Depuis près de dix ans maintenant, il a toujours été dit à quel point le travail basé sur les données est essentiel pour le succès d'une entreprise, tant au niveau stratégique qu'opérationnel. Il est extrêmement gratifiant de voir qu'une autre voix trouve ensuite les mêmes mots. Ainsi, pour souligner ce que dit un expert dans ce domaine, voici un résumé de ses thèses les plus importantes.
Celui qui cherche à atteindre les étoiles... a besoin d'un entrepôt de données
Il y a une vérité simple : la concurrence dans l'industrie numérique est rude, donc seuls ceux qui prennent les meilleures décisions commerciales l'emporteront et cela ne fonctionne vraiment bien qu'avec une base de données holistique ou avec des données facilement accessibles pour l'ensemble de l'entreprise et les informations qui en résultent. Plus ces éléments sont disponibles tôt dans le cycle de vie d'une entreprise, plus les chances sont grandes sur le marché et plus l'effort initial du projet est faible. Ce n'est pas pour rien que des géants du numérique tels qu'Amazon et Zalando ont dès le début affecté des branches entières de l'entreprise à ce sujet. Minubo reflète cette thèse : les entreprises ont besoin d'une solution de reporting et d'analyse standardisée et rapidement applicable afin de pouvoir agir rapidement et de survivre sur le marché grâce à la transparence des données qui en résulte. C'est pourquoi le minubo est développé de la Commerce Intelligence Suite de manière à ce qu'il couvre tout, de l'infrastructure en cloud à l'entrepôt de données en passant par le front-end de reporting et d'analyse - adapté aux exigences spécifiques du commerce numérique et, bien sûr, adaptable aux besoins individuels.
Les décisions fondées sur les données ne sont pas un privilège de gestion
Il existe un malentendu généralisé selon lequel les rapports, les analyses et toutes sortes de diagrammes colorés sont une prérogative de la direction. Au contraire : alors que les décisions stratégiques sont principalement basées sur des évaluations de haut niveau générées dans des cycles mensuels, trimestriels et annuels, les unités opérationnelles et les niveaux de gestion inférieurs ont besoin de leurs chiffres de performance sur une base quotidienne afin de pouvoir prendre les bonnes mesures basées sur des données fiables. Quelles campagnes ont besoin d'un budget plus important à court terme ? Quels sont les clients qui ont une forte probabilité d'acheter aujourd'hui ? Quels sont les meilleurs vendeurs qui sont en rupture de stock ? Seuls ceux qui disposent des bonnes données peuvent agir de manière à optimiser leur activité. Sur ce point en particulier, il faut être entièrement d'accord avec M. Heinemann, car la composante opérationnelle est toujours criminellement négligée lorsqu'il s'agit de culture décisionnelle basée sur les données. Minubo reflète cette thèse : les rapports de haut niveau ne sont qu'une partie de l'histoire et servent un groupe cible gérable au sein de l'entreprise. C'est pourquoi minubo est équipé de tous les types de rapports de gestion nécessaires, y compris l'envoi programmé de courriers électroniques, mais il faut se concentrer particulièrement sur les informations utilisables sur le plan opérationnel à partir de données et sur les recommandations proactives d'action. De manière plus générale : sur un accès aux données simple et flexible pour tous. Ce n'est qu'ainsi que les équipes peuvent obtenir un maximum de résultats !
Une solide gestion du changement est indispensable
Si vous avez déjà accompagné l'introduction d'un nouvel outil, vous connaissez cette situation : Vous mettez en place un système formidable qui n'attend que d'ajouter des tonnes de valeur à l'entreprise et puis il prend la poussière dans un coin (ou dans le nuage) inutilisé. L'apprentissage : Il ne fonctionne jamais sans gestion du changement. Cela signifie pour l'introduction d'une solution de rapport et d'analyse : les employés doivent être sensibilisés aux raisons pour lesquelles il est avantageux pour eux d'examiner non seulement leurs systèmes opérationnels traditionnels, mais aussi les chiffres de performance associés ou les informations générées par les données. Cette thèse se reflète dans minubo : depuis longtemps, l'introduction de minubo a été travaillé dans les entreprises clientes sans accompagner la gestion du changement et créé tout un département de conseil à cet effet. Grâce à des ateliers sur les cas d'utilisation, des formations et une assistance clientèle dédiée, il faut veiller à ce que les entreprises qui utilisent minubo obtiennent une valeur ajoutée maximale. Oui, il faut que les données soient brutes au niveauClear, il serait beaucoup plus facile (et moins coûteux) de traiter les données uniquement sous forme agrégée. Le problème : ce qui est traité uniquement sous forme agrégée ne peut être produit que sous forme agrégée - et cela suffit pour les rapports de gestion, mais pas pour le travail opérationnel. Cela commence par la mise en correspondance de points de données diversifiés (par exemple, les retours pour les campagnes d'acquisition, cela n'est possible que via les ID de commande individuels) et s'étend à une segmentation ad hoc flexible pour, par exemple, les campagnes de newsletter ou les publics cibles de Facebook (cela n'est possible que sur la base des enregistrements de données des clients individuels).
