De l'eau à la donnée: le défi des centres thermaux

 
Dans le monde des centres d’activités thermoludiques, ou « bains » comme on disait dans le 20ème siècle, on se concentre sur le bien-être des clients. Mais au 21ème siècle, les acteurs de ce monde doivent aussi composer avec une concurrence plus affûtée que jamais, proposant une offre de services pour certains très imaginatifs et tentant de tout faire pour attirer une clientèle toujours plus volatile. Alors comment faire pour se démarquer et attirer/fidéliser une clientèle sans passer nécessairement par une course aux armements ou racheter ses concurrents ?

Il existe plusieurs solutions, plus ou moins efficaces. Parmi elles, les mathématiques qui, couplées aux outils informatiques idoines, permettent de construire des solutions d’analyse puissantes, ou Analytics, capables de capter les facteurs influençant la chaîne de valeur (et donc son résultat), d’en analyser les causes et d’en déterminer les leviers, ceci afin de mieux en tirer parti. Sur le papier, ça paraît cohérent, mais concrètement comment cela se traduit-il?

Du contexte au contenu

Avant tout, pour bien comprendre le contexte auquel un centre thermal est confronté, il faut commencer par la base : la géologie qui compose son sous-sol et le bassin géo-démographique dans lequel il est implanté. Selon le type d’eau, son usage le plus adapté (cure vs. thermoludisme), le type de clientèle peut varier du tout ou tout : une eau plus chargée en souffre, en sels minéraux ou simplement plus chaude ne conviendra pas forcément à tout le monde. Par ailleurs, selon la météo, le choix d’aller dans un centre thermal peut changer d’une région à l’autre: si la source est chaude, la belle saison est plutôt en hiver et vice-versa si la source est froide. Enfin, en fonction de la région et de son ratio d’attractivité, l’affluence aux bains pourra aussi être influencée selon les évènements environnants (salons, festivals, hôtels, pôles de services attracteurs, pôles touristiques attracteurs…). A noter que dans bien des cas, le centre thermal constitue lui-même un pôle attracteur puissant pour la région, ce qui facilite dans ce cas l’analyse.

Le truc consiste donc à bien comprendre le contexte du centre thermal à analyser et à poser des hypothèses (si possible qui se tiennent). Sur cette base, on construit un premier modèle mathématique théorique et on identifie les sources de données nécessaires pour correctement l’alimenter. Et c’est là qu’en règle générale le bât commence à blesser: souvent les sources requises n’existent simplement pas et il faut trouver un moyen soit de les reconstituer, soit de contourner l’obstacle en choisissant d’autres dimensions plus aisées à collecter. Dans d’autres cas ces données existent, mais soit ne sont pas structurées, soit sont dispersées, voire les deux à la fois. Et parfois ces données existent, mais ne sont simplement pas accessibles. Donc, une fois l’exercice de confrontation à la réalité des données disponibles effectué, on révise le modèle et on commence (enfin) à travailler.

Du modèle à la réalité

Dans le petit monde des analytics, travailler veut dire construire un ensemble de données dites « vraies » et sur cette base affiner le modèle mathématique jusqu’à ce qu’il puisse se conformer à ce qu’il est sensé produire. Puis une fois le modèle affiné, on peut y coupler un algorithme d’apprentissage qui va l’affiner encore plus une fois les données issues du monde réel ingérées. Cet algo dit de Machine Learning, littéralement la machine qui apprend, peut être utilisé au cas par cas (ponctuellement), au fil de l’eau (c’est-à-dire quelques minutes/heures après l’ingestion) ou en temps réel. Dans le cas des centres thermoludiques, selon notre expérience, c’est l’approche au fil de l’eau qui est la plus appropriée.

Evidemment, une fois tout ceci monté, il s’agit aussi de bien appréhender le modèle mathématique (avec ses constantes/variables), de bien pondérer les corrélations identifiées (ainsi que les conséquences de leurs facteurs respectifs) tout en évaluant en permanence le degré de pertinence et de fiabilité du modèle (qui a souvent tendance à s’enfermer dans une boucle tautologique si on n’y prend garde). Bref, un modèle reflète une réalité, et comme cette réalité, il n’a pas vocation à se figer.

Une base flottante de prédiction pour les 2 semaines à venir

Dans le cas de Calyps, nous avons choisi de nous concentrer sur les données les plus faciles d’accès : les données de caisses. Puis, en les couplant avec d’autres données internes et externes, nous avons pu construire un modèle mathématique suffisamment pertinent pour nous permettre de comprendre les raisons d’une affluence et d’en prédire le comportement pour les 14 jours calendaires à venir. Cette base « flottante » de prédiction de 14 jours permet

  1. d’identifier, en avance de phase, les « creux » dans le chiffre d’affaires attendu
    à avec cette information, lancer des campagnes marketing ciblées (sur la base de critères fournis par le modèle) pour tenter d’infléchir l’affluence, ce qui a un impact direct sur les revenus
  2. de prévoir en avance de phase les ressources nécessaires pour répondre à la demande
    à planning des caissiers, gestion des stocks, planification du matériel à prévoir (cabines wellness, spa, etc.), ceci afin de faire correspondre au mieux le nombre de ressources engagées aux contraintes de la demande inhérente à l’affluence, ce qui a un impact direct sur la rentabilité

Durant la Nipconf, Calyps présentera ses premières prévisions autour des activités professionnelles de 2 centres thermaux en Suisse: entre divertissements aquatiques, espaces wellness, soins thérapeutiques et restaurants, vous découvrirez que l’humeur du jour n’est pas la seule variable qui change avec la météo: les comportements du consommateur et du patient peuvent être anticipés, de même que le dispositif pour répondre à leurs attentes.

KABE

Vos données ont de la valeur !

La Data Intelligence est destinée aux gestionnaires, décideurs et dirigeants d’entreprise. Il s’agit de la mise en œuvre des moyens, outils et méthodes destinés à fournir l’information utile pour décider et agir en toute connaissance de cause. Mettez-toutes les chances de votre côté en vous appuyant sur des professionnels de la donnée.

Les experts CALYPS sont là pour vous aider