SlideShare une entreprise Scribd logo
1  sur  15
Télécharger pour lire hors ligne
1
LA DATA,
LEVIER DE DIFFÉRENCIATION
POUR ARAMIS AUTO
11 JUILLET 2019
Aramis Auto & AWS
Anne-Claire Baschet
Hayssen CHOUIKH
2
L’AUTOMOBILE EST AU CŒUR DU QUOTIDIEN DES FRANÇAIS
2/3des Français utilisent leur
voiture chaque jour pour se
rendre au travail
+de 8 ménages sur 10
possèdent une voiture
Sources : CCFA, INSEE
1 million de véhicules
neufs
vendus à particulier (B2C) par an
5,6 millions de véhicules
d’occasion
vendus à particulier (B2C) par an
3
POUR AUTANT L’EXPERIENCE CLIENT
EST PARFOIS DÉCEVANTE
Sources:
(1) L’Académie du Service – 2017 – France
(2) Commission Européenne – 2014 – Europe
36%des acheteurs de voitures sont insatisfaits
de leur expérience d’achat(1)
41%des acheteurs de voiture d’occasion ont eu au moins
un problème avec leur véhicule (2)
4
En 2001, Guillaume Paoli et Nicolas Chartier sont convaincus
qu’ internet va bouleverser l’automobile,
2ème poste de dépenses des ménages.
C’est aujourd’hui une équipe forte de près de 700 hommes et femmes
qui travaillent à remplir la mission qu’Aramis s’est fixée en France, en
Espagne et en Belgique.
5
Strictly confidential – Q2 2016
“
“
Rendre l’achat de
voiture toujours plus
facile.
NOTRE
MISSION
6
1,8M+
Visitespar mois
650+
Equipe
55 000+
Voitures vendues
€ €670M
Chiffre d’affaires
Livraison a
domicile
110+
compagnons
Reconditionnement
50+
Vendeurs à
distance
45
Points de vente
en Europe
Chiffres Groupe (France, Espagne, Belgique)
2018
DE LA PLATE-FORME
DIGITALE DE RÉFÉRENCE EN
FRANCE
VERS
LA SOLUTION REFLEXE DE
CEUX QUI VEULENT
CHANGER DE VOITURE
EN EUROPE
7
LA DATA, UN LEVIER DE
CROISSANCE & DE DIFFÉRENCIATION
Les Gains de Productivité
qu’on est en droit d’attendre de l’Intelligence
Artificielle d’ici à une quinzaine d’années
seraient de l’ordre de 40%(2)
(2) Article Harvard Business Review Oct. 2018 Data, IA… Pourquoiles
entreprisesn’exploitent pas assez leurs données. Source EtudeAccenture
La croissance de la quantitéd’information au
niveau mondialest exponentielle
2001 0,1 ZB soit 1011 GB
2010 2 ZB
2020 P. 47 ZB
2025 P. 163 ZB
(1) Kleiner Perkins InternetTrends Report 2018 – SourceIDC Data Age 2025
study
8
More
Data
More
Analytics
Better
Products
& New
Products
Better Customer
Satisfaction
& More Customers
2
3
4
LA DATA, DES ANALYTICS MAIS AUSSI DE
NOUVEAUX BUSINESS MODELS
… mais je ne l’utilise pas en tant que telle »
Utilisation Passive de la Data
Data Analytics
Big Data
Data Driven Product
« J’ai de la Data
… et je l’utilise en réactif pour prendre des décisions
pertinentes »
…et je détecte en proactif via l’ensemble des datas de
l’entreprise des poches de valeur pour optimiser mes
process ou mes produits »
… et via la data je mets en place de nouveaux product
ou features basés sur la data »
1
ETHIQUE
=
CONFIANCE
9
ARAMIS & AWS
UN PARTENARIAT DEPUIS 2016
2001
CRÉATION
D’ARAMIS
2016
ACTIVITÉ
BUSINESS
INTELLIGENCE
EQUIPE DATA
AUTONOME
RECOMMANDATION
Produit
Traitement de
la VOIX
Optimisation
Acquisition
PRICING
Traitement LEAD
RANKING
Produit
Tech &
Engineering
DatascienceBI
&
Data Analyse
…
PILOTAGE en temps réel des
recherches client
10
TOUT A COMMENCÉ AVEC...
… UN 1ER CAS D’USAGE SUR LE PRICING
NOTRE BESOIN NOS POINTS
D’ATTENTION
Hautement disponible
1,3 M de visiteurs / mois
24H/24
7J/7
?
?
?
? ?
?
?
?
?
Avec en perspective
Exploration / Terrain de jeu
Réconciliation 360 Visiteurs / Client
Optimisation & Personnalisation
Ne pas être freiné par la capacité dans nos cas
d’usages
Ne pas avoir une croissance des coûts plus forte
que la valeur générée par la Data
Être autonome & flexible sur les projets Data (Test /
Volatilité Usages – Agilité – Petite Equipe)
11
NOTRE 1ÈRE ARCHITECTURE AWS - ARAMIS AUTO
SES ATOUTS
🗹 Services Managés
🗹 Scalabilité
🗹 Haute Disponibilité
🗹 Instances SPOT ⇨ -70%
optimisation coûts
https://aws.amazon.com/fr/solutions/case-studies/aramisauto/
12
USE CASE - Amélioration Traitement des Devis / Leads
Gagner en productivité pour contacter nos prospects
ayant besoin de conseil pour le choix de leur véhicule
Validation Streaming Data Store
Scoring App &
ML Model
(RandomForest)
Data Scientist
Deploy
Pull
CRM
Push
Call
Enrichissement
Client satisfait
journée
de lead
journées
d’appels
1 = 3
Clickstream
13
🗹 Mise en place en 7 jours grâce aux services managés variés
🗹 Optimisation des coûts de 30% grâce au Serverless
🗹 20 % de gain de productivité grâce aux scores
🗹 Services réutilisables pour
de futurs uses cases
USE CASE - Amélioration Traitement des Devis / Leads
KEY RESULTS
14
ET DEMAIN ?
D’UN DATALAKE….
… A un
RÉSERVOIR de données GOUVERNÉ
… Où la QUALITÉ DES DONNÉES
est évaluée en COLLABORATIF
…et seule la donnée
UTILE est ACCESSIBLE
15
ET DEMAIN ?
TOUJOURS + DATA DRIVEN GRÂCE À + D’AUTONOMIE
AUTONOMIE EQUIPE DATA
Equipe Data Multi-compétences
(Ops - Engineering- DataScience)
Datascientists
Responsabilisés de A à Z
(Exploration – Modélisation – Industrialisation –
Monitoring Production)
“ “You Build it,
You Run it
Alertingpoussés directement sous Slack
Vision Temps Réel de l’offre et des
Recherches via Kibana
Accès aux KPIs en temps réel via commande
vocale Alexa
DATA SELF SERVICE
Exemples :
PRODUCT / NVX SERVICES pour nos clients basés sur la Data

