Analyse de la transformation digitale des NATU (Netflix Airbnb Tesla Uber)

L’exercice de la mesure de la maturité numérique des organisations via les NATU

Dans le cadre d’une intervention portant sur la transformation digitale des organisations, j’ai demandé à des étudiants du Mastère Spécialisé Expert Big Analytics & Métriques de l’Université de Technologie de Troyes de plancher sur les analyses des forces et des faiblesses des NATU (Netflix Airbnb Tesla Uber) qui sont des « bébés GAFAM ». L’exercice demandé, consistait en s’appuyant de façon macro sur le modèle de maturité numérique DIMM décrit dans le livre Transformation digitale 2.0, d’évaluer de façon simplifiée la maturité numérique de chacun de ces 4 acteurs d’une part et de formuler des hypothèses sur comment ils pourraient accélérer leur transformation digitale à l’avenir et selon chacun des 6 leviers : Stratégie, Organisation, Personnel, Offre, Technologie et Innovation, Environnement.

C’est le groupe qui a planché sur Airbnb qui a formulé les meilleures analyses et recommandations.

Analyse de la maturité numérique d’Airbnb et suggestions pour ses évolutions

Pour rappel, Airbnb met en relation offreurs et demandeurs pour la location de logements entre particuliers. Ce modèle comme celui d’eBay est basé sur la confiance réciproque. Airbnb n’est pas propriétaire de ses logements comme Uber n’a pas de taxis en propre. La désintermédiation est au cœur de la stratégie avec pour vecteur le numérique. Aibnb a diversifié son offre, tout comme Uber, en proposant une gamme de services : Expérience (visites avec guides locaux), Plus (hôtes vérifiés), Collection, Niido.

[Note : le positionnement des recommandations ne figure pas toujours sur le bon levier mais il s’agit toutefois d’une première approche intéressante après exposé du modèle DIMM en ce qui concerne les réflexions relatives à la transformation numérique]

Pour le levier Stratégie, les recommandations des étudiants sont d’attirer plus fortement la silver économie qui possède un pouvoir d’achat plus élevé avec des services spécifiques pour cette tranche d’âge en simplifiant par exemple l’interface utilisateur. Mais aussi l’amélioration de la sécurité avec des serrures à reconnaissance faciale ou des alarmes anti-intrusion ce qui passerait par une prise en compte de l’IoT par la plateforme Airbnb pour ce type de service. Cela paraît difficile à mettre en œuvre en pratique. Mais aussi implanter Airbnb en Chine car le touriste chinois représente 20 % des dépenses touristiques mondiales. Enfin pour permettre d’être davantage au service des utilisateurs, développer une stratégie big data et IA qui permettent d’exploiter la connaissance des habitudes via des services additionnels avec des partenariats avec des acteurs comme TripAdvisor pour améliorer les recommandations sur les activités connexes à la location.

Pour le levier Organisation, il est souligné que le collaboratif pourrait être poussé en faisant appel au crowdsourcing et à une communauté de consommateurs pour l’innovation.

Pour le levier Personnel, il est suggéré d’être moins mainstream dans l’approche culturelle afin d’être dans une logique de recrutement multiculturel tenant compte des spécificités et des lois des pays et également avoir différentes tranches d’âges et non qu’une frange d’employés jeunes.

Pour le levier Offre, enrichir l’offre de location avec le transport via des partenariats. Ce serait une démarche inversée à celle de Voyages-sncf. Le marketing pourrait être davantage phygital avec des supports traditionnels pour élargir le potentiel en touchant également les seniors. Enfin un abonnement annuel permettrait la fidélisation (avec des frais de réservation plus faibles pour inciter à la consommation).

Pour le levier Technologie et Innovation, rien à signaler étant donné la forte maîtrise de l’IA et des puissants algorithmes développés, le référencement est excellent tout comme la présence sur les médias sociaux et une veille efficace quant à l’e-réputation de l’entreprise.

Pour le levier Environnement, sont suggérés la poursuite de l’implantation dans de nouveaux pays, l’investissement dans le phygital pour disposer d’une meilleure omnicanalité et venir concurrencer les entreprises locales leaders et l’utilisation de l’IA conjointement avec des personnalités adéquates afin de mieux cerner les évolutions des pays dans le but de mener des actions de lobbying préventives (par exemple optimisation fiscale ou ne pas subir d’amendes comme infligées aux GAFAM).

Une synthèse pour l’analyse de Netflix, Tesla et Uber

Pour le groupe qui a planché sur Netflix où le big data et l’IA sont clefs (analyse des données comportementales de ses abonnés dans la définition des séries à réaliser et le choix des acteurs en étant à la fois global et local) est suggéré un partenariat avec une entreprise chinoise (l’Inde pourrait être intéressante car premier producteur de contenu vidéo au monde) avec un transfert progressif maîtrisé de technologie pour lui donner plus de poids au niveau international. Il est souligné la nécessité de donner plus d’agilité aux utilisateurs dans le choix de leurs séries ou films (pour permettre de mieux étudier le comportement de ces derniers) dans le cadre d’un processus d’amélioration continue.

Le groupe ayant travaillé sur Tesla a pointé les partenariats avec des groupes automobiles pour la vente dans des concessions automobiles tout en renforçant la vente sur Internet en améliorant l’expérience utilisateur sur son site et son App, la réduction de l’influence d’Elon Musk dans les prises de décision, éviter la fuite des cerveaux via un cadre de travail sain (les expériences d’employés quittant l’entreprise pour d’autres entreprises du numérique sont légion), une diversification de la gamme avec des produits d’entrée de gamme pour faciliter le passage à l’échelle et diminuer ses coûts de production. Sont soulignés l’importance des investissements pour passer à la voiture autonome, un possible partenariat avec Google pour réaliser des économies en R&D. Enfin pour le levier Environnement est soulignée la politique de lobbying (face aux industries de l’automobile et de la pétrochimie, pour promouvoir les énergies renouvelables, faciliter les encouragements à passer vers le véhicule électrique).

Pour le groupe ayant réfléchi à Uber, l’exploitation du big data pourrait être utile pour des prévisions de taux de courses par lieux pour permettre aux chauffeurs d’organiser leur emploi du temps. Mais c’est plus Uber qui se taille la part du lion de façon asymétrique par rapport à son personnel, exploité. Est pointé la nouvelle forme d’exploitation 2.0 des chauffeurs avec des suggestions qui vont dans un sens de rééquilibrage au profit des chauffeurs : par exemple rubriques leur permettant de calculer leur satisfaction de travailler chez Uber (seraient-elles anonymisées ?), développer les systèmes de fidélisation de la clientèle, instaurer un système de parrainage de nouveaux chauffeurs, mettre en place un système de miles à l’image des compagnies aériennes, augmenter la sécurité de l’application (dans un autre registre, on l’a vécu récemment avec les failles de sécurité de l’application de visioconférence californienne Zoom), faire une veille efficace pour être à l’affût de nouvelles opportunités offertes par la technologie.