Analytics : les bonnes pratiques pour piloter son activité commerciale
Publié par Philippe Leroy le | Mis à jour le
Une PME française sur cinq exploite aujourd’hui une solution d’« analytics ». Ces outils servent à automatiser le reporting de ventes, prédire des fluctuations du chiffre d’affaires ou même analyser le comportement client. À la clé : des gains de productivité et de réactivité. Tour d’horizon des usages, contraintes et bénéfices de ces solutions.
Faire parler les données afin de développer son business. Dans des secteurs tels que les banques et assurances, le commerce ou encore l’industrie, des solutions d’analytics traitent quotidiennement d’importants volumes de données afin d’identifier des nouveaux leviers de croissance, automatiser des process ou simplement aider les dirigeants à prendre des décisions avisées, basées sur des statistiques terrain, et pas uniquement sur l’expérience ou l’intuition.
Progressivement, les PME prennent également le chemin de l’analytics. En 2017, elles étaient 14 % à utiliser ce type d’outil en France, selon une étude réalisée par YouGov pour Tableau Software. Aujourd’hui, selon diverses sources, elles seraient entre 20 et 25 % à exploiter ces solutions. « En 2014, nous avions une dizaine de PME clientes en France. Aujourd’hui, nous en comptons plusieurs milliers, issues de tous les secteurs d’activité », confie Edouard Beaucourt, directeur France et Europe du Sud de Tableau Software.
Même son de cloches chez Microsoft France. « Notre solution « Power BI » affiche un taux de croissance de 140 % », indique Pauline Maillard, directrice de la division Dynamics de Microsoft France
Si une dynamique est clairement engagée du côté des PME : un paradoxe subsiste.
Près de 60 % de leurs dirigeants reconnaissent effectivement la valeur commerciale de l’analyse des données, selon une autre étude de YouGov (1). Pourquoi sont-ils alors minoritaires à franchir le cap de l’analytics ?
« Il y a un frein purement psychologique. L’analytics est perçu comme un domaine techniquement complexe. Les patrons de PME se disent alors : « Ce n’est pas pour moi ! » Ils pensent également que cela coûte très cher », résume Amir Tamouza responsable de compte mid-market pour la France chez Alteryx.
L’étude YouGov met aussi en avant une problématique de compétences. Plus d’un tiers des répondants (34 %) rencontre des difficultés pour recruter des employés possédant des compétences en analytics. Et 27 % soulignent qu’en interne, les employés traitant déjà des données, ne possèdent pas réellement les compétences pour aller plus loin.
C’est là qu’interviennent les solutions analytics dédiées au PME, proposés par des éditeurs tels que Tableau, Qlik, Alteryx, Coheris, SAS ou Microsoft.
Ces outils permettraient à n’importe quel employé, un peu familiarisé avec la manipulation de données, de structurer de la data, construire des dashboards et même lancer quelques premières opérations de data mining. Nul besoin de recruter de data scientist et autre data analyst, assurent ces éditeurs. Un responsable commercial, un contrôleur de gestion ou un directeur des ventes peut tout à fait utiliser ces outils, de manière autonome, sans l’appui d’un informaticien.
Les solutions d’analytics dédiées aux PME seraient ainsi relativement faciles à prendre en main, leur manipulation s’effectuant sans lignes de codes, principalement grâce à du « glisser-déposer » d’éléments de l’interface.
« Les PME ont les mêmes besoins et rencontrent les mêmes enjeux que les grandes entreprises autour de l’analyse de données, mais elles disposent de moins de moyens, notamment au niveau des équipements informatiques et des responsables IT », indique Myleine Lacoste, directrice commerciale des marchés en développement de SAS Software.
« Nos interlocuteurs chez les PME ne sont donc pas les DSI, une fonction qui n’existe pas toujours, mais directement la direction commerciale ou marketing. Il leur faut des outils adaptés, c’est-à-dire simples et intuitifs ».
Reporting et dataviz
Quels sont les principaux usages de ces solutions ? Le premier reste le reporting, indique l’ensemble des éditeurs. Bilan commercial, rapport de ventes… grâce à l’analytics ces informations sont affichées dans des tableaux de bords, censés être plus lisibles qu’une feuille de calcul Excel.
Par rapport à un tableur, les solutions d’analytics sont également capables de gérer de plus gros volumes de données et le traitement des informations est beaucoup plus rapide. « Manipuler un fichier Excel volumineux peut prendre plusieurs minutes, alors que notre solution affiche des résultats en quelques secondes », assure Amir Tamouza.