Contenu connexe

Similaire à La Data levier de différenciation pour Aramis Auto

Livre blanc Sites Web_Alter Way_Numergy_for_print
Livre blanc Sites Web_Alter Way_Numergy_for_printLivre blanc Sites Web_Alter Way_Numergy_for_print
Livre blanc Sites Web_Alter Way_Numergy_for_print
Sébastien Lamour
 
[Data day] Etude sur la data
[Data day] Etude sur la data[Data day] Etude sur la data
[Data day] Etude sur la data
FrenchWeb.fr
 

Similaire à La Data levier de différenciation pour Aramis Auto (20)

Préparation de Données pour la Détection de Fraude
Préparation de Données pour la Détection de FraudePréparation de Données pour la Détection de Fraude
Préparation de Données pour la Détection de Fraude
 
MATRANSFONUM
MATRANSFONUMMATRANSFONUM
MATRANSFONUM
 
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...
 
Webinaire Business&Decision - Trifacta
Webinaire  Business&Decision - TrifactaWebinaire  Business&Decision - Trifacta
Webinaire Business&Decision - Trifacta
 
BigData BigBuzz @ Le Node
BigData BigBuzz @ Le Node BigData BigBuzz @ Le Node
BigData BigBuzz @ Le Node
 
Livre blanc Sites Web_Alter Way_Numergy_for_print
Livre blanc Sites Web_Alter Way_Numergy_for_printLivre blanc Sites Web_Alter Way_Numergy_for_print
Livre blanc Sites Web_Alter Way_Numergy_for_print
 
BigData & Cloud @ Excelerate Systems France
BigData & Cloud @ Excelerate Systems FranceBigData & Cloud @ Excelerate Systems France
BigData & Cloud @ Excelerate Systems France
 
Data modeling : Une obligation ?
Data modeling : Une obligation ?Data modeling : Une obligation ?
Data modeling : Une obligation ?
 
