L’analyse des données n’est pas une fin en soi. La vérité est différente

Si vous ne savez pas ce que vous voulez savoir, il est très facile (si les outils nécessaires sont disponibles) de transférer chaque micro-développement dans l’entreprise, chaque processus, chaque résultat dans des tableaux colorés avec l’outil de votre choix. Cela vous occupe, pendant un certain temps, et vous avez quelque chose à présenter à vos collègues qui montre clairement à tous que quelqu’un a travaillé très dur ces derniers jours. Le meilleur, plus vous produisez de graphiques, plus vous êtes certain que personne ne les regardera et ne signalera les erreurs embarrassantes. Triple victoire, vos collègues sont impressionnés, vos supérieurs sont satisfaits et vous pouvez vous asseoir et vous détendre.

Voila ! dans cette description, le problème n’est évidemment pas seulement l’éthique de travail douteuse du protagoniste, mais surtout le fait que l’analyse des données se fait ici uniquement pour son propre compte. Et aussi scandaleuse que la scène décrite puisse paraître. Au fond, il y a malheureusement une étincelle de la réalité des entreprises. « Le mois est terminé – nous devons signaler quelque chose ». Rapidement, tout ce qui peut être trouvé (ou produit rapidement) dans les tableaux de fantaisie est rassemblé, et le travail fastidieux est fait. Mais, l’analyse des données a en fait un tout autre objectif que la pure ergothérapie pour les producteurs et les destinataires ; elle sert à acquérir des connaissances. Et c’est là que les connaissances peuvent être utilisées de manière ciblée.

Est-ce que l’acquisition de connaissances n’est pas non plus une fin en soi ?

Non, l’acquisition de connaissances n’est pas non plus une fin en soi. Plus d’informations en soi ne sont pas plus que cela : plus d’informations. Dans la grande majorité des cas, cependant, je n’ai pas besoin d’autant d’informations que possible (voir aussi mon article : Les données ne sont pas le plus grand bien de la numérisation), mais plutôt des bonnes informations pour guider mes actions ou donner aux décisions la bonne direction. En règle générale, il ne s’agit, donc, pas d’une question de masse, mais de sélection ; et cela dépend des objectifs du groupe d’utilisateurs respectif.

Le suivi de la réalisation des objectifs

Qu’il s’agisse d’objectifs de vente ou de profit classique du groupe, d’objectifs d’entonnoir des ventes et du marketing ou d’objectifs interdisciplinaires des OCR de l’entreprise : si vous voulez travailler de manière ciblée, vous devez vous concentrer sur quelques chiffres clés et ne les comparer avec le statu quo qu’à intervalles raisonnables.

Si nécessaire, quelques (rares !) chiffres-clés de soutien par chiffre-clé peuvent être utiles dans les rapports afin d’acquérir une meilleure compréhension du contexte et ainsi conduire les processus de soutien vers la réalisation des objectifs tout autant que le processus central respectif lui-même. Voici un exemple de ce à quoi peuvent ressembler de tels rapports. Pour suivre la réalisation de mon objectif, je n’ai pas besoin de tableaux de bord complets qui ne font que diluer mon travail, mais de rapports/tableaux de bord clairement adaptés qui ne contiennent que les chiffres clés pertinents. La seule exception concerne les postes où plusieurs processus de suivi des objectifs convergent, par exemple au niveau du groupe ou dans la gestion des ventes, en tant que poste supérieur de plusieurs équipes individuelles.

Un signal pour le service opérationnel

Moins, c’est plus ! Dans le service opérationnel, les données (en dehors des rapports réguliers sur le plan/réel, qui sont bien sûr également pertinents ici) doivent, généralement, guider directement l’action. Qu’il s’agisse des chiffres de vente, des marges et des quotas de retour pour le category manager*in ou des impressions, des clics et des valeurs de commande pour le marketing manager*in. Le matériel de données préparé influence, généralement, de nombreuses petites et grandes décisions chaque jour ; et doit donc être clairement adapté aux tâches de la personne concernée.

