Depuis qu'elle est devenue l'une des premières entreprises du secteur de la mode à adopter le « prêt-à-porter », l'entreprise italienne Max Mara Fashion Group a fait preuve d'un style pionnier qui lui a permis de se démarquer sur le marché mondial de la mode. Aujourd'hui, ce même modèle de gestion, qui consiste à rendre la mode de haute qualité accessible au grand public par le biais d'une large gamme de marques, est toujours aussi efficace.

C'est presque dans la nature même du secteur de la mode : rester attentif à l'évolution des tendances et des goûts est de rigueur pour que l'entreprise Max Mara demeure pertinente et fidèle à son engagement envers la marque. C’est le travail des concepteurs, des chefs de produits et d’autres personnes dont l’objectif est de mettre sur le marché la bonne combinaison de produits.

Mais il existe aussi un autre aspect du modèle de gestion de Max Mara qui est essentiel pour que sa clientèle revienne : une expérience d’achat satisfaisante, que ce soit sur l’un des 10 sites Web dédiés à la marque de l’entreprise ou dans ses plus de 2 300 magasins physiques dans le monde. L'adoption de la numérisation et du marketing omnicanal a joué un rôle déterminant dans l'évolution.

Pour Max Mara, comme pour de nombreuses autres entreprises, l'arrivée de la pandémie, et les changements de comportement d'achat qu'elle a entraînés, a accéléré une transformation numérique qui était déjà en cours. En fait, au cours de la pandémie, la part numérique du volume des affaires a presque triplé. Comme si elle avait franchi un seuil, l'unité des opérations numériques de Max Mara, créée au début de son parcours de transformation numérique, a reconnu que l'efficacité de ses opérations back-end aurait désormais un impact encore plus important sur la satisfaction des clients.

« Sur une « carte de densité » des améliorations potentielles des processus, notre zone la plus rouge serait le cycle « Order-to-Cash », du traitement des commandes à l'exécution, au paiement et au service client », souligne le responsable des opérations numériques de Max Mara. « Et pendant les pics saisonniers de ventes que nous connaissons [généralement en juillet et décembre], ces zones rouges sont encore plus rouges. »

Les problèmes de processus créent des goulots d'étranglement, notamment dans l'éventail des activités d'entrepôt entre le prélèvement et l'emballage et l'expédition. En évaluant ses options, l'équipe des opérations numériques de Max Mara a envisagé des approches traditionnelles de refonte des processus qui s'appuyaient sur des systèmes d'aide à la décision (BI) et des informations de première ligne provenant des analystes métier, des responsables des processus et d'autres parties prenantes pour traiter en profondeur les problèmes de flux de processus.

Bien que l'équipe ait considéré ces méthodes comme une partie nécessaire de l'optimisation des processus, elle admet qu'il ne s'agit que d'une partie. « Les systèmes d'aide à la décision sont essentiels pour pointer les symptômes des problèmes de processus », explique le responsable des opérations numériques, « mais ils ne sont pas aussi capables de diagnostiquer leurs causes profondes, ce qui est indispensable pour les résoudre. » La vision plus large de Max Mara était la capacité de prendre des mesures ciblées, sur la base de données concrètes. Il s'agit non seulement d'identifier très précisément les processus qui ne sont pas optimaux, par exemple, les modèles de dotation en personnel dans un entrepôt donné ou les performances d'un fournisseur de services logistiques, mais aussi d'effectuer des projections basées sur des données concernant l'impact de modifications de processus spécifiques, qu'il s'agisse de réparer un flux de processus ou de l'automatiser, sur les principales mesures opérationnelles.

