L’analytique est souvent associée aux mégadonnées, le fameux Big Data. Cela peut donner l’impression aux petites entreprises qu’elles ne sont pas concernées par le phénomène. Pourtant, même avec peu de données, il est possible de tirer profit de l’analytique pour prendre de meilleures décisions. Une toute petite équipe cycliste l’a démontré.

L’histoire commence il y a quatre ans alors qu’une équipe de vélo féminine québécoise de l’Union cycliste internationale approche SAS pour une commandite financière. L’entreprise de solutions analytiques avancées accepte, mais elle lui propose aussi autre chose : utiliser sa technologie pour augmenter la performance de l’équipe.

« On parle ici de 12 athlètes. Il ne s’agit pas du tout de Big Data. Oui, les gros projets d’analytique sont super, mais l’analytique s’applique aussi aux petits projets », a affirmé Sylvie Taché, directrice marketing de SAS Canada pour le Québec lors de la conférence Intelligence d’affaires et analytique présentée par les Événements Les Affaires le 15 novembre dernier.

Le directeur de course et les coachs de l’équipe cycliste ont d’abord accueilli la proposition de SAS avec scepticisme. « Ils nous ont dit “Pourquoi faire ça ? On sait déjà optimiser la performance des athlètes.” Mais ce qu’on voulait faire, au-delà des performances individuelles, c’était de les aider à optimiser l’équipe », a poursuivi Sylvie Taché. 

Utiliser le même langage

Il n’y a pas d’analytique sans données. Or, les cyclistes utilisaient alors des dispositifs de collecte de données de marques et de formats différents. Première étape : obtenir des données uniformes en dotant chacune des mêmes équipements : capteur sur pédalier pour mesurer les watts, moniteur cardiaque et odomètre avec GPS. À cela s’ajoute un court test pour connaître l’état d’esprit des cyclistes, des facteurs personnels pouvant affecter la performance.

« C’est la même chose en affaires, a dit Siegfried Hulot, directeur général de Inbox Canada, qui a collaboré avec SAS au projet d’optimisation de l’équipe cycliste. Quand une entreprise se lance dans l’analytique, elle doit d’abord récupérer ses données et les mettre au même endroit et dans le même format. »

Et contrairement à ce qu’on peut penser, « on peut faire beaucoup de choses avec peu de données, a insisté le conférencier. L’expérience de l’équipe cycliste en est un très bel exemple. »

Il y avait peu de données et elles concernaient seulement 12 personnes, mais les entraînements se sont avérés une mine d’or à cause de leur fréquence. « Avec environ 300 entraînements par année, ça devenait déjà plus conséquent, a dit Siegfried Hulot. Si on découpe les données en fonction de la distance, de la durée de la course, du relief du parcours, on commence à avoir suffisamment d’information pour déterminer la performance selon la méthode comparative. »

Ces trois variables (distance, durée, relief géographique) ont permis en effet d’obtenir des informations précieuses. Quelle est la cadence des athlètes? L’énergie qu’elles déploient à chaque coup de pédale? À quelle vitesse roule-t-elle? Qu’est-ce qu’elles font quand arrive une pente? « On a pu déterminer les moments où elles dépassent les performances attendues et ceux où elles sont en deçà, a indiqué le directeur général d’Inbox. On a ensuite défini une matrice de corrélations entre le profil de l’athlète et sa performance. »

La priorité : des résultats qui parlent

« Il n’est pas nécessaire que les utilisateurs comprennent la méthode statistique qui a été appliquée pour traiter les données, a-t-il ajouté. L’important, c’est de présenter les résultats de sorte que les gens aient accès facilement à l’information qu’ils cherchent. Dans ce cas-ci, ce qui intéressait le directeur de course, c’est de savoir à quel moment chaque athlète est à son meilleur et quand elle est susceptible d’avoir une fatigue morale ou physique qui nuira à la course. »

Avec cette information, le directeur de course peut notamment définir ses stratégies selon le profil de chacune. Par exemple, celle qui performe en terrain plat sera la meneuse de l’équipe sur le plat tandis que celle qui excelle sur de courts moments mènera le dernier sprint. Comme la lecture des données lors des compétitions se fait en temps réel, il peut également adapter sa stratégie en comparant la matrice de corrélations avec ce qui se passe pendant la course.

L’équipe cycliste se sert aussi de l’analytique pour le recrutement. Les candidates potentielles doivent ainsi envoyer leur historique de données afin que l’algorithme valide leur adéquation avec le besoin de l’équipe. « Il n’y a plus de ruptures de spécialités, a souligné Siegfried Hulot. Les membres sont complémentaires. »

Pour SAS, ce projet est la preuve que l’analytique de données peut être démocratisée. « Avec un outil de visualisation de données simple à utiliser, même les gens moins à l’aise avec la technologie peuvent se servir de l’analytique pour prendre des décisions, a dit Sylvie Taché. Et même un petit projet d’analytique peut mener loin. »

D’ailleurs, l’analytique est de plus en plus accessible aux petites entreprises, a-t-elle fait valoir. « Nous avons un groupe dédié aux PME. De plus, le modèle de facturation évolue pour mieux s’adapter aux petites entreprises. Par exemple, des solutions infonuagiques sont maintenant facturées à la consommation, ce qui peut être plus abordable pour les petits projets. »

Pour plus d'information, ne manquez pas notre conférence eCommerce le 30 janvier 2018!