Comment Prevision.io divise par 2 l’erreur de la prévision de volume d’affaires de OUI SNCF

Voyages-SNCF.com, désormais connu sous le nom de OUI SNCF, filiale de SNCF est le premier site de tourisme en ligne et le premier site marchand de France.

Son accélérateur, ACT 574, accompagne chaque année 3 start-up notamment aux travers d’ateliers (UI / UX, juridique, architecture IT, data, …). Cette année, Allo-media, Eelway et Prevision.io ont été les heureux élus.

En plus de conseils personnalisés, l’accompagnement se conclue par un POC sur un cas concret où le métier souhaite tester l’entreprise accélérée.

C’est dans ce cadre que nous avons travaillé avec les Business Analyst de la direction de la Performance. L’objectif de ce POC était de challenger et d’améliorer le modèle de prévision court terme du volume d’affaire réalisée par le voyagiste. En effet, pour OUI SNCF, il est stratégique de pouvoir piloter efficacement l’activité et d’anticiper les retombées financières. C’est pourquoi une équipe d’analyste fait des prévisions via différents modèles, notamment à 3 mois à la maille mensuelle. Plusieurs axes d’améliorations ont été testés lors de ce POC :

  • La capacité d’améliorer le pouvoir prédictif
  • La capacité d’étendre la prévision jusqu’à 1 an dans le futur
  • La capacité d’affiner la prévision a des mailles plus fines : par transporteur, par semaine, par jour…

Après avoir récupéré les données historiques de ventes à une maille infra journalière et par transporteur sur 2015 et 2016, les données ont été envoyées dans la plateforme de Machine Learning automatisée.

Lors de l’étude, nous avons remarqué que le jeu de données fournis comportait des données liées aux commandes effectuées. Celles-ci ont naturellement été retirées du périmètre d’apprentissage car il n’est pas possible de les utiliser en condition opérationnelles. En effet, nous ne les connaissons pas 1 an à l’avance et cela n’aurait donc pas de sens d’entraîner des modèles de Machine Learning sur cet historique de commandes.

Afin de valider la performance des algorithmes, l’année 2017 (jusqu’à mi-octobre, date de début de l’étude) a été fournie avec le volume d’affaire, sur les mêmes mailles que dans le jeu de données historique.

Nous avons effectué avec l’outil la prédiction de tout 2017 et avons comparé les résultats au réel de 2017.

Les conclusions sont les suivantes :

  • Un pourcentage d’erreur divisé par 2 en moyenne par mois
  • 10 mois prédit au lieu de 3 actuellement
  • Des prévisions disponibles à la maille journalière, par transporteur

Le défi étant donc relevé, l’industrialisation avec les équipes de OUI SNCF est en cours et l’objectif est de pouvoir prédire avant la fin de l’année tout le volume d’affaire de 2018 puis de proposer l’outil développé par Prevision.io au métier afin qu’ils puissent, en totale autonomie, affiner leurs prévisions budgétaires tout au long de l’année.

Our Latest
News