Pour sa croissance, le PMU mise une pièce sur le Big Data

Big DataData & StockageDSIProjets
0 0 Donnez votre avis

L’opérateur de paris hippiques, sportifs et de poker online installe son datalake pour optimiser son parc de bornes dans l’Hexagone. Et demain personnaliser les interactions en temps réel avec les clients sur ces machines.

Les paris, le PMU préfère que ce soit ses clients qui les fassent. Car, quand il s’est agi de construire son datalake, le 1er opérateur de paris hippiques en Europe a misé sur la sécurité, avec un premier usage basé sur la réinternalisation de campagnes marketing auprès de ses prospects. Un choix qui a suffi à justifier l’investissement dans un datalake Cloudera supporté par des serveurs HPE.

Mis en service en août dernier, cet entrepôt, qui consolide les données des courses, les prises de paris ou encore les données de navigation Web des clients enregistrés et des anonymes, a ouvert la voie à une nouvelle phase, avec l’ouverture d’un Big Data Lab. « Nous avons refait le tour des directions métier pour recueillir un ensemble de scénarios d’exploitation possibles de ce datalake, raconte Arnaud Etevenard, le responsable des projets du domaine client au sein du PMU. Bien sûr, nous avons alors engrangé trop de sujets à traiter. La priorisation s’est effectué via une approche basée sur les revenus et les charges. » Autrement dit, c’est l’impact économique des usages du Big Data qui a compté, avec une orientation prioritaire donnée au réseau, ces 12 800 points de vente où le PMU a installé des bornes pour les prises de paris.

Ne plus perdre de paris

etevenard_pmu
Arnaud Etevenard

« Chaque équipement génère du chiffre d’affaires, et l’idée de la première application que nous avons développée est d’optimiser la localisation de chaque machine en fonction de son potentiel économique », résume Arnaud Etevenard, qui s’exprimait lors du salon Big Data Paris (6 et 7 mars). Le problème est d’autant plus épineux que l’activité sur ces machines est éminemment cyclique, rythmée par les courses de chevaux. « Quand 5 minutes avant le départ de la course, plus 4 personnes font la queue sur une machine à parier, cela représente de l’activité perdue », détaille le responsable. Fort de ces observations, le PMU calcule que 40 % de son parc atteint ou dépasse ce seuil de saturation.

Pour optimiser son chiffre d’affaires, sans toutefois acheter de nouvelles bornes, le Data Lab a notamment construit une carte de chaleur, affichant les points de vente et leur niveau de saturation. « Nous sommes en train de tester la réallocation des machines sur 10 points de vente. Et ça marche ! Sans Big Data, notre chiffre d’affaires stagne sur cette activité ; on montre qu’avec le Big Data, il peut progresser », résume Arnaud Etevenard. Ce dernier prévoit que l’ensemble du parc des 22 000 bornes soit optimisé sur la France entière d’ici 12 mois.

Big Data rime avec Devops

Un palier qui ouvrira de nouveaux horizons. En particulier en matière de gestion des contrats de maintenance et, éventuellement, de maintenance préventive. Ce qui passera par une supervision des machines et la mise en place d’alertes. « Comme nous connaîtrons l’impact sur le chiffre d’affaires d’une indisponibilité, nous pourrons déclencher les bonnes interventions », assure le responsable des projets du domaine client. Qui garde toujours en perspective… précisément le client ! « Une fois qu’on maîtrise l’activité du terminal, on peut imaginer bâtir des profils d’usage et définir des interactions avec les clients en fonction de leur profil », remarque Arnaud Etevenard. La supervision du parc et la personnalisation du marketing nécessiteront toutefois le passage au temps réel, là où le PMU travaille, pour l’instant, sur des données froides.

Pour les informaticiens de la société, la démarche Big Data  a aussi été l’occasion d’une profonde remise en cause des méthodes de travail. Accompagnées par Xebia, les équipes du PMU sont passées à une approche agile, avec des livraisons de code tous les 15 jours. Pour impliquer les métiers, la DSI a aussi mis sur pied, en septembre dernier, une ‘feature team’, une équipe pluridisciplinaire de 8 personnes associant des compétences en Data Science, des compétences métier et des profils venus de la BI traditionnelle. Surtout, plutôt que de travailler sur un mode forfait, c’est désormais un engagement de moyens qui préside au développement des applications Big Data. « Les clefs de la réussite », assure Arnaud Etevenard.

A lire aussi :

Florian Douetteau, Dataiku : « Le GDPR va remodeler les applications Big Data »

Pour Air France, le Big Data est un atout maître dans la relation client

Big Data : comment Trainline a construit sa gare de triage de données

Crédit photo : matthewokeefe via Visual hunt / CC BY


Lire la biographie de l´auteur  Masquer la biographie de l´auteur