Grâce aux analyses en libre-service, Zillow poursuit sa croissance malgré une période de récession



Zillow est une entreprise d'annonce immobilière qui permet de trouver et de partager des informations sur les maisons, le marché immobilier et les prêts hypothécaires. Dans cette interview, Steve Brownell, spécialiste des données et des analyses, et Torry Johnson, analyste métier, expliquent comment Tableau leur permet de proposer une solution d'aide à la décision en libre-service grâce à laquelle les utilisateurs professionnels peuvent répondre à leurs propres questions.

Tableau : Qu'est-ce qui vous a poussé à vous tourner vers Tableau pour les analyses ?
Torry : Tableau Desktop s'est avéré être un excellent outil pour manipuler les grands ensembles de données dont nous, les analystes, disposons afin d'en dégager des informations exploitables. Les mots d'ordre ? Rapidité et simplicité. Plus besoin de naviguer dans les données brutes. Et la solution connaît un véritable engouement : de plus en plus de personnes au sein de l'entreprise commencent à adopter Tableau Server. Nous en sommes ravis, car nous passons moins de temps à établir des rapports pour ces personnes, et celles-ci se consacrent davantage à exploiter réellement les données que nous mettons à leur disposition.
Steve : Je génère un grand nombre de données dont d'autres collaborateurs se servent pour communiquer des informations à nos dirigeants et à d'autres employés de l'organisation pour qu'ils puissent prendre des décisions intelligentes.
Torry : Notre plus grand souhait, c'est que nos utilisateurs utilisent Zillow pour trouver une maison. Il s'agit d'un achat extrêmement personnel, probablement le plus gros achat d'une vie. En facilitant le processus, nous réduisons le stress lié à cet achat, qui devrait être enthousiasmant.

Tableau : Quelle est la valeur ajoutée de Tableau Desktop et de Tableau Server ?
Steve : Sur Tableau Server, le tableau de bord des locations nous permet d'étudier les données concernant les régions, puis de fournir des listes de locations à nos prestataires. Nous pouvons identifier les problèmes de qualité en effectuant des recoupements à travers ces deux dimensions. Nous pouvons véritablement déterminer les secteurs prometteurs ou détecter les problèmes de qualité des données. Suite à quoi, nous hiérarchisons les différentes régions dans lesquelles nous implanter pour obtenir de nouvelles listes.
Torry : Un grand nombre des ensembles de données avec lesquels nous travaillons sont volumineux. Tableau nous offre la possibilité d'explorer ces données et de repérer rapidement les éléments intéressants : la présence de données atypiques dans un domaine, ou l'étude d'une mesure susceptible de nous conduire à une opportunité majeure, ou encore un problème avec un produit.

Tableau : Quel est le volume de votre ensemble de données ?
Torry : Nous avons des données sur toutes les maisons des États-Unis, c.-à-d. plus de 100 millions de maisons. Il y a donc plus de 100 millions de lignes rien que dans cette base de données.
Steve : Les contacts nous apportent différentes dimensions de métadonnées, notamment : par quel moyen et pour quel type de propriété les consommateurs contactent-ils des agents immobiliers via Zillow ? Utilisent-ils une application mobile ? Recherchent-ils une propriété à vendre ? S'intéressent-ils à une location ?
Torry : Nous avons aussi un produit hypothécaire : chaque mois, les prêteurs présentent des dizaines de millions de devis de prêts aux utilisateurs qui recherchent le meilleur taux pour une hypothèque. Cela représente des centaines de millions de lignes. Tableau nous apporte une aide réelle en nous donnant les moyens de condenser ces données en un ensemble facile à gérer.

Tableau : Comment Tableau vous aide-t-il à examiner ces données ?
Torry : Dans les grands ensembles de données, nous examinons bien des aspects, par exemple les répartitions et les histogrammes. Nous recherchons tous les indices pointant vers une opportunité de revenus supplémentaires pour nous ou d'innovation pour aider nos clients dans leurs achats immobiliers.
Steve : Les chefs de produit peuvent décomposer toutes ces données dans Tableau Server en configurant différents filtres qui leur permettent d'effectuer l'analyse de leur choix. Nous leur fournissons simplement les données. Ils en tirent des informations exploitables.
Torry : Le domaine immobilier intègre une composante géographique extrêmement importante. Étant donné que Tableau dispose d'un outil cartographique robuste, le logiciel nous est vraiment très utile. Ainsi, nous ne nous contentons pas de fournir des graphiques en courbes et des graphiques à barres. Nous donnons également le contexte des données, afin que le chef de produit puisse identifier des tendances géographiques. Sans carte, cette tâche serait ardue. Peu de produits peuvent se targuer d'intégrer une interface cartographique par glisser-déposer de ce type.

