Le Big Data au service de l’immobilier

Dossier : Vie des entreprisesMagazine N°749 Novembre 2019
Par Emmanuel BLANCHET (02)

Deepki est une entreprise française qui accompagne ses clients dans la transition environnementale et digitale de leur parc immobilier, du gain de performance à l’impact durable. Rencontre avec Emmanuel Blanchet (2002), cofondateur de Deepki, qui nous en dit plus sur le positionnement de Deepki et des différentes solutions qu’ils proposent.

Deepki met la data au service de la transition énergétique avec un focus sur la gestion du parc immobilier. Dites- nous-en plus sur ce positionnement.

La solution que nous avons mis en place est le fruit d’un constat : les gestionnaires immobiliers, notamment ceux avec des parcs conséquents, disposent d’un gisement de données qu’ils ne sont pas en train d’exploiter. En effet, l’analyse de ces informations s’avère compliquée pour plusieurs raisons :

  • La difficulté d’accès aux données : les différents acteurs n’ont pas une vision globale sur l’ensemble de leurs parcs et disposent de SI différents avec des logiciels pour chaque fonction. Il est donc compliqué d’extraire les données de façon transverse puisqu’elles sont éparpillées à travers les différentes composantes de l’infrastructure ;
  • 
Le manque d’outils informatiques pour traiter les données : provenant de différentes sources, les informations recueillies sur la performance des bâtiments ne sont pas forcément homogènes. Elles nécessitent donc plus d’efforts pour être agrégées, nettoyées et traiter par un seul outil.
  • Le champ d’analyse : le fait de croiser les indicateurs des différentes composantes du bâtiment (position, consommation d’énergie, qualité de l’air, etc.) est assez compliqué puisqu’il nécessite une analyse croisée. Les gestionnaires de parcs immobiliers ont donc besoin de compétences très pointues afin de modéliser les tendances observées dans le but de mieux les maîtriser.

Ainsi, nous nous positionnons comme un partenaire privilégié qui permettra aux gestionnaires de parcs immobiliers 
d’exploiter ces masses d’informations et de disposer d’outils informatiques sophistiqués pour une gestion optimale des ressources.

Que proposez-vous concrètement et à qui vous vous adressez dans ce cadre ?

Notre force réside dans le fait de proposer dans un mê me produit, des solutions complémentaires composées de plusieurs briques :

  • Une composante de collecte de données : nous disposons de logiciel de dernière génération capable de se connecter aux différentes sources de données. Qu’il s’agisse de fournisseurs d’énergie, de logiciels métiers, d’ERP, ou mê me d’APIs, notre outil dispose de plusieurs connecteurs qui facilitent la recherche et l’extraction de ces informations.
  • Une fonction de restitution : après la collecte des indicateurs, nous misons sur Deepki Ready, qui nous permet d’accéder à ces data lakes. Les gestionnaires de parcs immobiliers pourront donc visualiser la consommation d’un bâtiment donné en appliquant des filtres sur la période ou la région par exemple ;
  • Une brique d’analyse : après la collecte et la restitution des informations, nous effectuons des analyses opérationnelles afin d’améliorer la performance du parc. En effet, notre approche repose sur 3 principaux leviers : la gestion des contrats et donc de l’efficience économique immobilière ; la performance énergétique à travers le pilotage du parc ; et RSE dans sa globalité ou la performance sociale et environnementale du building.

Aujourd’hui, quelles sont les principales problématiques rencontrées par les entreprises et comment les accompagnez-vous pour les résoudre ?

Le grand challenge auquel les grands parcs immobiliers doivent faire face est le manque de visibilité et d’accès aux données.
En effet, un gestionnaire de 500 magasins aura du mal à déterminer de manière précise la consommation énergétique, les spécificités des contrats ou même les descriptifs techniques de l’ensemble de ses sites par exemple.
En parallèle, même s’il dispose de ces variables, il sera face à une problématique liée à l’exploitation de ces pétabytes de données. Mê me des analyses simples peuvent devenir assez complexes lorsqu’il s’agit de 10, 30 ou de 50 bâtiments. Ils doivent aussi disposer de références selon les typologies des sites afin de juger si les indicateurs qu’ils observent sur leurs tableaux de bord sont dans les normes.

Pouvez-vous nous donner des exemples concrets de projets que vous avez implémentés ?

Nous avons récemment travaillé avec le Groupement Les Mousquetaires afin de mettre en place un système de monitoring. Grâce à cette solution, ils seront capables de détecter les dérives de consommation sur un site donné à l’aide des algorithmes de machine learning.

Connectez-vous pour lire la suite.
Se connecter S’enregistrer