Starbucks n'est pas une entreprise de café - C'est une entreprise de

technologie des données. Ils sont un exemple classique de la façon

d'utiliser stratégiquement les données pour rester compétitif
Waq Rahman
16 janv. · 7 min de lecture
https://marker.medium.com/starbucks-isnt-a-coffee-company-its-a-data-technology-business-ddd9b397d83e

tarbucks ne vend pas seulement un grand

nombre de boissons chaudes et froides à travers
le monde, il rassemble également d'énormes
quantités de données provenant de plus de 100
millions de transactions par semaine. Comment
utilise-t-il ces données? Et quel rôle l'IA et
l'internet des objets (IoT) jouent-ils dans ce
domaine?
Photo: SOPA Images / Getty Images

La façon dont Starbucks utilise les données et la technologie moderne pour un avantage
concurrentiel est instructive pour toutes les entreprises, quelle que soit leur taille. Par exemple,
c'est un pionnier dans la combinaison de systèmes de fidélité, de cartes de paiement et
d'applications mobiles. Mais cela ne fait qu'effleurer la surface.

Cet article présente cinq des exemples les plus intéressants de la façon dont Starbucks utilise les
données, l'IA et l'IoT pour un avantage concurrentiel. Ils suggèrent qu'il pourrait y avoir un
argument convaincant selon lequel Starbucks n'est plus une entreprise de café, mais est
maintenant une entreprise de technologie des données dans le secteur de l'alimentation et des
boissons.

Starbucks démontre la relation entre

les données, la technologie et les affaires mieux que quiconque

Starbucks ne manque pas de données. L’entreprise compte plus de 30 000 magasins dans le
monde et réalise près de 100 millions de transactions par semaine. Cela lui donne une vue
complète de ce que ses clients consomment et apprécient. Mais peut-être de façon surprenante,
elle ne se concentre vraiment sur la valeur de ces données que depuis un peu plus d'une
décennie.

Ce n'est pas qu'elle n'utilisait pas de données avant cela. Mais, comme pour de nombreux
changements importants dans une entreprise, une crise a provoqué le changement. Dans ce cas,
il s'agissait de la crise financière de 2008 et des fermetures de magasins associées. La leçon du
PDG de l'époque, Howard Schultz, a été que l'utilisation des données par Starbucks devait être
plus analytique, en particulier pour décider de l'emplacement des magasins.

Avant cela, les décisions de Starbucks étaient, comme beaucoup d'autres organisations, motivées
par l'homme, basées sur l'expérience et le jugement. Les données étaient évidemment
importantes, mais n'étaient pas aussi systématiques que possible. Il y a peu d'écrits à ce sujet,
mais il semble que ce soit l'approche conventionnelle qui consiste à utiliser les données pour
valider et éclairer les idées et les décisions humaines.

Ce qu'il fait exceptionnellement bien, c'est tester toutes sortes de

nouvelles idées en utilisant les données et la technologie, puis utiliser
plus de données pour déterminer celles à mettre en œuvre.

1
Outre l'immobilier, l'utilisation des données par Starbucks aujourd'hui s'étend également, bien
entendu, à un éventail d'activités de marketing et de produits. Cela conduit à son tour à
l'intelligence dans la façon dont il gère sa chaîne d'approvisionnement. Le programme de fidélité
Starbucks Rewards, qui a également démarré en 2008, en est un élément essentiel.

Ce qui est moins courant, c'est la façon dont l'utilisation des données par Starbucks embrasse
l'Internet des objets, en particulier les opérations en magasin. Cela a commencé avec les machines
à café et s'étend maintenant à d'autres équipements en magasin comme les fours.

Cinq exemples de la façon dont Starbucks utilise les données,

l'IA et l'IoT pour un avantage concurrentiel

Nous pourrions remplir un livre avec des détails sur la façon dont Starbucks utilise les données et
les technologies connexes, en commun avec de nombreuses autres grandes entreprises
modernes. Ce qu'il fait exceptionnellement bien, c'est tester toutes sortes de nouvelles idées en
utilisant les données et la technologie, puis utiliser plus de données pour déterminer celles à mettre
en œuvre.

