Conseils sur l’analyse commerciale : Exploitez vos données pour améliorer la prise de décision

De nombreuses organisations qui pensent être axées sur les données en sont encore à la première vitesse. Comment passer de la simple collecte de nombreuses données à la mise en place d’une fonction d’analyse commerciale qui vous indique réellement comment modifier votre modèle pour améliorer la rentabilité ?

Nous avons interrogé Travis Anderson, directeur de l’analyse commerciale de Toptal, afin d’obtenir son point de vue et ses conseils sur la mise en place d’une fonction centrale au sein d’une entreprise, l’élimination des biais de reporting, l’importance de l’utilisation des données et les pièges potentiels. En tant que directeur de l’analyse commerciale de Toptal, M. Anderson dirige une équipe qui permet la prise de décisions fondées sur les données en reliant la stratégie commerciale aux activités liées aux données (c’est-à-dire l’analyse des données, le reporting, l’analyse diagnostique et la science des données).

L’analyse commerciale soutient tous les domaines fonctionnels de l’entreprise, notamment les ventes, le marketing, les finances, les produits, les opérations et les RH. M. Anderson apporte plus de dix ans d’expérience dans la création et la direction d’équipes d’analystes et d’ingénieurs pour stimuler la croissance des entreprises, notamment chez Vivint Smart Home, Symantec, Brigham Young University et dans sa startup, Mapline. Il est titulaire d’une licence et d’un master en ingénierie mécanique et d’un MBA, tous obtenus à l’université Brigham Young.

Quelles sont les utilisations de l’analyse d’entreprise ?

Selon le rapport 2020 Global State of Enterprise Analytics de MicroStrategy, l’analytique d’entreprise permet aux responsables de prendre des décisions plus éclairées et d’accroître l’efficacité opérationnelle en les aidant à utiliser les ressources plus efficacement et, au final, à optimiser les résultats.

Dans le cas de Toptal, M. Anderson a identifié quatre principes essentiels à la conduite de notre activité et à la valeur à vie des clients :

• Acquérir des clients : utiliser les données pour améliorer le processus d’acquisition de clients.
• Développer l’empreinte : comprendre comment stimuler l’expansion tant sur le plan géographique qu’au sein de la base de clients existante.
• Fidéliser les clients : trouver les points d’attrition dans le parcours client.
• Optimiser les coûts d’acquisition, de fidélisation et d’exploitation.

Ces quatre principes sont également un moyen pour l’entreprise de mesurer le retour sur investissement des données et des analyses commerciales.

Quels étaient les principaux défis de Toptal ?

Des analyses cloisonnées

Selon Anderson, le premier défi auquel il a été confronté lorsqu’il a rejoint Toptal était la transformation de l’approche interne de l’analyse. À l’époque, la plupart des équipes fonctionnelles internes effectuaient leurs analyses. La plupart des équipes disposaient d’un analyste de données, et chacun effectuait son travail sur les données, qui se concentrait principalement sur les rapports, les analyses et les analyses de tendances. Même si une culture des données existait et que les responsables hiérarchiques utilisaient les données dans leur prise de décision, la configuration était inefficace.

Chaque équipe avait une approche différente, ce qui rendait le message confus. Comme chaque groupe avait une fonction de données interne, il n’y avait pas de cohérence dans les définitions et les indicateurs clés de performance. Les discussions de gestion se concentraient souvent sur la réconciliation, ce qui pouvait être une distraction. Les définitions étant différentes, les enseignements tirés des données étaient parfois perdus.

Biais dans les rapports

Le deuxième problème découlant de la décentralisation de la collecte et de la communication des données était que chaque équipe présentait ses données de manière biaisée. Chaque fonction sélectionnait les données pour se présenter sous le meilleur jour. Cette pratique créait un manque de concentration et un manque potentiel de contrôle.

Anderson s’est lancé dans une refonte complète de l’approche et du cadre d’analyse de l’entreprise. La priorité était de créer une fonction centrale : un centre d’excellence en matière d’analyse qui existe en dehors des secteurs d’activité et sert de point de contrôle. Une fonction centrale permet de s’assurer que les données sont collectées et analysées de manière homogène et que les biais de reporting sont éliminés.