Big Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entrepriseBig Data: quelle valeur pour l'entreprise
Big Data: quelle valeur pour l'entreprise
 
Open Data : valorisation et réutilisation des données
Open Data : valorisation et réutilisation des donnéesOpen Data : valorisation et réutilisation des données
Open Data : valorisation et réutilisation des données
 
Talend Summer 16 (version française) : la Préparation des Données à la Portée...
Talend Summer 16 (version française) : la Préparation des Données à la Portée...Talend Summer 16 (version française) : la Préparation des Données à la Portée...
Talend Summer 16 (version française) : la Préparation des Données à la Portée...
 
Mobilité et efficacité des forces commerciales
Mobilité et efficacité des forces commercialesMobilité et efficacité des forces commerciales
Mobilité et efficacité des forces commerciales
 
La mobilite un enjeu majeur dans les entreprises
La mobilite un enjeu majeur dans les entreprisesLa mobilite un enjeu majeur dans les entreprises
La mobilite un enjeu majeur dans les entreprises
 
EBG - Livret de synthèse 2017
EBG - Livret de synthèse 2017EBG - Livret de synthèse 2017
EBG - Livret de synthèse 2017
 
Supplément spécial TRIA 2017 - la lettre API
Supplément spécial TRIA 2017 - la lettre APISupplément spécial TRIA 2017 - la lettre API
Supplément spécial TRIA 2017 - la lettre API
 
Magazine HRI - Le nuage dont tout le monde parle - Alain Fortier Josianne Marsan
Magazine HRI - Le nuage dont tout le monde parle - Alain Fortier Josianne MarsanMagazine HRI - Le nuage dont tout le monde parle - Alain Fortier Josianne Marsan
Magazine HRI - Le nuage dont tout le monde parle - Alain Fortier Josianne Marsan
 
[Data day] Etude sur la data
[Data day] Etude sur la data[Data day] Etude sur la data
[Data day] Etude sur la data
 
Livre blanc big data et data lake le duo gagnant extrait_itelligence
Livre blanc big data et data lake le duo gagnant extrait_itelligenceLivre blanc big data et data lake le duo gagnant extrait_itelligence
Livre blanc big data et data lake le duo gagnant extrait_itelligence
 
Industrie 4.0 : la fusion d’internet et des usines
Industrie 4.0 : la fusion d’internet et des usines Industrie 4.0 : la fusion d’internet et des usines
Industrie 4.0 : la fusion d’internet et des usines
 
10 tendances principales en matière de solution décisionnelle pour 2015
10 tendances principales en matière de solution décisionnelle pour 201510 tendances principales en matière de solution décisionnelle pour 2015
10 tendances principales en matière de solution décisionnelle pour 2015
 

