5 stratégies data gagnantes de McLaren Racing pour vous inspirer

Stratégie   |   Shane Remer   |   6 déc. 2021

Il s'agit de « la plus grande innovation de ces 20 dernières années ».

Ce sont là les paroles de Dan Keyworth, Director of Business Technology chez McLaren Racing,

lors de son récent webinaire avec Alteryx. Il est responsable de l'ensemble des systèmes informatiques et technologies des programmes de Formule 1 de McLaren, ainsi que des règles de participation à l'e-sport et à l'Extreme E.

Les responsables de la Formule 1 ont décidé de transformer le style de voiture de course utilisé, de plafonner les dépenses et d'imposer de nouvelles réglementations techniques il y a quelques années. Et avec les problèmes liés à la chaîne d'approvisionnement pendant la pandémie, Dan Keyworth et toute l'équipe McLaren Racing ont dû faire face à une énorme pression à chaque prise de décision.

Aujourd'hui, ils doivent repenser leurs méthodes de travail, les modifications qu'ils peuvent apporter à leurs processus et la façon d'y parvenir rapidement, tout en restant performants sur les 23 courses du championnat.

Tous ces défis surviennent au moment où le nombre de supporters de McLaren Racing est en pleine croissance.

Si le monde de la Formule 1 diffère des secteurs de la finance ou des produits de consommation, les problématiques rencontrées par l'écurie et les solutions qu'elle a trouvées sont les mêmes que dans presque toutes les autres entreprises, et McLaren Racing utilise pour y parvenir une approche descendante.

1. Se concentrer sur l'objectif final

La mission de McLaren Racing est simple : remporter la victoire.

Pas seulement dans la prochaine course, mais dans toutes les courses à venir.

Ayant l'objectif final à l'esprit, chaque membre sait à quelles tâches il doit se consacrer pour que l'équipe avance ensemble. De même, McLaren Racing sait quelles données collecter.

Chaque week-end de course, l'entreprise collecte environ un téraoctet et demi de données rien que sur la voiture.
L'équipe dispose de données sur les arrêts aux stands, la santé du pilote, ou encore les performances de la voiture.

Connaître l'objectif final aide l'équipe à comprendre quels aspects améliorer et, par conséquent, quelles données sont nécessaires.

Conclusion : définissez un objectif métier clair afin que l'ensemble des équipes et des collaborateurs comprenne ce qu'ils doivent faire pour que l'entreprise progresse.

2. Miser sur l'itération

À l'aide d'une boucle de conception, McLaren Racing teste les fonctionnalités et les modifications potentielles des voitures. Parfois, les fonctionnalités testées ne seront utilisées que bien plus tard.

Dans certains cas, l'entreprise utilise un jumeau numérique.

Avec un temps limité pour effectuer les tests (en particulier celui concernant la mécanique des fluides numérique), l'équipe utilise les données pour comprendre ce qui fonctionne ou non. Lorsque les résultats sont concluants, l'équipe commande des pièces et construit la voiture.

Face aux problèmes d'approvisionnement dans le monde et aux nouveaux plafonds de dépenses de la Formule 1, toutes les écuries doivent faire preuve d'intelligence quant aux matériaux qu'elles commandent et à la manière de les employer.

En outre, sans un budget suffisant pour embaucher une main-d'œuvre supplémentaire, McLaren Racing se fie aux données pour accélérer la production de pièces avec des ressources limitées et un impact élevé.

Conclusion : utilisez vos données pour déterminer le délai de production pour chaque service.

3. S'adapter aux données

Pendant une course, McLaren Racing apporte des modifications techniques à sa voiture toutes les 14 minutes.

À la fin de la saison, près de 80 % de la voiture aura changé par rapport au modèle d'origine,

en raison de nombreuses modifications apportées pendant les phases de conception et de test. L'écurie innove en permanence pour rendre la voiture plus rapide et efficace.

Le produit que l'on voit à la télévision est souvent l'aboutissement de plusieurs séries de tests. Fonctionnalités, optimisation, pièces, conception : toutes les données sont réunies et évaluées pour la course.

L'équipe collecte les données en temps réel à partir de la voiture. Les ingénieurs, qui maîtrisent aussi la conduite, communiquent constamment avec les pilotes pour avoir leurs impressions. Ils les interrogent sur le style de conduite, la configuration physique, ou encore le moteur.

Conclusion : vous pouvez apporter à votre projet des modifications en cours de route. Cette approche peut même vous donner un avantage concurrentiel.

4. Former une communauté

Chaque membre de l'équipe poursuit le même objectif et utilise les données pour l'atteindre. Il est donc essentiel que chacun soit sur la même longueur d'onde.

Cela signifie que tous les collaborateurs doivent pouvoir accéder aux données dont ils ont besoin et les comprendre. Cette approche implique que tout le système soit unifié et cohérent.

Pour cela, McLaren Racing tire parti de l'automatisation analytique avec Alteryx.

Son équipe de data science, qui travaille souvent sur 3 000 lignes de code par jour, adore Alteryx. Cette solution permet aux membres d'accélérer certains aspects de leur processus, puis d'y ajouter Python et des modules complémentaires.

Alteryx facilite également l'implication de l'ensemble de l'entreprise. McLaren Racing fait appel à l'écosystème de partenaires d'Alteryx pour aider ses collaborateurs à utiliser la solution pour résoudre eux-mêmes les problématiques.

Conclusion : éliminez les silos de données et autres obstacles qui empêchent votre équipe d'être sur la même longueur d'onde. Donnez à chacun les moyens de contribuer au processus.

5. Faire confiance au processus

Si le volume de données traitées est important, McLaren Racing reste une équipe composée d'humains, guidés par des émotions.

Quelles que soient les décisions à prendre, les humains agissent toujours en fonction de ce qui leur paraît juste.

Pour McLaren Racing, qui effectue des changements toutes les 14 minutes, les décisions doivent être rapides et adaptées. La moindre erreur peut coûter à l'écurie une place sur le podium.

S'il est préférable de prendre des décisions dans le calme, les exigences du métier ne permettent pas toujours ce luxe.

Pour compenser cela, une seule recommandation : se fier complètement aux données.

Conclusion : comme le préconise Dan Keyworth, il faut faire confiance au processus, et les données serviront de guide.