Il faut donc insister sur le fait qu'il ne faut pas économiser à ce stade, ce serait certainement la mauvaise solution ! Cette thèse se reflète dans minubo : pour répondre à des exigences telles que celles mentionnées ci-dessus, l'ensemble du traitement des données de minubo est effectué au niveau des données brutes, ce qui permet aux utilisateurs de segmenter leurs données de manière flexible et de les décomposer en entités d'objet individuelles telles que des clients individuels, des points de contact omni-canaux individuels ou des produits ou des variantes de produits. De plus, les flux leur permettent d'accéder à leurs données brutes en temps réel - que ce soit avec Excel ou, par exemple, avec un outil de marketing par courriel ou de gestion de campagne. Le flux et la mise en correspondance des données sont au cœur de toute architecture d'analyse. Les chiffres que les utilisateurs tirent de leurs rapports et analyses en amont doivent être précis et significatifs et entièrement mis à jour à temps pour le début de la journée.
Cela peut sembler simple, mais ce n'est pas du tout le cas, car pour y parvenir, il faut une infrastructure technique complexe et coûteuse, dont la construction ne peut être réalisée qu'avec une grande expertise en matière de technologie et d'analyse de contenu - et surtout avec beaucoup de temps et d'argent. Ceci est particulièrement vrai pour les solutions BI traditionnelles à la Micro Strategy ou Business Objects, mais aussi pour les projets basés sur des technologies open source, l'effort ainsi que le temps et les coûts (d'opportunité) du projet ne doivent pas être sous-estimés. Cette thèse se reflète donc dans minubo : dans le travail quotidien avec les clients, et il est constaté que la majorité des entreprises ne disposent pas des ressources mentionnées, ni de l'expertise nécessaire, ni du temps ou de l'argent. Pour cette raison, minubo fournit l'infrastructure technique ainsi que le modèle de données prêt à l'emploi, parfaitement adapté aux exigences professionnelles des clients du commerce et nettement moins cher que d'autres solutions, notamment dans le domaine des solutions BI traditionnelles. Là où cela ne convient pas, il est toujours possible d’individualiser, mais de cette façon, le client commence à 80 % au lieu de 0 et atteint l'objectif beaucoup moins cher. La question clé : shopping ou bricolage ? eh bien, lorsqu’il ‘agit de dire : shopping , il s’agit de faire référence à minubo ! Mais le plaisir mis à part : il vaut mieux être un fournisseur d'une solution fondamentalement standardisée, car il est probable que c'est ce dont les entreprises ont besoin. La question des ressources en est une des raisons, mais le fait qu'en tant que prestataire externe, il faut baser la solution sur une vaste expérience pratique et incorporer continuellement les meilleures pratiques de l'industrie est moins important qu'un bâtiment entièrement nouveau construit par du personnel interne qui n'a peut-être jamais mis en œuvre un tel projet auparavant. Mais l'effet d'apprentissage le plus important ou le plus durable dans un tel projet vient de la cartographie des différents flux de données dans le modèle de données centralisé et ce processus n'est pas seulement appliqué aux projets internes, mais fait également partie intégrante de chaque projet minubo. C'est une autre façon pour les employés d'atteindre la valeur ajoutée sans aucun doute essentielle d'une meilleure compréhension de leurs propres données et processus de données.
Faut-il individualiser complètement le modèle de données ?
Un autre argument pour la construction d'un propre modèle de données est l'individualisation complète du modèle de données. La réponse à cette question est la suivante : le développement d'un modèle de données "individuel" dans l'entrepôt de données offre la plus grande valeur ajoutée - après tout, le plan comptable dans la comptabilité n'est pas réinventé pour chaque entreprise. D'après quelques expériences, le besoin d'"individualisation" provient principalement de projets de BI antérieurs où il manquait toujours quelque chose dans le modèle de données, de sorte que l'"individualisation" est confondue avec l'"exhaustivité" ou la "souplesse de complétion" du modèle de données. Bien sûr, l'"exhaustivité" est alors à nouveau une question d'interprétation et l'une ou l'autre entreprise trouvera certainement dans notre modèle de données des aspects qui ne sont pas remplis, mais j'ose dire : tout l'essentiel (et plus) est là et le reste n'est qu'une question de temps, car sur la base des 80 % existants, il est plus flexible et rapide dans l'extension du modèle. Et : si vous commencez avec 80 % au lieu de 0 ei 80 %, vous avez plus de temps pour vous concentrer (en fonction des données !) sur des sujets qui génèrent directement du chiffre d'affaires.
Enfin, un petit aperçu : Outre le développement régulier de produits, l'élaboration d'un modèle complet et systématique de chiffres clés sont aujourd’hui travaillé pour les organisations commerciales, qui passe du précédent modèle de chiffres clés pour le commerce électronique au modèle de chiffres clés pour le commerce omni-canal - une norme DIN pour les chiffres clés dans le commerce en ligne et omni-canal. Ce système sera alors accessible au public, et pas seulement par le biais de notre produit, car c’est sûr que le marché ne dispose pas d'un modèle aussi systématique et cohérent. C'est d'ailleurs le pas que vous voulez franchir : puisque l'objectif est de réunir le plus grand nombre possible d'avis d'experts dans ce système, c’est préférable d’y travailler non seulement avec les clients, mais aussi avec vous !