La Data levier de différenciation pour Aramis Auto

  • 1. 1 LA DATA, LEVIER DE DIFFÉRENCIATION POUR ARAMIS AUTO 11 JUILLET 2019 Aramis Auto & AWS Anne-Claire Baschet Hayssen CHOUIKH
  • 2. 2 L’AUTOMOBILE EST AU CŒUR DU QUOTIDIEN DES FRANÇAIS 2/3des Français utilisent leur voiture chaque jour pour se rendre au travail +de 8 ménages sur 10 possèdent une voiture Sources : CCFA, INSEE 1 million de véhicules neufs vendus à particulier (B2C) par an 5,6 millions de véhicules d’occasion vendus à particulier (B2C) par an
  • 3. 3 POUR AUTANT L’EXPERIENCE CLIENT EST PARFOIS DÉCEVANTE Sources: (1) L’Académie du Service – 2017 – France (2) Commission Européenne – 2014 – Europe 36%des acheteurs de voitures sont insatisfaits de leur expérience d’achat(1) 41%des acheteurs de voiture d’occasion ont eu au moins un problème avec leur véhicule (2)
  • 4. 4 En 2001, Guillaume Paoli et Nicolas Chartier sont convaincus qu’ internet va bouleverser l’automobile, 2ème poste de dépenses des ménages. C’est aujourd’hui une équipe forte de près de 700 hommes et femmes qui travaillent à remplir la mission qu’Aramis s’est fixée en France, en Espagne et en Belgique.
  • 5. 5 Strictly confidential – Q2 2016 “ “ Rendre l’achat de voiture toujours plus facile. NOTRE MISSION
  • 6. 6 1,8M+ Visitespar mois 650+ Equipe 55 000+ Voitures vendues € €670M Chiffre d’affaires Livraison a domicile 110+ compagnons Reconditionnement 50+ Vendeurs à distance 45 Points de vente en Europe Chiffres Groupe (France, Espagne, Belgique) 2018 DE LA PLATE-FORME DIGITALE DE RÉFÉRENCE EN FRANCE VERS LA SOLUTION REFLEXE DE CEUX QUI VEULENT CHANGER DE VOITURE EN EUROPE
  • 7. 7 LA DATA, UN LEVIER DE CROISSANCE & DE DIFFÉRENCIATION Les Gains de Productivité qu’on est en droit d’attendre de l’Intelligence Artificielle d’ici à une quinzaine d’années seraient de l’ordre de 40%(2) (2) Article Harvard Business Review Oct. 2018 Data, IA… Pourquoiles entreprisesn’exploitent pas assez leurs données. Source EtudeAccenture La croissance de la quantitéd’information au niveau mondialest exponentielle 2001 0,1 ZB soit 1011 GB 2010 2 ZB 2020 P. 47 ZB 2025 P. 163 ZB (1) Kleiner Perkins InternetTrends Report 2018 – SourceIDC Data Age 2025 study
  • 8. 8 More Data More Analytics Better Products & New Products Better Customer Satisfaction & More Customers 2 3 4 LA DATA, DES ANALYTICS MAIS AUSSI DE NOUVEAUX BUSINESS MODELS … mais je ne l’utilise pas en tant que telle » Utilisation Passive de la Data Data Analytics Big Data Data Driven Product « J’ai de la Data … et je l’utilise en réactif pour prendre des décisions pertinentes » …et je détecte en proactif via l’ensemble des datas de l’entreprise des poches de valeur pour optimiser mes process ou mes produits » … et via la data je mets en place de nouveaux product ou features basés sur la data » 1 ETHIQUE = CONFIANCE
  • 9. 9 ARAMIS & AWS UN PARTENARIAT DEPUIS 2016 2001 CRÉATION D’ARAMIS 2016 ACTIVITÉ BUSINESS INTELLIGENCE EQUIPE DATA AUTONOME RECOMMANDATION Produit Traitement de la VOIX Optimisation Acquisition PRICING Traitement LEAD RANKING Produit Tech & Engineering DatascienceBI & Data Analyse … PILOTAGE en temps réel des recherches client
  • 10. 10 TOUT A COMMENCÉ AVEC... … UN 1ER CAS D’USAGE SUR LE PRICING NOTRE BESOIN NOS POINTS D’ATTENTION Hautement disponible 1,3 M de visiteurs / mois 24H/24 7J/7 ? ? ? ? ? ? ? ? ? Avec en perspective Exploration / Terrain de jeu Réconciliation 360 Visiteurs / Client Optimisation & Personnalisation Ne pas être freiné par la capacité dans nos cas d’usages Ne pas avoir une croissance des coûts plus forte que la valeur générée par la Data Être autonome & flexible sur les projets Data (Test / Volatilité Usages – Agilité – Petite Equipe)
  • 11. 11 NOTRE 1ÈRE ARCHITECTURE AWS - ARAMIS AUTO SES ATOUTS 🗹 Services Managés 🗹 Scalabilité 🗹 Haute Disponibilité 🗹 Instances SPOT ⇨ -70% optimisation coûts https://aws.amazon.com/fr/solutions/case-studies/aramisauto/
  • 12. 12 USE CASE - Amélioration Traitement des Devis / Leads Gagner en productivité pour contacter nos prospects ayant besoin de conseil pour le choix de leur véhicule Validation Streaming Data Store Scoring App & ML Model (RandomForest) Data Scientist Deploy Pull CRM Push Call Enrichissement Client satisfait journée de lead journées d’appels 1 = 3 Clickstream
  • 13. 13 🗹 Mise en place en 7 jours grâce aux services managés variés 🗹 Optimisation des coûts de 30% grâce au Serverless 🗹 20 % de gain de productivité grâce aux scores 🗹 Services réutilisables pour de futurs uses cases USE CASE - Amélioration Traitement des Devis / Leads KEY RESULTS
  • 14. 14 ET DEMAIN ? D’UN DATALAKE…. … A un RÉSERVOIR de données GOUVERNÉ … Où la QUALITÉ DES DONNÉES est évaluée en COLLABORATIF …et seule la donnée UTILE est ACCESSIBLE
  • 15. 15 ET DEMAIN ? TOUJOURS + DATA DRIVEN GRÂCE À + D’AUTONOMIE AUTONOMIE EQUIPE DATA Equipe Data Multi-compétences (Ops - Engineering- DataScience) Datascientists Responsabilisés de A à Z (Exploration – Modélisation – Industrialisation – Monitoring Production) “ “You Build it, You Run it Alertingpoussés directement sous Slack Vision Temps Réel de l’offre et des Recherches via Kibana Accès aux KPIs en temps réel via commande vocale Alexa DATA SELF SERVICE Exemples : PRODUCT / NVX SERVICES pour nos clients basés sur la Data