Avec Tableau et DSS, BlaBlaCar agit dans l'intérêt de ses utilisateurs



BlaBlaCar, la plus grande communauté mondiale de covoiturage longue distance, compte 25 millions de membres dans 22 pays. L'équipe de BlaBlaCar chargée de l'analyse des données avait besoin de fournir un outil d'analyse en libre-service à l'ensemble de l'entreprise. Son objectif ? Tout optimiser, de l'expérience utilisateur à l'apprentissage automatique.

BlaBlaCar met en relation des conducteurs ayant une ou plusieurs places disponibles avec des passagers qui cherchent un moyen de transport. Avec 10 millions de voyageurs par trimestre (soit 40 millions de personnes par an !), BlaBlaCar estime avoir permis à ses utilisateurs d'économiser plus de 245 millions d'euros. L'équipe de BlaBlaCar chargée de l'analyse des données souhaitait mettre à la disposition de tous ses employés une véritable solution d'aide à la décision en libre-service.

Pour cela, elle a choisi d'associer le logiciel Data Science Studio de Dataiku, pour la préparation des données, à la solution Tableau, pour l'analyse visuelle des données. Les visualisations finales sont ensuite partagées via Tableau Server.

Avec l'aide de Tableau et de DSS, BlaBlacar est ainsi en mesure de voir rapidement l'impact des nouvelles fonctionnalités pour ses membres ou de soutenir les activités de recherche et de développement telles que l'apprentissage automatique.


Tableau: Qui utilise conjointement Tableau et Data Science Studio (DSS) chez BlaBlaCar ?
Gaëlle Periat, responsable BI, BlaBlaCar: Chez BlaBlaCar, tout le monde utilise Tableau ou DSS. Ça répond à une multitude d’usages : ça peut aller à la fois de la validation d’une nouvelle fonctionnalité, c’est-à-dire qu’on va aller récupérer des données depuis l’application jusqu’à une visualisation sur : « est-ce que ça fonctionne ? Est-ce que les gens sont contents etc. »

Et ça peut aussi avoir des analyses très impactantes en terme de marketing ou totalement plutôt de R&D, c’est-à-dire qu’on va essayer de faire des expérimentations même de manière un peu plus fouillée pour aller jusqu’à du machine learning etc.

Thomas Cabrol, responsable Science des données, Daitaku : En termes de Use Case métier, il y a tout plein d’usages qui sont adressés à BlaBlaCar combinaison Data Science Studio + Tableau. L’idée, c’est que les utilisateurs peuvent vraiment manipuler et modéliser leurs datas dans Data Science Studio, puis la visualiser, interagir et vraiment l’analyser simplement avec Tableau.

Les bénéfices qu’on va pouvoir avoir grâce à ce combo DSS / Tableau vont être assez multiples et variés. On va pouvoir s’en servir pour améliorer l’experience utilisateur puisque chez nous le membre c’est vraiment quelque chose de fondamental et c’est sur eux qu’on va essayer de travailler le plus pour qu’ils soient plus à l’aise avec notre produit.

Tableau: Pour quelles raisons votre entreprise a-t-elle décidé d'investir dans les outils Tableau et DSS ?
Gaëlle: Les bénéfices qu’on va pouvoir avoir grâce à ce combo DSS / Tableau vont être assez multiples et variés. On va pouvoir s’en servir pour améliorer le produit.

On va pouvoir s’en servir pour améliorer l’experience utilisateur puisque chez nous le membre c’est vraiment quelque chose de fondamental et c’est sur eux qu’on va essayer de travailler le plus pour qu’ils soient plus à l’aise avec notre produit.

On va également pouvoir adresser des points et des bénéfices qui seront plus Marketing, Business également plus orientés prédictions etc. qui vont un peu aussi avec l’univers de la DATA et la manière dont on s’organise aujourd’hui.

Alors il y a pas mal d’usages qui vont arriver chez BlaBlaCar et pour nous aider on va donc utiliser DSS et Tableau conjointement.

Tableau: Comment utilisez-vous actuellement le duo Tableau et DDS ?
Gaëlle: Il y a toute cette phase un peu de ce qu’on appelle aujourd’hui le Machine Learning qui va plutôt être de la prédiction et de la recommandation, et puis comme je disais tout à l’heure, grâce au plugin de DSS vers Tableau, on va pouvoir faire ce qu’on appelle de la BI Self Service. C’est-à-dire qu’on va pouvoir mettre à disposition des utilisateurs des datas. À eux de les préparer et de les intégrer ensuite dans Tableau pour raconter leur histoire et faire leurs analyses.

Tableau: Pourquoi avez-vous choisi d'associer DSS et Tableau pour votre solution d'aide à la décision ?
Gaëlle: Les deux solutions sont complémentaires parce qu’elles vont nous permettre d’adresser un projet entier : c’est-à-dire que DSS va nous aider à préparer les données au mieux pour être intégrées dans Tableau.

Donc l’idée, c’est vraiment de préparer les données grâce à DSS et d’utiliser Tableau sur sa force, c’est-à-dire la visualisation afin de pouvoir permettre de raconter des histoires ou de faire des analyses plus poussées qui vont nous aider à piloter notre produit et à prendre des décisions plus facilement.

Thomas: La complémentarité technologique des deux solutions est directe.

Comme disait Gaëlle, le côté « préparation de données » interactif de DSS fait sa force et permet finalement aux utilisateurs de Tableau et au plus grand nombre aussi de pouvoir
consommer une donnée qui serait préalablement enrichie, nettoyée et plus facile à l’utilisation pour Tableau que tout le monde puisse en tirer un maximum de valeur.



Les ressources suivantes peuvent vous intéresser...