• Résumé

    L'objectif de ce data challenge est de proposer des indicateurs clés qui permettent d'analyser l'évolution du comportement de consommation de services en ligne en France.

    Citation : Mamavi, O. (Déc 2020). Analyser le comportement des consommateurs de services en ligne. https://management-datascience.org/projects/14590/.
    L'auteur : 
    • Olivier Mamavi
       (omamavi@gmail.com) - Paris School of Business  - ORCID : https://orcid.org/0000-0002-6421-1048
    Copyright : © 2020 l'auteur. Publication sous licence Creative Commons CC BY-ND.
    Liens d'intérêts : Le ou les auteurs déclarent ne pas avoir connaissance de conflit d'intérêts impliqués par l'écriture de cet article.
    Financement : Le ou les auteurs déclarent ne pas avoir bénéficié de financement pour le travail mis en jeu par cet article.
    Objectifs

    Contexte

    Comme le souligne, Guthrie et Fosso Wamba (2020), la crise de la COVID-19 a profondément perturbé le fonctionnement du secteur tertiaire. Du commerce de détail à la restauration, en passant par la grande distribution la pandémie a déstabilisé des chaînes logistiques (Queiroz, Ivanov, Dolgui, & Wamba, 2020) et a modifié les priorités de consommation (Hall, Prayag, Fieger, & Dyason, 2020) et le comportement des clients (Sheth, 2020).

    La pandémie et ses mesures sanitaires ont accéléré la transformation digitale des entreprises. On a vu un essor du commerce électronique (FEVAD, 2020), une digitalisation accrue du parcours client, le développement de nouveaux services en ligne, une dématérialisation des prestations de services (Keesara, Jonas, & Schulman, 2020) et un recours en urgence aux modèles de vente hybrides, tels que le click-and-collect et les drives (Badot & Fournel, 2020). Aujourd’hui, les entreprises s’interrogent sur les stratégies digitales à développer pour faire face à ces nouveaux contraintes, comportements et attentes (Soto-Acosta, 2020), et aussi pour en tirer profit (Heinonen & Strandvik, 2020Seetharaman, 2020).

    Mais pour construire une stratégie digitale, encore faut-il avoir de bons indicateurs. L’indicateur est un outil, à la fois, de pilotage par la donnée et de contrôle de gestion.

    Mission

    Dans le cadre de ce data challenge, votre mission consiste à proposer des indicateurs clés qui permettent d’analyser l’évolution du comportement des consommateurs de services en ligne. Pour cela, vous devez :

    1. En s’appuyant sur une revue de littérature, définir les meilleurs termes qui permettent de mesurer le comportement des consommateurs de services en ligne.
    2. Créer un jeu de données à partir de Google Trends et d’autres sources de données ouvertes (opendata).
    3. Montrer l’impact la pandémie sur le comportement des consommateurs de services en ligne.
    4. Construire un tableau de bord avec les indicateurs clés qui permettront à une entreprise de construire sa stratégie digitale pilotée par la donnée.

    L’objectif de ce challenge est de produire une étude reproductible et partageable. Vos analyses permettront aux entreprises d’adapter leur stratégie digitale pour faire face à la crise et pour préparer un monde transformé par la pandémie (#hacker la crise).

    Références

    Badot, O., & Fournel, C. (2020). Crise du Covid-19 et commerce: Quels futurs impacts possibles sur les comportements des acheteurs et sur les stratégies des distributeurs? ESCP Impact Paper No. 2020-04-FR. ESCP.  Retrieved from

    FEVAD. (2020). Retour sur 5 semaines de crise COVID pour le e-commerce: La Fédération du e-commerce et de la vente à distance (FEVAD).

    Guthrie, C., & Fosso Wamba, S. (2020). La stratégie digitale face au Covid-19 – L’impact de la pandémie sur la transformation digitale du secteur tertiaire. Management et Datascience, 4(6).

    Hall, M. C., Prayag, G., Fieger, P., & Dyason, D. (2020). Beyond panic buying: consumption displacement and COVID-19. Journal Of Service Management.

    Heinonen, K., & Strandvik, T. (2020). Reframing service innovation: COVID-19 as a catalyst for imposed service innovation. Journal Of Service Management.

    Keesara, S., Jonas, A., & Schulman, K. (2020). Covid-19 and health care’s digital revolution. New England Journal of Medicine, 382(23), e82.

    Queiroz, M. M., Ivanov, D., Dolgui, A., & Wamba, S. F. (2020). Impacts of epidemic outbreaks on supply chains: mapping a research agenda amid the COVID-19 pandemic through a structured literature review. Annals of Operations Research, 1-38.