Parmi les nombreux excellents exemples, j'ai choisi cinq points saillants. J'ai choisi ceux-ci car ils
démontrent comment une bonne utilisation des données a amélioré l'activité de Starbucks, aux
côtés de technologies telles que l'IA, l'IoT et le cloud:

 Cibler les clients avec des promotions et offres personnalisées

 Développement de produits axé sur les connaissances, y compris sur tous les canaux
 Planification immobilière sophistiquée
 Création et ajustements dynamiques de menus
 Maintenance optimisée des machines

Exemple 1: promotions personnalisées

L'utilisation classique des données client personnalise votre offre selon les préférences d'un
consommateur individuel, et Starbucks n'est pas différent. Avec plus de 16 millions de membres aux
États-Unis seulement, son programme de fidélisation représente près de la moitié de toutes les
transactions des magasins américains.

La connaissance des préférences de commande des clients individuels et des modèles d'achat
permet à Starbucks d'envoyer des offres personnalisées plus susceptibles d'être pertinentes.
L'utilisation de l'IA pour déterminer de telles campagnes devient une application standard de
l'intelligence artificielle, et Starbucks le fait depuis 2017 avec son programme « volant numérique ».

Un objectif important de ce type de travail est de suggérer de nouveaux produits dont un

consommateur pourrait profiter, en fonction de ce qu'il commande.

Mais il ne s'agit pas seulement de promotions personnalisées. Une grande partie continue de livrer
des campagnes de masse conventionnelles, mais directement à chaque consommateur du segment
cible. Il peut s'agir de boissons froides les jours chauds, de lancements de produits ou de menus
saisonniers.

Exemple 2: produits axés sur les connaissances

Les promotions personnalisées sont sans aucun doute efficaces, mais tout aussi important pour
Starbucks est l'utilisation des données clients dans le développement de sa gamme de produits.

Une façon puissante dont Starbucks utilise les données provient des habitudes d'achat d'un grand
nombre de consommateurs. Les informations tirées de ces données suggèrent des variations et des
développements par rapport aux produits existants. Par exemple, il y a plus de 15 ans, il y avait une
idée mignonne d'introduire des boissons à la citrouille à l'Halloween. C'est devenu une gamme
complète de produits inspirés de la citrouille mondiale. Un des résultats est un énorme pic de
fréquentation durant les mois d'automne.

2
Un deuxième type utilise les données sur les canaux. L'exemple le plus significatif est probablement
la poussée de l'entreprise dans l'espace café à domicile en 2016. Il s'agissait du lancement général
de produits dans les supermarchés, pour que les clients puissent faire du café à la maison. Les
données en magasin lui ont fourni une base solide pour décider quels produits cibler pour les
buveurs à domicile. Il pourrait même tester des produits à emporter comme le café instantané dans
les magasins habituels.

Il a également ajouté des produits comme des versions non sucrées de produits pour la maison. Une
autre variation suggérée par les données de consommation en magasin était les versions avec et
sans lait.

Exemple 3: Planification immobilière sophistiquée

Planifier où ouvrir un magasin Starbucks est désormais une analyse complexe des données. La
façon dont Starbucks utilise les données pour cela couvre tous les facteurs imaginables auxquels
vous vous attendez. Et il considère également quelques-uns que vous ne feriez probablement pas.

La prise en charge de l'IA pour la planification des magasins modélise les facteurs économiques
d'un emplacement. Il s'agit notamment de la population, des niveaux de revenu, du trafic, de la
présence de concurrents, etc. Il l'utilise pour prévoir les revenus, les bénéfices et d'autres aspects de
la performance économique.

Le système tient également compte de l'emplacement des points de vente Starbucks existants. Il
examine l'impact d'un nouveau magasin proposé sur les revenus existants dans les régions voisines.

La technologie de l'IA au cœur de cette application est l'analyse basée sur la localisation. Ceci est
également connu sous le nom de cartographie ou SIG (systèmes d'information géospatiale).

Exemple 4: menus dynamiques

L'une des implications des exemples ci-dessus est que Starbucks a la capacité d'affiner et d'ajuster
continuellement ses offres. La façon dont Starbucks utilise les données signifie qu'il peut effectuer
des révisions en fonction du client, de l'emplacement et de l'heure. Cela affecte les produits, les
promotions et les prix.

Cependant, si vous affichez vos offres en magasin sur des tableaux de menus imprimés au-dessus
du comptoir, il y a un décalage avec la possibilité d'ajuster continuellement les choses. C'est l'une
des raisons pour lesquelles les solutions lo-fi comme les tableaux noirs restent populaires auprès
des détaillants. Mais pour Starbucks, la réponse est un déploiement de la signalisation numérique
dans les magasins, avec des affichages de menus configurés par ordinateur.

