Compter sur la Data science et le RPA pour réaliser des économies substantielles sur l'achat de matières premières

1 architecte, 1 Data engineer, 2 Datascientists, 2 experts métier

10 M€

d'économie prévue par an

7 M€

d'économie mesurée sur les 7 premiers mois

+10

nouveaux business cases à dérouler sur le même modèle

CHALLENGES

Notre client s'approvisionne à hauteur de 700 à 800 millions d'euros par an, en plastique, dont les polyethylènes (dont P.E.T.).
Le prix du plastique est volatile, fortement corrélé au prix du pétrole, ce qui a un impact important sur le P&L et la marge du produit.
Le processus actuel pour déterminer la politique d'achat est long, manuel et manque d'efficacité.
Objectifs : prendre de meilleures décisions d'achat et de couverture.
Business Case Gain estimé à 10M€/an

SOLUTION

Automatiser la collecte des données de marché sur les sites référents (+20)
Normaliser et nettoyer les données pour mise en conformité et cohérence
Constituer un Datawarehouse pour l’ensemble de ces valeurs
Choisir et paramétrer les algorithmes de datascience les plus adaptés à la détermination des prix et des prévisions d’évolution
Faire valider la démarche et les calculs pour obtenir la confiance des métiers
Présenter systématiquement les résultats en formes adaptées à la culture et au besoin des métiers

BÉNÉFICES

Une vision fiable et juste à temps du marché des matières premières.
Capacité d'étendre rapidement le modèle à de nouvelles sources de PET, mais aussi à d'autres matières premières.
Fortes capacités de Machine Learning grâce à l'algorithme XGBoost.
Une base de données historiques et comparables pour la connaissance et le suivi des prix
Des présentations orientées UX pour un point de vue commun et fiable de la vérité des prix.
Gain évalué à 7M€ sur la 1ère année