Analyse de données fondée sur l’IA à des fins de distribution et de commercialisation
DÉFI #1
Qualité des données:
Les données disponibles dans le système ERP ont évolué sur une longue période et présentent des faiblesses auxquelles il convient de remédier.
DÉFI #2
Différentes sources de données:
Les différentes sources de données à regrouper présentent des caractéristiques différentes.
DÉFI #3
Sélection des méthodes d’analyse appropriées:
Compléter les méthodes d’analyse classiques par une sélection de méthodes fondées sur l’IA afin d’obtenir de nouvelles perspectives en matière de données.
À propos du projet
Finalités
L’éditeur de calendrier WALTER Medien effectue régulièrement des analyses de ses données de mission dans le système ERP. Le projet devrait répondre à la question de savoir s’il existe des synergies entre les données de l’ERP et d’autres sources de données et si celles-ci peuvent être fusionnées. L’objectif est d’acquérir de nouvelles connaissances potentiellement précieuses susceptibles de servir de base à des décisions stratégiques. La question centrale est la suivante: Quels enseignements et informations supplémentaires peuvent-ils être tirés de la combinaison des données ERP avec d’autres sources de données et de leur analyse au moyen d’algorithmes d’IA?
L’analyse et l’intégration systématiques des sources de données visent à permettre à l’éditeur de calendrier d’élaborer des analyses plus précises des groupes cibles et des stratégies de commercialisation optimisées. En outre, l’analyse approfondie des données devrait contribuer à rendre les processus opérationnels plus efficaces et à élargir la base de données pour la prise de décision.
Un autre aspect important du projet est l’évaluation de l’utilité pratique de l’analyse renforcée des données pour les activités opérationnelles. Il s’agira d’examiner quelles mesures et stratégies concrètes peuvent être dégagées à partir des nouvelles connaissances.
Position de sortie
L’éditeur de calendrier est une entreprise active dans toute l’Allemagne qui commercialise des moyens publicitaires généraux. Ces dernières années, l’entreprise a de plus en plus utilisé des technologies modernes pour optimiser ses processus opérationnels, en mettant l’accent sur l’utilisation de l’analyse de données.
Actuellement, l’éditeur de calendrier utilise le système ERP pour documenter les informations relatives aux clients et aux ventes. Le système ERP permet d’analyser régulièrement les données relatives aux contrats. Il rassemble les données relatives aux commandes et aux clients, qui servent de base à des décisions éclairées.
Les analyses réalisées jusqu’à présent au moyen de l’outil ERP donnent de bons résultats, mais n’offrent qu’une certaine perspective sur les données existantes. Par conséquent, la direction souhaite étudier et combiner les synergies entre les différentes sources de données afin d’obtenir des informations plus approfondies et plus complètes.
Le projet vise à analyser systématiquement les différentes sources de données et à exploiter les synergies possibles pour identifier les groupes de clients similaires grâce à l’IA. Il s’agira d’examiner dans quelle mesure les données sont compatibles entre elles et comment elles peuvent être intégrées afin de permettre des analyses plus approfondies. En combinant les données de l’ERP avec des sources externes, l’éditeur espère voir des schémas et des tendances qui n’ont pas été détectés jusqu’à présent.
Questions clés du projet
- Les données de l’ERP sont-elles utilisables?
- Les données provenant du système externe fournissent-elles des informations supplémentaires?
- Les analyses fondées sur l’IA fournissent-elles des informations supplémentaires et, dans l’affirmative, quelles recommandations peuvent-elles être tirées?
DESCRIPTION DE L’ENTREPRISE
Étapes à suivre
Notre objectif était de disposer d’un aperçu complet des ensembles de données, d’améliorer la qualité des données au moyen de techniques d’analyse avancées et de formuler des recommandations précieuses à l’intention de clients similaires. À cette fin, une approche systématique a été adoptée, avec plusieurs étapes coordonnées.
1. Tout d’abord, l’exhaustivité, la cohérence et la pertinence des trois ensembles de données existants ont fait l’objet d’un examen détaillé, qui a permis d’identifier et de documenter les données manquantes ou incohérentes. Les ensembles de données ont ensuite été fusionnés et les doubles caractéristiques ont été supprimées afin d’éviter les redondances et d’assurer la cohérence des données.
2. À la suite de l’intégration, les points de données incomplets ont été supprimés conformément à des critères définis pour n’utiliser que des données présentant une densité d’information suffisante. Les données ajustées ont été normalisées et transformées dans un format qui facilite l’application d’algorithmes d’IA.
3- Pour l’analyse des données, différents algorithmes d’IA ont été évalués. Sur la base de la structure des données et des objectifs d’analyse, K-Means Clustering a été sélectionné. L’algorithme a été utilisé pour détecter des modèles, regrouper des clients similaires et formuler des recommandations solides sur cette base.
4. L’analyse a permis de formuler des recommandations spécifiques adaptées aux besoins des clients, y compris des propositions visant à optimiser les stratégies de commercialisation et les interactions entre les clients. Toutes les étapes, méthodes et résultats ont été documentés de manière exhaustive afin de garantir la traçabilité interne.
Résultat du projet
La fusion et l’analyse systématiques des différentes sources de données ont permis de répondre avec succès aux questions clés du projet:
Facilité d’utilisation des données de l’ERP: Malgré des faiblesses historiques dans les données du système ERP, les données ont pu être utilisées efficacement après avoir été soigneusement corrigées. L’examen de l’exhaustivité, de la cohérence et de la pertinence, ainsi que la correction des redondances, ont constitué une base fiable pour une analyse plus approfondie.
Valeur ajoutée provenant de sources de données externes: L’intégration des données de vente externes a fourni des informations supplémentaires précieuses. La combinaison avec les données de l’ERP a permis de mieux comprendre le comportement des clients et les tendances du marché et a mis en évidence des schémas et des synergies inconnus jusqu’à présent.
Données supplémentaires tirées de l’analyse fondée sur l’IA: L’utilisation d’algorithmes d’IA, en particulier de K-Means Clustering, a donné lieu à de nouvelles connaissances solides. Différents groupes de clients ont été identifiés, dont le comportement d’achat et leurs besoins diffèrent. Ces pôles permettent d’élaborer des stratégies de commercialisation et des activités de distribution ciblées.
Les résultats du projet montrent clairement l’utilité de la combinaison de différentes sources de données et de l’utilisation de méthodes d’IA pour la prise de décisions stratégiques. Il convient de procéder régulièrement à ces analyses afin d’acquérir en permanence de nouvelles connaissances et de réagir avec souplesse aux changements du marché. Cela aide l’éditeur de calendrier à rester compétitif et à atteindre ses objectifs commerciaux de manière plus efficace.
Principales conclusions du projet
En coopération avec:
