@xebiconfr #xebiconfr
Air France KLM
“Le Big Data au service
de la relation client personnalisée”
Michael Chalamel
&
Moulo...
@xebiconfr #xebiconfr 2
Présentation
@xebiconfr #xebiconfr
Context
1
3
@xebiconfr #xebiconfr
320 destinations
114 pays
jusqu’à 2 200 vols / jour
534 avions en
exploitation
AIR FRANCE-KLM
4
1.1
...
@xebiconfr #xebiconfr
Département Recherche Opérationnelle (RO)
“Une équipe d’experts en Optimisation et en Data Science a...
@xebiconfr #xebiconfr
L’enjeu du Big Data pour AIR FRANCE-KLM
❖ 2011 - Le déclencheur :
➢ Système Revenue Management “in h...
@xebiconfr #xebiconfr
Notre Activité Data Science
Maintenance prédictive
Prévision
Demande / Trafic / Recette
Prévision d’...
@xebiconfr #xebiconfr
Focus - Relation client attentionnée
La Data au service de l’expérience client depuis la réflexion
d...
@xebiconfr #xebiconfr
Une relation attentionnée sur le long terme
9
… Voyage ‘N’ Voyage ‘N+1’ ...
l’après-vol
Représentati...
@xebiconfr #xebiconfr
Une relation attentionnée sur le long terme
10
… Voyage ‘N’ Voyage ‘N+1’ ...
l’après-volréflexion d’...
@xebiconfr #xebiconfr
Problématique: Accélérer la mise en production
➔ Plus de services personnalisés à délivrer en produc...
@xebiconfr #xebiconfr
Data Science Factory
2
@xebiconfr #xebiconfr
De l’idée à la production
13
2.1
@xebiconfr #xebiconfr
De l’idée à la production… axes d’accélération
14
Et si on … ?
Quelles données ?
Peut-on faire … ?
Q...
@xebiconfr #xebiconfr 15
Axes d’accélération
@xebiconfr #xebiconfr
L’importance d’une bonne gouvernance
❖ Vue d’ensemble, coordination des besoins
❖ Connaissance des d...
@xebiconfr #xebiconfr
Exploration en Data Science
❖ Data Driven, tout dépend des données.
❖ Résultat Incertain, à la fois ...
@xebiconfr #xebiconfr
Visualiser pour valider
❖ Mise en place rapide et simple de data visualisation.
❖ Accessible aux mét...
@xebiconfr #xebiconfr
❖ Automatisation du delivery pour entrer dans une
démarche d'amélioration continue.
❖ Passer de l’an...
@xebiconfr #xebiconfr 20
@xebiconfr #xebiconfr
Focus sur l’organisation
21
Instance “Data Gouvernance”
❖ Centralisation des données
❖ Coordination ...
@xebiconfr #xebiconfr
Faciliter l’exploration
22
❖ Besoin et objectif clairs
❖ Données identifiées et disponibles
❖ Platef...
@xebiconfr #xebiconfr
Faciliter l’exploration
23
❏ Définir le besoin
❏ Identifier les données
❏ Définir les objectifs
❏ Cl...
@xebiconfr #xebiconfr
Focus sur la Data Visualisation
24
Indispensable pour valider les solutions efficacement avec le mét...
@xebiconfr #xebiconfr
De l'analyse à l’application Data Science
25
❖ Abstraction sur les complexités liées à la configurat...
@xebiconfr #xebiconfr
Framework Python Spark
26
❖ Interactivité
❖ Visualisation
❖ User friendly
2.11
@xebiconfr #xebiconfr
Framework Python Spark
27
❖ Modularité
❖ Tests
❖ Packaging
2.11
@xebiconfr #xebiconfr
Data Science et DevOps
28
❖ Pipeline de delivery automatisée avec Bamboo.
❖ Test / build dans une Im...
@xebiconfr #xebiconfr
Intégration des nouvelles données
❖ Intégrer une nouvelle source de données
➢ Valider la structure, ...
@xebiconfr #xebiconfr
Comment accélérer la mise en production des applications ‘Data
Science’ ?
30
Data & Business
Managem...
@xebiconfr #xebiconfr
Le partage de connaissance cher à Xebia
❖ Repository de packages internes
❖ Rendez-vous mensuel dédi...
@xebiconfr #xebiconfr
Hackthon Priorité Client - http://hackathonprioriteclient.airfrance.fr/
32
@xebiconfr #xebiconfr
Questions ?
33
Prochain SlideShare
Chargement dans…5
×

XebiCon'16 : Air France KLM - Le Big Data au service de la relation client personnalisée Par Michael Chalamel, Operations Research Analyst chez Air France et Mouloud Lounaci, Data Engineer chez Xebia

469 vues

Publié le

Les innovations digitales et l'amélioration de l'expérience client sont au coeur de la stratégie d'Air France KLM. Offrir de nouveaux services aux clients demande une adaptation permanente des métiers et de l'IT pour tirer pleinement partie des opportunités du Big Data. Découvrez un exemple avec la mise en place de modules de personnalisation de la relation client.

Publié dans : Technologie
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

XebiCon'16 : Air France KLM - Le Big Data au service de la relation client personnalisée Par Michael Chalamel, Operations Research Analyst chez Air France et Mouloud Lounaci, Data Engineer chez Xebia

  1. 1. @xebiconfr #xebiconfr Air France KLM “Le Big Data au service de la relation client personnalisée” Michael Chalamel & Mouloud Lounaci
  2. 2. @xebiconfr #xebiconfr 2 Présentation
  3. 3. @xebiconfr #xebiconfr Context 1 3
  4. 4. @xebiconfr #xebiconfr 320 destinations 114 pays jusqu’à 2 200 vols / jour 534 avions en exploitation AIR FRANCE-KLM 4 1.1 +24 millions Flying Blue +3 millions+19 millions 1 vente / 5 secondes (sur www.airfrance.com)
  5. 5. @xebiconfr #xebiconfr Département Recherche Opérationnelle (RO) “Une équipe d’experts en Optimisation et en Data Science accompagnant les directions métier dans des études stratégiques à fort ROI et avec un important écosystème d’outils opérationnels” 70 personnes : Ingénieurs / Docteurs en Recherche Opérationnelle, Data Science et informatique ❖ IT Groupe AIR FRANCE-KLM ❖ Plus de 25 applications utilisées tous les jours ❖ Conseil stratégique pour les Programmes de transformation (Transform 2015, Perform 2020) ❖ Innovation 5 1.2
  6. 6. @xebiconfr #xebiconfr L’enjeu du Big Data pour AIR FRANCE-KLM ❖ 2011 - Le déclencheur : ➢ Système Revenue Management “in house” avec Hadoop v1 & MapReduce ❖ 2014 - Naissance du Programme Big Data ➢ Objectif: promouvoir le “Big Data” auprès des directions métier à travers des PoC ➢ Définition d’une infrastructure standard (Hortonworks, MongoDB, Talend) ➢ Implication du service de Recherche Opérationnelle sur les problématiques Data Science ❖ Succès : PoC industrialisés 6 1.3
  7. 7. @xebiconfr #xebiconfr Notre Activité Data Science Maintenance prédictive Prévision Demande / Trafic / Recette Prévision d’annulation 7 Services et offres personnalisés Gestion des plaintes et irritants 1.4
  8. 8. @xebiconfr #xebiconfr Focus - Relation client attentionnée La Data au service de l’expérience client depuis la réflexion d’achat jusqu'à l’après-vol 8 Centralisation des données ● Service personnalisé ● Amélioration marketing client ● Offres commerciales personnalisées en fonction des historiques de voyage De nouveaux services en temps réel ● fluidifier le parcours du passager ● géolocalisation en temps réel des bagages Plateforme opérationnelle Hadoop / Kafka / Spark / MongoDB 1.5
  9. 9. @xebiconfr #xebiconfr Une relation attentionnée sur le long terme 9 … Voyage ‘N’ Voyage ‘N+1’ ... l’après-vol Représentation de nos différents points de contact avec nos passagers réflexion d’achat 1.6
  10. 10. @xebiconfr #xebiconfr Une relation attentionnée sur le long terme 10 … Voyage ‘N’ Voyage ‘N+1’ ... l’après-volréflexion d’achat 1.6 Recherche site web Enregistrement en ligne Embarquement
  11. 11. @xebiconfr #xebiconfr Problématique: Accélérer la mise en production ➔ Plus de services personnalisés à délivrer en production plus rapidement Comment accélérer la mise en production des applications ‘Data Science’ ? 11 1.7
  12. 12. @xebiconfr #xebiconfr Data Science Factory 2
  13. 13. @xebiconfr #xebiconfr De l’idée à la production 13 2.1
  14. 14. @xebiconfr #xebiconfr De l’idée à la production… axes d’accélération 14 Et si on … ? Quelles données ? Peut-on faire … ? Quelle priorité ? Quelle Plateforme ? Où sont les données ? Quels outils ? Comment partager avec les métiers ? Qui ? DevOps ? Quand ? Qui ? 2.2
  15. 15. @xebiconfr #xebiconfr 15 Axes d’accélération
  16. 16. @xebiconfr #xebiconfr L’importance d’une bonne gouvernance ❖ Vue d’ensemble, coordination des besoins ❖ Connaissance des données et des produits existants 16 À qui soumettre une idée et comment la prioriser? 2.3