    Seetharaman, P. (2020). Business models shifts: Impact of Covid-19. International Journal of Information Management, 54, 102173.

    Sheth, J. (2020). Impact of Covid-19 on consumer behavior: Will the old habits return or die? Journal of Business Research, 117, 280-283.

    Soto-Acosta, P. (2020). COVID-19 Pandemic: Shifting Digital Transformation to a High-Speed Gear. Information Systems Management, 1-7.

    Modalités

    Soumission


    Les contributions des participants doivent obligatoirement être déposées directement sur le formulaire en ligne du site de Management & Data Science, dans l’onglet contribution du menu latéral de la page du challenge.

    Vous devez soumettre un article de synthèse qui devra respecter les consignes de rédaction suivantes :

    •  Sur la forme :
      •  4 500 signes (espaces compris)
      • Le titre de la contribution (10 mots maximum)
      • Un résumé de 100 mots avec les mots clés
      • 4 sections dont les titres sont : Introduction, Données, Résultats, Conclusion. La soumission doit impérativement comporter ces 4 sections aux titres génériques indiqués.
      • Le corps de texte : contenu clair et explicite de chaque section avec des illustrations, tableaux, figures, les algorithmes et les codes sources utilisés.
      •  L’ensemble des tableaux, illustrations et figures est inséré dans le corps de texte avec leur titre, après la bibliographie. Toutes les tableaux, illustrations, et figures seront insérés en format image (.tif, .jpeg, .bmp, .png).
    • Sur le fond:
      • une introduction qui rappelle la mission et présente votre problématique
      • une description du jeu de données utilisé
      • la démarche méthodologique appliquée
      • les principaux résultats de l’analyse des données
      • le tableau de bord final
      • pourquoi votre solution est unique ?
      • Quel sera le principal impact de votre solution
    • En annexe:
      • Les références bibliographiques
      • Le dataset utilisés et le dictionnaire des variables
      • Des justifications ou explications complémentaires

    Déroulement


    Le déroulement du challenge sera le suivant :
    1. Inscription individuelle au data challenge
    2. Constitution d’une équipe
    3. Création du jeu de données
    4. Analyse des données
    5. Soumission des résultats
    6. Présentation devant un jury des meilleures équipes ou participants
    7. Remise des prix

    Evaluation


    Pour participer au challenge, chaque candidat doit s’inscrire au préalable sur le site web de Management & Data Science, en indiquant un prénom, un nom, une adresse email et une institution d’affiliation.
    Les propositions seront évaluées selon les 4 critères suivant :

    • La pertinence: dans quelle mesure le livrable répond à la mission ?
    • La reproductibilité : les résultats proposés sont-ils reproductibles ?
    • L’impact : quelle est la valeur de la contribution ?
    • La clarté : la solution proposée est-elle intelligible et originale ?

    Classement


    L’ensemble des propositions sera évalué et classé. Les 5 meilleures propositions iront en finale. Les candidats finalistes présenteront leurs résultats à un jury pendant 10 minutes suivi de 5 minutes de questions. Le jury désignera le vainqueur en fonction de la pertinence des propositions.

     

    Données

    Afin d’analyser la transformation digitales des entreprises de services, les données à utiliser pour ce challenge doivent provenir en partie de Google Trends. En effet, les requêtes effectuées sur le moteur de recherche fournissent des informations quasiment à temps réels. Elles représentent des besoins exprimés directement par les internautes : besoin d’information ou de consommation. Pour chaque requête, Google peut enregistrer les réponses aux questions suivantes : quoi, quand, où, qui.

    Google ne donne pas accès aux données relatives à ses requêtes dans le détail. Les logs indiquent la quantité de recherche ayant été effectuées pour un terme donné, par rapport au nombre total de recherches effectuées sur Google au cours de la même période. Ils ne représentent pas le volume de recherche en valeur absolue, car les données sont normalisées et présentées sur une échelle allant de 0 à 100.

    D’autres sources de données en libre accès peuvent être utilisés. Par exemple, prendre en compte les effets de pandémie et du confinement (mobilité). Dans ce cas, le jeu de données devra être cohérent et les jointures réalisées correctement.

    On retrouve également la table olist_new_sellers_dataset provenant d’un dataset complémentaire ,regroupant les données des nouveaux vendeurs ayant été accrédités pour proposer leurs produits sur la plateforme durant la période de l’enquête.

    • Aucune ressource disponible.
      • Datalab Management & Datascience
        Service d'hébergement de projets Gitea
    • 53 contributeurs  |  17 contributions envoyées