Cependant, l'équipe chargée des opérations numériques a admis que la complexité même des opérations numériques de Max Mara rendait particulièrement difficile la réalisation de cette vision axée sur les données. Nous vendons dans le monde entier et, bien que le « front-end » de notre processus de commande soit assez standardisé, la partie physique du flux (plus en aval dans le processu) varie considérablement d'un pays à l'autre », explique le responsable des opérations numériques. « Il en va de même pour nos systèmes de sous-jacents tels que ERP et CRM, qui ont également été fortement personnalisés pour répondre aux besoins locaux. »

Réduction des temps de résolution des problèmes de service client de

90 %

par rapport aux approches manuelles

Réduction du coût moyen par résolution jusqu'à

46 %

en éliminant les goulots d'étranglement

Comment améliorer les processus Order-to-Cash grâce à l'exploitation des processus

Max Mara a admis que pour améliorer ses processus Order-to-Cash (OTC), elle devait pouvoir identifier rapidement et précisément non seulement l'emplacement des problèmes, mais aussi les solutions qui permettraient d'obtenir le meilleur retour sur investissement. L'équipe des opérations numériques a considéré que les outils de reconnaissance des processus avancés étaient la bonne approche. Plus précisément, l'entreprise recherchait un outil de reconnaissance des processus qui combine la souplesse de mise en œuvre avec des fonctionnalités de modélisation des processus puissantes et précises.

Après avoir examiné diverses options, l'équipe a choisi la solution IBM® Process Mining, qu'elle considérait comme « la base la plus complète pour l'optimisation des processus basée sur les données. »

Gestionnaire et superviseur réalisant un inventaire dans un entrepôt

Aujourd'hui, ces efforts sont gérés par le centre de compétences en optimisation des processus créés dans le cadre de l'implémentation d'IBM Process Mining qui a duré huit mois. « Nous fournissons des solutions techniques en fonction des besoins de l'entreprise, et nous agissons comme une entité pivot qui coordonne l'analyse et la mise en œuvre entre l'entreprise, nos partenaires de mise en œuvre et notre infrastructure informatique interne », explique le responsable du centre de compétence qui a joué un rôle essentiel dans le projet Process Mining. « En collaboration avec notre service opérationnel, nous avons analysé très précisément notre flux existant de la commande au paiement dans le cadre de notre scénario complexe, multilogiciel et multi-source de données », souligne un analyste métier du centre.

Les informations qualitatives obtenues de cette analyse sont importantes, car elles définissent la configuration du terrain pour les efforts de refonte des processus. Mais en fin de compte, les décisions relatives aux processus, qu'il s'agisse de modifier un flux ou de l'automatiser, nécessitent des données réelles et exploitables provenant des processus eux-mêmes. C'est là, selon le responsable des opérations numériques, que la solution IBM Process Mining comble le fossé. « Comme les décisions liées aux processus doivent être basées sur leur retour sur investissement, elles sont seulement aussi bonnes que les modèles de découverte de données et de processus qui les sous-tendent », explique-t-il. « La force des algorithmes [IBM Process Mining], ainsi que l’ampleur des flux de données d’application d’entreprise qu’ils peuvent ingérer, nous permettent de savoir où il convient de prendre des mesures et quelle sera l’étude de rentabilité de ces mesures. »

Supposons une situation où le délai d'exécution d'une commande dans une zone géographique donnée est plus long et où la cause première présumée est le flux de prélèvement et d'emballage de l'entrepôt. En exécutant les données ERP, CRM et d'autres données pertinentes dans le cadre des modèles IBM Process Mining, les membres de l’équipe du Centre d'excellence peuvent non seulement corroborer cette hypothèse, mais également identifier les impacts inattendus des processus qui aggravent le problème. « Dans certains cas, nous savions qu’il existait un goulot d’étranglement dû à des écarts de processus », explique le responsable des opérations numériques. « Mais nous avons été surpris de voir à quel point le flux était complexe et combien peu de commandes dans l’entrepôt suivaient réellement le flux de processus prévu. Ces informations basées sur les données nous a permis de concevoir une solution plus appropriée et plus efficace pour résoudre le problème. »

Décisions d'automatisation intelligente pour un meilleur retour sur investissement

