Quelques usages de Big Data expérimentés par SuperValu

SuperValu réalise depuis plusieurs années des analyses des « affinités produits », mais comme elle utilise des programmes SQL classiques, elle se contente de travailler une base contenant 13 semaines de données historiques, et met 4 heures à analyser une catégorie de produits. Insatisfaite de cette situation SuperValu a mis en place une plateforme pilote Aster Data, qui contient des informations concernant 225 magasins, 8 ans d’historique de données de transactions, ce qui représente 15 milliards de paniers, ~367 000 codes produits différents de12 catégories de produits (comme par exemple : alcool, céréales, surgelés/glaces, détergent/lessive, fromage, serviettes en papier, pizza, …).

Le premier cas métier traité, a concerné l'analyse des mouvements des prix des articles et leur impact sur la taille des paniers sur une longue durée (6-8ans), la composition des paniers sur une longue durée (6-8ans), les affinités (départements, produits) sur une longue durée (6-8 ans), les meilleures promotions, etc. En s’appuyant sur une solution Aster SQL-MapReduce et en traitant un historique de données de 8 ans, l’analyse des « affinités produits » de toutes les catégories vs tous les autres (11 x 11 catégories), a été réalisée en 48 minutes.

Un autre cas a été l’analyse de la « migration » des consommateurs, l'analyse de la baisse des segments de consommateurs sur une longue période, quels articles ne sont plus achetés, pendant combien de temps les consommateurs sont classés premium avant de se désengager. Un autre cas a été l’analyse de l’incidence de la concurrence : analyse de l’impact des différents concurrents, impact de l'ouverture d’un magasin concurrent sur la taille des paniers, sur la fidélité des consommateurs à savoir si le nombre de paniers par mois se réduit ? Un autre cas a été l’analyse de l’impact des promotions, est-ce que les promotions changent la durée les affinités produits ? Quand il y a une promotion, les clients s'en tiennent-ils à leur marque traditionnelle, ou passent-ils à d'autres marques, ponctuellement ou dans la durée.

Des données des médias sociaux (non structurées / multi-structurées) ont aussi été analysées, pour cela il a fallu intégrer des données de Facebook par exemple avec les données de transaction existantes, et regarder l'impact sur la fidélité des consommateurs, le nombre de fans SuperValu selon les caractéristiques démographiques, voir si les meilleurs consommateurs (Platinum et Gold) sont fans Facebook, etc.

Les résultats ont convaincu SuperValu de l’intérêt de s’équiper pour traiter des Big Data, c’est-à-dire concrètement de pouvoir stocker et analyser toutes sortes de données structurées (comme de longs historiques de transactions), ou comme des données multi-structurées émanant des réseaux sociaux ou de la navigation sur le web. Au final SuperValu a opté pour un écosystème composite comprenant un entrepôt de données d’entreprise Teradata, un système Hadoop et une plateforme analytique Aster Data, le tout géré par même système d’administration intégré de Teradata.

Aujourd’hui les différents types d’utilisateurs de SuperValu peuvent, suivant leur autorisation, accéder aux différents types de données gérés dans les systèmes et les croiser entre elles librement en utilisant leurs outils habituels préférés. Pour aller plus loin sur ce cas vous pouvez utilement consulter l’interview (7’) de Venugopal Adooparambil Senior. IT Manager, EDW & Big Data chez SuperValu : http://www.youtube.com/watch?v=KF91UzmaVHc