Community Spring Cleaning week is here! Join your fellow Maveryx in digging through your old posts and marking comments on them as solved. Learn more here!

Cas d’utilisation - Français

L'aéroport de Munich anticipe l'avenir grâce aux données

Community_Admin
Alteryx
Alteryx
Created
cbalas_9-1575664780632.png

Présentation du cas d'usage

L'aéroport de Munich, en Allemagne, est l'un des plus grands aéroports du monde, avec plusieurs éléments mobiles et composants métier. L'équipe responsable de la Planification stratégique doit tenir compte de l'ensemble des données relatives à ces composants et prendre les meilleures décisions en ce qui concerne le développement de l'aéroport à court et à long terme. Ce cas d'usage met en lumière la façon dont l'équipe a su exploiter la plateforme Alteryx pour améliorer l'ensemble de ses activités de modélisation et de reporting et passer d'un processus manuel lent impliquant des feuilles de calcul à Alteryx Designer et Alteryx Server. Résultat : gains de temps dans les mises à jour, l'intégration des données, la manipulation de modèles, les besoins de planification, et amélioration des prévisions relatives aux performances sur plusieurs branches d'activité.

 

Décrivez le défi professionnel à relever ou le problème à résoudre

L'aéroport de Munich constitue presque une ville. Chaque année, il totalise plus de 400 000 décollages, 36 millions de passagers, 300 000 tonnes de fret, 35 000 employés et 550 entités dont les recettes annuelles s'élèvent à 150 millions d'euros. Il compte 65 restaurants, bars et cafés, 150 boutiques, 2 hôtels (800 chambres), 14 parkings, une brasserie, une église et une clinique. Tous ces éléments constituent des points de données dont l'équipe chargée de la planification stratégique doit tenir compte lorsqu'elle prend ses décisions pour le développement et l'avenir de l'aéroport. Il lui a fallu plus de 50 feuilles de calcul Excel pour la modélisation, un processus extrêmement manuel et complexe que seules deux personnes maîtrisaient. Parfois, les ordinateurs n'arrivaient pas à suivre et se bloquaient sur un écran bleu, et il fallait plus de deux semaines pour mettre à jour les données et les modèles dans les feuilles de calcul. Les modèles d'entreprise stratégiques tournés vers l'avenir devaient intégrer toutes ces variables tout en fournissant des insights fiables en temps utile, ce que les feuilles de calcul ne permettaient pas.

 

Décrivez votre solution

Après l'adoption d'Alteryx, les équipes de l'aéroport ont pu abandonner le processus Excel et commencer à développer un modèle dynamique global englobant à la fois les objectifs à court, moyen et long terme. Ce modèle tient compte de plusieurs paramètres du marché, notamment les voyageurs entrants, les dépenses énergétiques, les apports financiers, les investissements et la planification des infrastructures.

cbalas_0-1575663961537.png
 

De nombreuses statistiques ont été intégrées à ce modèle, notamment des indicateurs clés de performance (KPI) pour les éléments financiers et non financiers. Ce modèle aide l'équipe à définir des objectifs quantifiables pour l'avenir, comme les échéances des projets d'infrastructure, l'amélioration de la satisfaction des clients, la réduction des délais entre les correspondances et la mise au point de formations multi-modèles sur le trafic aérien. Dans l'ensemble, ce modèle lui a permis de définir un point de référence pour ce que devrait être l'aéroport de Munich d'ici 2025, mais il a fallu de nombreuses étapes avant d'en arriver là.

 

Pour élaborer ce modèle, il a fallu en premier lieu mettre au point et tester différents paramètres. Par exemple, afin de planifier stratégiquement l'agrandissement des constructions et du Terminal 1, il fallait prendre en compte le nombre de passagers et de mètres carrés, l'indice des prix à la consommation et les données sur l'évolution des salaires. Ce modèle axé sur les paramètres a été développé pour faciliter la prise de décision basée sur les données.

 

cbalas_4-1575664078353.png

 

Afin de définir ces paramètres, les équipes se sont appuyées sur des statistiques de référence et une analyse de corrélation pour chacun des paramètres définis. Exemple : l'effet des taux de change sur les recettes totales de l'aéroport, la surface en mètres carrés ou l'évolution du nombre de passagers. Les résultats de ces analyses ont servi à développer des modèles de régression faisant partie du modèle de prédiction. Ainsi, il était plus facile de comprendre les dépendances entre les différentes business units. Ces analyses facilitent grandement l'amélioration de ces modèles, et si les paramètres changent, cela se reflétera dans le modèle et permettra de calculer l'étendue des différentes évolutions.