Tableau : Donnez-nous quelques exemples de tendances mises au jour par Tableau.
Steve : Avec le tableau de bord Tableau Server, nous avons constaté qu'il existait une différence géographique entre les « studios » et les « appartements ». Nous pensions être en présence de différents éléments, mais il s'agissait en fait d'une simple différence de vocabulaire due au secteur géographique. Lorsque nous nous en sommes rendus compte à l'aide d'une carte, nous avons compris comment mieux aborder le problème.
Torry : Sur les centaines de millions de devis de prêts établis, il arrive que certains utilisateurs aient peu d'offres correspondant à leur demande. En examinant la répartition de ces données en fonction des types de prêts, nous pouvons comprendre les raisons. Par exemple, les utilisateurs dont les évaluations des risques-clients ne sont pas bonnes risquent de ne pas obtenir beaucoup de devis. Autre cas : si vous recherchez un bien de placement, il peut être plus difficile de trouver un organisme disposé à concéder un prêt au vu du marché immobilier actuel. Ainsi, nous pouvons examiner ces différentes caractéristiques, voir le type de réponse obtenu par les utilisateurs et déterminer leur degré de satisfaction lors de leur expérience de recherche de prêt sur Zillow.
Steve : Notre équipe d'économistes a publié bon nombre d'éléments grâce à Tableau Public. L'une de leurs plus grandes réussites : la création d'une « valeur résiduelle négative ». Donc, si votre maison est hors cours, vous pouvez zoomer par département ou par code postal et déterminer quelle proportion moyenne de votre département ou de votre code postal est hors cours. Plutôt que de vous contenter d'une idée de la situation générale au niveau national, vous pouvez véritablement personnaliser les données. Vous pouvez zoomer et voir les conséquences qui vous concernent de façon réaliste, par rapport au français moyen. Pour nous, c'est un véritable atout.

Tableau : Tableau Public a-t-il favorisé de bonnes interactions en ligne ?
Steve : Nous avons eu des taux de participation très élevés avec les produits Tableau Public que nous avons publiés sur le Web. Les gens apprécient de pouvoir examiner leur quartier et d'évaluer l'incidence du marché à leur échelle. Nous disposons de plusieurs types de mesures autour de la croissance du marché et des valeurs immobilières. Les gens sont vraiment intéressés de voir comment leur évolution dans une petite zone de marché se compare à celle d'autres quartiers.

Tableau : Comment l'utilisation de Tableau chez Zillow a-t-elle évolué ?
Torry : Nous avons commencé à utiliser Tableau Desktop il y a environ trois ans. Nous étions environ cinq à nous en servir, principalement dans l'équipe d'analystes, pour explorer ces ensembles de données volumineux afin de répondre aux questions de différentes personnes au sein de l'entreprise. Tableau servait essentiellement à nos analystes pour qu'ils puissent explorer les données et en dégager des informations exploitables.
Steve : C'est à partir de là que l'entreprise a connu une croissance organique, lorsque nous avons commencé à diffuser ces informations. Nous les intégrions dans les comptes-rendus électroniques et dans les présentations lors des réunions. On nous demandait toujours d'où venaient nos graphiques.
Torry : À présent, l'outil a été déployé dans toute l'entreprise pour que tout le monde s'en serve.

Tableau : Quel a été l'impact de Tableau Server sur la manière de travailler des employés de Zillow ?
Steve : Tableau permet aux utilisateurs d'avoir une relation plutôt active avec les données. Notre petite équipe d'analystes est à même de servir davantage d'utilisateurs avec plus d'efficacité. Nous n'avons pas à répondre à chaque question. Nous fournissons plutôt un cadre afin que les utilisateurs répondent à leurs propres questions.
Steve : C'est super de pouvoir interagir avec les données, et non pas simplement les recevoir. La compréhension s'en trouve renforcée. Vous ne vous contentez pas de prendre connaissance des données, vous pouvez véritablement créer des vues à partir d'une plate-forme qui vous est offerte.

Tableau : Quel a été l'impact de Tableau Server sur la manière de travailler de votre équipe d'analystes ?
Torry : Il y a environ un an et demi, nous avons commencé à utiliser Tableau Server. Notre but était de fournir un plus grand nombre de rapports aux utilisateurs de l'entreprise.
Steve : Cette solution libère beaucoup de ressources, ce qui nous permet d'être plus flexibles et de créer plus de plates-formes que de réponses. J'ai l'impression d'être plus efficace en tant qu'analyste, car je peux venir en aide à un plus grand nombre de personnes. Cet outil nous permet également de gagner en agilité.

Je passais environ 30 à 50 % de mon temps à créer des rapports ad hoc spécifiques. Ce qui n'est plus le cas à présent.

Torry : Je passais environ 30 à 50 % de mon temps à créer des rapports ad hoc spécifiques. Ce qui n'est plus le cas à présent. Au service d'aide à la décision, Tableau Server nous a vraiment aidés à réduire le nombre de demandes de rapports ad hoc qui nous prenaient du temps. Nous pouvons publier nos tableaux de bord. Ils sont interactifs. Les utilisateurs peuvent explorer les données ; ils peuvent trouver ce qu'ils cherchent. Et de notre côté, nous pouvons nous consacrer à la quête de ces petites pépites de données exploitables plutôt que simplement répondre aux demandes constantes.
Steve : Chez Zillow, certains utilisateurs experts veulent pouvoir accéder à toutes ces données supplémentaires. Pour répondre à leurs besoins, nous pouvons présenter ces données dans Tableau Server. Les utilisateurs accèdent au serveur, qui fait office de source de données, et peuvent extraire ce qu'ils souhaitent : ils se servent, vraiment. Ils se fient pleinement à cette source de données. Ils apprécient d'obtenir des résultats aussi rapidement.
Torry : Sans Tableau, nous passerions plus de temps en tête-à-tête à aider les utilisateurs métier à explorer les données, à trouver des données exploitables et à repérer des problèmes. Avec Tableau, ils peuvent le faire par eux-mêmes, puis venir nous demander de les aider à résoudre le problème plutôt qu'à l'identifier.



Les ressources suivantes peuvent vous intéresser...