Contexte & Objectifs

Une société spécialisée en analyses de ventes au détail offre à ses clients B2B un large éventail d'informations sur les ventes et le marché, axé sur un seul secteur du divertissement.

Pour fournir les meilleurs rapports et prévisions, elle s'appuyait sur des données de ventes incomplètes et extrapolait les parts de marché des différents détaillants par produit. Cependant, le résultat n'était pas toujours précis en raison des informations limitées incluses dans leurs estimations.

Notre client souhaitait améliorer son extrapolation en identifiant les caractéristiques des produits influençant les parts de marché de chaque détaillant et produit.

Démarche

Identification des données

Tout d'abord, nous avons commencé par collecter des données. Nous avons identifié deux catégories :

• Données facilement collectées liées aux produits, telles que les dates de sortie et les ventes quotidiennes.

• Données complexes que notre client ne reçoit pas fréquemment ou doit extraire manuellement, comme les tendances des parts de marché passées.

Profilage

En fonction de chaque type de données, nous avons créé des profils pour chaque détaillant à l'aide d'un modèle prédictif. Cela a aidé à identifier les données essentielles pour estimer avec précision les parts de marché pour chaque détaillant et produit.

En construisant des profils pour chaque type de données, nous avons pu évaluer la perte de précision en ne considérant que les données facilement collectées, par rapport à une approche de collecte exhaustive des données.

Partage de connaissances

Nous avons mené des sessions de partage de connaissances avec les équipes internes pour accroître le profilage pour d'autres détaillants.

Résultats

Avec la solution que nous avons fournie, notre client a pu :

• Améliorer la précision de l'extrapolation des parts de marché pour les détaillants

• Utiliser et mettre à jour le modèle pour chaque nouveau détaillant ou produit sans assistance extérieure