1
©2015 Talend Inc
Pricing dynamique, personnalisation…
quand Spark et Hadoop s'immiscent dans
les opérations retail
Jean-...
2
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
(Chiffre d’affaires)
Talend en bref : dynamiser l’entreprise par ses d...
3
Réussir les transitions de l’expérimentation à la transformation digitale
Trajectoires d’adoption pour le Big Data dans ...
4
Le Big Data pour rapprocher l’offre et la demande en temps réel
Cas d’usage 1 : de la planification au temps réel
L’entr...
5
Le Big Data pour mieux servir le client connecté
Cas d’usage 2 : Mettre en place la Customer Data Platform
Les enjeux :
...
6
Pourquoi Spark et Talend ?
Quelle plate-forme pour opérer votre transformation
par les données ?
Spark
Streaming
Archite...
7
DécouvrezSparketle machinelearningaveclanouvelle
sandboxTalend
Créer un flux de
données en streaming
avec Kafka
Créer un...
8
Questions &
Réponses
http://fr.talend.com/En savoir +
Prochain SlideShare
Chargement dans…5
×

Pricing dynamique, « réassort », gestion des stocks, personnalisation : quand Spark et Hadoop s'immiscent dans les opérations retail

1 322 vues

Publié le

Quels bénéfices du Big Data pour les retailer. Quelles sont les trajectoires d'adoption du Big Data ? Pourquoi Spark permet-il de démocratiser la mise en oeuvre de nouvelles applications data driven dans le secteur du retail.

Publié dans : Technologie
0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
1 322
Sur SlideShare
0
Issues des intégrations
0
Intégrations
421
Actions
Partages
0
Téléchargements
5
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Pricing dynamique, « réassort », gestion des stocks, personnalisation : quand Spark et Hadoop s'immiscent dans les opérations retail

  1. 1. 1 ©2015 Talend Inc Pricing dynamique, personnalisation… quand Spark et Hadoop s'immiscent dans les opérations retail Jean-Michel Franco – Directeur marketing produit - @jmichel_franco
  2. 2. 2 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 (Chiffre d’affaires) Talend en bref : dynamiser l’entreprise par ses données (estimation) Hadoop 2.0 Cloud Faits et chiffres • Créé en 2006 • 500+ employés dans 7 pays • 1700+ clients • 2M+ téléchargement open source • 108% CAGR Big Data Application Integration Master Data Management Data QualityData Integration
  3. 3. 3 Réussir les transitions de l’expérimentation à la transformation digitale Trajectoires d’adoption pour le Big Data dans le retail Experimentation Analytique Data driven Valeur Seuil de rentabilité Proof of concept Projet approuvé Généra- lisation Transfor- mation + + Data Fabric + Big data “Avoid Data Scientist hype. Have a forward thinking & start operating big data.”
  4. 4. 4 Le Big Data pour rapprocher l’offre et la demande en temps réel Cas d’usage 1 : de la planification au temps réel L’entreprise : • 53000 employés, 11 Milliard de CA ; 40 enseignes dans 20 pays • 3 marchés : retail omni-canal, services financiers, services • Leader du e-commerce dans la mode et le textile Challenges : • Précisions des prévisions : sur-stocks, ruptures, insatisfaction client • Agilité du pricing • Taux de visites web/mobiles non converties Valeur : • Prévisions : diminution des invendus de 20 % ; qualité des prévisions améliorée de 40% • Pricing : Ventes + 9%, rotations de stocks + 6% , profitabilité + 5%.
  5. 5. 5 Le Big Data pour mieux servir le client connecté Cas d’usage 2 : Mettre en place la Customer Data Platform Les enjeux : • Améliorer les taux de transformation tout au long du parcours client • Améliorer le service client et personnaliser chaque interaction • Mesurer avec plus de précision l’efficacité des promotions et services La démarche : • Créer la vue unique et opérationnelle du client multi-canal • Collecter et connecter les données d’interaction/transaction • Enrichir avec l’analytique • Intégrer les points de contacts client en temps réel La plate forme : • Master Data Management pour la vue client consolidée • Big Data et machine learning pour la vue 360°enrichie • Intégration temps réel aux applications digitales et point de vente
  6. 6. 6 Pourquoi Spark et Talend ? Quelle plate-forme pour opérer votre transformation par les données ? Spark Streaming Architecture Lambda In Memory Machine Learning Pas de code Migration en 1 click Analyser avant d’agir, au bon moment Transformer les données en décisions, prescriptions et actions Rester à la pointe de la technologie sans efforts Supprimer les temps de latence quels que soient les traitements à appliquer Exploiter la donnée dès qu’elle vient
  7. 7. 7 DécouvrezSparketle machinelearningaveclanouvelle sandboxTalend Créer un flux de données en streaming avec Kafka Créer un modèle de recommendation avec Spark ML LIB Créer une application Spark pour la recommandation en temps réel
  8. 8. 8 Questions & Réponses http://fr.talend.com/En savoir +

×