Pour une PME, comment tirer profit des milliers de données stockées en interne ? Voici les 5 étapes-clés pour mener à bien un projet data.

Les données ? Une source de valeur et d’innovation qui portent en elles les germes d’opportunités à saisir par toute entreprise, quelle que soit sa taille.

Et si l’analyse des données est désormais présente dans tous les secteurs d’activité, force est de constater que de nombreuses PME ont encore des réticences face à cette technologie qu’elles estiment trop complexe à mettre en œuvre. Pourtant, des solutions adaptées existent.

1. Formaliser les questions business

Contrairement à un réflexe fréquent, la première phase d’un projet data n’est pas de choisir l’outil informatique, mais de définir les besoins business auxquels ce projet doit répondre.

Pour la direction de l’entreprise, il s’agit de lister ses problématiques-clés et d’évaluer si l’on peut y répondre par des analyses de données.

Ces problématiques doivent être formalisées sous forme de questions précises, par exemple : comment mieux cibler mes prospects ? Comment acquérir des clients au meilleur coût ? Comment les fidéliser ? Quelles sont les produits/services les plus rentables de mon catalogue ? Quels sont les postes prioritaires pour réduire les coûts, optimiser les flux, les stocks ? Comment prévoir au mieux la gestion de la trésorerie ?…

Une étape de réflexion fondamentale qui détermine en grande partie le ROI (retour sur investissement) et la réussite d’un projet data.

2. Identifier les données et rendre leur accès possible

La deuxième phase consiste à extraire les données qui vont permettre de répondre aux questions. Ces données sont la plupart du temps chiffrées et disponibles, mais souvent dispersées dans plusieurs outils informatiques qui ne communiquent pas toujours entre eux.

La démarche typique pour constituer un jeu de données exploitables est d’identifier et de qualifier précisément les données sur lesquelles s’appuyer, à l’aide des divers métiers (finance, contrôle de gestion, commercial, marketing, production, logistique…) ; de localiser les données et d’y accéder dans les divers outils sources (ERP, back-office, outils de gestion de production ou de facturation, catalogue produits, fichier achats, base de données clients, informations du CRM, du call center, Web analytics, base de données RH…)… complétées au besoin par des données externes. Enfin, il faut réunir ces données dans un nombre limité de fichiers simples à exploiter.

3. Mobiliser les ressources nécessaires

C’est là le cœur du problème des PME ! Beaucoup s’équipent avec des solutions surdimensionnées par rapport à leurs besoins alors qu’il suffit parfois de disposer d’une version récente d’Excel et d’une personne capable de concevoir des calculs un peu complexes pour mener à bien cette étape !.

Les conseils de l’expert :

– partir des questions business pour élaborer une méthode. Quelles données pour calculer quoi ? Quelles réponses en attendre ? Pour cela, il est indispensable de disposer d’une double expertise métier et data, et, au besoin, de se faire accompagner pour l’élaboration de la méthode de calcul ;

– s’équiper en fonction des besoins connus et à venir. Quel volume de données faut-il traiter ? Faut-il faire des calculs en temps réel ou bien périodiquement ? Ces questions déterminent directement l’outil dont l’entreprise a besoin. Un simple Excel avec macros ou une solution Big Data ? On s’aperçoit souvent que, pour les PME, des outils simples sont suffisants et bien plus facilement exploitables par les équipes en interne ;

– consacrer du temps au projet, en interne comme en externe. L’équipe concernée doit dédier du temps à extraire les données, à spécifier les calculs et les résultats attendus, à les interpréter et… à les challenger ! Il ne faut pas hésiter à externaliser en demandant à un cabinet de conseil d’intervenir sur cette étape.

4. Vérifier la pertinence des réponses

La quantité de données disponibles aujourd’hui dans les entreprises, même de taille modeste, est telle qu’une équipe en charge de mener un projet data peut facilement se noyer dans ce qu’elle doit produire. Il faut sans cesse garder en tête les questions posées, et y répondre de la manière la plus simple, synthétique et visuelle possible.

Le rôle du dirigeant est ici de challenger au maximum les résultats qui lui sont présentés : les résultats répondent-ils bien aux questions business posées ? Les réponses sont-elles synthétiques et clairement exprimées ? Les réponses sont-elles opérationnelles, actionnables ? Peut-on prendre des décisions sur la base des résultats présentés ?

5. Évaluer le retour sur investissement

Souvent négligée, cette dernière étape est probablement la plus importante pour une PME. Il est indispensable pour le dirigeant de mettre en relation ce que le projet data coûte à l’entreprise et ce qu’il va lui rapporter dans le temps. Toute présentation de résultats d’analyse de données doit s’accompagner d’un récapitulatif des ressources engagées (investissements et charges) et des espérances de gains directement liés aux analyses produites par ces ressources.

Par exemple, dans une analyse de données destinée à optimiser la gestion des stocks, on compare le coût représenté par l’accès aux données, le temps de calcul, les ressources externes éventuelles, à ce que cette optimisation va générer comme économies sur les 12 mois à venir. Des questions d’autant plus primordiales lorsque l’entreprise a investi dans un logiciel, acheté des données externes, fait appel à un consultant pour l’accompagner…