Système d’analyse de la qualité chez Daimler AG

Daimler AG est un constructeur Allemand d'automobiles, de camions et de bus, ainsi qu'un fournisseur de services financiers (via Daimler Financial Services). Le groupe est aussi propriétaire de 22 % du groupe aéronautique EADS, propriétaire notamment d'Airbus. Filiale du groupe, Mercedes Benz (99,4 Milliards de CA, plus de 272 000 personnes) qui gère des usines dans 17 pays et vend plus de 2 Millions d’automobiles par an, vient de développer un intéressant projet d’entrepôt de données pour couvrir le domaine de la qualité. Cette problématique représente pour les constructeurs automobiles, un enjeu important en termes d’image & de services aux clients, d’organisation des processus, de définition des produits et de coûts des garanties (plus ou moins 2% du chiffre d’affaires).

Le projet AQUA (Advanced Quality Analysis) de Mercedes Benz a pour objectif de mettre en place un environnement d’analyse commun à l’ensemble des parties prenantes, fournissant des données validées, permettant toutes sortes de reportings et d’analyses, ainsi que la mise en place d’un système d’alerte précoce. Ce projet se veut une réponse aux problèmes de la situation antérieure, où seulement quelques rares experts connaissaient les données qualité existantes et utilisables. Les données étaient gérées par des systèmes hétérogènes et personne n’avait la responsabilité globale de ces données. Les analystes devaient généralement faire de grands efforts pour collecter et intégrer les données dont ils avaient besoin, et souvent étaient amenés à mal interpréter les informations qu’ils avaient enfin produites.

Le nouveau système est sous la responsabilité du BICC (BI Competence Center), il intègre toutes les données qualité pertinentes disponibles (production, réseau commercial, diagnostics, inspection, hot line, gestion des garanties, etc. …) dans un entrepôt centralisé qui dans le cadre d’une gouvernance clairement définie doit assurer la consistance des informations et la « vérité d’entreprise ». Il offre une interface commune, standardise les reportings ou les analyses et fournit en outre un support aux analystes avec un système intégré d’alerte précoce. Plus d’une dizaine de services utilisent ces moyens, il s’agit par exemple pour eux de suivre les produits, les incidents, la fiabilité des contrôles, des inspections, des diagnostics, les spécificités par marché, les budgets consacrés, l’efficacité des processus, des formations, etc.

Au niveau de l’architecture, après l’évaluation de différentes offres dans le cadre d’un prototype, les solutions suivantes ont été retenues : ETL d’Informatica, matériel, base de données et modèle logique de données de Teradata, outils d’analyse et de restitution de Microstrategy. Dés lors un projet a été lancé, définissant un système cible ambitieux en termes de valeur à apporter avec une mise en œuvre fractionnée en étapes contrôlables, dont la première qui tout en assurant des fondations solides a permis de réaliser rapidement des résultats nouveaux. De façon à minimiser les risques certains systèmes existants n’ont été arrêtés qu’après le franchissement de plusieurs étapes. L’intégration du système d’alerte précoce n’est prévu que dans un deuxième temps, mais à terme le gisement de données alimentera plus d’une dizaine d’applications clés : analyse des causes, satisfaction clients, conformité réglementaire, rappel de véhicules, stocks, fraude, coûts, imputation de charges et performances des fournisseurs, etc.

Ce projet est de nature à ouvrir la voie à terme à la mise en place d’un entrepôt de données d’entreprise, ayant la vocation de couvrir tous les besoins de toutes les fonctions de l’entreprise (marketing/vente, logistique/fabrication/achats, recherche/développement, ressources humaines et financières). Une telle approche permet de dépasser les limites des systèmes décisionnels hétérogènes habituellement en place, ces derniers généralement ont été développés dans le prolongement des différents progiciels utilisés pour couvrir les domaines opérationnels. Il s’agit concrètement de pallier aux problèmes posés par la multiplication des bases de données décisionnelles, par exemple en matière de qualité des données (redondance, latence, fragmentation), de coûts, de complexité à gérer des règles d’entreprise, de référentiel commun, de souplesse, d’agilité, …, et de difficulté d’évolution vers les nouveaux besoins décisionnels, tels que l’entrepôt de données actif (alimentation en temps réel, intégration dans les applications opérationnelles).

L’équipe Manufacturing de Teradata a acquis une solide expérience des entrepôts de données d’entreprise aux contacts de ses clients leaders. Il en ressort une bonne capacité à accompagner nos prospects dans leur réflexion sur ce sujet, ainsi qu’une offre concrète adaptée, avec modèle de données spécifiques et applications analytiques, sans oublier nos solutions d’infrastructure bien connue (serveur MPP, base de données, …). Pour aller plus loin sur ce sujet, vous pouvez utilement écouter le podcast suivant dans le lequel Nokia présente son utilisation d’un entrepôt de données d’entreprise, qui couvre notamment le thème qualité :

http://www.teradata.com/t/page/181373/