Mettre en place un outil d’analyse de données pour garantir le respect de la promesse client en livraison.8 min

Vague

Si vous n’avez jamais encore mis en place ou utilisé des outils digitaux pour piloter la performance de vos prestataires transport sur le respect de la promesse client, la démarche peut sembler a priori compliquée voire intimidante. Pas de panique : leur mise en place et leur utilisation sont plus faciles que vous ne l’imaginez. Comment s’y prendre ? Par quel bout commencer ? Quelles sont les données nécessaires et indispensables ? Quels sont les indicateurs-clés dont vous avez besoin pour piloter votre qualité de service ? Découvrez un aperçu de réponses à ces questions. 

Une livraison sans accroc pour une satisfaction client maximale 

La qualité de l’expérience vécue par un consommateur lors de la livraison de sa commande est aujourd’hui un élément phare de l’expérience client post-achat et de sa satisfaction globale. Comme nous l’évoquions dans un article précédent, elle est désormais un véritable critère de différenciation et de fidélisation, au cœur des attentes de clients toujours plus exigeants et prêts à faire jouer la concurrence en toute occasion.

Pourtant, la qualité de service reste encore bien complexe à piloter. Que se passe-t-il entre le moment ou vous confiez vos marchandises à votre prestataire et celui où elles sont délivrées au destinataire ? Malheureusement, la plainte de clients mécontents reste encore trop souvent le seul indicateur dont vous disposez pour évaluer la qualité des prestations effectuées par vos transporteurs.

C’est en capitalisant sur la fiabilisation et l’exploitation de vos données transport que vous pouvez transformer votre vision qualité et développer une réelle efficience dans les actions que vous déploierez pour l’améliorer.

L’analytique avancée, un levier puissant pour l’aide à la décision 

Le pilotage de la qualité de service des opérations transport est traité par une multitude d’éditeurs de logiciels de gestion (TMS, stations chargeurs) ou de nouveaux acteurs digitaux du secteur du transport (plateformes de visibilité temps réel, plateformes de gestion de livraison du dernier kilomètre). Mais ces derniers se positionnent essentiellement sur une dimension très opérationnelle relevant de l’exécution.  

Peu embrassent encore une dimension plus tactique ou stratégique pour mesurer et évaluer la performance des transporteurs ; et sur celle-ci que commencent à se positionner aujourd’hui des outils digitaux de nouvelle génération utilisant, dans la continuité de solutions décisionnelles de type Business Intelligence (BI), aujourd’hui limitées, l’analytique avancée* des données pour l’aide à la décision ou la recommandation automatisée de plans d’actions.  

L’utilisation de règles de gestion métier, d’algorithmes issus des technologies d’intelligence artificielle (IA) et de machine learning (ML) permettent à ces acteurs du transport digitalisé de proposer aux utilisateurs de leurs solutions des notifications, alertes, mais surtout des rapports ou des plans d‘actions collaboratifs élaborés sur la base d’analyses aux temporalités différenciées, intégrant le passé (description), le présent (diagnostique), mais surtout le futur (prédiction et prescription). 

Les 4 composantes de l’analytique avancée.

De l’importance de la qualité du processus de traitement de la data transport

L’acquisition d’un outil puissant d’analyse de données pour le pilotage de votre qualité de service oblige à un questionnement légitime sur le processus de sa mise en place.

Pour ce faire, il est nécessaire de suivre cinq grandes étapes liées au traitement des données :

1. La collecte

Les équipes IT de l’éditeur se mettent en relation avec votre service transport ou informatique pour collecter de façon automatisée les données hétérogènes et multi-sources de votre écosystème (prestataires). Elles se pluggent via des connecteurs avec vos ERP, TMS, WMS et stations chargeurs ; ou via EDI, sur votre portail transporteurs ou soit directement sur les systèmes d’information de vos transporteurs. 

2. La normalisation

Un travail de préparation indispensable et fastidieux suit cette phase de collecte. En effet, la qualité des données ainsi collectées est souvent médiocre : pas de format commun entre les parties prenantes, données manquantes ou peu structurées… La tâche de consolidation (nettoyage et mapping des données entre elles) est souvent ardue et chronophage mais elle est résolue dans les solutions d’analytique avancée généralement par un outil d’intégration automatique des fichiers associée à une architecture technique dédiée et des modèles de données spécifiques.

