Une image vaut mille mots, dit le proverbe. Mais si les mots se traduisaient en récit de données, qu’en serait-il? Pour une flotte de camions, toute « histoire » doit avoir un but : l’augmentation de l’efficacité, la réduction des coûts, l’amélioration de la sécurité, par exemple. Examinons ce que les données peuvent nous apprendre sur deux domaines importants en matière de gestion de flotte : la consommation de carburant et la sécurité.
Le récit de données et le Coach ISAAC
Le Coach ISAAC fournit aux chauffeurs et chauffeuses un coaching en cabine en temps réel pour guider leur comportement de conduite. Il a été démontré que cet accompagnement maximise l’efficacité en carburant. Bien sûr, certains facteurs qui affectent la consommation de carburant sont hors du contrôle des chauffeurs. Le Coach ISAAC prend en compte les éléments qu’ils ne contrôlent pas, tels que l’aérodynamisme, la pente de la route, la charge du camion et le vent. Le reste, comme l’utilisation de l’accélérateur et le freinage, est sous le contrôle du chauffeur.
En augmentant l’engagement des chauffeurs et chauffeuses en toute sécurité, sans ajouter de distraction, le Coach ISAAC génère jusqu’à 5% d’économies de carburant sur l’ensemble d’une flotte. Ce pourcentage, multiplié par un grand nombre de camions, représente un montant substantiel d’économies qui se répercute directement sur les dépenses liées aux opérations.
Essayez notre calculateur d’économies de carburant
La passerelle ISAAC InMetrics — la « boîte noire » installée sur chaque camion équipé de la technologie ISAAC — est conçue pour collecter des données de haute qualité et les transmettre en continu via son point d’accès sans fil. Elle collecte une très grande quantité de données télémétriques et les transmet aux serveurs de l’écosystème ISAAC.
Les données télémétriques qui transitent par la technologie d’ISAAC prennent la forme de données structurées et non structurées. En termes simples, les données structurées sont organisées et facilement consultables, comme les codes de produit ou les dates, par exemple. Les données non structurées n’ont pas de structure organisationnelle ou de modèle prédéfini. Les photos, les courriels et les messages sur les réseaux sociaux sont des exemples de données non structurées. Ce dernier type de données est plus complexe à traiter et à analyser, mais il représente la majorité des données recueillies. Qu’elles soient structurées ou non, une fois les données collectées et organisées, l’utilisation d’éléments visuels est un outil puissant pour mieux comprendre ce que les données reflètent.
La préparation des données
Avec 10 000 points de données distincts collectés chaque seconde, il est clair que la quantité de données est considérable. C’est là que la préparation des données — leur nettoyage et leur organisation — entre en jeu.
Chez ISAAC, nous appliquons différentes techniques de transformation des données basées sur les meilleures pratiques. Nous effectuons des contrôles de qualité et corrigeons tous les problèmes identifiés lors de ces contrôles.
Plus important encore, nous assurons la sécurité des données, la gestion de l’accès et la bonne gouvernance de ces données. Chez ISAAC, une bonne gouvernance des données signifie que les données sont la propriété de chaque client et qu’elles sont gérées par eux, plutôt que par ISAAC ou par une tierce partie. Ce point est plus important que beaucoup ne le pensent, comme l’explique ici Jacques DeLarochellière, le fondateur d’ISAAC, dans un article de Today’s Trucking.
La visualisation des données
Comme son nom l’indique, la visualisation des données dénote simplement la représentation visuelle des données. Par exemple, un tableau de chiffres est remplacé par quelque chose de plus efficace sur le plan visuel, comme un graphique ou une carte. Lorsqu’elle est efficace, la visualisation des données devrait accélérer la consommation et la compréhension des données par les utilisateurs.
Un bon exemple est la représentation des données du Coach ISAAC. La figure 1 montre un échantillon de données correspondant à deux années de résultats du Coach ISAAC pour un chauffeur :
Figure 1.
Dans la figure 2 figurent les mêmes données représentées dans un graphique linéaire avec une comparaison annuelle :
Figure 2.
En regardant le graphique linéaire, il est assez évident que le résultat du Coach ISAAC pour ce chauffeur a été stable en 2021 et pendant la majeure partie de l’année 2022. Mais vers la fin de 2022 et en 2023, il y a eu une amélioration notable. Bien que le tableau contienne les mêmes données sous-jacentes, le graphique permet de visualiser facilement la tendance ainsi que l’ampleur du changement, et raconte une histoire qui saute aux yeux.
Analyser les données pour en apprendre davantage
L’analyse des données consiste à explorer les données afin d’en tirer des informations utiles, c’est-à-dire de voir ce qu’elles racontent. Nous utilisons souvent la visualisation des données pour faire des découvertes plus pertinentes plus rapidement.
À titre d’exemple, la figure 3 ci-dessous présente le même visuel que ci-dessus, mais pour l’ensemble d’une flotte plutôt que pour un seul chauffeur.
Figure 3.
Il est très clair que le résultat du Coach ISAAC pour l’ensemble de la flotte s’est amélioré de façon significative vers la fin de l’année 2022. Voici quelques questions que nous pouvons poser :
- Y a-t-il des groupes spécifiques dans cette flotte qui ont contribué à la plupart de ces gains?
- Y a-t-il d’autres groupes qui n’ont pas suivi la tendance de l’ensemble de la flotte?
