Comment la PME Padd est parvenue à enfourcher le Big Data

Spécialiste du matériel pour l’équitation, Padd mise sur Dataiku pour segmenter ses bases de clients et de produits. Et instiller une culture de la donnée dans cette PME de moins de 200 personnes.

Comment se frotter au Big Data – ou en tout cas, à ses prémisses – quand on est une PME de moins de 200 personnes ? C’est à ce défi que s’est attelé Padd, une enseigne spécialiste du matériel pour l’équitation disposant de 58 magasins en France, mais aussi de sites Internet dans l’Hexagone, en Espagne, en Belgique, aux Pays-Bas et en version internationale. « Nous avions centralisé depuis longtemps toutes nos données sur un système AS/400. Mais nous voulions passer à une gestion cross-canal », résume Barbara Sohier, directrice e-commerce de la société. Ce besoin initial amène la PME, qui a créé son premier magasin à Paris en 1974, à s’intéresser à Dataiku, une start-up française spécialiste du Big Data et qui a monté une plate-forme spécialisée dans l’analytique. Un choix effectué par le prédécesseur de Barbara Sohier, « au plus profil plus technique que le mien », glisse cette dernière.

B_Sohier
Barbara Sohier

Au départ, le projet vise surtout à unifier le programme de fidélité de l’enseigne. Mais l’accès à un outil autorisant des requêtages sans limites sur les bases clients et produits a vite fait naître de nouveaux besoins. En particulier en communication et marketing. « On a pu par exemple effectuer des segmentations de la base clients, pour créer des groupes qu’on peut solliciter de façon différenciée », ajoute Barbara Sohier. Ce qui a donné naissance à ce qui fait figure de principal succès du projet à ce jour : « Nous avons pu inviter à une soirée privée nos clients VIP dans le magasin le plus proche de leur domicile, en leur offrant en parallèle des réductions. Le chiffre d’affaires de la journée a nettement progressé dans les magasins concernés… tout comme la satisfaction des clients sollicités ! » Padd travaille désormais à personnaliser ses newsletters en fonction des profils de clients et de leurs affinités aux divers produits, afin d’améliorer le taux de retour de ce canal.

Retravailler le merchandising

Padd_2L’autre cheval de bataille de Padd réside dans la segmentation des produits et la production d’indicateurs clefs pour chaque marque que distribue le spécialiste du cheval. « Cette segmentation apporte à nos acheteurs des arguments énormes pour négocier avec les fournisseurs, relève la directrice du e-commerce. Idem pour le merchandising en magasins, sur lequel tout le monde avait des idées, émettait des hypothèses. Là, on peut s’appuyer sur des données objectives pour référencer ou déréférencer des produits. » La société peut également aligner ses investissements marketing et son merchandising avec les marges que lui apporte tel ou tel produit.

De vendeur à développeur Dataiku

Bref, une vraie rupture pour la PME, une révolution même, selon Barbara Sohier : « Auparavant, pour accéder à pareille analyses, il nous aurait fallu faire des croisements dans Excel. Sauf que personne n’en avait le temps ! Depuis que Dataiku est en production et facilite l’exploitation de toutes les données que nous stockons, les demandes sont quotidiennes de la part des différents métiers de l’entreprise. » Au point de saturer l’unique développeur qui effectue toutes les requêtes sur la solution de la start-up française. « C’est devenu la source de toutes les données clefs dans l’entreprise. Mon seul regret, c’est que ça ne va pas aussi vite qu’on le souhaiterait », glisse la directrice du e-commerce. Un développeur au profil d’ailleurs très particulier, puisqu’il s’agit d’un vendeur de Padd reconverti. Ce qui lui confère quelques atouts pour comprendre en profondeur les attentes des métiers et pour bien interpréter les données.

Machine Learning : plutôt en 2018

Après ce qui reste un galop d’essai sur Dataiku, Padd veut désormais aller plus loin. Avec pour priorité, au second semestre 2017, une segmentation de la base clients effectuée de façon plus automatique, « afin de dépasser les opérations ponctuelle de type invitation des VIP à une soirée », selon Barbara Sohier. Ainsi qu’un approfondissement du travail sur la segmentation produits, afin d’aller vers des newsletters personnalisées sur une partie de la base. « Nous voulons sortir du mailing de masse, où nous observons une dégradation des performances », dit la responsable. Autre axe de travail : des routages automatiques aux clients en fonction de divers événements (anniversaire, bienvenue…). Le Machine Learning, lui, n’arrivera que dans un second temps, plutôt en 2018, afin de descendre dans la granularité de la segmentation. « On voudrait déjà bien maîtriser nos scénarios cross canal avant de s’attaquer à ce nouveau chantier », dit Barbara Sohier.

Un point essentiel, une ligne directrice même pour Padd. « On essaie en effet de ne pas se limiter au seul canal Web dans nos scénarios analytiques, dit Barbara Sohier. Car on a calculé que la valeur d’un client cross canal est deux fois supérieure à celle d’un client fréquentant uniquement soit nos magasins, soit notre site. »

A lire aussi :

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

Big Data : Blablacar copilote sa BI avec HP, Tableau et Dataiku