Je ne vais pas souvent en formation. Passer huit heures enfermé dans une salle de classe, je considère généralement cela aujourd’hui comme du temps perdu. Mais cela ne vaut pas pour les formations spécialisées qui résolvent un problème concret. Et j’en avais justement un : apprendre enfin à lire mes données d’entreprise.
Mon problème : nous avons beaucoup de données dans l’entreprise, mais je ne sais pas assez bien les exploiter
Chez nanoSPACE, toute l’entreprise est assemblée à partir de nombreuses solutions partielles ; nous n’avons pas de système central (par exemple un ERP) qui pilote tout. Notre puzzle fonctionne bien, nous traitons sans problème des dizaines de milliers de commandes par mois pour une fraction du prix des solutions robustes, mais cela a ses défauts.
Le plus important est la fragmentation des données. Les commandes arrivent dans Shoptet, les retours dans Retino, l’e-mailing passe par Ecomail, les documents comptables tombent dans Flexibee, Amazon est géré via Expando, la gestion de projet passe par Freelo, les commandes B2B sont à moitié dans Shoptet et à moitié directement dans la comptabilité… et je pourrais continuer encore un moment.
Et je ne parle même pas du fait que Shoptet n’a aucun module adapté pour des analyses plus poussées des données sur les commandes ou les clients ; pour une analyse RFM, on peut oublier tout de suite.
Tout cela complique énormément l’évaluation de la performance de toute l’entreprise et conduit à ce que nous ayons au moins une centaine de tableaux Excel et Google Sheets, où nous tenons séparément diverses données de performance que je dois ensuite péniblement relier.
Après la dernière vague de Covid, lorsque l’activité de l’entreprise s’est un peu calmée, j’ai eu plus de temps pour l’analytique et j’ai commencé à creuser différents rapports, par exemple :
- Chiffre d’affaires / bénéfice des différents canaux marketing, nets des retours et réclamations
- Suivi de l’évolution des marges dans le temps jusqu’au niveau des produits individuels
- Répartition automatique des coupons de réduction, suivi de la performance
- Analyse RFM, segmentation des clients, cohortes
- Définition des traffic builders, etc.
- Analyse financière, décomposition des coûts, suivi et prévision du cashflow (par exemple le calcul automatique de la valeur des paiements à la livraison déjà livrés mais pas encore versés)
Chaque rapport de ce type représentait pour moi une montagne d’exports et de fusions de données hétérogènes dans Excel, et je ne pouvais même pas trop faire confiance au résultat. Bien sûr, je savais qu’il existait une voie pour construire tout le système depuis la base : relier les données de tous les systèmes, les nettoyer des valeurs extrêmes et les reporter dans PowerBI ou Looker. Mais comment faire ?
Business Intelligence : piloter l’entreprise sur la base des données
À ce moment-là, une invitation à une formation intitulée Poussez votre analyse de données au-delà d’Excel a croisé mon chemin. La formation promettait que j’apprendrais enfin à mettre de l’ordre dans les données d’entreprise, marketing, clients et financières. Alors j’y suis allé 😎
La formation était parfaitement faite pour moi ! Je ne suis pas tout à fait un analphabète de la donnée, dans l’entreprise nous avons notre propre entrepôt de données et avons déjà mis sur pied quelques rapports sur mesure avec les Architectes Digitaux – mais il me manquait une meilleure vue d’ensemble et un panorama des possibilités, de tout ce que je peux faire avec les données de nos systèmes. Et c’est exactement ce que j’ai appris lors de la formation.
La formation est animée par Přemek Horáček, à mon avis un spécialiste aguerri de la Business Intelligence. Il gagne sa vie en reliant les sources de données des entreprises et en y cherchant des corrélations, grâce à quoi les clients apprennent à piloter leur entreprise non pas au feeling, mais sur la base de données concrètes.
Keboola : extracteur de données de n’importe quel système
Si je ne devais retenir qu’une seule chose de cette formation, ce serait : crée-toi un compte Keboola ! Keboola est l’outil dont j’avais besoin. Il permet le téléchargement régulier de données depuis n’importe quelle source ; pour ma part, j’ai connecté ces sources :
- Google Analytics
- Google Ads
- Facebook Ads
- Sklik
- Shoptet
- Flexibee
- Marketing Miner
- Google Sheets
Keboola se connecte aux différentes sources via API et télécharge les données souhaitées.
Les données peuvent être transformées dans Keboola (à l’aide de SQL ou de R, Přemek enseigne les commandes de base lors de la formation), puis stockées ou exportées vers un espace de stockage – pour ma part j’exporte vers Google BigQuery, mais Google Sheets fonctionne aussi.
Une transformation peut être par exemple le nettoyage des valeurs extrêmes (suppression des commandes de test, des commandes exceptionnelles de 20 000 € par exemple, la fusion de données de différents tableaux via un identifiant commun) ou toute autre modification dont vous avez besoin.
À quoi cela peut-il servir ?
À préparer les données pour n’importe quel rapport que vous pouvez assembler à partir de vos données. Voici ce que j’ai réalisé / ce que j’ai prévu :
- Nettoyage des données des systèmes publicitaires en retirant les commandes annulées / retournées
- Création d’un rapport automatisé des coupons utilisés avec calcul de la réduction réelle accordée et de la marge obtenue
- Calcul des marges des différentes commandes et leur regroupement (classement des commandes par taille / marge)
- Analyse RFM sur les données clients téléchargées depuis Shoptet
- Tableau de bord cashflow enrichi des données sur les paiements à la livraison
La formation aborde aussi Google BigQuery, un outil similaire d’extraction et de modification des données. Pour certains usages, il est sans doute plus adapté, mais pour l’utilisateur lambda il n’est pas aussi intuitif.
Comment modifier / transformer les données ?
Malheureusement, vous n’échapperez pas à un peu de programmation. Le big data, ce sont de grands tableaux, il faut donc maîtriser les bases du SQL ou de R. Les deux sont abordés lors de la formation et, à la fin, nous avons reçu un « pense-bête » des commandes de base. Je n’ai pas l’ambition d’apprendre ces langages en profondeur, mais grâce à la formation j’ai une vue d’ensemble suffisante pour savoir quoi demander à nos analystes de données, et dans quelle mesure.
Keboola prépare en plus des modèles pour une extraction simple des données. Cette fonction est encore en version bêta, mais elle dispose déjà de quelques schémas de base pour relier les données des systèmes publicitaires et les envoyer vers Google Sheets ou PowerBI. Pour les usages les plus courants, aucune programmation ne sera donc bientôt nécessaire.
Comment visualiser les données ?
Une fois les données préparées, vous voulez les visualiser d’une manière ou d’une autre – c’est bien pour ça que vous faites tout ça. Les marketeurs connaissent sûrement Looker (Google Data Studio), que j’utilise moi aussi abondamment pour toutes sortes de rapports marketing.
Mais PowerBI m’a davantage séduit, alors que jusqu’ici je l’avais ignoré avec succès (surtout parce qu’il ne tourne pas sur Mac 😎). Après avoir suivi la formation, j’ai compris que Looker n’est qu’une sorte de version démo de PowerBI et, même si les deux systèmes se rapprochent constamment, PowerBI garde encore l’avantage.
J’ai passé au total 8 heures à cette formation, que je considère comme un bon investissement. J’en suis reparti avec un nouveau regard sur les données d’entreprise et la façon de les exploiter. Pendant mon temps libre, je m’essaie à créer mes propres rapports et je prépare progressivement un nouveau cahier des charges pour les Architectes Digitaux, car je sens qu’il est temps de faire passer notre analytique au niveau supérieur 😎
