Pour conduire sa stratégie data-driven, Chauffeur Privé a choisi Tableau
Jeune pousse française concurrente d'Uber, Chauffeur Privé a grandi vite, doublant de taille chaque année depuis sa création en 2012. L'an dernier, le besoin de mieux maîtriser sa croissance s'est fait ressentir. "Nous cherchions une solution de dashboarding car nous voulions adopter une stratégie data-driven, et gagner en agilité en réagissant à des indicateurs générés en temps réel", raconte Christophe de Vregille, CFO de Chauffeur Privé.
Deux outils pouvant répondre à ce besoin se hissent dans la short list : QlikView et Tableau. "Les prix proposés étaient équivalents", se souvient le CFO. Mais la balance penche vers Tableau, car son administration paraît "plus simple" : "L'interface web permet de gérer facilement les usagers, les groupes, les licences, et les permissions associés aux données", précise Christophe de Vregille. La mémorisation des changements de filtre au sein des vues personnalisées est aussi appréciée par la start-up. Chauffeur Privé a pu négocier le prix avant de signer avec Tableau. Les offres affichées par ce dernier oscillent aujourd'hui entre 35 et 70 dollars par utilisateur et par mois.
Plusieurs mois de rangement des données
Problème, l'organisation de la data n'était pas la priorité de la start-up, et avant de profiter d'indicateurs pertinents, il a fallu ranger les données. Le chantier de nettoyage a duré quatre mois. Il a débouché sur la mise en place d'un datalake, dans lequel puise Tableau. Les données provenaient d'une base de données PostgreSQL : pour Tableau, elles sont désormais gérées par une solution mieux taillée pour le big data, MongoDB. Des tests de performance ont été réalisés pour optimiser la rapidité et la fluidité de la remontée des données. Par ailleurs, apprendre à créer et mettre en forme des tableaux de bord répondant aux besoins a aussi pris du temps. Cela a demandé des formations, via webinaires et tutoriels.
Des tests de performance ont été réalisés pour optimiser la remontée des données.
70 personnes, c'est-à-dire la moitié de l'effectif de Chauffeur Privé, utilisent aujourd'hui Tableau. Les membres du board surveillent une synthèse de l'activité incluant chiffre d'affaires, prix moyen de la course, nombre de courses quotidiennes et de nouveaux clients. A un niveau plus opérationnel, le temps d'attente quartier par quartier, les lieux où l'on cherche le plus des véhicules, ou les prix moyens par lieu peuvent aussi être connus, en temps réel. Tous les utilisateurs n'ont pas accès au même niveau d'information : chaque commercial suit le chiffre d'affaires qu'il génère, et n'a pas accès à celui ramené par son collègue.
La jeune pousse cite facilement plusieurs décisions "data-driven", prises grâce aux données visibles dans Tableau. Les prix, et les éventuelles majorations, ont été optimisés grâce aux indicateurs remontés. Des problèmes d'UX ont aussi pu être identifiées, et donc corrigés dans les processus d'inscriptions. L'analyse des notations des clients après les courses a aussi permis d'améliorer l'expérience clients. "Le marketing profite de certains indicateurs, qui lui permettent, par exemple, de calculer le coût du programme de fidélité et son ROI", ajoute Matthieu Pouget-Abadie, responsable marketing de Chauffeur Privé.
Des données peu consultées sur mobile
Les dashboards sont consultables sur mobile, depuis une app, mais "en pratique, nous consultons plutôt depuis le desktop", observe Christophe de Vregille. Pour partager les données, il est possible de les exporter aux formats PDF, CSV ou Jpeg. "Nous avons ainsi pu montrer certaines données à des personnes extérieures à l'entreprise. Ce que nous avons d'ailleurs fait avec les investisseurs dans le cadre de nos recherche de fonds", raconte le CFO, qui rappelle que Chauffeur Privé s'apprête à lever 50 millions d'euros.
Concernant le ROI de Tableau, Christophe de Vregille souligne que "conduire une société en s'appuyant sur des données est une stratégie qui permet de gagner en efficacité. Nous détectons mieux nos faiblesses. Cela nous a permis d'améliorer notre service, de mieux rentabiliser notre programme de fidélité, ou de mieux répondre à des demandes insatisfaites très localisées. Adapter nos décisions aux données remontées nous a donc apportés de nombreux bénéfices opérationnels".