Cet article est issu du data challenge Management & Data Science sur le thème « Service client, innovation et mobilité » sponsorisé par BIP&GO (un des leaders européens du télépéage) en partenariat avec l’Adetem dans le cadre du programme Share Marketing.

Dream team

C’est l’histoire de 3 collègues totaliens qui se réunissent autour d’une envie commune : participer à un data challenge en équipe. Converti à la data science depuis 2016, Grégory Wallace écume les compétitions de machine learning, où il a dernièrement été classé dans le top 5% aux « 2019 Datascience Olympics ». Ingénieur réservoir s’intéressant à la datascience, Bruno Van-Dunem Martins collectionne les participations à des Datascience challenge, où il termine régulièrement dans le duo de tête. Étant la béotienne de l’équipe, Agathe souhaite faire son baptême de data science, et espère mettre à profit son savoir faire en UX design et en marketing. Ils font connaissance sur Skype, se répartissent les tâches en capitalisant sur les compétences de chacun, et travaillent soirs et week-ends pendant 4 semaines.

Mission

Sponsorisé par BIP&GO (un des leaders de télépéage), le data challenge « Service client, innovation et mobilité » repose sur des millions de données ouvertes. L’objectif est d’identifier des clients à fort potentiel de consommation de moyens de mobilité, et pour ceux ci, de proposer des services susceptibles d’augmenter les dépenses moyennes.

Dataset

Composé de 3 fichiers reprenant un million d’id de clients uniques, le dataset décrit les clients et leurs usages sur les 10 dernières années. Bruno et Grégory comprennent vite que le dataset est extrait de conditions opérationnelles réelles, car les doublons et les champs vides sont nombreux.

Traitement des data

Au départ, Grégory et Bruno essaient de faire du clustering sur le dataset complet. Constatant que cette approche prendrait trop de temps, ils décident d’utiliser l’échantillon de 15 000 clients, qui représente une base plutôt riche.

Dès lors, l’équipe s’organise autour de 3 axes de recherche complémentaires :

• Geo-enrichment (Python) : Sur une carte de France interactive, Grégory représente les parts de marché par zones géographiques ). A ce stade, l’équipe découvre que le sponsor -jusqu’ici anonyme- est en réalité BIP&GO.

• Etude de marché et prospective : Agathe fait un benchmark concurrentiel et met les résultats en perspective avec des études sur le futur de la mobilité.
• Statistiques et visualisations (Python) : Bruno analyse les profils des clients (âge et sexe) et leurs comportements de souscription (saisonnalité et vente à distance).

Clients cibles

Le premier réflexe consiste à capitaliser sur le segment client qui était déjà le plus rentable, à savoir les hommes de 35 à 55 ans. Mais vu la manière dont la mobilité est en train d’évoluer (disparition de la voiture individuelle au profit de la Maas – Mobility As A Service), l’équipe se demande si ce segment client est bien celui qui, dans ce contexte bien précis, a le plus de potentiel. Au lieu de focaliser sur ce qui saute aux yeux, l’équipe préfère mettre les données en perspective avec le futur de la mobilité, et ainsi éviter le biais du survivant. De part leur forte sous-représentation et leurs spécificités, deux cibles semblent avoir le plus de potentiel :

• les Millenials, car ils sont hyper connectés et plébiscitent les transports multi-modaux
• les femmes, car étant donné que le modèle de la voiture individuelle traditionnellement préempté par les hommes est sur le déclin, cela va naturellement récréer un équilibre homme / femme

Offre de service

Pour représenter l’offre de service dans sa globalité, l’équipe propose de mettre en place un POC sur la ville de Reims, où la présence de BIP&GO est déjà importante.

Privilégiant les synergies entre les différents acteurs de la mobilité (carburant, parkings, covoiturage, transports publics et alternatifs), l’expérience client se décompose ainsi :

• Margaux, 22 ans, habite à 50 km de Reims. Elle prévoit de rejoindre une copine pour le déjeuner en centre ville.
• Elle prend sa voiture, et commence par payer son plein d’essence avec son télé-péage BIP&GO.
• Quelques kilomètre plus loin, elle va chercher les passagers d’un covoiturage organisé avec l’application BIP&GO.
• En périphérie de Reims, elle gare sa voiture à un parking où son stationnement est payé avec son télé-péage BIP&GO.
• Elle se dirige vers la station de tramway qui est à quelques mètres de là, et monte dedans en utilisant son télé-péage BIP&GO.
• Quant aux covoitureurs, ils partent respectivement en vélo et en trottinette vers leurs points de rendez-vous.

Soutenance

Parce qu’un dessin vaut mieux qu’un gros discours, l’équipe remplace le traditionnel Powerpoint par un sketchnote permettant d’exploiter tout le potentiel de la data visualisation (réalisé par Agathe sur Ipad Pro / Pro Create).

La soutenance dure 10 minutes dans les locaux de SANEF, avec Bruno en conférence audio via l’Angola. L’équipe présente sa proposition avec conviction, et assume son coté disruptif. L’annonce des résultats se fait dans la foulée, l’équipe arrive 2ème.

Retour sur expérience

Pour les data scientists de l’équipe, ce data challenge est plus difficile qu’une compétition traditionnelle. Vu la liberté procurée par les instructions de départ et les spécificités de l’approche marketing, Grégory et Bruno font preuve d’adaptabilité pour travailler les data autrement. Rapidement, des passerelles se créent entre la data science, l’expérience client et le marketing. La magie de la co-création opère, et la proposition de valeur se crée spontanément.

A ce stade, nul ne sait comment cette proposition va alimenter la réflexion de BIP&GO. Convaincue qu’il est temps d’emprunter un itinéraire permettant de se tailler une place de choix dans la mobilité de demain, l’équipe espère que BIP&GO saura tirer les bénéfices d’une proposition aussi innovante.

Avec des vies déjà bien remplies, Grégory, Bruno et Agathe sont très fiers d’avoir accompli autant de choses en si peu de temps. Et pour donner encore plus de sens à cette aventure, ils souhaitent offrir les 2 000€ de dotation à E-mma, association qui aide à promouvoir la mixité dans le numérique.