Objectif de l'optimisation de la modélisation d'un magasin
Le client modélise l'organisation de ses points de ventes via la DAO (Dessin Assisté par Ordinateur).
En fait, l'organisateur/modélisateur va définir le rayonnage en fonction de la surface du magasin. Par exemple, il pourra positionner les fruits et légumes à l'entrée du point de ventes sur 6 mètres ou à l'opposé sur 20 mètres.
Cette modélisation est extrêmement pertinente vis-à-vis de la vie au sein du magasin, de la perception du rayonnage par les clients. Toutefois, elle reste purement théorique vis-à-vis de l'impact sur les ventes.
En effet, la modélisation du point de ventes a-t-elle un impact sur le chiffre d'affaires (CA) qui va être généré ?
Seul le décisionnel peut répondre à cette question.
Intérêt fonctionnel de la modélisation de l'optimisation d'un magasin
En s'appuyant sur les modélisations DAO de magasins, sur un historique de cinq années de sorties caisses, en s'assurant que la typologie des points de ventes correspond (âge moyen de la clientèle, positionnement rural/urbain...), il est possible de restituer le chiffre d'affaires (CA) qui a été produit d'une modélisation à une autre.
Dès lors, la comparaison est possible et ainsi prendre le meilleur des uns et des autres. Par exemple, est-ce que j'augmente mon CA si je mets un mètre de rayonnage en plus dans la famille Chien Chat ? Si la réponse est non, est-ce que je peux offrir ce mètre de plus au rayon jardinage et est-ce que mon CA va s'en ressentir ?
Aussi croiser l'historique et la DAO (dessin assisté par ordinateur) permet d'optimiser ses modélisations via des indicateurs chiffrés. Cette optimisation va permettre d'améliorer l'organisation du magasin ainsi que son Chiffre d'Affaires (CA).
Étapes de l'optimisation de la modélisation d'un magasin ?
Les données de la DAO (Dessin Assisté par Ordinateur) sont stockées au sein d'une base de données propriétaires.
L'usage de Talend comme ETL (Extract Transform Load - Extraction, Transformation et Chargement) a permis de créer un composant dédié à cette base de données et ainsi de faire le reverse engineering et les extractions de la base de données.
Le décisionnel existant sous AS400 DB2 stockait déjà les données de sorties caisses.
Une conduite du changement de la modélisation de la DAO (Dessin Assisté par Ordinateur) a été requise en vue de normaliser les familles de produits à ISO de la nomenclature des sorties caisses, seul moyen de pouvoir croiser les données.
Une modélisation MERISE en étoile permet de stocker les données d'historique de ventes et de les croiser avec les métrages linéaires.
Microstrategy permet une restitution via rapports ou Dashboards :
- Des modélisations DAO (Dessin Assisté par Ordinateur) existantes et des chiffres d'affaires générés.
- D'une future implantation magasin et du chiffre d'affaires qui aurait été généré sur ces cinq dernières années. Aussi, le modélisateur de magasins va pouvoir par cycles successifs améliorer son implantation jusqu'à délivrer la surface de rayonnage la plus pertinente.
Les technologies utilisées lors du projet
Pour ce projet, nous avons utilisé du Dessin Assisté par Ordinateur (DAO), AS400 RPG, Talend, AS400 DB2, Microstrategy.
Vous souhaitez bénéficier d'experts, de développeurs pour une implémentation d'une optimisation de la modélisation ? Rendez vous sur la page Contact
Besoin d'une optimisation de la modélisation d'un magasin à Paris, Niort, La Roche Sur Yon, Le Mans, Angers, Laval, Nantes, Brest, Rennes, Lyon, Grenoble, Saint-Etienne, Bordeaux, Toulouse, La Rochelle, Agen, Bayonne, Montpellier, Nîmes, Marseille, Aix-en-provence...
Next Decision, votre expert sur l'optimisation de la modélisation d'un magasin en Bretagne, Poitou-Charentes, Ile de France, Pays de Loire, Région Parisienne, Aquitaine, Midi-Pyrénées, Rhône, Ain, Isère, Loire, Languedoc-Roussillon et Provence-Alpes-Côte d'Azur.