  17. 17. @xebiconfr #xebiconfr Exploration en Data Science ❖ Data Driven, tout dépend des données. ❖ Résultat Incertain, à la fois en faisabilité, Temps et en qualité. ❖ Outils Interactifs pour explorer les Données. 17 comment accéder à la donnée ? Quels outils ? 2.4
  18. 18. @xebiconfr #xebiconfr Visualiser pour valider ❖ Mise en place rapide et simple de data visualisation. ❖ Accessible aux métiers. ❖ Feedback instantané. 18 Quels outils ? Comment interagir avec les métiers ? 2.5
  19. 19. @xebiconfr #xebiconfr ❖ Automatisation du delivery pour entrer dans une démarche d'amélioration continue. ❖ Passer de l’analyse de données et prototypage à des applications data science. ❖ Simplifier les complexités liées au Big Data et Spark. 19 PoC Permanent vs Produit DevOps et Data Science c’est possible ? Comment gérer les données ? 2.6
  20. 20. @xebiconfr #xebiconfr 20
  21. 21. @xebiconfr #xebiconfr Focus sur l’organisation 21 Instance “Data Gouvernance” ❖ Centralisation des données ❖ Coordination des besoins sur les sujets data ❖ Gouvernance de la donnée (qualité, sécurité, data management) ❖ Agile À qui soumet tre une idée ? Comment prioriser ? 2.7
  22. 22. @xebiconfr #xebiconfr Faciliter l’exploration 22 ❖ Besoin et objectif clairs ❖ Données identifiées et disponibles ❖ Plateforme d’exploration adaptée et accessible On ne peut pas explorer plus vite mais on peut commencer plus tôt 2.8
  23. 23. @xebiconfr #xebiconfr Faciliter l’exploration 23 ❏ Définir le besoin ❏ Identifier les données ❏ Définir les objectifs ❏ Cloud privé ❏ Plateforme Discovery ❏ Environnements virtualisés ❏ Notebook Python Spark Comment accéder à la donnée ? Quels outils ? 2.8
  24. 24. @xebiconfr #xebiconfr Focus sur la Data Visualisation 24 Indispensable pour valider les solutions efficacement avec le métier ❖ Outils utilisés Quels outils ? Comment interagir avec les métiers ? 2.9
  25. 25. @xebiconfr #xebiconfr De l'analyse à l’application Data Science 25 ❖ Abstraction sur les complexités liées à la configuration de Spark ❖ Guider les Data Scientists dans la structure du code et les Tests ❖ Bootstraper le lancement des applications Spark 2.10
  26. 26. @xebiconfr #xebiconfr Framework Python Spark 26 ❖ Interactivité ❖ Visualisation ❖ User friendly 2.11
  27. 27. @xebiconfr #xebiconfr Framework Python Spark 27 ❖ Modularité ❖ Tests ❖ Packaging 2.11
  28. 28. @xebiconfr #xebiconfr Data Science et DevOps 28 ❖ Pipeline de delivery automatisée avec Bamboo. ❖ Test / build dans une Image Docker. ❖ Package au format PEX (Virtualenvs ++). ❖ Implication des Ops dans la définition du process de delivery et du format du livrable. PEX Python EXecutable DevOps et data science c’est possible ? 2.12
  29. 29. @xebiconfr #xebiconfr Intégration des nouvelles données ❖ Intégrer une nouvelle source de données ➢ Valider la structure, le format ➢ Fréquence ❖ Reproduire la préparation de données ➢ Nettoyage / filtrage ❖ DevOps 29 Importance de l’intégration de nouveaux flux de données dans le système opérationnel Comment gérer les données ? 2.13
  30. 30. @xebiconfr #xebiconfr Comment accélérer la mise en production des applications ‘Data Science’ ? 30 Data & Business Management Cloud privé Env. Discovery Notebooks Outillage Spotfire / R-Shiny / D3.js Framework DevOps Penser “Produit” 2.14
  31. 31. @xebiconfr #xebiconfr Le partage de connaissance cher à Xebia ❖ Repository de packages internes ❖ Rendez-vous mensuel dédié au partage de connaissance ❖ Identification de référents par domaine d’expertise ❖ Documentation et template de projets Data 31 2.15
  32. 32. @xebiconfr #xebiconfr Hackthon Priorité Client - http://hackathonprioriteclient.airfrance.fr/ 32
  33. 33. @xebiconfr #xebiconfr Questions ? 33

×