Cela complète une chaîne qui permet aux changements possibles ailleurs dans l'expérience client
de se refléter dans le magasin.
Évidemment, il y a beaucoup de questions que cela pose, et il y a beaucoup de possibilités pour
compliquer les choses de manière excessive. Cependant, à la mi-2018, Starbucks testait cela dans
une poignée de magasins. Il a concentré ses efforts sur la promotion de produits sélectionnés en
fonction des circonstances locales telles que la météo ou l'heure de la journée.

Exemple 5: optimisation de la maintenance de la machine

Notre dernier exemple est l'entretien des machines à café et les machines en magasin en général.

La transaction Starbucks typique en magasin est relativement peu coûteuse et de courte durée. Des
volumes élevés de débit client sont la clé du succès d'un magasin. Ainsi, si une machine tombe en
panne, elle peut considérablement perturber les performances de l'entreprise. Starbucks ne garde
pas les ingénieurs sur place pour les pannes. Au lieu de cela, ils les envoient pour effectuer les
réparations et, bien sûr, effectuer la maintenance planifiée. Ainsi, amener rapidement les ingénieurs
sur des machines cassées fait une différence.

3
 Il existe des approches conventionnelles à ce problème. Cela signifie généralement la collecte de
données sur les pannes, l'utilisation de la machine, les réparations requises, etc. L'analyse
régulière des données permet de trouver des tendances et des modèles. L'IA peut aider à monter
le niveau, en prévoyant les pannes et les besoins de maintenance.

Là où Starbucks a fait avancer les choses, une étape est dans le développement d'une nouvelle
machine à café, la Clover X. Elle n'est actuellement utilisée que dans les magasins phares et les
concept stores. En plus d'être à la pointe de sa capacité à faire du café, elle est également
connecté au cloud. Cela ne permet pas seulement une collecte plus complète des données
opérationnelles mais permet également des diagnostics à distance des défauts, et même des
réparations à distance.

Des concepts similaires s'appliqueront à d'autres machines. Par exemple, les magasins disposent
désormais d'un four standard, également contrôlé par ordinateur, pour une préparation cohérente
des produits chauds dans le monde entier. Cependant, les machines actuelles doivent être mises
à jour par clé USB. Cela se produit chaque fois qu'il y a un changement dans la configuration de
la machine, par exemple, de nouveaux produits. À l'avenir, cela deviendra sans aucun doute une
connexion cloud directe, créant également plus d'opportunités d'IA.

Starbucks est un exemple assez typique d'une entreprise mondiale moderne de premier plan. La
façon dont Starbucks utilise les données est un exemple de gestion efficace des données et de la
technologie. Il n'y a rien de vraiment surprenant dans son utilisation des données et de l'IA. Il n'y a
pas non plus d'innovations à couper le souffle concernant l'IA ou l'analyse.

Mais la façon dont Starbucks utilise les données est un exemple classique de la façon de
commencer un voyage pour utiliser les données de manière stratégique, en exécutant les plans
de manière systématique et approfondie. L'innovation apparaît, mais dans ce que vous faites
dans votre cœur de métier à cause de l'IA, pas nécessairement dans l'IA elle-même. Et l'IoT n'est
qu'une extension naturelle de cela, avec le cloud.

Une autre leçon est que l'IA semble faire partie du parcours de Starbucks pour apprendre à
utiliser les données. Ce n'est pas quelque chose qui s'est produit à cause d'un désir ardent
d'utiliser l'IA. C'était juste la prochaine chose à faire dans chaque domaine lorsque le moment
était venu.

Le dernier point à retenir de l'examen de son parcours est la manière dont il met à l'échelle les
solutions. Dans ce cas, il ne s'agit pas seulement de grossir une fois qu'un concept a été prouvé.
La nature mondiale de l'entreprise ajoute des complexités régionales.

[…]

Travail à faire
1. Expliquer en quoi l’exploitation des données peut amener un avantage concurrentiel à
l’entreprise Starbucks ?

2. En vous basant sur le modèle d’alignement stratégique, que vous rappellerez

simplement, il vous est demandé d’analyser l’adéquation entre la stratégie de
Starburcks et sa stratégie SI.

3. Définir la notion de « Big Data » et préciser les limites de la collecte de données en

Europe.