L’un de mes clients devait se prononcer auprès de sa Direction Immobilière : deux de ses sites devaient déménager, et il devait donner son accord pour le choix des nouveaux sites. L’une des localisations annoncées était surprenante, assez éloignée des locaux actuels et apparemment excentrée par rapport à sa zone de chalandise, ce qui l’a amené à m’appeler : pouvais-je utiliser les données disponibles dans ses systèmes pour l’aider à objectiver son malaise, et lui permettre de motiver sa réponse?
Je connaissais bien les données disponibles, et lui ai simplement demandé de me préciser ce qui le gênait exactement, et de combien de temps il disposait avant de convenir avec lui qu’on tenterait l’aventure, et de lui souhaiter un excellent week-end.
L’affaire était un peu compliquée, mais pas pour les raisons habituelles. En effet, la question était très bien posée ! Il s’agissait d’évaluer l’impact en temps de trajet de ces déménagements possibles, que ce soit sur les trajets des collaborateurs pour se rendre sur leur lieu de travail, ou bien sur les trajets qu’ils devaient effectuer pour se rendre sur les missions. Le premier sujet de malaise était donc le risque de perdre des collaborateurs en leur imposant des trajets quotidiens trop pénibles, le second pouvait se transcrire en productivité et se comparer aux économies espérées sur les locaux.
La difficulté du sujet venait surtout des données disponibles, car je savais que les lieux d’intervention, saisis dans l’ERP du client, ne faisaient l’objet d’aucune validation par le logiciel et que leur qualité laissait à désirer. Une évaluation rapide m’a confirmé qu’une précision de l’ordre du pourcent me serait nécessaire pour être honnête sur la variation des temps de transports d’une part, et qu’environ 3% des adresses était de mauvaise, très mauvaise qualité…
J’ai pu livrer à mon client des résultats précis et parlants sous la forme d’un rapport rédigé, mais surtout j’étais satisfait de la qualité de la réponse apportée : les déménagements n’allaient pas avoir d’impact négatif, la zone de chalandise était finalement décalée par rapport à la localisation initiale des locaux, et les collaborateurs allaient bénéficier de temps de trajet globalement réduits, mon client a pu approuver la proposition qui lui était faite, et j’étais pour ma part confiant que les impacts que j’avais quantifiés étaient réels.
Informations sur le projet
- Délai de livraison : J + 5
- Délai probable pour un nouveau client : J + 12
- Jeux de données utilisés:
- Adresses des collaborateurs
- Adresses d’intervention issues de l’ERP
- Adresses des locaux actuels et futurs
- Base d’Adresse Nationale
- Calculs de temps de trajets par les serveurs de Google
- Points saillants
- géo codage progressif des adresses en fonction de la qualité des données rencontrées
- estimation statistique des temps de trajet à des jours et heures significatifs – environ 10 par trajet
- fourniture d’effets moyens et individuels.
- Outils utilisés
- Python
- Excel
- Marktext