AccorHotels, une stratégie digitale basée sur la donnée

Publié le dans seminar-past

Compte-rendu de l'intervention de Fabrice Otaño, Chief Data Officer et d'Anthony Barré, Senior Data Scientist chez AccorHotel, le 27 octobre 2016, au cours du séminaire du Mastère Spécialisé® Big Data.

AccorHotels est un groupe français présent dans 92 pays, premier opérateur hôtelier en France et sixième au niveau mondial. Le groupe compte plus de 4 100 hôtels et 240 000 collaborateurs sous enseignes répartis sur les cinq continents. Sa capacité totale en nombre de chambres est de 570 000 chambres.

Modes d’exploitations

Les hôtels de AccorHotels sont affiliés au travers de quatre grands modes d’exploitation : les contrats de franchise (30% du nombre de chambres), les contrats de gestion (35%), les contrats de location (26%) et la propriété (9%).

Les marques

Le Groupe propose un portefeuille d’une vingtaine de marques organisées en 3 segments : Luxe (47% en % du nombre de chambres), Milieu de gamme (37%) et Economique (16%).

La distribution des hôtels : réservation des chambres

AccorHotels s’appuie sur un pôle de distribution et de services digitaux pour l’ensemble de ses hôtels partenaires : AccorHotels.com, une application mobile unique, des call centers et le Club AccorHotels (programme de fidélité). Les chambres peuvent également se réserver via le canal plus classique des agences de voyage. Enfin, afin d’assurer un meilleur remplissage des hôtels, ils peuvent être amenés à faire appel à des sites de réservations en ligne : booking.com, Expedia.fr

L’optimisation des revenus des hôtels

Pour optimiser le chiffre d'affaires de ces hôtels, AccorHotels s’appuie sur un réseau de Revenus Managers (RM). Ces derniers sont en charge de transmettre des recommandations quotidiennes sur l’optimisation du revenu, d’analyser la performance des hôtels dans leur marché et alerter les directeurs des hôtels dès que le marché dévie de la stratégie. Ils collectent des données de réservation fiables sur lesquelles seront bâties la stratégie et les prévisions des hôtels afin de maximiser le taux d’occupation des chambres en définissant suivant la période, le lieux, le prix des 15 à 20 types de chambres de chaque hôtel. Cela peut l’amener à participer au déclenchement de campagnes de publicité, à proposer la mise en vente dans les agences en ligne de réservations par internet.

Même si le taux de remplissage est un paramètre de base, le RM se doit de préserver la marge globale des chambres et de tenir compte que lorsqu’une chambre est « poussée » à une agence en ligne, l’hôtel donne de l’ordre de 15% du prix de vente de la chambre. Il s’agit pour lui d’optimiser la marge en prenant en compte de l’ensemble de ces variables.

Stratégie digitale AccorHotels

En octobre 2014, AccorHotels annonce la mise en place d’un plan d’investissement ambitieux de plus de 225 millions d’euros sur 5 ans visant à engager ce dernier dans une transformation digitale profonde, pour asseoir son leadership sur l’ensemble de la chaîne de valeur du parcours client. En 2015, 78 millions d’euros ont été engagés (5 millions d’euros en 2014).

Dans un contexte très concurrentiel, il s’agit de mettre à disposition un ensemble d'outils compétitifs pour les hôtels : sites internet de réservations, applications mobiles.
Il est vital de permettre au réseau de décision des hôtels d’anticiper au plus tôt l’impact d’un ensemble d’événements de plus en plus variés afin de permettre d’établir des prévisions exactes pour alimenter les décisions :
•    De fixation du prix des chambres
•    D’utilisation des sites internet de Booking : booking.com, Expedia.fr pour remplir les hôtels tout en préservant la marge
•    De déclenchement de campagnes de promotions ou de publicités

Pour cela, il faut changer les habitudes basées sur de l’intuition vers une exploitation systématique des données. Cela impose de gérer au niveau du système d’informations des données de plus en plus nombreuses, de sources variées (plus seulement internes), pas forcément structurées et nécessitant un niveau de fraîcheurs de plus en plus élevé.

