Gestion de la performance de l'entreprise : aussi pertinent qu'impopulaire
La gestion des performances de l'entreprise (EPM en anglais pour Enterprise Performance Management) fait référence à l'ensembles des leviers permettant d'augmenter la rentabilité d'une activité. Ce concept est essentiel dans le développement d'une entreprise mais cache une grande impopularité. Nous allons voir dans cet article en quoi la gestion de la performance de l'entreprise doit impérativement devenir essentielle.
Si l'on compare l'Enterprise Performance Management à un terme populaire comme le Big Data, on observe une très grande différence de popularité :
Si l’on se place du point de vue de la tendance du marché, il est juste de reconnaître que le marché des logiciels de GPE (EPM en anglais) a accusé le coup face à l’engouement suscité par les tendances technologiques du monde de la gestion de données, comme sont l'analyse commerciale et, plus particulièrement, le big data.
Au cours des quatre dernières années, au moins, l'intérêt pour le big data s’est accru de façon spectaculaire, ce qui en fait un énorme marché émergent dans l'industrie des logiciels. La même chose s'est produite avec d'autres solutions liées à la gestion des données, comme les logiciels de d'Analyse de Données.
Une différence si marquée nous oblige à nous demander combien d'entreprises ont sauté tête baissée dans le train des données plutôt que de prendre une décision mesurée et réfléchie concernant la meilleure façon de lancer une initiative en lien avec leur big data pour s'adapter à la plus grande infrastructure de gestion de données en place, en particulier en ce qui concerne la coexistence et la collaboration effectives entre le système et les solutions de GPE et d'analyse existantes.
Ne vous méprenez pas, je ne suis pas contre le déploiement de grandes solutions de big data et de tous ses avantages potentiels. Au contraire, je pense que ces solutions modifient le paysage de la gestion des données dans le bon sens. Mais je ne peux nier qu’au cours des dernières années les entreprises ont fait part, à juste titre, de préoccupations quant à l'efficacité de leurs stratégies basées sur le big data et qu’elles ont remis en cause sa valeur dans la gestion globale des données, des machines déjà en place, en particulier aux côtés des solutions de GPE et d'analyse, indispensables pour mesurer les performances et fournir les bons outils de stratégie et de planification.
Analyse de données, GPE et Big Data : le grand casse-tête
Une étude pour laquelle des chercheurs ont interviewé 1 800 cadres supérieurs en Europe et en Amérique du Nord, publiée par Iron Mountain et PwC, et intitulée comment les organisations peuvent-elles libérer de la valeur et mieux se connaître grâce aux informations qu'elles ont en leur possession, a conclu que :
« Les entreprises de tous les secteurs ne parviennent pas à tirer parti des données. »
Encore plus intéressant, dans le même rapport, lors de l'évaluation de ce qu'ils appellent un indice de la valeur de l'information, les auteurs se sont rendu compte que :
« Le secteur des entreprises, dont l’indice est de 52,6, n’est que légèrement plus performant que le marché intermédiaire (48,8). »
Pour certains, dont moi-même, cette déclaration est surprenante. On aurait pu imaginer que les grandes entreprises, qui possèdent généralement de grandes infrastructures de gestion de données, auraient logiquement maîtrisé, ou au moins atteint, un niveau de maturité acceptable avec leurs opérations générales de gestion de données. Mais malgré la disponibilité d'un plus grand nombre d'outils et de solutions pour traiter ces données, d’une part, elles rencontrent des problèmes importants pour trouver le bon moyen de permettre aux sources de données existantes et nouvelles de jouer un meilleur rôle au sein de la mécanique propre à l'entreprise. D'autre part, on peut se demander comment ces solutions peuvent fonctionner correctement avec les solutions de gestion de données existantes telles que les solutions de GPE et l’informatique décisionnelle (ID).
Malgré plusieurs grandes réussites du big data (car des exemples il y en a bel et bien, comme Bristol-Myers Squibb, Xerox et The Weather Company), certains travailleurs de l'information, en particulier ceux présents dans des domaines clés de l'entreprise, comme les finances et autres domaines connexes :
- ne comprennent pas le potentiel des initiatives du big data dans leurs secteurs d'intérêt et ne savent pas comment les utiliser à leur avantage dans l'exécution opérationnelle, tactique et stratégique et dans la planification de leur organisation, plutôt que de les utiliser pour des décisions tangentielles ou pour des tâches de gestion en silos pertinentes.
- sont souvent submergés par des demandes quotidiennes et par la pression d’avoir à livrer des données dans des quantités définies par ce dont ils disposent déjà. Cela implique des difficultés pour intégrer efficacement ces projets avec leurs propres outils de gestion.
De plus, il semble que, pour un certain nombre de travailleurs de l'information, la planification et l'exécution des activités financières, les processus et les opérations clés restent isolés des autres activités directement liées à leurs domaines d'intérêt.
L'intérêt pour la gestion de la performance d'entreprise n'a pas diminué
En revanche, malgré la forte croissance et l’engouement pour les solutions d’analyse avancée de big data, pour certains hommes d’affaires, en particulier dans des domaines tels que les finances et les opérations, l'intérêt pour le marché des logiciels de GPE n'a pas diminué.
Dans chaque organisation, les personnes clés de ces secteurs capitaux pour l'entreprise comprennent que l'amélioration des opérations et des performances est un objectif organisationnel essentiel. Les entreprises doivent encore réduire le coût de leurs cycles de GPE et les rendre plus flexibles pour répondre rapidement aux besoins de l'organisation. Cela implique souvent de s'appuyer à la fois sur des pratiques traditionnelles et sur des capacités logicielles.
