Du tableau Excel à l'automatisation : le changement de paradigme nécessaire de la finance
Publié par Valérie Lourme, Directrice conseil services finances pour la région EMEA chez Teradata le | Mis à jour le
Il est temps que les directions financières cessent d'observer le passé pour enfin se tourner vers l'avenir et retrouver ainsi leur position stratégique favorisant la croissance de l'entreprise. Seule une solide stratégie data permettra ce changement de paradigme.
Adieu grands livres de comptes, rapports annuels et prévisions budgétaires... la fonction finance moderne se tourne désormais vers l'avenir pour " développer les données et les analyses axées vers les orientations futures de l'entreprise, plutôt que sur son passé " selon Accenture(1). Cependant, pour développer cette nouvelle capacité analytique, bon nombre de problèmes, dits traditionnels, liés à la gestion des données, tels que leur disponibilité, leur qualité, ou le temps nécessaire à leur valorisation, demeurent. En raison de l'absence d'un socle d'entreprise, les équipes rencontrent des difficultés à fournir une aide à la décision en temps réel à leur entreprise. Ces défis doivent aujourd'hui être relevés pour garantir une fonction financière " digital ready ", et tout commence par la création d'un socle d'analyse axé sur la donnée financière.
Transformer le directeur financier en " courtier de l'information "
Si par le passé, les rapports financiers traditionnels fournissaient des images instantanées, historiques ou rétrospectives de l'entreprise, la fonction finance ne peut plus se contenter de fournir ce type de rapports. Les attentes ont changé puisque, selon McKinsey, 41 % de la production du département financier est liée à des analyses non liées à la finance. L'incapacité de relier données de gestion, données comptables, transactions, données de synthèse et états financiers et le partage difficile de ces données enregistrées dans un fichier Excel avec les utilisateurs en sont les principales entraves.
Ces difficultés pourraient être grandement résolues par la mise en oeuvre d'un écosystème financier analytique. En effet, en raison des données qu'elle collecte, la fonction finance doit aujourd'hui capitaliser sur celles-ci en utilisant des outils et des techniques analytiques avancés pour obtenir des informations nouvelles et prospectives. Selon Harvard Business Review, cette capacité à utiliser les analyses avancées permettra à la fonction finance de continuer à accroître sa contribution à la valeur de l'entreprise(2).
Pour y parvenir, la mise en oeuvre d'un socle d'analyse est indispensable. Ce dernier donne aux utilisateurs les informations et les outils nécessaires pour analyser les données, au niveau de détail approprié. Les collaborateurs disposent alors de réponses adaptées, pertinentes et fiables qui peuvent être exploitées par l'ensemble des acteurs de l'entreprise, du marketing aux ressources humaines. Ce processus se traduit par de nombreux nouveaux utilisateurs potentiels des données, rapports, tableaux de bord et analyses fournis par le département financier. La qualité des données joue un rôle central dans l'établissement de ce modèle.
De l'analyse descriptive aux analyses prédictives et prescriptives
Aujourd'hui encore, plus de 80 % du temps alloué est consacré à l'acquisition et à la qualité des données, et seulement 20 % à de véritables fins d'analyses(3). Pour apporter davantage de valeur ajoutée à la fonction finance, un changement de paradigme est nécessaire : la finance n'est plus uniquement un témoin du passé, mais un fournisseur d'informations stratégiques par le biais de l'analyse répartie en trois flux : les analyses descriptives, prédictives et prescriptives.
Moins en phase avec les besoins actuels de l'entreprise, l'analyse descriptive s'intéresse aux évènements passés. Malheureusement, de nombreuses entreprises sont encore bloquées à ce stade en raison de l'inefficacité des processus et des techniques d'acquisition et de qualité des données. Les données historiques, principale source d'analyse descriptive, demeurent d'une grande valeur, puisque celles-ci peuvent également être utilisées pour l'analyse prédictive afin d'identifier des tendances à des niveaux détaillés. Ces analyses peuvent s'avérer d'une très grande utilité pour les domaines tels que la budgétisation et les prévisions, les activités de dépenses, les prévisions de revenus et de fonds de roulement, tout en offrant un plus grand niveau de confiance dans la projection des résultats futurs. À terme, ces modèles prédictifs s'appuieront sur des outils d'apprentissage automatique pour former les modèles et améliorer la précision des résultats.
Une fois que ces données historiques seront pleinement exploitées, la fonction finance doit investir dans la disponibilité des données en temps réel si elle veut se tourner vers l'analyse prescriptive, qui permettra alors d'envoyer des alertes aux analystes comptables, auditeurs et autres utilisateurs afin qu'ils prennent des mesures spécifiques lorsque des évènements inhabituels se produisent. Il existe de nombreux cas d'usage où cette analyse peut se révèle précieuse : identification d'un achat " non conforme ", d'une transaction " anormale ", d'une fraude potentielle, des dépenses excessives, ou encore une amélioration des revenus.
La possibilité d'exploiter des outils de modélisation, de business intelligence et de visualisation des données crée un écosystème analytique qui accélère la création de valeur, améliore le partage des enseignements et alimente les modèles analytiques en aval. En embrassant l'analytique, la direction financière est désormais en mesure de fournir des informations orientées vers l'avenir, permettant aux différents utilisateurs de prendre des décisions analytiques. Il devient alors un conseiller stratégique en mesure de lire dans les données financières afin de prédire les résultats futurs et recommander de manière proactive la meilleure voie ou action à prendre.
Pour en savoir plus
Valérie Lourme, Directrice conseil services finances pour la région EMEA chez Teradata, fournit aux grandes institutions financières multinationales une expertise sur les données clés et les tendances analytiques, et en les aidant à concevoir et à exécuter une stratégie de données axée sur les résultats commerciaux.
[1] Rapport "Unlocking Value with Analytics"
[2] livre blanc de la Harvard Business Review, "Advanced Analytics and the CFO"
[3] Selon une étude Teradata réalisée auprès de ses clients