Mais surtout, la génération et la diffusion de ces tableaux de bords peut-être automatisée. Une fois la solution analytique paramétrée et connectée aux sources de données commerciales, elle va automatiquement construire les dashboards et les envoyer aux personnes concernées, selon la périodicité demandée. « Il n’y a plus de saisies manuelles qui sont sources d’erreurs et particulièrement chronophages », souligne Bruno Chotin Directeur Alliances & Product Management chez Coheris. « Les tableaux de bord sont ainsi diffusés plus régulièrement et à davantage de personnes. Le mode de diffusion (par email, par connexion directe à la solution…) peut également être paramétré ».
Usage un peu plus évolué : le croisement de données. Le principe est ici de lancer une requête sur un périmètre d’activité, une période spécifique, un produit ou une zone géographique, pour identifier des tendances. L’idée est de répondre à des interrogations du type : « Quel produit se vend à tel endroit, à tel moment, auprès de quels clients, après telle opération commerciale… ? ». L’utilisateur peut aussi naviguer sans postulat de départ. « L’ergonomie simplifiée de ces solutions permet de naviguer dans les données, sans schéma prédéfini, au fur et à mesure de sa réflexion, afin de trouver des concordances auxquelles on n’aurait pas pensé », souligne René Bergniard, vice-président France, Central Europe & MEA, de Qlik.
Au-delà du « dataviz », ces outils intègrent aussi des fonctions prédictives. Le principe est ici d’exploiter des algorithmes statistiques, qui vont notamment travailler sur les historiques de données, pour prédire par exemple une évolution des ventes. Il est ainsi possible de « projeter des saisonnalités de vente » et anticiper une variation du chiffre d’affaires sur telle ou telle période.
Le niveau d’analyse le plus élevé est celui du « data mining », qui permet d’aller encore plus loin dans l’exploration des concordances entre les données. Il s’agit par exemple d’analyser le comportement client, grâce aux données issues des plateformes CRM, des logs d’un site marchand, etc. Ces informations sont croisées avec des profils clients (âge, sexe, niveau social, localisation…) afin d’établir des corrélations.
« Aller vers la data science est l’étape d’après. Elle va permettre d’aller au-delà de la constatation pour modéliser des phénomènes complexes, comme le comportement des clients, afin d’en améliorer sa connaissance », indique Bruno Chotin de Coheris. Cette approche nécessite en général l’intervention d’un expert en analyse de donnée. Même s’il offre beaucoup de potentiel, le data mining reste minoritaire auprès des PME. « La visualisation des données représente environ 70 % des usages de nos clients PME. Les fonctions de prévisions de ventes sont exploitées par 20 % et moins de 10 % font de la data science », indique-t-on chez SAS Software.
Gagner en réactivité et en productivité
Quels sont les principaux bénéfices de ces outils ? Le plus cité par les offreurs reste la réactivité. « L’entreprise gagne en réactivité, car elle va rapidement savoir si elle est en phase avec ses objectifs, si certaines opérations commerciales fonctionnent ou non… et prendre les mesures nécessaires », explique René Bergniard de Qlik.
L’autre principal bénéfice serait le gain de temps et donc la productivité. Comme évoqué précédemment ces solutions sont automatisées et ne nécessitent plus de longues opérations de saisie sur tableurs. « L’analytics permet aussi de centraliser l’accès aux données via une seule et même interface. Un commercial, sans solution analytics, va visualiser en moyenne 7 écrans avant de trouver une réponse à une demande client. Avec l’analytics, tout est accessible depuis un seul écran en quelques clics », souligne Pauline Maillard de Microsoft France.
Le partage d’informations est également mis en avant par les éditeurs. « Les informations circulent plus facilement dans l’entreprise car les tableaux de bord peuvent être largement partagés. Il y a une réelle dimension collective dans les outils d’analytics », indique Myleine Lacoste de SAS Software. « La démocratisation de la donnée est très importante.
Dans les PME, très peu de personnes ont accès aux données. Elles sont très compartimentées. L’analytics permet de casser ces silos », confirme Edouard Beaucourt de Tableau Software.
Parmi les autres bénéfices cités : l’amélioration de la qualité de la donnée, la traçabilité de la data ou encore l’autonomie des métiers qui peuvent gérer eux-mêmes les solutions, sans nécessiter l’intervention des équipes IT.
La SaaS ne fait pas l’unanimité
Le déploiement des solutions analytics se fait sur poste de travail, sur serveur (local ou dans le cloud) ou en mode SaaS. Ces trois formules subsistent. Si le mode hébergé intéresse de plus en plus les PME : « Nous n’avons pas constaté de raz de marée au niveau du SaaS », indique René Bergniard de Qlik. Même observation chez chez Coheris. « Il y a une accélération du SaaS. Mais cette solution ne fait pas encore l’unanimité », indique Bruno Chotin.
