Zalando Payments : amélioration de l'expérience client grâce à un traitement plus rapide des achats pour 20 options de paiement différentes
Découvrez le parcours de Zalando Payments avec SAP
Le prestataire de services de paiement Zalando Payments GmbH a réduit les risques liés à l'utilisation d'outils externes pour calculer les affectations de paiement de ses prestataires de services en développant une solution sur SAP Business Technology Platform. La modélisation, l'exécution et le partage automatiques des prévisions à l'aide du Machine Learning permettent à Zalando de fournir des prévisions plus précises.
| Secteur d'activité | Région | Taille de l'entreprise |
| Secteur bancaire | Berlin, Allemagne | 250 collaborateurs |
des processus automatisés avec les solutions SAP.
Gestion des prévisions deux fois plus rapide et plus efficace.
de conformité avec les réglementations applicables en matière de services financiers.
Lead SAP BI and Analytics, Zalando Payments GmbH
Automatiser et optimiser les prévisions d'affectation de paiement
Zalando Payments GmbH est le prestataire de services de paiement du détaillant en ligne Zalando SE, et joue ainsi un rôle crucial dans la façon dont les clients perçoivent leur expérience d'achat chez Zalando. Offrant commodité et flexibilité lors du paiement sur Zalando, l'entreprise traite les paiements de plus de 250 millions de commandes par an pour plus de 50 millions de clients actifs.
Parce qu'elle reçoit des paiements de clients du monde entier, la société Zalando Payments doit veiller au respect des réglementations nationales et internationales. En tant que prestataire de services financiers allemand, elle est agréée pour traiter les transactions monétaires électroniques et est réglementée par l'autorité fédérale allemande de supervision financière (connue sous le nom de BaFin), la Deutsche Bundesbank et les institutions de l'Union européenne.
Le processus de prévision de l'entreprise a commencé dans SAP S/4HANA, les données étant exportées vers des outils externes pour le calcul des affectations de paiement. Cependant, cette méthode comportait divers risques, tels que des disruptions potentielles lors du transfert des données, la déconnexion des données avec les données de référence bancaires et la violation des règles de conformité. L'utilisation d'outils externes limitait également la capacité de l'entreprise à modifier les calculs de prévisions.
Soucieuse d'améliorer la qualité de son modèle de prévision pour l'affectation des paiements, Zalando Payments souhaitait renforcer la flexibilité et l'adaptabilité du modèle en fonction d'un certain nombre de facteurs. Il s'agissait notamment des fluctuations imprévues dues à des ventes spéciales, de l'entrée sur de nouveaux marchés, des nouveaux modes de paiement et de l'évolution de la composition de la clientèle. L'entreprise souhaitait également aider ses prestataires de services à optimiser l'affectation de ses ressources humaines afin de respecter son obligation contractuelle de réduire à zéro le backlog quotidien.
Lead SAP BI and Analytics, Zalando Payments GmbH
Réduire les frais généraux grâce à une meilleure prévision de l'affectation des paiements
Pour obtenir des prévisions plus précises et plus solides en matière d'affectation des paiements, qui soient suffisamment souples pour accompagner la croissance de l'entreprise, son entrée sur de nouveaux marchés et l'utilisation de différents modes de paiement, la société souhaitait que la solution soit entièrement intégrée à son environnement logiciel SAP. Afin d'améliorer les prévisions par une utilisation plus efficace des ressources technologiques, Zalando Payments s'est attelé à la construction d'un modèle de prévision innovant sur SAP Business Technology Platform (SAP BTP). L'entreprise a mis en place une structure de données métier via la solution SAP Datasphere, lui permettant d'appliquer une gouvernance des données fiable et d'accéder aux données en temps réel. En outre, SAP Data Intelligence a été utilisée pour les scripts Python, SAP HANA Cloud pour les capacités de Machine Learning et SAP Analytics Cloud pour renforcer la précision de la planification.
Comme le montre la figure ci-dessous, dans le nouveau processus de prévision des affectations de paiement, les données de SAP S/4HANA et de la solution SAP BW/4HANA sont fédérées dans SAP Datasphere sur SAP BTP. Le client de Machine Learning Python pour SAP HANA permet de déterminer les prévisions, qui sont automatiquement modélisées dans SAP Data Intelligence sur une base hebdomadaire. Le résultat est retranscrit dans SAP Datasphere, où des rapports sont fournis aux prestataires de services par l'intermédiaire de SAP Analytics Cloud.
Lead SAP BI and Analytics, Zalando Payments GmbH
Réduire à zéro le backlog quotidien pour les paiements non résolus et non soldés
Grâce au nouveau modèle de prévision pour l'affectation des paiements, Zalando Payments dispose désormais d'une plus grande marge de manœuvre pour améliorer la précision des prévisions et réduire les risques, ce qui lui permet de diminuer les frais généraux tout en se conformant aux réglementations applicables aux sociétés de services financiers. Il a également permis d'améliorer les relations avec les prestataires de services, qui peuvent désormais allouer les ressources de manière plus précise afin de réduire à zéro le backlog quotidien dans les paiements non soldés.
De plus, grâce à l'étroite collaboration avec SAP et à la gestion de l'ensemble du projet en interne, les connaissances acquises dans le cadre du projet ont été intégrées en interne. La compréhension plus approfondie des technologies a permis de renforcer la confiance au sein de l'organisation pour adopter les outils de Machine Learning et d'intelligence artificielle intégrés dans les solutions SAP.
Depuis la mise en œuvre des nouvelles prévisions d'affectation des paiements, plus de 50 millions de clients de Zalando et leurs banques ont bénéficié d'un traitement plus rapide des achats pour plus de 20 options de paiement différentes.
L'utilisation continue des fonctionnalités de Machine Learning dans les bibliothèques de Machine Learning fournies par SAP peut contribuer à améliorer en permanence la précision des prévisions, tout en ouvrant la voie à l'exploitation de SAP AI services.
Lead Customer Experience, Zalando Payments GmbH
Créer de nouvelles applications qui vont bien au-delà du Machine Learning
Alors que Zalando Payments poursuit ses travaux sur de nouvelles solutions utilisant le Machine Learning et l'intelligence artificielle, l'un de ses principaux objectifs est de concevoir un outil d'évaluation des risques à l'aide des techniques de simulation de Monte-Carlo. Le but est d'effectuer suffisamment de simulations pour obtenir différents résultats qui imitent les résultats réels.
Par ailleurs, l'entreprise développe actuellement une solution permettant de calculer le risque de crédit pour ses partenaires et élabore des cas d'utilisation de l'intelligence artificielle dans la gestion des données.
Robby Finke, SAP Business Intelligence and Analytics Lead chez Zalando Payments GmbH, résume ainsi la situation : « Une meilleure connaissance directe de la manière d'enrichir les processus essentiels de l'équipe grâce aux solutions SAP donne lieu à de nouvelles idées et propositions pour renforcer l'activité ».