.png){kind=logo}
Optimisation du pilotage financier des matières premières avec la data science et l'automatisation
- Practice
- Équipe
1 architecte
1 data engineer
2 data scientists
2 experts métier
- Environnement technique
CHALLENGES
Danone, multinationale française leader dans l’agroalimentaire, opère dans quatre domaines stratégiques : les produits laitiers frais et d’origine végétale, les eaux en bouteille, la nutrition médicale et la nutrition infantile. En 2020, Danone est devenue la première entreprise cotée en bourse à adopter le statut de Société à Mission, avec pour objectif d’apporter la santé par l’alimentation au plus grand nombre.
L’entreprise fait face à un défi majeur : la volatilité des coûts des matières premières, notamment le plastique (polyéthylènes, dont le PET), dont les achats représentent 700 à 800 millions d’euros par an.
Problématiques identifiées :
- Le prix du plastique, fortement corrélé à celui du pétrole, impacte directement la rentabilité et les marges des produits.
- Le processus décisionnel actuel, manuel et peu réactif, limite la capacité à anticiper les fluctuations de marché.
- Objectif principal : Améliorer la prise de décision en matière d’achats et de couverture, avec un gain potentiel estimé à 10 M€ par an.
SOLUTION
Avec l'aide de SBI, Danone a combiné data science et automatisation des processus (RPA - Robotic Process Automation) afin de :
- Automatiser la collecte des données : Intégration de plus de 20 sources de marché référentes pour un suivi en temps réel.
- Normaliser et nettoyer les données : Harmonisation des informations pour garantir leur fiabilité et leur cohérence.
- Centraliser les données : Création d’un data warehouse dédié aux prix et aux tendances des matières premières.
- Développer des algorithmes prédictifs : Sélection et paramétrage de modèles avancés (dont XGBoost) pour anticiper les évolutions de prix.
- Valider la démarche avec les métiers : Implication des équipes achats et finance pour s’assurer de l’adhésion et de la pertinence des résultats.
- Adapter la restitution des données : Conception de tableaux de bord sur mesure, alignés sur les besoins opérationnels et la culture métier.
BÉNÉFICES
- Visibilité accrue : Accès à une analyse précise et actualisée du marché, permettant des décisions d’achat plus stratégiques.
- Modèle scalable : Solution rapidement extensible à d’autres matières premières et sources d’approvisionnement.
- Performance prédictive : Algorithmes de machine learning offrant une fiabilité élevée dans les prévisions de prix.
- Base de données unifiée : Historique centralisé et homogène, servant de référence pour le suivi et l’analyse des coûts.
- Outils décisionnels : Tableaux de bord intuitifs et partagés, facilitant une lecture claire et unifiée des données (« vérité des prix »).
- Impact financier immédiat : 7 M€ d’économies réalisées en 7 mois, avec un potentiel annuel de 10 M€.
