Aujourd’hui encore, le magasin reste au cœur de l’expérience client, mais il doit pour cela évoluer rapidement : nouveaux usages, omnicanalité, mobilité, Data et désormais IA.
Transformer un parc de magasins ne consiste donc plus simplement à moderniser les équipements. Il faut faire évoluer les outils, les infrastructures et le SI, tout en assurant la continuité d’activité et en préparant les usages de demain.
À travers trois articles, nous partagerons nos retours d’expérience et convictions sur ces transformations.
Vincent Verschelde, Directeur de projets spécialisé Retail & SI, accompagne depuis plusieurs années des enseignes dans leurs programmes de transformation et de déploiement à grande échelle.
EPISODE 3/3 - Urbanisation du SI, qualité de la Donnée et arrivée de l’IA.
Transformer un parc de magasins, c’est faire évoluer les équipements, les outils et les parcours clients. Mais derrière chaque nouvelle solution viennent aussi de nouveaux flux, de nouvelles interactions et toujours plus de données à maîtriser.
La transformation du magasin ne peut donc pas se penser indépendamment de celle du système d’information. Et à l’heure où l’IA ouvre de nouvelles perspectives pour le Retail, la cohérence du SI et la qualité de la Donnée deviennent plus que jamais essentielles.
L’urbanisation du SI peut sembler très abstraite. Comment l’expliquer simplement à des équipes non techniques ?
J’aime bien comparer le système d’information à une ville.
On peut construire de très beaux bâtiments, mais si chacun est construit indépendamment, sans routes cohérentes, sans règles communes et sans savoir comment circuler de l’un à l’autre, la ville devient rapidement difficile à vivre.
Dans un SI, c’est assez similaire.
Au fil des années, on ajoute un POS, un OMS, un CRM, un outil de fidélité, un e-commerce, des solutions Data… Tous peuvent être excellents individuellement.
L’enjeu de l’urbanisation est de définir le rôle de chacun et surtout la manière dont ils vont fonctionner ensemble.
Le sujet n’est donc pas uniquement technique. Il s’agit de construire un SI compréhensible, évolutif et réellement au service des métiers.
Vincent Verschelde Expert Retail
Que signifie concrètement « bien gouverner » la Donnée client dans un réseau de plusieurs centaines de magasins ?
Cela commence par une question très simple : sommes-nous certains de parler du même client partout ?
Un client peut acheter sur le web, en magasin, utiliser sa fidélité, effectuer un retour, contacter le service client… et laisser derrière lui de nombreuses données dans différents systèmes : Données financières, de comportement, de satisfaction,...
La difficulté est de rendre cette information cohérente et exploitable.
Il faut donc savoir quelle donnée fait référence, qui en est responsable, comment elle est créée, mise à jour et partagée entre les différents outils.
La gouvernance ne consiste pas à accumuler toujours plus de données.
Il vaut mieux disposer de moins de données, mais qu’elles soient fiables, comprises et réellement exploitables.
Toutes les enseignes veulent aujourd’hui parler d’IA. Peut-on réellement avancer sans avoir auparavant travaillé sur son SI et sa donnée ?
On peut probablement expérimenter. Mais industrialiser et créer durablement de la valeur devient beaucoup plus compliqué.
L’IA ne va pas magiquement corriger un SI complexe ou une donnée de mauvaise qualité. Elle risque au contraire d’en amplifier les incohérences.
Avant de demander à une IA de mieux connaître nos clients, de personnaliser une expérience ou d'aider à prendre des décisions, il faut déjà être capable de retrouver, comprendre et faire confiance à la Donnée qu’on lui fournit.
Pour moi, l’arrivée de l’IA remet donc encore davantage en lumière des sujets qui existaient déjà : urbanisation, qualité, gouvernance et accessibilité de la Donnée.
L’IA ne supprime pas le besoin de fondations solides. Elle les rend encore plus indispensables.
Par où commencer pour une enseigne qui souhaite mettre de l’ordre dans son SI et préparer les usages de demain ?
Je commencerais par éviter le grand programme qui veut tout remettre à plat : difficile à définir, et encore plus à mettre en oeuvre.
D’abord, cartographier : quels sont nos outils ? Quel est le rôle de chacun ? Quelles données produisent-ils et comment circulent-elles ?
Ensuite, identifier les données réellement stratégiques pour le métier : le client, le produit, le stock, la commande, par exemple.
Puis déterminer pour chacune la source de référence, les règles de qualité et des responsabilités claires.
Enfin, partir de cas d’usage concrets permettant de démontrer rapidement la valeur de cette démarche.
L’objectif n’est pas d’avoir le SI le plus parfait possible avant de commencer à innover.
C’est d’avoir un SI suffisamment maîtrisé et une Donnée suffisamment fiable pour pouvoir innover sans construire sur du sable.
Et c’est probablement là que la complémentarité entre les équipes SI, Métiers et Data devient la plus importante.