Cela signifie qu’il ne faut pas non plus que trop d’informations dans les tableaux de bord et les rapports distraient l’utilisateur des tâches urgentes de la journée de travail habituellement très chargée, ni qu’il soit obligé de calculer lui-même les chiffres clés pertinents par le biais d’une analyse complexe. Un bon moyen d’y parvenir est, par exemple, de mettre en place des alertes individuelles sur les développements pertinents (cela peut ressembler à cela dans la mise en œuvre) ainsi que des rapports approfondis, mais conçus simplement, qui rendent les informations pertinentes rapidement accessibles.

Observer, comparer et contrôler 

Il faut distinguer entre le suivi systématique des objectifs (voir point 1) et l’analyse active (voir point 4), qui consiste simplement à observer, comparer et contrôler les évolutions sur la base de données préparée analytiquement. Dans les postes de direction, dans certains domaines opérationnels et bien sûr dans le contrôle de gestion, il peut être utile d’observer l’évolution des postes de responsabilité (ou ceux liés à son propre domaine d’activité) en plus des rapports systématiques sur les plans et les faits, et de les comparer avec les évolutions provenant, par exemple.

Cela signifie que, pour ce type de surveillance ou de contrôle, des tableaux de bord configurables individuellement et faciles à filtrer sont, souvent, bien adaptés – consommés directement dans le système de BI/analyse, envoyé par courrier électronique sur une base quotidienne/hebdomadaire/mensuelle ou projetée sur un grand écran mural au bureau. Le plus grand piège dans ce scénario est, certainement, l’humeur spontanée de « Oh, c’est intéressant !” car si les tableaux de bord de suivi sont trop remplis d’informations, la régularité de la réception se perd en même temps que la clarté. Ils dégénèrent rapidement en spam, qui est supprimé dès sa réception.

Découvrir les risques et les potentiels

Plus peut certainement être plus, mais cela laisse le travail d’analyse actif ; une tâche qui est en fait généralement laissée aux spécialistes en raison de l’expertise requise. Dans ce cas, plus peut en fait être plus, parce que plus de données (ou plus minutieusement) analysées augmentent les chances de découvrir des potentiels inexploités ou des risques inaperçus. Cela est d’autant plus vrai que la question de l’orientation est moins concrète ; si l’analyse est même purement exploratoire, la devise peut en effet être sans ambiguïté : plus, c’est plus ! Cela signifie que lorsque des risques et des potentiels (encore) inconnus doivent être déterminés à partir d’une grande quantité de données, l’analyse ne peut en principe ne pas être suffisante. C’est pourquoi la clé consiste en fin de compte à laisser les machines fonctionner là où les humains ne peuvent pas le faire efficacement. Règle empirique : moins la question est concrète (c’est-à-dire plus l’analyse est exploratoire), plus l’effort d’analyse est important et plus le passage de l’homme à la machine est important.

Conclusion : connaître ses cas d’utilisation

Pour différencier ces quatre cas et fournir à chaque groupe d’utilisateurs ce dont ils ont besoin pour travailler avec les données de manière ciblée, il est essentiel que les cas d’utilisation correspondants soient déjà connus lorsque la solution de BI sous-jacente est mise en place et qu’ils soient activement intégrés à sa conception (ou, dans le cas d’une solution de BI prête à l’emploi et orientée vers les cas d’utilisation, comme minubo, qu’ils soient inclus dans la formation initiale des utilisateurs). Malheureusement, les équipes de projet BI des entreprises sont, encore souvent, très informatisées. Une grosse erreur, car sans représentants des départements spécialisés, aucune solution axée sur les cas d’utilisation ne peut être développée (voir également le Commerce Intelligence Blueprint de minubo). Comme toujours, j’attends avec impatience une conversation personnelle sur le sujet. Il suffit de me contacter à lennard@minubo.com et je vous répondrai dès que possible. Si vous aimez mes articles, abonnez-vous à la mise à jour automatique par courriel. Environ une fois par mois, il y a un nouveau message.