Become a Data Driven Company

Impulsée par le PDG du groupe, Sébastien BAZIN, cette stratégie a amené la création d’une direction de la Data directement rattachée à la direction générale pour la construction d’un centre de gestion de la données.
Cette équipe a la charge de :
•    Mettre en œuvre une architecture Data,
•    Augmenter sa capacité de gestion des données,
•    Développer de nouveaux outils de Data Science.

Elle est composée d’un Chief Data Officer (CDO) et de 18 personnes représentant les différents métiers de gestion de la Data : Data Scientist, DS Business, Data Quality,...

La protection des données personnels

La Data Privacy occupe une place de plus en plus importante, il est nécessaire pour AccorHotels d’être conforme législativement sur l’ensemble des 92 Pays où il est représenté. C’est pourquoi a été mis en place un comité d’éthique pour suivre l’ensemble des projets data.
 
L’architecture de la DATA

L’architecture Data doit intégrer :
•    Des données clients liées au programme de fidélisation, centralisé et indépendant de l’origine des Clients
•    Des données de ventes, financières et de réservations
•    Des données remontées par le réseau des hôtels et de leurs réseaux de Revenus Managers
•    Des données provenant du WEB et des réseaux sociaux.

De nouvelles infrastructures sont en cours de déploiement :
•    Un Data Lake
•    Un Data Management Platform : plateforme de gestion des données internautes (*)
•    Une infrastructure technique : Hadoop + Cloudera
•    Environnement technique : Spark, Hive, Impala, Python, R

Organisation des projets « Big Data » AccorHotels

La data science pour AccorHotels couvre l’analyse des données Clients, des Hôtels et du Web (nouveautés). La base de tout projet est de travailler en relation étroite avec les opérationnels et de mettre en œuvre les infrastructures nécessaires afin de :

  • Trouver les Usecases :
    • Comprendre le métier, les besoins, les enjeux
    • Valider la faisabilité et les potentiels ROI
  • Travailler sur les données :
    • Enrichir avec les données déjà disponibles
    • Identifier et récupérer de nouvelles sources
  • Définir les infrastructures nécessaires
  • Proposer des modèles prédictifs et les valider avec un acteur terrain sur un périmètre expérimental

Les intervenants insistent sur la difficulté à récolter des données auprès des acteurs, avec souvent un manque d’industrialisation et des problèmes de qualité des données.
Une autre difficulté des projets big data est qu’il faut du temps pour que des résultats soient visibles : temps de collecte, de préparation des données, de construction et de validation des modèles et de déploiement.  D’autant plus que les résultats de l’évaluation du modèle peuvent conduire à créer une nouvelle boucle d’itération afin de revoir les hypothèses initiales.

Fabrice Otaño conseille de rester à l’affut de projets Quick Win même si cela ne nécessite pas la mise en œuvre de modèle prédictif. En plus d’amener des résultats aux utilisateurs, ces projets permettent de rendre visible les apports qu’autorisent la mise à disposition de nouvelles sources de données avec un niveau de fraîcheur plus important.

Des exemples de projets Data Science AccorHotels
 
Anthony Barré, Senior Data Scientist, a présenté les projets et leur organisation :
•  Les projets de collecte de données externes : réseaux sociaux, événements.
•  La mise en œuvre de NERO, un outil d’optimisation des revenus des hôtels grâce à l’établissement de modèles d’optimisation le prix des chambres (pricing algorithms) et de choix des canaux de distribution ainsi que de déclenchement de campagnes promotionnelles ou publicitaires. Ce logiciel, même s’il est encore en phase expérimental, a amené à drainer 1,4 millions d’événements et permet d’établir une simulation quotidienne sur 450 jours glissants
•  L’amélioration de la connaissance client : via CLV survival scores, Next Booking Scoring, Sentiment analysis
Exemple : (*) Tracer l’audience sur le web pour augmenter le taux de transformation via des publicités ciblées.
•  Des outils d’analyses avancées et BI : DataViz, Topline & Guest analysis
•  D’opération de traitement du langage naturel

www.accorhotels-group.com

Compte rendu rédigé par les étudiants du Mastère Spécialisé Big Data : Stéphan André, Matthieu Guillouet, Stéphane Trublereau