Cette phase inclut également le paramétrage des données et des codes événements, le choix d’hypothèses pour l’interprétation des événements ainsi que la détermination des règles de responsabilités.

3. L’enrichissement

Des tables de dimensions (géographiques, véhicules, segments de transport, …) sont utilisées pour caractériser encore plus les données normalisées.

4. L’analyse

Elle permet la détection et la catégorisation d’anomalies, la modélisation et la simulation, à l’aide d’algorithmes spécifiques au transport.

5. La restitution

La visualisation de tableaux de bords dynamiques avec des indicateurs clés de performance (KPI) et l’activation d’applications web métiers sont généralement proposés pour l’évaluation et l’optimisation de la performance.

Les indicateurs clés de performance indispensables pour piloter la qualité

Le pilotage du respect de la promesse client du transport est ciblé sur le transport mais peut être étendu en amont sur le suivi de la performance logistique et jusqu’à la prise de commande du client. Il apporte une vision exhaustive et précise de chaque étape du processus transport et logistique et permet d’évaluer la qualité de chaque étape, en termes de délai et de conformité.

Dans un outil analytique, l’utilisateur se sert donc de plusieurs tableaux de bord tous dotés d’un système de filtres multicritères (granularités de temps différenciées – temps réel, hebdomadaire ou mensuelle – par exemple) regroupant sur une seule interface des indicateurs clés de performance, soutenus par un affichage graphique et alphanumérique multiforme et dynamique pour piloter principalement le taux de service global selon plusieurs critères d’appréciation. 

Ces indicateurs-clés peuvent se répartir selon plusieurs axes ou dimensions importantes pour le pilotage de la promesse client :

La qualité

Elle peut se mesurer selon des indicateurs-clés définis nativement dans l’outil d’analyse sur le taux de remontées EDI (par transporteur ; par département) au global ou par rapport au mois précédent ; mais aussi par rapport au pourcentage des expéditions livrées.

Les indicateurs clés de performance indispensables pour piloter la qualité.

Le taux de service

Il se mesure généralement par des indicateurs clés focalisant sur le nombre d’expéditions totales et sur celui des expéditions livrées ; mais aussi sur l’OTIF, l’On Time, l’In Full (en %) ; ou encore le délai de livraison.

Le respect de la promesse client

par zone géographique

Il permet d’avoir une vue précise du respect de l’engagement généralement par pays/département, via une visualisation du taux de service enrichi d’un système cartographique segmenté par zonage territorial et la possibilité d’une granularité temporelle mensuelle, trimestrielle ou annuelle.

par client

Il permet d’avoir une vue précise du respect de l’engagement généralement par client, via une restitution du taux de service plus large intégrant une liste de destinataires (destinataire, code département, nombre d’expéditions mensuel, taux de service client, variation), un système graphique présentant la qualité de livraison avec des dates de livraison théoriques et réelles.

Les causes et les responsabilités

Cette fonctionnalité nativement intégrée dans la dimension diagnostique de l’analyse des données – le pourquoi ? – se focalise sur l’identification précise des causes et des responsabilités du défaut d’engagement sur le respect de la promesse client (expéditeur, transporteur ou destinataire), sur la base des données observées sur le dernier mois, le mois précédent ou alors sur l’ensemble de l’historique des données analysées.

En capitalisant sur des données valorisées et enrichies, il est donc possible de mettre en place un suivi exhaustif de la qualité des prestations effectuées par chaque prestataire et d’ainsi bénéficier d’une vision fiable des tenants et aboutissants de la qualité de service offerte à vos clients. Grâce aux capacités offertes par l’Analytique avancée, il devient plus aisé d’identifier les optimisations concrètes à mettre en œuvre pour apporter des réponses pertinentes aux exigences toujours plus fortes des clients, et faire de la qualité de service un véritable avantage concurrentiel pour votre entreprise.

Transport et data analytics : Indicateurs de performance de la livraison – Mesure de l’OTIF.