Si nous filtrons les données en fonction des différents terminaux de cette flotte (voir la figure 6 ci-dessous), nous pouvons explorer les données plus en profondeur. En examinant le terminal n° 6, nous constatons que ce groupe a clairement contribué aux améliorations constatées dans l’ensemble de l’entreprise :
Figure 4.
Cependant, si nous visualisons les données du terminal n° 9, comme le montre la figure 5, l’histoire est différente :
Figure 5.
Il est clair que le terminal n° 9 n’a pas fait de progrès significatifs en ce qui concerne les résultats du Coach ISAAC, même si la flotte dans son ensemble s’est considérablement améliorée.
Le récit des données explique les résultats de l’analyse des données de façon compréhensible et percutante dans le but d’influencer les décisions d’affaires. Ainsi, une fois que nous avons découvert l’amélioration à l’échelle de la flotte et la variation entre les terminaux, nous pouvons résumer les résultats à l’aide d’une visualisation claire et concise.
Voici dans la figure 6, un graphique qui montre les améliorations de performance de chaque terminal, classées par rang :
Figure 6.
Dans ce graphique, nous pouvons voir comment se comparent les terminaux n°6 et n°9 entre eux ainsi qu’avec le reste des terminaux en matière de résultats du Coach ISAAC dans la dernière année. Nous pouvons également voir que trois terminaux se sont améliorés plus que le terminal n°6 et qu’un terminal a régressé plus que le terminal n°9.
Donc, si l’amélioration des résultats du Coach ISAAC est un objectif important pour cette flotte en particulier, le graphique montre un aspect important de l’histoire. Il illustre ces principaux éléments d’information :
- Le niveau des améliorations possibles
- Les terminaux auxquels il est logique d’accorder la priorité à l’avenir pour avoir un impact maximal sans trop disperser les ressources de formation.
Disposer d’arguments convaincants grâce aux récits de données
Imaginez un instant que vous ayez à convaincre la direction que le résultat du Coach ISAAC de votre flotte est un indicateur qui vaut la peine qu’on s’y attarde. Comment pourriez-vous raconter une histoire convaincante à ce sujet ? Revenons à ce tableau à l’échelle de l’entreprise (voir Figure 7) :
Figure 7.
Visuellement, nous constatons que le résultat du Coach ISAAC en 2022 était d’environ 85. Au cours de la première partie de l’année 2023, il s’est amélioré pour atteindre environ 89. Comment pouvons-nous présenter cette amélioration de manière à montrer son impact réel?
Sur la base des données provenant d’essais sur le terrain, nous pouvons prévoir qu’une amélioration de 4,7% (de 85 à 89) du résultat du Coach ISAAC devrait se traduire par une amélioration d’environ 2,35% de l’efficacité en carburant.
Pour une flotte de 300 camions, la figure 8 montre l’impact en matière d’économies et l’impact projeté sur l’environnement :
Figure 8.
Hypothèses :
- Sur la base d’essais en conditions réelles sur le terrain, pour chaque amélioration de 10% du résultat du Coach ISAAC, l’efficacité énergétique s’améliore de 5%.
- Le coût moyen du carburant au Canada pendant la dernière année était d’environ 2,00$/litre.
- Pour chaque litre de diesel consommé, 2,7 kg de CO2 sont rejetés dans l’atmosphère.
- Un arbre moyen élimine 25 kg de CO2 par an de l’atmosphère.
Pourquoi les bonnes histoires perdurent
En examinant « l’histoire » de la flotte dans l’exemple ci-dessus, il est clair que même un pourcentage d’amélioration à un seul chiffre, tel que 5%, peut générer des économies de coûts importantes. En fait, la « morale de l’histoire » est qu’il est payant de collecter, de préparer, de visualiser, d’analyser et de raconter des récits utiles avec vos données.
La figure 9 est une visualisation simple du processus nécessaire pour parvenir à ce type de récit :
Figure 9.
Contactez-nous pour en savoir plus sur la façon dont le Coach ISAAC peut aider vos chauffeurs et chauffeuses, ainsi que l’ensemble de votre flotte en explorant de façon réaliste le type d’économies que voous pourriez réaliser.
À propos des auteurs
Rahat Yasir, M.Sc.
Directeur de la science des données – AI ML, ISAAC Instruments
Rahat Yasir est Directeur de la science des données, intelligence artificielle (IA), et apprentissage automatique (ML) chez ISAAC. Il dirige toute initiative visant à développer une industrie du transport axée sur les données et alimentée par l’IA. Il a été sélectionné comme l’un des 30 meilleurs développeurs de logiciels de moins de 30 ans au Canada en 2018. Huit fois lauréat du prix Microsoft Most Valuable Professional dans la catégorie Intelligence artificielle, il a des années d’expérience en développement d’applications d’imagerie et d’analyse de données, en technologies inter-plateformes et en conception de systèmes d’entreprise. Il est l’auteur de plusieurs ouvrages de génie logiciel et publications de recherche dans le domaine de la science des données.
Kyle Niiya
Analyste en intelligence d’affaires – ISAAC Instruments
Kyle Niiya est analyste en intelligence d’affaires chez ISAAC et possède plus de 18 ans d’expérience en systèmes informatiques et en affaires dans l’industrie du transport. Son rôle au sein de l’équipe Données et IA d’ISAAC est de s’assurer que les informations fournies à nos clients soient pertinentes et présentées de manière claire et efficace. Sa passion pour l’analyse des données aide nos clients à prendre des décisions éclairées pour améliorer et développer leurs opérations.