 

cbalas_5-1575664126765.png

L'équipe chargée de la stratégie a intégré ces modèles dans un workflow Alteryx, qui comprenait leur modèle de régression linéaire, le nuage de points et le modèle de prédiction. Le fait de tout avoir dans un seul workflow permettait de relier tous les points de données entre eux. Ce workflow contient des millions de lignes avec des données internes et externes qui réunissent les différentes sources tout en permettant un gain de temps considérable.

 

cbalas_6-1575664212400.png

Pour la modélisation dans Alteryx, l'équipe a créé des macros afin de mieux faire ressortir des insights sur les différentes business units de l'aéroport. Puisque de nombreux types d'activité doivent être pris en compte, il est nécessaire de calculer différents scénarios stratégiques. Par exemple, construire un immeuble de bureaux avant une autre structure. L'équipe avait 5 macros différentes pour l'aider à définir ces insights et paramètres pour chaque business unit. Les macros mises au point dans Alteryx permettent de gérer 10 workflows complexes en même temps et de renforcer l'intégration entre les sources de données au sein des modèles.

 

L'équipe chargée de la stratégie n'utilise pas seulement Alteryx dans le cadre d'un développement à long terme, mais aussi pour les opérations courantes. Elle a effectué une analyse de corrélation portant sur l'intelligence client afin de savoir si la gamme de parfums proposée en boutique répondait aux besoins de la clientèle. Le nombre de recherches Google pour les différentes marques lui a permis de cibler précisément les préférences des clients. Après avoir effectué une comparaison entre les marques de parfum proposées et les résultats des Google, l'équipe a pu enrichir son offre de trois nouvelles marques et augmenter ainsi directement les ventes. 6 fonctions seulement ont été nécessaires pour développer ce workflow, le tester et obtenir le résultat souhaité, tout cela dans un délai très restreint.

cbalas_7-1575664590007.png

Décrivez les avantages que cela vous a apportés

Alteryx permet à l'équipe chargée de la stratégie de mettre aisément en place des modèles pour chaque type d'activité et lui donne la possibilité d'intégrer des statistiques prédictives ainsi que des paramètres analytiques particulièrement complexes dans ses workflows. Les mises à jour qui prenaient deux semaines se font désormais en deux jours. Il était impossible pour l'équipe d'intégrer ses statistiques dans les feuilles de calcul. Maintenant, dans Designer, elle peut développer facilement des workflows et des modèles.

 

Les modèles tiennent compte de différents paramètres et les macros permettent d'exploiter plus de 50 paramètres à la fois. Résultat : un gain de temps considérable. Auparavant, il fallait 4 heures pour mettre en place des workflows. Maintenant, avec les macros, 30 minutes suffisent pour les établir dans les différents segments d'activité. Et en cas de modification du modèle ou des workflows, nul besoin de tester chaque workflow individuellement. Les changements peuvent être effectués au niveau de la macro et se répercutent en cascade sur chacun des dix workflows qu'elle contient.

cbalas_8-1575664710489.png

La plateforme Alteryx facilite également la gestion et la création de scénarios de développement et élimine, grâce à Alteryx Server, la nécessité d'un savoir-faire en modélisation. L'équipe chargée de la stratégie peut intégrer dans le processus de modélisation différents services concernés par le contenu, mais qui ne sont pas des spécialistes de l'IT ou de la Data Science. Ces services peuvent ainsi se familiariser avec Alteryx et utiliser la plateforme pour leur reporting et leurs opérations. 

 

Prochaine étape : mettre dans Alteryx le modèle le plus complexe (il a fallu 1 an pour le créer et 2 mois pour le mettre à jour). Avec tout le travail qu'a nécessité la création du modèle dans Excel, l'équipe est très optimiste quant à la capacité d'Alteryx à l'héberger, à l'améliorer et à faciliter toute autre tâche complexe de reporting ou de modélisation.

 

Ressources connexes

Retrouvez l'intégralité de la présentation ici.

"