UPS optimiser ses trajets

Depuis des décennies, UPS trace en temps réel les quelque 16 millions de colis livrés chaque jour dans le monde pour s'assurer qu'ils arrivent à bon port. Mais ce n'est qu'en 2013 que « Big Brown » a décidé de suivre ses déplacements à la loupe pour gagner en efficacité, grâce à l'optimisation des courses de ses véhicules. Nom du projet : « Orion », l'acronyme d'« on-road integrated optimization and navigation ». Initié dès 2008, mais déployé à plus grande échelle l'an dernier, il devrait concerner 55.000 parcours aux Etats-Unis d'ici à 2017. 80.000 de ses fameux camions marron sont déjà porteurs de capteurs qui récupèrent des données sur les itinéraires des livreurs : leur vitesse, le nombre d'arrêts et de freinages, la consommation de carburant, etc. Les informations collectées sont recoupées avec celles fournies par des cartes et des données GPS, pour retravailler l'ensemble des itinéraires. Objectif : gagner en rapidité dans les livraisons et dépenser moins d'énergie. En 2013, le dispositif aurait déjà permis d'économiser 5,6 millions de litres d'essence.

Sears des prix en temps réel

Depuis 2010, le groupe de distribution américain Sears s'en remet à Hadoop - l'une des technologies « open source » et bon marché les plus prisées des projets Big Data - pour mettre en place le « dynamic pricing » : la fixation quasi en temps réel des prix de ses produits. Concrètement, des algorithmes analysent une masse de données aussi diverses que les tarifs des enseignes concurrentes, les niveaux des stocks de chaque bien ou des indicateurs macro sur l'économie locale des magasins. Sears disposait déjà de ces informations avant le lancement de son projet, mais l'entreprise n'avait pas la capacité technique de les traiter simultanément. Les recouper grâce aux algorithmes d'Hadoop a permis au groupe des gains spectaculaires de rapidité : l'enseigne fixe désormais les prix de ses produits en sept jours, parfois moins, contre huit semaines minimum auparavant.

Introhive µ le réseau révélé

Fondée en 2012, la start-up canadienne Introhive, créée entre autres par des anciens de BlackBerry, propose de mettre à jour le « capital de relations » de ses entreprises clientes, en analysant les contacts professionnels de leurs salariés. Son créneau ? Le « social selling », ou vente « sociale ». La solution qu'elle commercialise passe dans un tamis les relations nouées sur les réseaux sociaux, via e-mail ou mobile des collaborateurs - sans que le contenu des échanges soit révélé - pour cartographier le réseau global de chaque société. Qui a déjà été en contact avec telle entreprise visée pour un marché ? A quelle fréquence ? Y répondre permet aux dirigeants de faire émerger la valeur « relationnelle » des équipes, pas toujours facile à déceler à l'échelle d'une grande entreprise, où l'information circule mal. Le but : mieux cibler les prospects et conclure plus rapidement des marchés, en privilégiant, pour chaque mission, les commerciaux qui entretiennent des relations « humaines » avec les clients convoités.

Visa déceler les fraudes

Le Big Data consiste à rassembler rapidement un grand volume de données considérées jusque-là comme trop disparates pour être recoupées. Idéal pour détecter des mouvements financiers frauduleux, comme les banques et les services de paiement s'en sont vite aperçus. Visa s'est, par exemple, équipé ces dernières années d'un nouveau système de repérage des fraudes, directement inspiré du Big Data. Ses algorithmes s'efforcent de croiser un nombre toujours plus important de données. Temps passé entre deux transactions, localisation, type d'achats effectués, corrélation entre les adresses de facturation et de livraison… Au total, jusqu'à 500 aspects d'un même acte de paiement peuvent être analysés. Un moyen de déceler des comportements inhabituels qui passent inaperçus dans des systèmes de détection classiques. Cette approche devrait aussi permettre à terme d'alléger les procédures de vérification : plus il en saura sur les habitudes d'un porteur de Carte Bleue, plus le système d'identification saura déceler par lui-même les comportements suspects parmi les actes de la vie quotidienne.

Wal-Mart dans la tête du client

Le géant de la distribution Wal-Mart a très tôt fait le pari que l'exploitation à grande échelle des données l'aiderait à trouver de nouvelles sources de croissance. Par exemple, sa chaîne d'approvisionnement a pu être optimisée en permettant aux fournisseurs de suivre à distance la demande en magasin, pour anticiper les besoins. Parmi ses dernières expérimentations Big Data, la mise en place d'un moteur de recherche Polaris pour son site e-commerce, développé en interne. Conçu pour mieux comprendre les besoins des internautes, il fait émerger les produits que les clients sont le plus susceptibles de consommer. Il s'appuie pour cela sur une analyse sémantique très poussée, notamment grâce à la recherche de synonymes, mais il croise aussi les termes de la recherche à une large base de données sur les précédentes requêtes. D'après Wal-Mart, il a déjà permis d'augmenter de 10 à 15 % le taux de conversion des achats en ligne.