Djamel Djedid, DHL: «Nous pouvons intégrer de nouveaux clients à la BI en quelques heures»

Pouvez-vous pour commencer situer votre projet big data au sein de votre achitecture de business intelligence?

Nous avons lancé il y a deux ans un projet de tableau de bord cross-fonctionnel offrant, pour un client ou une géographie, une vue transverse intégrant aussi bien la finance que les opérations ou la gestion des contrats. Pour y parvenir, nous avons également introduit un concept de master data au niveau de chaque division. La partie opérations du dashboard repose sur des informations des systèmes de gestion des commandes et des stocks, de nos entrepôts mais aussi d’entrepôts de clients gérés par nos soins. Il s’agit typiquement de données d’entrée et de sortie, ou de livraison effective et planifiée. Vu le volume et la complexité des données, nous nous sommes toutefois limités dans un premier temps à six clients et à une zone géographique. Au moment où nous avons décidé d’étendre ce monitoring à tous nos clients – près de 800 entreprises – nous nous sommes rendus compte qu’il allait nous falloir de nombreux mois. C’est pour accélérer ce processus d’onboarding que nous avons décidé de développer un projet big data.

En quoi s’agit-il d’un projet big data?

C’est un projet big data en termes de volume et de vélocité. En revanche, nous n’avons pas affaire à une grande variété de données. Nous ne traitons que des messages XML provenant du système de gestion des stocks. Nous n’avons pas de données non structurées ou extraites d’internet et des réseaux sociaux. Au niveau des volumes, on parle de plusieurs dizaines de milliers de messages quotidiens pouvant contenir chacun des milliers de lignes, soit plusieurs millions d’ordres par jour.

Quelle a été votre approche pour traiter cette énorme quantité de données?

Nous avons démarré par un proof of concept basé sur une plateforme big data dans le cloud fournie par CSC. La plateforme est capable d’ingurgiter un très grand volume de données brutes, de les digérer, de les transformer, de les enrichir et de les mettre à la disposition de notre base de données. A partir de là, on peut appliquer le master data et fabriquer des cubes pour l’analyse. Il n’y a en revanche ni recherche sémantique, ni reconnaissance de pattern, ni de processus de découverte. On sait ce que l’on reçoit et ce dont on a besoin, mais les données sont dans une telle quantité et produites à un tel rythme qu’une architecture classique n’est pas capable de suivre.

Quels sont les résultats de ce projet pilote?

Le proof of concept a été un succès. Il a montré que l’on était en mesure d’activer un nouveau client dans la BI en 5 heures, alors qu’il nous fallait plusieurs jours avec le système précédent. Et ceci pour un coût acceptable. Nous avons donc décidé d’onboarder le reste de nos clients avec cette solution. Nous sommes actuellement dans un processus de validation dans lequel nous vérifions que les données produites avec la plateforme big data sont bien les mêmes qu’avec notre solution précédente.

Quels sont les défis auxquels vous avez été confrontés?

Vu que nous nous appuyons sur une solution cloud externe, la mise en place a été très rapide et nous n’avons pas eu à acheter ou à développer des compétences big data à l’interne. Nous ne faisons que gérer une simple console de configuration et de monitoring. Un autre avantage de cette plateforme cloud, c’est que nous pouvons nous déconnecter du jour au lendemain. De fait, les défis concernent davantage la confidentialité, vu que des données de DHL quittent l’entreprise. Ceci dit, c’est un risque acceptable car il s’agit pour l’essentiel de time stamps sans valeur marchande.