Une fois le centre établi, il est nécessaire de s’assurer qu’il est doté d’un personnel adéquat. Le premier ordre de priorité est d’identifier le manque de compétences. Pour constituer une équipe qui puisse être efficace et avoir un impact, il faut des personnes qui possèdent de solides compétences techniques, de fortes aptitudes à la résolution de problèmes, mais aussi le sens des affaires.

Comment un centre d’analyse d’entreprise apporte-t-il une valeur ajoutée ?

Selon Anderson, la principale valeur ajoutée de la création d’une fonction centrale de données et d’analyse d’entreprise est l’amélioration des performances et la réduction des coûts. Tant qu’une entreprise ne mesure pas ses performances de manière cohérente dans le temps, il est difficile pour la direction d’améliorer les performances de manière significative.

La première étape consiste à établir la cohérence des mesures et à quantifier un objectif basé sur ces mesures convenues. Cela a l’effet comportemental essentiel de motiver le personnel – comme le souligne Anderson, comment motiver les gens s’il n’y a pas d’objectifs ? En outre, toute mesure quantitative est préférable à l’absence de mesure. De l’avis d’Anderson, « si vous commencez à mesurer une seule chose, vous pouvez constater un réel avantage – soit parce que vous pouvez l’influencer, soit parce que vous pouvez voir qu’elle n’est pas pertinente. »

L’équipe d’Anderson soutient toutes les fonctions de l’entreprise et tient des réunions hebdomadaires ou bihebdomadaires avec chacune d’elles. La première partie du travail consiste à assurer la collecte de données correctes. Cette collecte sert un objectif comportemental pour motiver les gens à faire leur travail et attribuer un « score » à leur performance.

Choisir les bons KPI

Une fois que des données cohérentes et de qualité ont été collectées, le plus grand défi se présente : évaluer quels sont les bons KPI pour chaque unité opérationnelle. L’évaluation commence du haut vers le bas. L’équipe d’analytique d’entreprise trace la stratégie de l’entreprise en matière de données, de sorte que les KPI d’analytique d’entreprise sélectionnés soient utiles en termes d’informations et de signification, tant au niveau descendant qu’au niveau de l’entreprise.

Voici quelques-unes des questions qui mènent à l’établissement des KPI appropriés :

• Quels sont les indicateurs clés ?
• Sont-ils financiers ?
• Sont-ils basés sur les opérations ?
• Quel est le cadre de ce que l’équipe mesure ?
• Les individus doivent-ils être responsables de la réalisation d’objectifs spécifiques ?
• Comment seront-ils évalués ?

Il est primordial que l’équipe d’analytique d’entreprise comprenne parfaitement l’entreprise et sa stratégie. Chez Toptal, la mission de l’entreprise est fortement soutenue au sein de l’entreprise.

Les données sont traitées et étudiées à l’aide d’une modélisation statistique et de prévisions solides. Cependant, il est important de noter que le résultat de l’analyse n’est pas une décision, mais plutôt des données quantitatives qui aident à faire de meilleurs choix. En fin de compte, toutes les décisions d’affaires sont la responsabilité du chef d’entreprise. Il existe un partenariat entre les parties prenantes et l’équipe chargée de l’analyse des données et des activités, dans le cadre d’un processus itératif. Une fois qu’une décision est prise, les données doivent la soutenir. De plus, les indicateurs clés de performance sont régulièrement réévalués pour s’assurer qu’ils sont toujours alignés sur les priorités stratégiques de l’entreprise.

Le processus n’est pas toujours sans douleur. Parfois, il peut y avoir des frictions entre les parties prenantes, car il y a beaucoup de retour d’information dans les données. Tous les managers ne sont pas également réceptifs à ce type de feedback. Anderson considère que sa responsabilité est de fournir une recommandation digeste et d’éduquer les cadres sur la manière d’interpréter les informations extraites des données.

