Ne manquez pas Inspire 2024, qui aura lieu du 13 au 16 mai 2024 au Venetian de Las Vegas. Inscrivez-vous !

 

Brique après brique : comment le groupe LEGO fait évoluer l'analytique

Bill Shube, Sr. Manager, Decision Support Tools au sein du groupe LEGO, nous parle des défis data auxquels les équipes sont confrontées, et de la manière dont elles les relèvent.

Technologie   |   Gib Bassett   |   28 avril 2022

Note de la rédaction : cet article comporte une interview avec Bill Shube, Sr. Manager, Decision Support Tools, au sein du groupe LEGO.

Comment le groupe LEGO organise-t-il son analytique ?

Bill Shube : Structurellement, les équipes IT et BI sont des entités tournées vers l'international, centralisées à notre siège au Danemark. D'un point de vue plus local, sur le continent américain nous ne disposons pas de beaucoup de ressources pour ces équipes et nous travaillons toujours avec des collaborateurs basés au Danemark. De ce fait, leurs priorités sont plutôt de portée mondiale, et souvent elles ne sont pas compatibles avec certains enjeux plus locaux auxquels nous sommes confrontés. Nous en sommes donc venus à la conclusion qu'il fallait parfois nous débrouiller. 

Notre équipe se composait de deux planificateurs de la demande et d'un planificateur de l'offre. Nous avons dû apprendre à mieux comprendre le reste des activités pour comprendre les besoins des personnes. Mais comme nous étions expérimentés en matière de chaîne logistique, nous avions l'avantage de disposer d'un solide réseau de professionnels.
Nous avons passé énormément de temps à observer le travail de chacun pour mieux comprendre leurs tâches et leurs besoins.

Quels défis avez-vous rencontrés en matière d'analytique ?

Bill Shube : Parmi les principaux défis qui s'imposent au groupe LEGO en matière d'analytique, je citerais l'accessibilité et la latence des données.

Accessibilité aux données

Du point de vue de l'accessibilité, nous utilisons un entrepôt de données d'entreprise. Cet entrepôt a été créé il y a des années. À l'époque, il s'agissait d'une nouveauté, et nous ne savions pas vraiment comment les gens allaient l'utiliser. Par conséquent, il s'est développé de manière organique au fil des années. Cette croissance a engendré un réel problème : les données dont nous avons besoin au quotidien ne se trouvent pas toutes au même endroit. Personne dans l'entreprise ne parvient à obtenir toutes les réponses souhaitées en formulant une simple requête. Nous sommes toujours obligés de formuler plusieurs requêtes, de les regrouper et de procéder à tout un tas d'opérations.

Latence des données

Nos systèmes actuels nous imposent un autre défi : tout repose sur Excel. Jusqu'à récemment, cette solution constituait le seul moyen d'accéder aux données. Cette méthode a ses limites, comme la taille des jeux de données et le manque de flexibilité.

Excel convient parfaitement à de nombreuses tâches. Mais, aujourd'hui, nous nous retrouvons avec une accumulation de feuilles de calcul envoyées par e-mail, qui sont de plus en plus volumineuses à mesure que notre entreprise grandit. Les classeurs deviennent de plus en plus volumineux et complexes, et plantent fréquemment. De plus, aucun fichier ne peut contenir toutes les informations dont tout le monde a besoin. Résultat : une multitude de personnes essayent de faire leur travail en consultant tout un tas de fichiers Excel différents. Elles ne disposent pas d'une source unique d'informations permettant d'obtenir les réponses à toutes leurs questions.

Notre équipe se consacre à la gestion au quotidien des tâches liées à notre chaîne d'approvisionnement. Notre entrepôt de données capture des instantanés des systèmes couramment utilisés. Les utilisateurs travaillent sur des systèmes avec des données en direct et ont besoin de connaître l'état de ces informations en temps réel.
Ces instantanés sont généralement pris pendant la nuit. Le matin suivant, lorsque nous les consultons, ils sont déjà obsolètes, et leur utilité est limitée.
Comme la plupart des commandes nous parviennent à cinq heures du matin, les équipes ne peuvent voir directement dans l'entrepôt ce qu'elles doivent traiter, étant donné que le dernier instantané date de la nuit précédente.

Une telle situation entraîne des pratiques de shadow reporting. Les employés téléchargent des données à partir de SAP, effectuent des recherches manuelles, puis distribuent leurs découvertes par e-mail. Ce processus n'est pas du tout normalisé, et est extrêmement manuel et chronophage. Au vu du rythme croissant de nos activités, un tel manque de logique devient de plus en plus difficile à gérer.

Le groupe LEGO et Alteryx s'imbriquent à merveille

Bill Shube : Lorsque j'ai commencé à utiliser Alteryx en 2019, je m'occupais de la planification de la demande. Notre équipe était relativement nouvelle, et ne disposait pas de vrais outils de reporting. J'ai donc dû développer une nouvelle manière de générer des rapports. J'ai commencé à faire mes recherches, et un membre de l'équipe BI régionale m'a parlé d'Alteryx.

Après avoir utilisé cette solution à peine quelques jours, j'ai pu rassembler 90 % des données dont mon équipe avait besoin au quotidien.

J'ai pu tout regrouper dans un emplacement unique et organiser les données dans une table. Et d'un seul coup, notre manière de travailler a changé. Nous ne préparions presque plus les données. Tout ce dont nous avions besoin était à portée de main.

Aujourd'hui, nous incitons d'autres équipes à adopter cette solution pour l'ensemble de la gestion de la chaîne d'approvisionnement, de la gestion des commandes à la distribution, en passant par la planification.<br>

Balises
  • Data Science
  • Machine Learning
  • Finance
  • Opérations
  • Chaîne d'approvisionnement
  • Retail ou biens de consommation
  • Responsable Analytique
  • Responsable Business