Une grande partie de la mise en place du bon changement de processus consiste à déterminer l’impact du changement avant sa mise en œuvre. Les fonctionnalités intégrées de simulation de la solution IBM Process Mining permettent aux concepteurs de processus de tester l'impact probable des changements en termes de mesures clés tels que les délais et les besoins en personnel. Les mêmes qualités granulaires et autonomes du modèle peuvent également révéler si un changement peut avoir un impact imprévu. « Nous avons vu comment la suppression d'un goulot d'étranglement à un endroit du flux peut en entraîner un autre dans un autre endroit », souligne le responsable des opérations numériques. « En révélant ces impacts par le biais de la modélisation dynamique, [IBM Process Mining], nous avons pu adopter une approche plus générale de l'optimisation des processus. »

Dans un cas notable, l'équipe des opérations numériques voulait comprendre comment les changements proposés dans le traitement des demandes d'assistance après-vente des clients affecteraient les goulots d'étranglement pendant la période dite de « forte charge », lorsque le volume atteint des pics saisonniers. Grâce à IBM Process Mining, elle a d'abord pu identifier les parties les plus répétitives du flux de processus qui se prêtaient le mieux à l'automatisation. En simulant ces changements, y compris l'automatisation de segments clés du flux de processus, elle a pu montrer une diminution de 90 % des délais de résolution des problèmes du service clientèle, et une réduction de 46 % du coût moyen par résolution.

Si, aujourd'hui, Max Mara en est aux premiers stades de l'automatisation des processus, le responsable des opérations numériques s'attend à ce qu'elle devienne un élément beaucoup plus important de la stratégie des opérations numériques de l'entreprise dans un avenir proche. Et il voit IBM Process Mining comme un outil essentiel dans la cartographie de ce parcours. « Faire des investissements stratégiques dans l'automatisation des processus sera essentiel à la réalisation de l'expérience numérique de haute qualité que les clients attendent », explique-t-il. « Avec IBM Process Mining, nous disposons d'un outil puissant pour identifier l'endroit où l'automatisation offrira le plus grand gain, tant pour nos clients que pour nos activités.

Le responsable du centre de compétences acquièsce. « Nous pensons que le succès évident de ce projet sera le premier d'une longue série dans un grand nombre de nos unités commerciales dans le monde », affirme-t-il.

Logo Max Mara Fashion Group

À propos de Max Mara Fashion Group

Basée à Reggio Emilia, en Italie, Max Mara (lien externe) est une société du secteur de la mode créée en 1951. Avec 41 sociétés et plus de 5 500 employés, Max Mara est présente dans 105 pays. Entreprise familiale, la société a été l'une des premières entreprises du secteur de la mode à se concentrer sur le prêt-à-porter haut de gamme. Aujourd'hui, l'entreprise exploite 10 marques dans le monde.

Composants de la solution
IBM® Process Mining

© Copyright IBM Corporation 2022. IBM Corporation, IBM Services, New Orchard Road, Armonk, NY 10504

Produit aux États-Unis d'Amérique, octobre 2022.

IBM, le logo IBM et ibm.com sont des marques d’International Business Machines aux États-Unis et/ou dans certains autres pays. Les autres noms de produits et de services peuvent être des marques d'IBM ou d'autres sociétés. La liste actualisée de toutes les marques d'IBM est disponible sur le Web à l'adresse suivante : www.ibm.com/legal/copytrade.

Le présent document contient des informations qui étaient en vigueur et valides à la date de la première publication, et qu'IBM peut mettre à jour à tout moment. Toutes les offres mentionnées ne sont pas distribuées dans tous les pays où IBM exerce son activité.

Les données de performances et les exemples de clients ne sont présentés qu'à des fins d'illustration. Les performances réelles peuvent varier en fonction des configurations et des conditions d'exploitation spécifiques. LES INFORMATIONS CONTENUES DANS LE PRÉSENT DOCUMENT SONT FOURNIES « EN L'ÉTAT », SANS AUCUNE GARANTIE EXPLICITE OU IMPLICITE. IBM DÉCLINE NOTAMMENT TOUTE RESPONSABILITÉ RELATIVE À CES INFORMATIONS EN CAS DE CONTREFAÇON AINSI QU'EN CAS DE DÉFAUT D'APTITUDE À L'EXÉCUTION D'UN TRAVAIL DONNÉ. Les produits IBM sont garantis conformément aux dispositions des contrats au titre desquels ils sont fournis.