La vision d’Alibaba construite en 2007 vace les pères fondateurs, dont jack ma fait partie était de créer et encourager le développement d’un écosystème de commerce électronique ouvert, cohérent et autosuffisant.

Le métier traditionnel d’Alibaba est de mettre en lien des acheteurs avec des fournisseurs, au travers de sa plateforme B2B. La plateforme digitale ainsi créée est une extension de se besoin initial, en proposant des services périphériques indispensables : logistique, marketing..etc

En d’autres termes, Alibaba fait ce qu’Amazon, eBay, PayPal, Google, FedEx, les grossistes et une bonne partie des fabricants font aux US et ailleurs.

Le but était de permettre à des commerçant et fournisseurs traditionnels de se lancer dans le commerce électronique et aux pure player de profiter ou de proposer de fonctionnalités innovantes suivant les tendances du marché.

Le succès d’Alibaba provient de sa capacité à collecter, analyser et transformer des données pour en faire un avantage compétitif, devenant ainsi le catalyseur de l’économie numérique Chinoise des PME.

Grâce à ses ressources technologiques et financières importantes, Alibaba à su mettre à profit cette approche data driven, en alimentant des algorithmes de machine learning permettant de détecter des opportunités

CAS #1 : Micro prêts dans un temps record pour les PME

Le cas Ant Financial services : réinventer le micro crédit pour les PME.

Quand Alibaba lance Ant en 2012, le prêt typique consenti par les grandes banques en Chine était de plusieurs millions de dollars. Le montant minimum du prêt – environ 6 millions de RMB, soit un peu moins de 1 million de dollars – était bien supérieur aux montants requis par la plupart des PME.

Les grandes banques étaient réticentes à offrir des prêts à des sociétés dépourvues d’historique de crédit ou de documentation adéquate de leurs activités.

En conséquence, des dizaines de millions d’entreprises en Chine éprouvaient de réelles difficultés à obtenir les fonds nécessaires à la croissance de leurs activités.

Pour faire une offre de prêt il faut répondre à trois questions : devons-nous leur prêter, combien devons-nous prêter et à quel taux d’intérêt ?

Grâce aux données de transactions collectées par les activités des PME sur la plateforme, Alibaba a pu en prédire des informations sur les capacités financières de ces mêmes entreprises, sa compétitivité, la solvabilité de ses partenaires..etc

Résultat : Une offre de prêts aux entreprises d’un montant inférieur à 1 million de RMB (environ 160 000 USD). 

Plus de 87 milliards de RMB prêtés (13,4 milliards de dollars) à près de trois millions de PME.

Comment : les data-scientists d’Alibaba analyse et détermine les sources de données à exploiter pour définir de score de crédit. Ces données sont à la foi quantitative (marges brutes, rotation des stocks, paiement à l’heure..et) et qualitative ( cycle de vie des produits, relation d’affaires).

L’algorithme est également réajusté en temps réel quand des aberrations surviennent comme par exemple si vendeurs réputés pour avoir un mauvais score de crédit rembourse en heure il faut ajuster en temps réel l’algorithme.

CAS#2 : Transformer toutes les interactions utilisateurs en données

Des services de location de vélo (ou trottinette électrique) à la demande fleurissent dans les rues des grandes villes. Depuis peu en France, ce service nous vient tout droit du pays de soleil levant.

Les services de location de vélo en libre service sont basés sur trois solutions technologies : une application sur smartphone, des QR code, l’IOT (smart lock sur le vélo) et une solution de paiement en ligne. Chacun de ces dispositifs génèrent directement ou indirectement de la donnée.

Ces trois solutions permettent d’automatiser le processus de location, qui traditionnellement est manuel : j’ouvre mon application dédiée à l’aide d’une fonctionnalité de scan de QR code sur le vélo de mon choix, on vérifie que mon compte est alimenté et un dépôt de garantie est possible via le service de scoring de crédit d’Alibaba (sésame scoring)

Grâce à l’automatisation de processus il est possible de collecter des données qui ne l’aurait pas été par une action humaine.

Ces informations ainsi collectées permettent ainsi de déplacer les vélos dans des zones de fortes influences, comme à côté de plateforme multi modale : métro, train..etc mais aussi dans des lieux moins bien desservies comme le zones d’activités commerciales.

CAS #3 Utiliser un même référentiel de données et de plateforme 

Pour une entreprise aujourd’hui, il est primordial de piloter ses activités au travers de logiciels informatiques, permettant ainsi de pouvoir collecter de précieuses informations, et de gagner du temps et de la productivité.

Toutefois ces applications ne doivent pas rigidifier l’organisation et les interactions humaines en découlant, ce qui pourrait être contre-productif.

La plateforme Taobo permet de simplifier la vente en ligne pour les PME en proposant des fonctionnalités intuitives et centré sur une utilisation humaine. Cette web application étant disponible nativement en ligne cela permet à Alibaba de récupérer facilement des données produites des processus métiers, et ainsi alimenter des algorithmes de machine learning.

En 2016, Taoboa à mise en place à chatbot, alimenté directement par les vendeurs de données comme les détails produits et FAQ.

Ce chatbot à permis très rapidement de supplanter la nécessité pour les marchands de la plateformes de faire appel à des extras lors des périodes de vente intense, répondant à 95% de demandes clients !

Pu besoin d’humain, même pour les demandes complexes !

La recette du succès

Pour réaliser cette aventure,

  • S’engager dans une démarche d’exploration et création de la donnée créative afin d’identifier de nouveaux gisements informationnelles inexploitées,
  • Digitaliser l’entreprise pour fluidifier les workflows métiers et la collaborations entres parties prenantes,
  • Etablir des référentiels communs de données et créer une architecture  d’API pour permettre la circulation et la coordination des informations en temps réel,
  • Utiliser des algorithmes de machine learning pour générer des décisions basés sur des faits et non des “c’est comme cela que l’on à toujours fait”,

Toutes les activités impliquées dans ces quatre étapes constituent de nouvelles compétences importantes qui nécessitent un nouveau type de leadership et de den nouveaux savoir être.

En effet, même si demain beaucoup de tâches pourront être automatisées grâce à la force brut des machines, elles ne dépasseront jamais la créativité humaine et sa capacité de divergence.

Et vous comment utilisez les données produites de votre activité pour générer de nouveaux services ?
Vous pouvez me contacter pour travailler un plan d’action et identifier les principaux chantiers !

Source : https://hbr.org/2018/09/alibaba-and-the-future-of-business