Analyse décisionnelle
et Big data
Multiplication des sources de données, explosion des informations à traiter ou disponibles, évolutions réglementaires (Reach, Sapin 2, RGPD, etc.), augmentation des échanges interentreprises… Dans une économie où la donnée devient une ressource décisive, les directions achats qui placent la « data » au cœur de leur stratégie bénéficient d’un atout considérable.
Afin de pouvoir exploiter au mieux cette ressource fondamentale, les directions achats sont confrontées à un double enjeu.
« Nous avons été très satisfaits de la prestation d’Acxias qui a une vraie expertise en termes de SI et achats, une grande rigueur et une efficacité dans la réalisation des activités. »
@Chef de Projet SI-Achats – Direction Achats GroupeENGIE
Le diagnostic
Pour exploiter efficacement les données, à des fins de maîtrise des dépenses, de gestion du risque et d’optimisation de l’efficience opérationnelle, un diagnostic préalable est nécessaire. En tenant compte des différentes populations (directeurs et responsables achats, acheteurs, contrôleurs de gestion, etc.), il s’agit de réaliser plusieurs opérations.
Le plan d'action
En complément des outils classiques, notamment les logiciels d’ETL (extract, transform, load), les technologies Big data permettent d’organiser efficacement les données volumétriques et non structurées.
L’analyse décisionnelle consiste ensuite à les valoriser pour identifier des axes d’amélioration et des actions à mener. Ajouter une dimension prédictive à cette analyse permet de ne pas agir simplement en réaction mais par anticipation.
Selon deux approches
Domaines décisionnels
Spécialisé dans le domaine des achats, des approvisionnements et de la comptabilité fournisseurs, Acxias a réalisé de multiples projets décisionnels en lien avec différents processus ou fonctions.
Comment ?
Identification des données externes
Mise en évidence les problèmes de qualité
Consolidation et suppression des doublons
Structuration (formatage, classement, etc.)
Ajout des données manquantes
Enrichissement des bases
Alimentation du système
Réalisation d’un prototype (POC)
Analyse prédictive
Analyse prescriptive
Rédaction de « data storytelling »
Suggestion de préconisations
Expertise d'outils décisionnels
SAP Ariba (collecte des données)
SAP Ariba Reporting
SAP Analytics Cloud
Suite SAP BusinessObjects BI
Qlik
Tableau
Exemples de livrables
« Des données incomplètes ou peu précises entraînent des retards ou des erreurs, et in fine une augmentation des coûts »
Benoît Kersalé, Directeur des opérations