La Data et la « Business Intelligence » dans les transports publics

Les données sont présentes dans les transports publics depuis un certain temps. Elles ont non seulement transformé la manière dont les transports publics sont exploités et utilisés, mais aussi les attentes des passagers. Quels changements ont eu lieu de manière générale et dans les régions des participants ? Que peut-on attendre pour l’avenir ? Et comment cela influencera-t-il les attentes des usagers ? Ces questions seront abordées lors de cette première session.

Cette session examinera l’utilisation et l’impact des nouvelles technologies qui ouvrent de nouvelles perspectives en matière de collecte de données. Outre les données secondaires, une grande quantité de données primaires est collectée via les cartes à puce, les systèmes télématiques, les systèmes GPS et les systèmes de détection des véhicules, presque en temps réel. De plus, de nombreuses données clients ou opérationnelles sont disponibles via le crowdsourcing, les réseaux sociaux et les interactions avec les appareils intelligents.

Cette croissance exponentielle des données offre de nouvelles opportunités, mais pose également des défis aux organisations sur quatre dimensions : volume, vélocité, véracité et variété. Les techniques permettant de regrouper et d’organiser ces données dans un cadre d’analyse Big Data peuvent conduire à une augmentation des revenus, à une réduction des coûts et à l’innovation.

• Intelligence artificielle (IA), Big Data et Machine Learning (ML)
• IA et service client
• IA et efficacité opérationnelle / gestion des actifs
• IA et sécurité
• Open Data
• Gestion des données pour l’excellence du service
• Gestion des données pour la satisfaction des clients

Atelier 1 – Dans quelle mesure votre organisation est-elle orientée données ?
Sur la base du modèle de maturité BI de Gartner, les participants évalueront leur organisation : dans quelle mesure est-elle orientée données ? À quel niveau devrait-elle être ? Comment y parvenir ?

Atelier 2 – Comment passer des données aux résultats ?
De nombreux opérateurs peinent à maximiser l’impact des données. Que faut-il faire pour en tirer le meilleur parti ? Comment éviter les échecs ? Comment obtenir un retour sur investissement élevé ? Les conditions de réussite seront discutées.

Création

Dans les entreprises, y compris les entreprises de transport public, les indicateurs clés de performance (KPI) jouent un rôle crucial dans les processus de prise de décision. La collecte et l’analyse des données doivent permettre d’obtenir des résultats exploitables par la direction sur une base quotidienne, hebdomadaire, mensuelle et annuelle. Les entreprises doivent définir leurs propres KPI ainsi que leurs critères de réussite afin de suivre les tendances observées dans les résultats.

• Facteurs de succès pour les opérateurs de transport public (PTO)
• Indicateurs clés de performance (KPI)
• Indicateurs de performance (PI)
• Comment créer des KPI

Suivi de la performance

Les KPI peuvent être utilisés et mis en œuvre pour de nombreuses activités dans le secteur des transports publics. En s’appuyant sur des KPI clairement définis, chaque niveau de management, du management intermédiaire à la direction générale, peut suivre les résultats et agir en conséquence. Cette approche est connue sous le nom de « management par les résultats ». Les KPI permettent aux décideurs d’identifier les domaines dans lesquels ils doivent intervenir dans les processus.

• Suivi de la performance pour différents éléments
• Définition de KPI pour différentes activités
• Suivi de la maintenance, de l’exploitation et des finances à l’aide de KPI

La planification opérationnelle des transports publics dépend de nombreux paramètres. Le nombre de passagers, l’heure du déplacement, les points de départ et d’arrivée, le nombre de véhicules disponibles dans la flotte, la durée des trajets et la disponibilité des conducteurs constituent les données de base nécessaires. À partir de ces paramètres, un plan opérationnel peut être élaboré à l’aide d’outils intelligents.

De nombreuses contraintes doivent également être prises en compte, telles que les horaires de travail, les restrictions légales, les temps de pause et les périodes de repos, ce qui rend cette tâche particulièrement complexe. Dans cette session, les critères essentiels seront présentés et illustrés à travers des études de cas.

Exemples concrets de l’utilisation des données pour améliorer les opérations, notamment à travers :

• Analyses pour les cadres dirigeants et le management
• Rapports pour l’excellence opérationnelle
• Optimisation des distributeurs automatiques de titres de transport
• Vision par ordinateur pour l’amélioration des inspections des actifs

Atelier 3 – Sélection des KPI

Qu’est-ce qu’un bon KPI ? Et comment sélectionner des KPI qui font réellement la différence en termes de qualité, de rentabilité et de satisfaction client ? Dans cet atelier, ce processus sera expliqué puis mis en pratique.

Atelier 4 – Planification des actions

L’un des plus grands défis consiste à utiliser les données non seulement pour suivre les KPI, mais aussi pour les piloter, afin d’améliorer la qualité, la rentabilité et la satisfaction client. Mais comment procéder concrètement ? Dans cette session, ce processus sera expliqué et les participants seront accompagnés dans l’élaboration de leur propre plan d’action.

• Identifier les talents et les intégrer dans une équipe
• Élaborer une stratégie commune et un récit partagé (et les faire vivre dans le temps)
• Lancer des projets et apprendre à gérer les échecs
• Valoriser le travail réalisé et capter l’attention de la direction

Un modèle de demande de transport multimodal est une représentation très détaillée de l’ensemble des modes de transport public, tels que le bus, le tramway, le métro, le taxi, le rail et le train. De l’investissement dans de nouvelles lignes ou stations à la gestion des horaires, ce modèle permet de développer des services de transport économiquement viables, orientés vers la demande et la qualité de service.

L’intégration de sources de données externes, telles que les données de comptage automatique des passagers (APC), a le potentiel d’améliorer significativement la qualité et la précision des modèles de transport. L’incorporation de ces sources externes permet une représentation plus dynamique et plus fidèle des comportements de déplacement. Cela conduit à une amélioration des prévisions et des analyses de scénarios, permettant aux planificateurs de prendre des décisions plus éclairées concernant les investissements en infrastructures et les ajustements de services.