Les outils décisionnels sont-ils à la hauteur de leurs promesses ?
Les entreprises sont confrontées à une croissance exponentielle du volume de données et d’informations produites par leurs outils informatiques. Conscientes de la valeur potentielle contenue dans ces données, nombre d’entre elles ont mis en place ces dernières années des outils décisionnels, souvent regroupés sous l’appellation « BI » (« Business Intelligence »). Ces outils collectent puis structurent les données disponibles dans les différents systèmes d’information de l’entreprise afin de les stocker dans un entrepôt de données. Sur la base de cet entrepôt, ils permettent théoriquement de produire tout type d’analyse, rapport ou tableau de bord et ce de manière fluide, instantanée et partagée. Ils représentent ainsi la solution parfaite pour tout manager soucieux de piloter au mieux son activité, à la recherche d’un outil flexible qui puisse fournir à son gré l’ensemble des informations dont il a besoin. Cette promesse de facilité est attrayante : de cette façon, chacun peut manipuler en quelques clics des « cubes de données » afin de créer des rapports ad hoc et des tableaux de bord visuels conviviaux, correspondant exactement à leurs besoins. Malheureusement, cette promesse repose avant tout sur une offre de marketing bien pensée : pour des raisons techniques (capacité de stockage, délai d’accès aux données…), il n’est en réalité pas envisageable de mettre à disposition de tous l’ensemble des données d’une entreprise. Les besoins en matière d’analyse et de reporting doivent être pré-définis en amont, pour permettre au traitement de s’opérer efficacement.
Chaque nouveau rapport (ou évolution) nécessitera un projet spécifique, potentiellement long (3 à 6 mois), de la définition du besoin au développement. La douce promesse de flexibilité et de facilité ne sera alors plus qu’un lointain souvenir. Il est donc opportun, avant le démarrage de tout projet décisionnel, d’avoir une idée précise des indicateurs et tableaux de bord pertinents permettant de piloter efficacement les activités de l’entreprise. L’expérience montre notamment que peu d’indicateurs suffisent à représenter ou anticiper correctement la réalité. Or, faute d’anticipation, les indicateurs des projets BI définis très en amont sont souvent trop nombreux, redondants ou non homogènes et conduisent finalement à une efficacité moindre que celle obtenue si l’ensemble des acteurs se concentraient sur un jeu d’indicateurs clefs. Dans une perspective d’amélioration et de suivi continus, les indicateurs doivent évoluer dans le temps et s’adapter au contexte. Compte tenu des délais de développement de rapports BI, ces rapports n’évoluent pas avec les besoins et ne sont plus pertinents.
Par ailleurs, La dimension de « contrôle continu » avec des indicateurs d’alerte sur les processus clefs de l’entreprise, tels que les achats, n’est généralement pas intégrée. L’autre difficulté trop souvent constatée est celle de la faible importance accordée au travail effectué sur la qualité des données entrantes. Selon le fameux principe du « garbage in/garbage out », les outils de BI apporteront de la valeur ajoutée uniquement si la qualité des données en amont est bonne. Lorsque la décision de se lancer dans un projet de BI est prise, il est sage (et nécessaire) de ne considérer le choix de l’outil qu’une fois la qualité des données assurée.
Il en est de même de la conception de certains indicateurs, dont la définition, si les « règles de gestion » n’ont pas été suffisamment pensées, conduira forcément à des analyses et interprétations inadéquates.
Il est évident que la mise en place d’un outil décisionnel représente un budget significatif : le projet peut parfois s’étendre sur plusieurs mois, voire plusieurs années.
Dans notre contexte économique où les besoins de réactivité et de prise de décision sont d’autant plus prégnants, il paraît raisonnable et sensé de repenser l’approche autour de l’exploitation des données et du décisionnel, afin de concentrer les efforts sur les aspects suivants :
- La sélection des indicateurs les plus pertinents, de manière à diminuer leur nombre et les standardiser ;
- La fiabilisation des données d’entrée de ces indicateurs ;
- Le traitement des données pour produire ces indicateurs à partir d’outils déjà disponibles en interne (tout simplement les outils bureautiques standards) ou avec des outils plus évolués, mais toujours simples, peu onéreux et robustes, comme par exemple PowerBI de Microsoft.
Les trois points évoqués permettent de mettre en place un proof of concept (POC) de BI afin de bien cerner les enjeux et les contraintes, mais aussi d’entamer l’ensemble des réflexions qui éviteront de tomber dans les écueils décrits plus haut.
Chez MTLC, nous sommes spécialistes de la mise en place de solutions sur mesure de reporting : contactez-nous.