Chez Tableau Software, deux tiers des clients ont choisi le mode SaaS ou l’hébergement sur un serveur cloud. Mais un tiers des PME préfèrent encore la solution « on-premise ». « Le principe retenu par la plupart des PME est que la solution analytics doit être proche du « centre de gravité » des données, c’est-à-dire là où elles sont hébergées. Si les applications métier de l’entreprise sont principalement dans le cloud, alors elles vont prendre une solution analytics également dans le cloud. Mais si les données sont surtout en local, alors elles vont s’orienter vers une solution analytics sur un poste de travail ou un serveur local », confie Edouard Beaucourt. Ce « centre de gravité » est tout de même en train de se déplacer vers le cloud, s’accordent à dire l’ensemble des éditeurs. « C’est l’avenir, aujourd’hui 100 % des nouveaux projets sont en SaaS », indique-t-on chez Qlik.
Une fois le mode d’hébergement de la solution choisi, il faut passer par une phase incontournable de préparation de données. Il s’agit par exemple de supprimer les doublons, de repérer les données manquantes ou erronées, d’ajouter des qualifications… et surtout de centraliser l’accès aux data dispersées un peu partout sur le SI. Cela peut être fait directement dans les solutions d’analytics qui intègrent notamment des moteurs d’indexation.
Ensuite, il faut paramétrer les sources de données. Les solutions d’analytics peuvent se connecter à de multiples sources, comme les fichiers Excel des équipes commerciales, du marketing ou des RH. Elles peuvent également se connecter aux API des logiciels présents dans l’entreprise, tels que l’ERP ou le CRM. Elles peuvent aussi scanner les entrepôts de données et autres data lakes.
Dernière étape : construire les premiers dashboards, en choisissant les données à traiter, le type de présentation, le périmètre de diffusion de l’information, etc.
Toutes ces opérations de démarrage peuvent être réalisées par un seul collaborateur. « Nous identifions une personne qui a une certaine appétence pour la manipulation de données, par exemple quelqu’un de la direction commerciale ou financière. Nous déployons la solution sur son poste et nous lui présentons les principales fonctionnalités », explique Amir Tamouza d’Alteryx.
Des formations d’un à trois jours sont également proposées par la plupart des éditeurs. Les distributeurs et intégrateurs de solutions proposent également des prestations d’accompagnement.
Les éditeurs insistent également sur l’aide en ligne des communautés d’utilisateurs. « La communauté Altyeryx est composée de 14 000 utilisateurs actifs. Une question posée en ligne aura une réponde en quelques minutes », assure Amir Tamouza.
Notons que plusieurs solutions peuvent cohabiter. Tableau fonctionne par exemple conjointement avec Alteryx (lire encadré sur dr. Brandt Skincare). Quant à Excel, il n’est pas forcément question de l’abandonner. Tous les éditeurs évoquent une demande persistante des PME pour garder le tableur et même disposer de passerelles avec les solutions analytics. « Nous proposons une fonction, dite « add in office », qui permet de travailler dans l’environnement Excel, mais avec la puissance de calcul de nos solutions analytics. Certains postes, comme les contrôleurs de gestion, ne sont pas prêts à se passer d’Excel », explique-t-on chez SAS Software.
Données externes, IA et langage naturel
Selon les éditeurs, de récentes évolutions des solutions analytics devraient encore accélérer leur adoption par les PME. La principale est l’utilisation du langage naturel pour lancer les requêtes d’analyses de données. « L’utilisateur énonce oralement une question, sur son ordinateur ou son smartphone. Par exemple : » donne-moi le chiffre d’affaires de tel produit sur telle période et compare-le avec la même période l’année précédente ». Et grâce à la reconnaissance vocale, le système lance automatiquement la requête », explique René Bergniard de Qlik.
Autre évolution : l’intégration de données externes à l’entreprise. Les solutions d’analytics pour PME exploitent aujourd’hui principalement des données internes. Mais elles s’ouvrent progressivement à des sources d’information externes, comme la météo ou des bases de données sociodémographiques. « Certaines activités, comme le prêt à porter, ont une très grande saisonnalité. Mais l’impact météo n’est pas forcément le même à Marseille qu’à Lille. Grâce aux données méteo, il est possible de détailler cet impact et même de le prédire », explique-t-on chez Qlik.
