Now Reading
Gaspillage : comment le Big Data peut le réduire
0

Gaspillage : comment le Big Data peut le réduire

by Cloud Guru5 décembre 2016

L’ADEME, traditionnellement spécialisé dans les études sur les économies d’énergie, a cette fois produit une étude sur le gaspillage alimentaire dans la grande distribution. Cette étude a porté sur 10 magasins sélectionnés dans la grande distribution, et son intérêt vient du fait qu’elle préconise le recours au Big Data pour analyser les données concernant les produits alimentaires.

Il en résulterait une baisse importante du gaspillage alimentaire, transposable à grande échelle sur l’ensemble des magasins de ce type en les dotant des outils Big Data nécessaires.

  • Les 10 magasins ont réduit leur gaspillage alimentaire de plus de 160 tonnes en 1 an.
  • Le magasin qui a le plus réduit son GA le réduit de 65 %
  • Les magasins ont réalisé une économie totale cumulée de 0,7 M€ soit 70 k€/magasin.
  • Le magasin qui a le plus réduit son GA en € le réduit de 32 %
  • Le coût complet du gaspillage alimentaire pour les 10 magasins est de 4 M€, soit une moyenne de 400 k€/magasin
  • Ce coût complet représente en moyenne 0,9% du CA alimentaire, soit sensiblement la marge nette des magasins sur l’alimentaire.

La façon dont les données ont été gérées et analysées grâce au Big Data :

  • Dans le cadre de l’opération Distributeurs Témoins, le groupement (Trinov, Comerso, OID) est intervenu pour consolider et analyser un ensemble de données qui avaient été fournies par les cinq enseignes impliquées. Vu la masse (4 à 5 millions de cellules par magasin) et l’hétérogénéité des données à manipuler, les méthodes traditionnelles (tableurs) ont été remplacées par des outils utilisés dans le domaine du big data.
  • Le travail a consisté à extraire, nettoyer et harmoniser des données issues de sources multi enseignes et hétérogènes: Excel, PDF, extraction de bases de données, documents papiers (qu’il a fallu scanner et analyser en utilisant des techniques de ‘text mining’ pour en récupérer le contenu)…
  • L’ensemble des connaissances extraites de ces supports ont ainsi été intégrées dans un entrepôt de données qui a rassemblé l’ensemble des références produits (GENCOD) distribués dans les cinq enseignes sur une période d’un an.
  • A l’aide d’algorithmes de modélisation, le groupement (TRINOV, Comerso, OID) a identifié par référence, les produits les plus couramment cassés, jetés, donnés, ‘stickés’, volés … ce qui constitue une avancée majeure dans le domaine (les pertes étant jusque-là uniquement évaluées en €)

Une méthode intéressante, car elle pourrait s’appliquer à d’autres secteurs d’activité.

Pour en savoir plus :
> Le rapport complet de l’ADEME

Pour nous contacter :

Vos nom et prénom (obligatoire)

Votre email (obligatoire)

Votre téléphone (facultatif)

Votre entreprise (obligatoire)

Votre demande

{lang: 'fr'}
About The Author
Cloud Guru

Vous souhaitez réagir sur cet article ?