Les activités telles que les rapports financiers, le suivi de la performance et la planification de la stratégie ont toujours un rôle important dans toute organisation intéressée pour améliorer ses performances et son efficacité opérationnelle :
Perception de la population sondée sur la pertinence de la fonctionnalité de GPE (%)
(Source : rapport 2016 sur la conjoncture du marché concernant la gestion des performances de l'entreprise : réussite commerciale avec le logiciel de GPE)
À mesure que les nouvelles technologies pénètrent le monde de l'entreprise, il reste un fait essentiel : les organisations ont encore des problèmes commerciaux à résoudre, y compris la planification du budget et des ventes, la consolidation financière et l’émission de rapports.
Non seulement de nombreuses organisations considèrent les aspects fondamentaux de la solution de GPE comme pertinents pour leurs pratiques, mais en plus un nombre croissant d'entre elles sont également plus conscientes de l'importance d'effectuer des tâches spécifiques avec le logiciel. Cela indique que les organisations ont besoin d'améliorer continuellement leurs opérations et leur performance commerciale et d'analyser les informations transactionnelles tout en faisant évoluer et en élargissant leur pouvoir analytique au-delà de cette limite.
Comment combiner GPE et technologies de Data Management ?
Face à la nécessité d'une meilleure intégration, certaines entreprises trouveront qu'elles doivent déployer de nouvelles solutions de gestion de données, tandis que d'autres devront faire en sorte que les pratiques de GPE existantes fonctionnent avec les nouvelles technologies afin d'accroître la précision de leur analyse et de stimuler leurs performances.
Dans les deux cas, un certain nombre d'organisations ont adopté une approche holistique, pour équilibrer les besoins de l'entreprise en prenant une série de mesures afin de permettre l'intégration de solutions de gestion de données. Voici quelques-unes de ces mesures :
- adopter une approche commerciale réaliste en matière d'intégration technologique. Comprendre le modèle d'entreprise et ses processus est le point de départ. Mais alors que la faisabilité technique est essentielle, il est tout aussi important de prendre en compte une démarche commerciale pratique pour comprendre comment une entreprise génère de la valeur grâce à l'utilisation des données. Pour une meilleure compréhension, cela implique généralement une approche axée vers l’extérieur, en prenant le contrôle des données provenant de sources internes et celles qui pourraient provenir de canaux d'information structurés et/ou de ressources physiques (production, vente, bons de commande, etc.). Ce n’est qu’une fois que cela est fait qu’il est possible d’identifier le potentiel des données externes. Dans de nombreux cas, il se matérialise sous forme de données provenant de ressources non physiques (branding, expérience client) qui peuvent profiter directement au processus spécifique, qu’il soit nouveau ou déjà implanté.
- identifier comment les données fournies par ces nouvelles technologies peuvent être exploitées. Une fois que vous comprenez le modèle d'entreprise et la façon dont les points spécifiques des big data peuvent profiter au processus existant de mesure de performance, il est possible d'analyser et de comprendre comment ces nouvelles sources de données entrantes peuvent être incorporées ou intégrées dans le cycle existant d'analyse de données. En d’autres termes, il s’agit de comprendre comment elles seront collectées (période, fréquence, niveau de granularité, etc.) et comment elles seront préparées, organisées et intégrées dans le processus existant afin d'accroître sa disponibilité pour ce modèle-ci d'entreprise.
- savoir comment augmenter la valeur des données. En reconnaissant et en faisant en sorte qu'une ou deux de ces sources se connectent efficacement et améliorent le catalogue d'analyse existant, les organisations peuvent créer une base de gestion de données solide. Une fois qu’elles ont identifié où ces nouvelles sources d'information peuvent apporter plus de connaissances quant aux processus commerciaux courants, la valeur des données peut être extrapolée pour expliquer le comportement et les besoins de la clientèle, pour voir comment le marketing affecte les variations du chiffre de vente, ou encore pour savoir quelles sont les zones de commercialisation qui ont le plus besoin de processus de fabrication améliorés.
Plus facile à dire qu’à faire, me direz-vous, et l'effort que cela suppose est certainement considérable, mais si vous pensez en termes de stratégie commerciale globale, il est logique de considérer une approche technico-commerciale, car elle peut avoir un impact direct sur l'efficacité et le succès des projets de GPE et de big data, en même temps qu’elle suppose de meilleurs garanties d'adhésion, de compréhension et d'engagement de la part des utilisateurs.
Conclusion
Les entreprises doivent comprendre comment elles peuvent augmenter la valeur des données en intégrant les principaux éléments des big data avec le cycle « traditionnel » de gestion des données afin de collaborer efficacement au processus de gestion de la performance, du suivi financier des entreprises jusqu’à la planification et la stratégie.
Alors que les stratégies de gestion des performances d'entreprise sont très actives, de nouvelles technologies de gestion de données peuvent être mises en œuvre à leurs côtés afin d'élargir les capacités et l’envergure du logiciel de GPE.
Le plein potentiel des big data pour la GPE ne sera atteint que lorsque les entreprises pourront exploiter pleinement toutes les données à leur disposition, internes et externes, au bénéfice du même objectif de gestion de performance commerciale, afin de mieux appréhender leur potentiel induit par leur niveau de connaissance.