Enfin, les technologies issues de l’Intelligence artificielle (IA), comme le machine learning ou le deep learning, devraient prendre une place de plus en plus importante dans les outils d’analytics, en complément des algorithmes statistiques. Début avril, Microsoft par exemple commercialisé sa solution « Dynamics 365 AI for sales », qui exploite des briques d’IA. « Elle permet d’aller encore plus loin, avec des recommandations plus précises pour les dirigeants et les équipes terrain », assure Pauline Maillard. « La solution va par exemple indiquer directement à un commercial le prospect qui présente les meilleures opportunités pour lui, en fonction de différents critères qui permettent de générer un score sur 100 ».
Cette évolution de la visualisation de données vers l’aide à la décision grâce à l’IA, représenterai l’avenir de l’analytics, indiquent les éditeurs. « Nous sommes convaincus que nos solutions vont accélérer les prises de décidions grâce aux moteurs de recommandation. Mais l’humain restera au centre du jeu », conclut Edouard Beaucourt de Tableau Software.
L’analytics : Combien ça coûte ?
Les éditeurs assurent avoir pris en compte les budgets restreints des PME pour leur proposer des solutions à des prix « adaptés ».
Concrètement, quel est le ticket d’entrée d’une solution analytics et combien coûte-t-elle chaque année ? Ces solutions sont proposées à partir d’environ un millier d’euros par an et par utilisateur.
Ces licences individuelles peuvent être multipliées dans l’entreprise. Mais lorsque leur nombre dépasse quelques dizaines, il peut être plus intéressant de passer à un mode serveur. L’application est alors installée sur un serveur local ou dans le cloud, et peut être utilisée par un nombre illimité utilisateurs. Il en coûte alors de 10 000 à plus de 50 000 euros par an et par serveur, selon la puissance de ce dernier.
Enfin, si ces solutions peuvent théoriquement être déployées directement par les utilisateurs, bon nombre de PME se font accompagner par des revendeurs/intégrateurs pour les implémenter et se familiariser avec leur utilisation. Ce type de prestation, intégrant quelques jours de formation, revient en général moins d’une dizaine de milliers d’euros.
Témoignages : 2 cas d’usage de l’analytics
Dr. Brandt Skincare : « l’anatytics nous a fait gagner en réactivité »
Spécialisé dans les produits cosmétiques haut de gamme, dr. Brandt Skincare a déployé en 2018 deux solutions d’analytics : Alteryx et Tableau.
L’objectif était d’automatiser le reporting de vente pour gagner en réactivité. « Nous traitions manuellement les résultats de vente de près de 2000 magasins dans Excel, ce qui nous prenait jusqu’à deux jours par semaine », confie Vincent Palasse, Business Intelligence Manager. « Avec l’analytics nous avons automatisé ces tâches. Cela nous a pris une semaine pour paramétrer les solutions. Mais désormais, tous les lundis matin, nous avons un reporting des ventes qui est diffusé automatiquement auprès de la direction comme des commerciaux sur le terrain ».
Cette PME américaine utilise Tableau pour la partie dataviz et Alteryx pour le traitement des données. « Les deux solutions sont très complémentaires ». Usage plus récent : dr. Brandt Skincare a paramétré ses solutions pour trouver l’agent commercial le plus proche d’un magasin, en fonction du temps de conduite. « C’est un arbitrage automatique, basé sur le temps de trajet ». L’entreprise prévoit également d’exploiter les fonctions prédictives des solutions analytics pour optimiser sa gestion d’inventaires et sa production.
ekWateur : « Avec l’analytics, je pilote l’activité commerciale quotidiennement »
La startup française ekWateur fournit à plus 75 000 particuliers de l’électricité 100 % renouvelable, du gaz et du biométhane.
Ce fournisseur d’énergie « alternatif » utilise la solution de Tableau Software depuis 2016. « Nous utilisons des tableaux de bord dynamiques pour piloter nos principales activités commerciales : achat d’énergie, vente, service client et finances », explique Julien Tchernia, président et co-fondateur.
« Cela nous permet d’avoir une vision quotidienne de notre activité commerciale. Lorsque nous utilisions des tableaux Excel, cela prenait tellement de temps à réaliser que je faisais un point une seule fois par mois ».
Au-delà du dataviz, ekWateur utilise également l’analytics pour analyser le comportement client. « En faisant des recherches, un peu au hasard, nous avons identifié une corrélation entre le canal d’acquisition de nos services (comparateurs de vente, achats groupés, vente en direct) et la moyenne d’âge des clients.
Sans l’analytics, nous n’aurions jamais vu ce rapport. Cela nous permet d’orienter différemment notre stratégie commerciale ». En 2019 : la jeune pousse prévoit de déployer Tableau pour le contrôle de gestion
(1) Enquête, menée par YouGov, cabinet international d’études de marché, a été menée auprès de 401 dirigeants dans diverses PME en France, du 10 au 16 octobre 2018.