Chiffres clés
Contexte
Depuis quatre ans en France, un constructeur automobile fait appel au savoir-faire d’Expleo en matière de Big data pour automatiser la collecte et le traitement de l’ensemble des données provenant du service client après vente. L’objectif poursuivi ? Mieux faire entendre la voix des clients dans des millions de données non structurées.
Defi : capter la voix du client
Dans le secteur automobile aujourd’hui, vérifier la bonne tenue d’une voiture tient de plus en plus autant du contrôle traditionnel d’engrenages mécaniques que d’une mise à jour de systèmes informatiques embarqués. Cet état de fait est particulièrement vrai pour les modèles de véhicules haut de gamme qui peuvent rassembler dans leurs rouages plus d’une centaine d’ECU (ou Engine Control Unit), ces véritables calculateurs embarqués servant à contrôler et à aider à la régulation de presque tous les systèmes de la voiture. Soit l’équivalent en traitement tout de même de quelques 100 millions de lignes de code ! Que ce soit donc pour garantir la sécurité des passagers, pour assurer leur confort de conduite ou les renseigner efficacement sur leur trajet, le moindre bug est bien évidemment à exclure dans cette multitude de données.
Afin d’anticiper mieux ce qui pourrait potentiellement faire défaut dans l’usage de ses gammes de voitures, un grand constructeur automobile français fait appel depuis quatre ans au savoir-faire d’Expleo en matière de science des données, d’analyses textuelles et d’ingénierie RAMS pour conduire une vaste étude à 360 de tous les retours qualité signalés. Face aux milliers d’échanges après-vente comptabilisés chaque mois chez ce client, le défi est de taille aussi bien par la quantité de données produites que par la grande disparité des sources d’origines ; celles-ci provenant aussi bien de résultats d’enquêtes de satisfaction que de retours ateliers ou garages, de transcriptions téléphoniques du call center que d’avis partagés sur des réseaux sociaux ou des forums spécialisés.
Solution : combiner l’ingénierie et l’analyse Big Data
Traiter « manuellement » une telle quantité d’informations est vite trop chronophage sans l’aide d’outils Big Data offrant une combinaison optimale de capacités d’analyses RAMS, d’intelligence artificielle et de data visualisation. C’est tout ce savoir-faire que les experts déployés sur ce projet par Expleo fournissent au département qualité de notre client. Si l’on détaille plus avant l’équipe, celle-ci rassemble ainsi des ingénieurs RAMS en charge d’étudier la sureté de fonctionnement des gammes de véhicules ciblées, des data scientists spécialisés dans le traitement du langage naturel pour mieux analyser les nombreuses sources écrites d’informations, enfin des data analystes chargés de travailler sur le design des tableaux de bord de data visualisation utilisés pour faciliter en un coup d’œil les conclusions à tirer des observations réalisées.
Pour l’heure, la solution déployée par Expleo englobe le parc automobile de notre client en France, avec un projet reconduit pour sa quatrième année. Parce que les questions sont aussi nombreuses que les paramètres à prendre en compte dans l’origine d’une défaillance, Expleo s’appuie pour ce projet sur la combinaison d’atouts du langage de programmation Python, d’une méthode d’analyses des données basée sur un traitement du langage naturel (NLP), ainsi que sur les plateformes de visualisation des données TIBCO Spotfire, R Shiny ou Dash.
Résultats : améliorer la compréhension des retours clients
Pour notre client, le premier gros avantage ainsi obtenu est une réduction drastique du temps et des moyens techniques ou humains nécessaires à l’analyse de ses remontées terrain. Sur un problème donné par exemple, plusieurs jours de retranscription manuelle sont réduits à seulement quelques minutes de traitement de données ! Grâce notamment à la sophistication des algorithmes NLP développés par Expleo, les fausses alertes sur les pannes incapacitantes ont pu être singulièrement diminuées dans les recherches par mot-clé. A l’issue d’une phase de test spécifique, les algorithmes d’Expleo sont ainsi aujourd’hui capables de diminuer de 50% le taux de relecture, avec une marge d’erreur de seulement 5%.
Sur un mot comme « feu » par exemple, dont les nombreuses interprétations possibles (feu de croisement, de position…) pouvaient générer une pertinence moindre dans le diagnostic, l’avantage a vite été notable pour le département qualité de notre client. Au-delà de cet exemple, le juste diagnostic est bien sûr l’objectif global poursuivi. Et les résultats y sont plus que notables là encore avec la combinaison d’une intelligence des données et d’outils de data visualisation. Grâce aux tableaux de bord mis en place par Expleo, les processus ont pu être automatisés et ainsi faire ressortir plus rapidement les corrélations entre les informations collectées. Actuellement, les algorithmes d’Expleo classifient avec une précision d’au moins 80% les problèmes qualité potentiels enregistrés dans 600 scénarios de défaillances.
Avec l’automatisme, le confort et la rapidité d’usage de la solution Expleo, les équipes qualité de notre client bénéficient d’une reproductibilité renforcée des critères d’identification de leurs remontées terrain. Un atout précieux lorsqu’il s’agit de répondre au plus près et au plus vite à des attentes clients
Lead Data Scientist, Expleo
TRANSFORMATION DIGITALE
Big data, analyse de données, IA & algorithmes avancés
Expleo élabore des stratégies d’analyse de données innovantes, grâce au machine learning et à des algorithmes avancés. Cela nous permet de créer des modèles de prédiction et de gouvernance complexes, tant pour l’industrie que pour les services.
