Un scénario d'horreur pour toute entreprise : l'un des clients les plus importants en termes de chiffre d'affaires a disparu. La direction veut connaître l'impact de cette perte sur le résultat d'exploitation. Il faut également déterminer au plus vite les conséquences sur le chiffre d'affaires, les stocks, les coûts de matériel et de personnel. En théorie, l'heure du contrôle de gestion a sonné. Dans son article, Peter Kink, auteur d'enomyc, décrit comment les entreprises peuvent obtenir rapidement une vue d'ensemble grâce à une analyse ciblée des données de masse. Et pourquoi le contrôle de l'entreprise reste malgré tout le domaine de la direction.
Une fois que la première panique déclenchée par la nouvelle de la perte du grand client est passée, voici ce qui se passe généralement dans de nombreuses entreprises de taille moyenne : les chiffres clés tels que les entrées de commandes ou le carnet de commandes des clients restants sont comparés à grands frais aux coûts existants, en termes absolus et relatifs, aux valeurs passées et à la planification. Le système ERP génère des listes que les employés analysent à l'aide de formules complexes. Après ce qui semble être une éternité, le management reçoit le résultat. Ce que personne ne sait : les chiffres sont-ils valables ? Et si oui, quelles conclusions peut-on en tirer ?
Dans une telle situation, l'évaluation des données de masse peut apporter une aide précieuse - à condition qu'elle soit correctement utilisée et mise en œuvre.
Les systèmes ERP ne fournissent que rarement les informations recherchées
De nos jours, la plupart des entreprises utilisent des systèmes ERP avec différents modules. Les possibilités d'évaluation de ces systèmes restent toutefois limitées. Même un add-on ne fournit pas forcément le résultat escompté au cas par cas, en particulier lorsque l'évaluation nécessite des données de base actualisées au jour le jour dans le système ERP.
À cela s'ajoute le fait que les formules généralement déposées dans Microsoft Excel doivent être techniquement irréprochables. Des problèmes techniques peuvent rapidement survenir, tant pour les fonctions « SI » imbriquées que pour les fonctions matricielles.
Une autre raison pour laquelle l'évaluation des données de masse devient de plus en plus difficile est la complexité croissante de tous les processus de l'entreprise. Les exigences réglementaires croissantes ou les paysages informatiques qui se sont développés historiquement avec de nombreux systèmes et interfaces rendent difficile l'évaluation de grandes quantités de données.
Il est donc d'autant plus important de pouvoir évaluer les données de masse le plus efficacement possible et en temps réel, afin de pouvoir prendre sur cette base des décisions tactiques et stratégiques importantes pour l'entreprise.
Plus l'objectif est clair, plus le résultat est pertinent
Lors de l'évaluation de données de masse, un ensemble de données est comprimé selon des critères déterminés, ou tout simplement déstructuré, afin d'obtenir une meilleure vue d'ensemble d'un état de fait. En règle générale, les données se présentent sous la forme de listes à structure simple, qui sont agrégées à un niveau supérieur.
De cette manière, il est possible d'extrapoler le carnet de commandes au niveau journalier sur plusieurs mois ou années, de représenter le chiffre d'affaires non seulement par commande mais aussi au niveau du client, d'agréger les temps de passage des étapes de production au niveau des machines ou de calculer le fonds de roulement en fonction de l'âge des stocks. Pour simplifier, on passe d'un tableau confus contenant parfois des centaines de milliers d'enregistrements à une vue d'ensemble informative et rapidement lisible avec quelques lignes et colonnes, qui affiche aussi bien des valeurs absolues que des valeurs relatives et peut même représenter des tendances.
Des données valables fournissent la base nécessaire aux suppositions
Grâce à son expertise et à son expérience professionnelle, un bon management dispose des principaux indicateurs de l'entreprise, même sans analyse de données de masse. Cette compréhension approfondie de sa propre entreprise peut être vérifiée et validée à l'aide des possibilités d'analyse esquissées et même complétée par des informations qui n'existent pas encore, par exemple des tendances ou des aperçus sur des domaines de l'entreprise qui n'ont pas été considérés dans les analyses de gestion d'entreprise précédentes. C'est précisément la force d'une bonne analyse des données de masse.
Une croyance erronée, mais malheureusement courante, consiste à croire que l'analyse de données de masse permet d'identifier des modèles ou d'en déduire des mesures concrètes - selon la devise : "Nous allons simplement évaluer les données. On trouvera bien quelque chose.
Avant d'analyser des données de masse, il convient donc de connaître et de formuler clairement l'objectif et le but de l'analyse. S'agit-il d'une évaluation pour des objectifs stratégiques ? Et qui sont les destinataires de l'analyse ? Il convient également de définir au préalable le type de résultat à obtenir. Ainsi, le résultat d'une analyse complète peut par exemple être un diagramme à barres représentant horizontalement une série chronologique et verticalement certaines valeurs. Ou une carte géographique représentant la répartition du chiffre d'affaires des clients, des recettes brutes ou des résultats.
Excel domine, mais a ses limites
L'outil le plus fréquemment utilisé pour les analyses à court terme reste Microsoft Excel. En théorie, il est possible de saisir un million d'enregistrements (= une ligne = un enregistrement) dans un simple tableau et de les comprimer ensuite en une matrice claire à l'aide de la fonction PIVOT. Avec une telle quantité de données, il faut toutefois prévoir des pannes en raison de la grande puissance de calcul nécessaire.
En outre, il existe des analyses telles que la lecture de données de machines ou de données de mouvement dans la logistique, qui peuvent dans certains cas comporter bien plus d'un million d'enregistrements. Dans de tels cas, des outils tels que Qlick, Power BI, Tableau, IBM Cognos, SAP BusinessObjects, Looker ou Domo, spécialisés dans ce type d'applications, sont capables d'analyser de grandes quantités de données en temps réel. Ces outils peuvent également être construits comme un "cockpit" et être utilisés de manière permanente pour lire des indicateurs "sur simple pression d'un bouton" afin de piloter l'entreprise.
C'est précisément dans cette situation qu'un conseiller qualifié peut apporter un soutien utile : grâce à son savoir-faire dans tous les domaines de l'entreprise, en particulier les opérations et les finances. Grâce à sa grande compétence méthodologique, il devrait en outre être en mesure d'analyser de grandes quantités de données et de donner au management des recommandations sur la marche à suivre sous la forme d'un plan de mesures. Des points importants, tels que les effets annuels sur les dépenses ou les recettes, devraient déjà être indiqués par mesure dans les plans de mise en œuvre.
