Chez Air Canada, les données pilotent le fret aérien

Le transport de marchandises, une activité axée sur les données

Une stratégie axée sur les données est souvent menée de haut en bas en tant qu’initiative de transformation, ainsi que de bas en haut pour identifier les « gains rapides » qui ont un avantage commercial immédiat.

« Depuis le début de l’année, mon mandat consiste à me concentrer sur les indicateurs clés et la liaison avec Salesforce », explique Hervé Riboulet. « Mais nous voulons aussi fournir des solutions tactiques pour l’entreprise. Il s’agit de projets à plus petite échelle qui ont un impact sur l’activité. »

Dans le secteur du fret, il est utile de projeter les volumes en termes de kilogrammes de marchandises à l’heure, ce qui permet de déduire une estimation de la main-d’œuvre nécessaire. « Dans notre entrepôt de Toronto, nous traitons du fret et nous devons comprendre le nombre d’employés nécessaires en fonction de la quantité de marchandises entrantes, sur la base de données historiques », explique-t-il. « Il n’a pas fallu longtemps pour construire le modèle algorithmique. Nous utilisons ensuite des outils BI pour présenter les informations. »

Deux plateformes BI pour couvrir tous les besoins d’Air Canada

Concernant les données intégrées au CRM Salesforce de la compagnie, Hervé Riboulet explique qu’il souhaite donner aux commerciaux les bonnes informations au bon moment. « Ils n’ont pas besoin de connaître les 50 dernières expéditions. Ils doivent juste savoir lesquelles ont mal tourné ou lesquelles offrent le plus d’opportunités, sans avoir à parcourir toutes les données », déclare-t-il.

Air Canada envisage d’utiliser les outils de gestion d’API de Mulesoft pour l’intégration, ainsi que Data Marketplace de Snowflake qui offre une place de marché pour permettre aux entreprises utilisant Snowflake de partager des données entre elles.

Pour la veille stratégique, la compagnie aérienne utilise depuis longtemps WebFocus de Tibco. Elle se sert également de Microsoft Power BI. Si M. Riboulet recourt à deux plateformes BI, c’est parce qu’« elles se complètent », chacune ayant des fonctions différentes qu’il juge utiles.

Par exemple, WebFocus offre à Air Canada la possibilité d’envoyer des rapports par mail, une fonction qui n’est pas disponible dans Power BI. Selon Hervé Riboulet, cette capacité s’avère utile pour les personnes responsables des opérations, qui n’ont accès qu’à leur téléphone et ont besoin de voir des rapports intégrés. L’équipe data a également remarqué que de nombreux utilisateurs professionnels ont besoin de jeux de données et d’attributs similaires, qui peuvent être rassemblés dans des rapports préétablis.

L’entreprise exploite aussi la fonction de grille de données (data grid) de WebFocus, pour agréger les données en facilitant la personnalisation de ces regroupements et leur export vers Microsoft Excel. De plus, elle a déployé WebFocus Hyperstage, comme zone de transit pour les informations, afin d’éviter un accès direct à ses systèmes de base de données sur site.

Tous les jeux de données ne se valent pas

Hervé Riboulet considère les membres de cette équipe data chez Air Canada Cargo comme des consultants internes qui discutent des exigences en matière de données avec les métiers. « Il est important de comprendre les objectifs de l’entreprise », dit-il. « Si nous identifions des lacunes, nous pouvons ajouter un autre champ ou, selon la nature du besoin, créer un nouveau rapport ».

Pour soutenir sa nouvelle offre e-commerce, l’un des plus grands défis que l’équipe data a dû relever était de trouver le moyen d’intégrer les distributeurs qui ont besoin d’informations, telles que les mises à jour des expéditions et les dates de livraison pour leurs clients.

Pour autant, le responsable de l’analytique précise que certains jeux de données n’apportent pas suffisamment de valeur pour justifier leur utilisation. Par exemple, il explique que les conditions météorologiques sur un trajet donné peuvent allonger la durée de vol de 30 minutes. La question est de savoir s’il faut extraire ces données et quelle valeur supplémentaire cette variable procure. Si le modèle de données permettant d’estimer les délais de livraison s’en trouve un peu amélioré, il convient de déterminer si cette amélioration est marginale, compte tenu de tous les autres facteurs importants.