BI : Définir et utiliser correctement des indicateurs clés de performance (KPI)
David Loshin, spécialiste de la BI, explique comment sélectionner des indicateurs clés de performance afin de convertir des données en connaissances exploitables par l'informatique décisionnelle.
Les indicateurs clés de performance (Key Performance Indicators, KPI) sont utiles pour mesurer les performances en matière de BI et d'analytique. Mais ils posent les problèmes de la définition et de la mesure des performances dans le cadre d'objectifs métier. Il faut donc savoir utiliser des « connaissances exploitables » pour générer de la valeur à partir d'un système d'informatique décisionnelle efficace. David Loshin explique comment.
Inciter les utilisateurs à évaluer leurs besoins
Il est possible de collecter des KPI pour élaborer le tableau de bord conceptuel d'une entreprise et de les associer à différentes activités métier, en particulier dans nos quatre domaines de création de valeur que sont la valeur financière, la productivité, le risque et la confiance.
La BI offre un autre intérêt conceptuel ; elle permet de capturer les définitions métier des KPI, de gérer ces définitions en les intégrant à la base de connaissances de l'entreprise puis de générer un tableau de bord pour rendre compte de ces mesures auprès de la direction.
Ce tableau de bord BI affiche les résultats des analyses requises pour configurer les KPI sous une forme visuelle succincte immédiatement compréhensible ou consultable dans le détail. Un tableau de bord BI ne se contente pas de fournir une présentation en temps réel des KPI sélectionnés, mais établit également un lien direct avec les éléments BI qui entrent dans leur composition.
Les parties prenantes doivent préciser ce qu'elles entendent par « performance », fournir les mesures ad hoc et définir des objectifs
En examinant certains indicateurs, nous pouvons apprendre à inciter les utilisateurs à évaluer leurs besoins en matière de requêtes et de reporting, ainsi qu'à déterminer dans quelle mesure les ensembles de données existants peuvent répondre à ces besoins.
Améliorer la gestion de l'entreprise en intégrant une infrastructure BI dépasse le cadre de la seule technologie ; les principales parties prenantes doivent préciser ce qu'elles entendent par « performance », fournir les mesures ad hoc, puis définir des objectifs réalisables et utiliser les outils pour nourrir les processus de décision.
Ces éléments sont mis en place pour évaluer et contrôler dans quelle mesure les objectifs métier sont atteints. Il est possible de concevoir et de développer des programmes spécifiques visant à apporter des améliorations dans ces catégories clés.
Prenons quelques exemples :
- Génération de recettes via le profilage des clients et le marketing ciblé. Des rapports et des analyses BI portant sur les transactions et autres interactions avec les clients permettent d'élaborer des profils qui intègrent des données démographiques, psychographiques et comportementales sur chaque personne ; grâce à ces profils, la communauté des clients est segmentée en groupes selon différents attributs et les valeurs correspondantes. Cette segmentation donne lieu à des mesures de vente et de rentabilité par catégorie de client, dans le but d'augmenter les efforts de vente et d'améliorer la satisfaction des clients.
- Gestion du risque via l'identification des fraudes, abus et fuites. La fraude, c'est-à-dire les actes d'escroquerie dont les auteurs savent que leurs actes ou leurs assertions sont susceptibles de leur rapporter des gains inappropriés, consiste souvent à exploiter des scénarios systémiques. La détection des fraudes est un type d'analyse qui recherche des schémas généraux relativement fréquents dans certains scénarios identifiés. Des rapports sur la manière dont les produits et services livrés correspondent à ce qui avait été vendu aux clients (dans le cadre de leurs contrats/accords) peuvent faire apparaître des pertes de recettes. Ces deux types de risque peuvent être analysés et portés à l'attention des autorités internes compétentes en vue de mesures correctives.
- Amélioration de la satisfaction des clients via le profilage, la personnalisation et l'analyse de la valeur du capital client. L'analyse de la valeur du capital client mesure la rentabilité d'un client sur toute la durée de la relation, inclusion faite des coûts associés à la gestion de cette relation ainsi que des recettes attendues du client. Les résultats du profilage d'un client ne servent pas seulement à améliorer son expérience en personnalisant la présentation du produit ou du contenu. En effet, les profils peuvent être directement intégrés à toutes les interactions avec les clients, notamment dans les centres d'appels, où ils permettent d'améliorer la capacité d'un agent du service clients à aider le client, d'accélérer la résolution des problèmes, voire d'augmenter les ventes de produits et services.
- Augmentation de la productivité des procédures d'approvisionnement et d'achat via une analyse des dépenses. L'analyse des dépenses comprend la collecte, la normalisation et la classification des données relatives aux achats de produits et aux fournisseurs, dans le but de sélectionner les fournisseurs les plus fiables, de rationaliser les appels d'offres et les achats, de réduire les coûts, d'améliorer la prévisibilité des chaînes d'approvisionnement à grande valeur et de renforcer l'efficacité de la chaîne logistique.
Sur le même sujet
Chacun de ces exemples peut être considéré à la fois du point de vue opérationnel et du point de vue stratégique.
L'optique opérationnelle fournit des informations sur les conditions et les performances existantes en comparant les activités actuelles aux attentes.
Et du point de vue stratégique, nous pouvons évaluer l'incidence des mesures potentielles sur la valeur future de l'entreprise.
Utiliser les connaissances exploitables
Il est important de rappeler que les informations n'apportent de la valeur que si vous êtes capable d'en tirer des changements constructifs.
Une entreprise ne peut se contenter de données ; elle doit aussi proposer des méthodes pour générer de la valeur à partir de celles-ci
Autrement dit, s'il faut un certain investissement pour bâtir un environnement propice à la transformation des données en connaissances, le véritable bénéfice n'apparaît que lorsque ces connaissances sont exploitables. Cela signifie qu'une entreprise ne peut pas se contenter de fournir le mécanisme de la création de connaissances ; elle doit également proposer des méthodes permettant de générer de la valeur à partir de ces connaissances.
Et il ne s'agit pas d'un problème technique, mais d'organisation.
La création de connaissances exploitables est une chose, mais la mise en œuvre des mesures appropriées exige une organisation souple et des personnes dotées des moyens d'action nécessaires. Et malgré les coûts, les cadres confirmés doivent être convaincus que le jeu en vaut la chandelle. L'entreprise a donc tout intérêt à étudier les coûts inhérents au développement d'une plateforme BI et à les comparer aux bénéfices attendus.
Il s'agit d'analyser les coûts par rapport à l'amélioration des performances, et ce pour chaque générateur de valeur lié à l'activité :
- les coûts fixes déjà incorporés à l'infrastructure BI (par exemple, les achats de bases de données ou d'outils de génération de requêtes et de rapports) ;
- les coûts variables associés à l'activité (par exemple, les éventuels composants logiciels spécialisés) ;
- les coûts d'exploitation de l'activité ;
- les bénéfices retirés des mesures prises lorsque l'activité livre les connaissances attendues ;
- les coûts et bénéfices des autres composants BI devant contribuer à cette activité métier ;
- le modèle de valeur attendu de l'activité ;
- les probabilités d'applications efficaces de ces actions rapportées à la valeur attendue ;
- la détermination du seuil chronologique de rentabilité ainsi que l'élaboration d'un modèle de rentabilité.
L'auteur
David Loshin est l'auteur de nombreux livres sur la BI. Il est par ailleurs PDG de Knowledge Integrity Inc., une société de conseil en Business Intelligence (BI) et gestion de données.