Lion Parcel obtient des informations de données plus rapides sur AWS afin d'améliorer l'expérience client

Le secteur mondial de la logistique devrait connaître une croissance régulière entre 2022 et 2030, à un taux de croissance annuel de 6,8 %, notamment en raison de l'essor de la logistique du commerce électronique, de la pénurie de conteneurs, de la fermeture de grands ports entraînant une congestion portuaire et de la capacité limitée du marché du fret aérien. Bien que le secteur ait connu une transformation majeure au cours des deux dernières années, il s'est adapté efficacement et a continué d'évoluer parallèlement aux multiples tendances émergentes.

Lion Parcel renforce sa technologie pour prendre des décisions guidées par les données qui différencient l'entreprise de ses concurrents nationaux et internationaux. En tant que filiale du groupe Lion, Lion Parcel assure la livraison du premier jusqu'au dernier kilomètre aux clients des 17 000 îles indonésiennes. Lion Parcel livre également à des clients dans 25 pays à partir de plus de 7 000 points de service en Indonésie. « Nous sommes convaincus que la technologie peut nous aider à améliorer efficacement notre écosystème logistique existant », déclare Probosetyo Krishna, head of information technology chez Lion Parcel.

Jusqu'en 2019, Lion Parcel utilisait une infrastructure sur site pour gérer ses activités. L'année suivante, elle a migré ses systèmes principaux vers Amazon Web Services (AWS) afin de tirer parti de son modèle de paiement à l'utilisation et de ses capacités de mise à l'échelle illimitées. M. Krishna précise : « Nous avons trouvé que le soutien d'AWS et de ses partenaires était de premier ordre. Cela nous tient à cœur, car nous nous efforçons de progresser dans le secteur en collaborant avec des partenaires de confiance qui partagent nos valeurs. C'est important pour nous alors que nous cherchons à créer et à en faire davantage sur le cloud. »

Début 2021, Lion Parcel a commencé à former une équipe chargée de créer un pipeline de données sur AWS, en collaboration avec Deloitte, un partenaire AWS, pour l'aider à la conception et à la mise en œuvre. Par le passé, Lion Parcel avait expérimenté la création d'un lac de données sur site. Cependant, les performances et la vitesse de traitement des données n'ont pas répondu à ses attentes métier. Par exemple, lors de l’exécution d’un rapport de livraison sur une période de six mois, Lion Parcel a dû attendre 15 minutes pour que les données soient chargées. Sur AWS, le même rapport prend moins d'une minute.

Lion Parcel utilise Amazon Simple Storage Service (Amazon S3) comme lac de données pour stocker des données structurées et non structurées, AWS Glue pour la transformation et le nettoyage des données, et Amazon Redshift comme entrepôt de données.

Six semaines après le début des discussions avec Deloitte et AWS, Lion Parcel avait mis en service son lac de données et son entrepôt de données. « La mise en œuvre du pipeline de données a finalement été plus rapide que prévu, et nous sommes en mesure de faire plus que ce que nous avions initialement prévu », a déclaré M. Krishna. L'amélioration de la visualisation pour les rapports internes et l'application du machine learning (ML) à l'aide d'Amazon SageMaker pour segmenter les clients ont été identifiées comme les premiers cas d'utilisation du pipeline de données.

Auparavant, les requêtes de rapports passaient par la base de données transactionnelle de Lion Parcel. Toutefois, à mesure que le volume de données augmentait, l'entreprise s'est heurtée à des blocages qui ont ralenti l'extraction des informations. Avec un pipeline de données moderne, la base de données transactionnelle reste isolée et « propre », explique M. Krishna, et les employés peuvent extraire les données dont ils ont besoin directement depuis l'entrepôt de données.

L'exécution de rapports plus rapidement avec une meilleure visibilité sur les données granulaires permet à Lion Parcel de passer à un modèle de service client plus proactif. Les agents de gestion et du service client peuvent rapidement générer des rapports sur l'état des colis au cours des différentes étapes de la livraison. En tant qu'entreprise centrée sur le client, Lion Parcel crée actuellement des alertes à partir de son système de surveillance sur AWS afin de détecter rapidement les interruptions de livraison et de prendre des mesures préventives avant de recevoir des plaintes.

Outre la rapidité, Lion Parcel bénéficie des tableaux de bord d'informatique décisionnelle sur Amazon QuickSight pour obtenir des informations sur les opérations en temps quasi réel. Son équipe informatique avait l'habitude d'exécuter des rapports de performance quotidiens pour la veille à présenter à la direction. Désormais, la direction peut accéder directement aux rapports actuels, en capturant les données datant d'une heure seulement.

« La visualisation s'est considérablement améliorée grâce à Amazon QuickSight. Il est facile à connecter et offre un excellent rapport qualité/prix, avec plus de fonctionnalités que notre précédent outil de visualisation open source », explique M. Krishna.

Suite aux améliorations apportées à la visualisation, Lion Parcel s'est concentrée sur la création de modèles de ML en tant qu'extension de son pipeline d'analytique. La segmentation a été la première étape de la transition vers le ML de Lion Parcel. Les équipes de direction et de marketing peuvent désormais visualiser des profils client distincts grâce à une analyse du comportement des clients basée sur le ML, qu'elles utilisent pour élaborer des initiatives de gestion des relations client (CRM).

Lion Parcel peut analyser à quel stade d'achat se trouvent les clients, leur probabilité de désabonnement et d'autres caractéristiques qui contribuent à un marketing ciblé. L'entreprise a commencé à utiliser le logiciel de gestion des relations client Salesforce et est en mesure d'intégrer les données client en toute transparence dans le Cloud AWS.

La capacité de mise à l'échelle du Cloud AWS est essentielle pour mener à bien les initiatives de machine learning en cours, telles que la détermination des emplacements optimaux pour les nouveaux points de service, ainsi que pour les initiatives futures telles que l'optimisation des itinéraires et la tarification axée sur la demande. « Avec AWS, nous pouvons mettre à l'échelle des serveurs très performants pour entraîner et créer des modèles de données, puis les réduire, ce qui rend le ML plus rentable », explique Krishna.

Il conclut : « Mon équipe a pris beaucoup de plaisir en découvrant le potentiel de la technologie du Cloud AWS. Nous apprenons beaucoup des conseils d'AWS et de Deloitte, et notre équipe de direction est également satisfaite des résultats. »

Pour en savoir plus, veuillez consulter aws.amazon.com/big-data/datalakes-and-analytics.