont vous avez besoin.

Il est possible que vous ne souhaitiez pas faire affaire avec Amazon Web Services (AWS) parce que vous les considérez comme un concurrent.

Vous pourriez avoir des préoccupations similaires à l’idée de travailler avec Google Cloud, car Google influence le comportement d’achat.

Qu’en est-il de Microsoft Azure ou d’un autre fournisseur de services cloud ?

Pour atténuer les risques de changement de fournisseur de services cloud, choisissez un fournisseur de solutions qui fonctionne avec n’importe quel service cloud.

Assurez-vous que votre fournisseur peut résoudre rapidement les problèmes critiques.

Que faire si vous n’êtes pas satisfait du support fourni par votre fournisseur de logiciel ?

Un bug majeur pourrait affecter vos positions de stock et entraîner des ventes manquées ou des surstocks.

Votre fournisseur de logiciel formera-t-il votre équipe à prendre le relais ou à vous aider en matière de support ?

Ayez un plan de secours pour changer de fournisseur de solution si nécessaire.

Vous pourriez décider à un moment donné de changer de fournisseur de solution pour diverses raisons :

• Le fournisseur ne respecte pas ses accords de niveau de service.
• Il ne fournit pas un support adéquat.
• Il modifie sa stratégie produit.
• Il augmente ses tarifs.
• Vous avez des préoccupations concernant la fiabilité ou la sécurité des données.

Voici quelques moyens d’assurer un changement de fournisseur avec un minimum de coûts et de désagréments :

• Assurez-vous de pouvoir extraire facilement vos données.
• Gardez un contrôle total sur vos processus et votre documentation de conception.

3. Avez-vous un accès fiable à une expertise en IA et optimisation ?

Vous souhaitez que les dernières technologies soient intégrées dans vos solutions de planification et d’optimisation du Retail :

• Machine Learning pour la prévision
• Deep Learning pour des ajustements automatiques de réapprovisionnement

Votre organisation n’est peut-être pas encore prête à adopter ces technologies.

Pour les déployer avec succès, vous devez avoir accès à des experts qui pourront vous conseiller. Assurez-vous donc que le fournisseur de logiciel que vous choisissez puisse fournir les conseils dont vous avez besoin, ou identifiez d’autres consultants expérimentés.

Les recommandations de vos experts varieront en fonction de plusieurs facteurs :

• La quantité et le type de données dont vous disposez
• La qualité de vos données
• La capacité de votre équipe à comprendre et à adopter de nouveaux modèles et techniques

Notez que certaines techniques avancées comme le Machine Learning et le Deep Learning fonctionneront mieux avec certaines catégories de produits qu’avec d’autres.

Idéalement, la solution que vous choisissez devrait vous permettre d’intégrer des techniques d’IA à mesure que vous développez vos données, vos processus et vos équipes.

Il peut être judicieux de commencer avec une approche simple, puis d’ajouter des techniques plus sophistiquées lors de futures phases.

Vous voulez une solution qui permette à vos équipes internes – Data Scientists, Data Engineers et IT – de participer à son développement continu.

Anticipez les risques et prévoyez de les atténuer

Lorsque vous entreprenez un projet de transformation ou d’innovation, vous vous exposez inévitablement à des risques.

Certains risques sont plus faciles à atténuer que d’autres.

Pour résumer, vous pouvez réduire le risque de choisir le mauvais système de planification Retail en répondant à ces questions souvent négligées :

• Quelles compétences vous faut-il en interne ?
• Quel niveau de risque opérationnel êtes-vous prêt à accepter ?
• Avez-vous un accès fiable à une expertise en IA et optimisation ?

La mise en œuvre d’un système de planification et d’optimisation du Retail réussi nécessite un véritable partenariat avec les fournisseurs potentiels.

Réfléchissez donc bien au type de partenaire que chaque fournisseur sera à long terme.

Outre les fonctionnalités et caractéristiques du produit, quels autres éléments ajouteriez-vous à la liste des considérations importantes pour choisir un partenaire ?

À propos de Slim Kallel

Au cours des 15 dernières années, Slim Kallel a collaboré avec des retailers aux États-Unis et en Europe pour choisir, concevoir et mettre en œuvre des solutions de planification et d’optimisation du Retail.

Slim est aujourd’hui Senior Business Solutions Manager pour le bureau parisien de SAS Institute, où il se concentre sur le secteur Retail & CPG.

Avant de rejoindre SAS Institute, Slim a travaillé pour Predictix LLC, puis pour Infor Corp. après que l’entreprise ait acquis Predictix en 2016.

Slim a commencé sa carrière chez Bechtel Corporation. Il est titulaire d’un Master en ingénierie industrielle de Georgia Institute of Technology et d’une licence en sciences de l’École Nationale d’Ingénieurs de Tunis.

Slim soutient les start-ups tunisiennes utilisant l’intelligence artificielle et fait partie de l’association des Jeunes Professionnels Tuniso-Américains.