Alexander Smedley

J’ai grandement contribué au projet de Geo Optimisation. Celui-ci s’intègre dans un produit d’Intelligence Artificielle à destination des équipes commerciales négociant avec les points de vente de nos produits : D-STAR.

‍

La Geo Optim a pour objectif de sélectionner les points de vente à visiter, parmi l’ensemble des points de vente possibles, dans le but d’optimiser deux aspects :

• Minimisation de la distance à parcourir entre les différents points de vente recommandés pour assurer la faisabilité des recommandations, optimiser le temps du commercial et diminuer les émissions liées au transport.
• Maximisation de l’impact des visites afin d’obtenir le plus grand retour sur investissement de notre force de vente.

‍

Résultats du pilote

Au Royaume-Uni, la mise en place du solveur génétique a permis :

• Une optimisation de la sélection des recommandations de visite dans un temps de calcul restreint (inférieur à 3 min par commercial).
• Une réduction de la distance des recommandations de 20% par commercial en moyenne.
• Une amélioration du score des points de vente recommandés pour 75% des commerciaux.
• Un respect des ratios d’activité respecté pour 100% des commerciaux (au lieu de 75% précédemment).

En exploitant intelligemment les données, nous optimisons nos processus internes, accélérant ainsi notre efficacité opérationnelle et notre prise de décision. Cependant, notre vision ne se limite pas à ces gains immédiats. Nous croyons fermement en l'intégration des enjeux de RSE dans notre approche, comme le montre notre projet de Geo Optim. En alignant nos stratégies sur des pratiques durables, nous aspirons à bâtir un avenir qui préserve non seulement notre succès commercial, mais aussi l'environnement et le bien-être de nos parties prenantes. L’environnement est d’autant plus un enjeu pour Pernod Ricard dont les produits sont fabriqués à base de ressources naturelles.

‍