Le big data désigne un ensemble de données brutes et non structurées, récoltées en temps réel par quelque source que ce soit, un ensemble très volumineux qu’aucun outil classique de gestion de base de données ou de gestion de l’information ne peut analyser. Il nécessite donc des outils informatiques (hardware et software) de stockage et de traitement spécifiquement adaptés à un tel volume. Identifié comme une des tendances clés du futur, le big data trouve depuis quelques année ses marques dans un univers de la mode et du textile avide de connaissances clients, de prévisions, et de tendances.
Une fois analysées, les informations recueillies en boutique ou sur le web sur le client doivent ainsi permettent de mieux répondre à ses attentes, notamment en terme de personnalisation du produit, de l’ajustement et du « bien-aller » pour des produits de mode, jusqu’aux diagnostics et recommandations personnalisée pour un vêtement technique de santé ou de sport mesurant la performance physique ou physiologique. La numérisation de la relation client est la clé du processus de fabrication 4.0 intégrant le big data; elle impacte toutes les étapes de la chaîne de valeur textile, depuis le choix des matières premières jusqu’au recyclage des produits. Revenons ici sur quelques exemples significatifs de la tendance Big Data pour le textile et l’habillement.
A l’international, c’est Zara qui semble être un des pionnier de la digitalisation de la relation client dans le secteur de la mode. Un des piliers du succès de l’enseigne du groupe espagnol Inditex est en réalité son infrastructure technologique, basée surla technologe RFID, le cloud computing et le Big Data. Au final, l’information client circule presque en temps réel entre les magasins et les analystes marketing de la société. Avec les informations acquises chaque matin, les créateurs et stylistes réinventent les collections. Zara étant en mesure de réapprovisionner ses collections de vêtements en seulement trois semaines, les magasins finissent par vendre ce que les gens recherchent en tout temps.
Autre exemple, jusqu’à présent, on pouvait par exemple trouver les mêmes articles dans les 4288 boutiques H&M disséminées dans le monde entier, générant 4 milliards de dollars de produits invendus. La société mise désormais d’utiliser le Big Data et l’intelligence artificielle pour personnaliser son offre en fonction des différents pays d’implantation. La firme a constitué une équipe Big Data composée de plus de 200 Data Scientists, analystes et ingénieurs; tickets de caisse, retours produits, cartes de fidélité mais également données externes vont être passées au crible de ces experts afin d’améliorer les ventes et le taux de conversion du géant suédois.
En France, le numéro un du prêt-à-porter Kiabi a été en 2016 la première marque dans l’univers de la mode à organiser un “Big Data Challenge”. Le principe : durant trois mois, six équipes mixtes, chacune composée de 2 “coachs”, collaborateurs experts retail et Web marketing de l’enseigne, et de 4 étudiants du Master Siad (Systèmes d’information et d’aide à la décision) de l’Université Lille 1, ont ainsi planché sur les (vraies) données de l’entreprise. À la clé de, de nouvelles idées pour la personnalisation de la relation client, et pour le partage des données grâce à des outils de data visualisation.
Le groupe Etam déploie quant à lui une nouvelle plateforme de données Big Data, en collaboration avec le Français Ysance, afin de bénéficier d’une vision à 360° de ses clientes. Il choisit le Cloud public d’Amazon pour synchroniser l’ensemble de ses données clientes, soit 2 milliards d’informations sur les contacts avec ses clientes.
En savoir plus: lien vers la Conférence Etam et Ysance au Salon Big Data Paris -mars 2018: https://www.pscp.tv/w/1yoKMkYpkgzJQ
Acteur du big data de demain, pour des enseignes plus petites, l’algorithme de la société danoise EasySize aide les boutiques en ligne à réduire la surconsommation et le surstockage des articles qui ne seront pas vendus ou qui seront retournés. Cela doit permettre de réduire le gaspillage lié à la fabrication, au stockage, à l’expédition et, parfois, à la destruction de la marchandise, d’augmenter les ventes et de diminuer les retours pour les boutiques en ligne. Il analyse le comportement des consommateurs (achat, commande, et retour, taux de conversion) et garantit une précision de la prévision d’au moins 75% en moyenne (dans certains cas, il atteint 90% +). En utilisant une base de données diverse, pertinente et toujours mise à jour, ainsi que l’apprentissage automatique, son algorithme devient plus précis et personnalisé au fil du temps.
MakerSights a lancé en 2017 une nouvelle plate-forme, permettant aux marques de consommation d’exploiter les données pour améliorer la conception et le développement des produits. Des marques comme Ralph Lauren, Lucky Brand, Taylor Stitch, Sperry, Merrell, MM.LaFleur, True Religion et Rhone l’utilisent déjà. En invitant les clients à influer sur les produits futurs et en appliquant des analyses prédictives exclusives grâce à leurs commentaires, la plate-forme de MakerSights aide ses partenaires à élaborer des plans de vente plus précis, à déchiffrer les nouveaux lancement de produits et à mesurer la manière dont les clients répondent aux attributs du produit comme les tissus, les couleurs et le prix en quelques minutes. Les algorithmes prédictifs de MakerSights prévoient des ventes de produits avec une précision de 90%.
Chez l’équipementier sportif adidas, le système interne adidas analytics a été conçu, en collaboration avec des spécialistes des technologies prédictives comme Alteryx par exemple, pour comprendre ce qui motive les consommateurs et stimule la prise de décision afin d’accélérer la construction de relations directes avec les clients. Cela s’inscrit parfaitement dans la stratégie informatique «Creating The New» d’adidas, qui souligne la volonté de la société de devenir une organisation axée sur les données grâce à «l’ingénierie du numérique de demain». Pour faciliter ce processus, les spécialistes des données d’adidas ont créé un modèle Consumer DNA (CDNA) composé de données analytiques préfabriqués réutilisables pour créer une vue du client “Consumer” à 360 degrés.
Enfin, dernière annonce en date, Nike vient d’acquérir son prestataire Zodiac Inc., un spécialiste de l’analyse prédictive. “L’acquisition de Zodiac démontre notre engagement à accélérer encore la transformation numérique de Nike et à améliorer nos capacités de données et d’analyse pour nous aider à servir les consommateurs à l’échelle mondiale“, a déclaré Adam Sussman, vice-président et directeur digital de NIKE, Inc. La marque vient d’ailleurs de présenter une collection capsule en collaboration avec le styliste américain Matthew M. Williams, dédiée à l’univers du sport et du training. Les deux partenaires se sont servis de la conception par ordinateur pour créer des vêtements à partir de données précises fournies par la data (notamment sur les zones de chaleur, de transpiration et de mouvement à prendre en compte et à optimiser).
Prochaine étape: faire du big data une smart data, notamment grâce au “Edge computing” (également appelé traitement des données à la périphérie du réseau) permettant aux data d’être traitées directement par le périphérique qui les génère , sans infrastructure spécifique nécessaire. Plus rapide, plus facile à utiliser, nul doute que l’information générée par ce type de système intéressera d’autant plus l’ensemble des acteurs de la filière, les PME aussi bien que les grands acteurs leaders de la tendance.
Parallèlement à cet engouement restent cependant des questionnements: quid de la liberté artistique, de la créativité, autant que l’essentielle sécurisation des données et la législation qui évoluent continuellement dans ce domaine…
Source: IFTH – 18 mai 2018