Mauvaise lecture des données

M. Anderson a évoqué les conséquences négatives qu’une entreprise peut rencontrer en cas de manque de discipline interne dans la collecte et l’analyse des données. Lors d’une mission précédente, il avait rencontré une entreprise dont une grande unité commerciale était responsable d’une part substantielle des revenus de l’entreprise. Cette unité commerciale comptait plusieurs représentants commerciaux qui étaient collectivement responsables de revenus de plus de 200 millions de dollars. Cependant, cette équipe mesurait ses revenus différemment du reste de l’entreprise et les déclarait dans un système distinct.

Lors d’un changement de direction, un nouveau cadre ne s’est pas rendu compte que les données n’étaient pas cohérentes et a licencié tous les membres de l’équipe – ils s’étaient fait une fausse idée des données et pensaient que l’équipe n’était pas performante. La décision a été prise sur la base de chiffres erronés et incohérents dans le système ERP. Au final, l’erreur s’est élevée à 50 millions de dollars. Cette anecdote illustre de manière frappante pourquoi la discipline en matière de gestion des données de référence est cruciale, en particulier pour les entreprises qui font l’objet d’une intégration par fusion et acquisition.

Les pièges courants au démarrage et comment les éviter

Anderson a rencontré deux problèmes typiques dans les entreprises qui commencent à explorer l’analyse des données. Ces problèmes se situent à deux extrémités du spectre. Tout d’abord, les entreprises se lancent parfois dans de grandes initiatives pour collecter des données parfaites qui ne sont finalement pas utilisées. Le second problème est celui des entreprises qui ne commencent même pas d’analyse en raison de la mauvaise qualité de leurs données. Le conseil essentiel que donne Anderson ici est que, même lorsque les données ne sont pas fiables, la mesure de quelques indicateurs clés de performance critiques offre des informations utiles. Cela permettra à l’entreprise d’apprendre comment rendre les données plus fiables.

Plus de données, est-ce toujours mieux ?

S’il est essentiel de mesurer les bons indicateurs clés de performance, il convient de noter que trop de données (ou des données non pertinentes) ne sont pas nécessairement meilleures. Une mesure non ciblée brouille la prise de décision et peut être une source de distraction. Il est plus efficace de commencer par mesurer un petit nombre de points de données essentiels, de manière cohérente et correcte.

L’efficacité de l’équipe d’Anderson est mesurée par rapport aux quatre principes ci-dessus : acquisition de clients, expansion de la présence, fidélisation des clients et optimisation des coûts. Pour chacun d’entre eux, l’impact est mesuré et quantifié, ce qui permet de calculer le retour sur investissement du travail de l’équipe. Si l’équipe a effectué un grand nombre d’analyses mais n’a pas inspiré de changement, son travail a été inefficace. En fin de compte, le succès de l’équipe signifie avoir une influence mesurable.

Les principes directeurs d’Anderson pour l’analyse d’entreprise

Les nombreuses idées d’Anderson peuvent être distillées en quelques conseils d’analyse d’entreprise pour une mise en œuvre réussie de l’analyse des données.

Tout d’abord, la mission d’une telle équipe est de faire évoluer l’esprit des dirigeants par des mesures quantitatives et de les influencer au quotidien. Il s’agira de petits changements progressifs dont l’impact sera renforcé par des itérations et des améliorations continues.

Deuxièmement, l’équipe de business analytics ne fournit pas de décisions mais des informations qui peuvent guider les dirigeants. Les chefs d’entreprise restent toujours responsables de la stratégie de l’entreprise.

Troisièmement, l’impact de la fonction d’analyse d’entreprise doit être mesurable et avoir un retour sur investissement.

Enfin, il vaut mieux commencer par un ensemble limité d’indicateurs clés de performance (KPI) d’analyse d’entreprise que de ne pas mesurer du tout les données. En outre, ce processus crée une culture de l’excellence des données dans une organisation. Les entreprises qui s’y prennent correctement obtiendront toujours de meilleurs résultats, même si, au départ, le processus est techniquement délicat, coûteux et nécessite un changement de culture. Les entreprises qui persistent et réussissent le processus ont tendance à retenir les talents, à être plus performantes et à promouvoir une culture de la responsabilité.