Conseils d'analyse commerciale : exploitez vos données pour améliorer la prise de décision

De nombreuses organisations qui pensent être axées sur les données en sont encore à la première vitesse. Comment passez-vous de la simple collecte d'un grand nombre de données à la mise en place d'une fonction d'analyse commerciale qui vous indique réellement comment ajuster votre modèle pour améliorer la rentabilité ?

Nous avons interviewé Travis Anderson, directeur de l'analyse commerciale de Toptal, pour obtenir ses idées et ses conseils d'analyse commerciale sur la mise en place d'une fonction centrale au sein d'une entreprise, la suppression des biais de reporting, l'importance de l'utilisation des données et les pièges potentiels. En tant que directeur de l'analyse commerciale de Toptal, Anderson dirige une équipe qui permet une prise de décision basée sur les données en reliant la stratégie commerciale aux activités de données (c'est-à-dire l'analyse des données, le reporting, l'analyse diagnostique et la science des données).

L'analyse commerciale prend en charge tous les domaines fonctionnels de l'entreprise, y compris les ventes, le marketing, la finance, les produits, les opérations et les RH. Anderson apporte plus d'une décennie d'expérience dans la création et la direction d'équipes d'analyse et d'ingénierie pour stimuler une croissance commerciale significative, notamment chez Vivint Smart Home, Symantec, l'Université Brigham Young et dans sa startup, Mapline. Il détient des diplômes BS et MS en génie mécanique et un MBA, tous de l'Université Brigham Young.

Quelles sont les utilisations de l'analyse commerciale ?

Selon le rapport 2020 de MicroStrategy sur l'état mondial de l'analyse d'entreprise, l'analyse commerciale permet aux responsables de prendre des décisions meilleures et plus éclairées et peut accroître l'efficacité opérationnelle en aidant les responsables à utiliser les ressources plus efficacement et, en fin de compte, à optimiser le résultat net.

Dans le cas de Toptal, Anderson a identifié quatre principes essentiels à la conduite de notre entreprise et à la valeur à vie des clients :

1. Acquérir des clients : utiliser les données pour améliorer le processus d'acquisition de clients
2. Expansion de l'empreinte : comprendre comment stimuler l'expansion à la fois géographiquement et au sein de la clientèle existante
3. Fidélisation des clients : trouver les points d'attrition dans le parcours client
4. Optimisation des coûts d'acquisition, de rétention et des opérations commerciales

Ces quatre principes sont également un moyen pour l'entreprise de mesurer le retour sur investissement des données et de l'analyse commerciale.

Quels étaient les principaux défis chez Toptal ?

Analyse en silo

Selon Anderson, le premier défi auquel il a été confronté lorsqu'il a rejoint Toptal a été la transformation de l'approche interne de l'analyse. A l'époque, la plupart des équipes fonctionnelles internes procédaient à leur analyse. La plupart des équipes avaient un analyste de données, et chacun faisait son travail de données, qui était principalement concentré sur les rapports, l'analyse et l'analyse des tendances. Même si une culture des données existait et que les supérieurs hiérarchiques utilisaient les données dans leur prise de décision, la configuration était inefficace.

Chaque équipe avait une approche différente, ce qui signifiait que le message était confus. Étant donné que chaque groupe avait une fonction de données interne, il n'y avait pas de cohérence dans les définitions et les KPI. Les discussions de la direction portaient souvent sur la réconciliation, ce qui pouvait être une distraction. Les définitions étant différentes, les enseignements tirés des données ont parfois été perdus.

Biais de déclaration

Le deuxième problème qui découlait de la collecte et de la communication décentralisées des données était que chaque équipe avait un parti pris dans la présentation de ses données. Chaque fonction sélectionnait des données pour se présenter sous son meilleur jour. Cette pratique a créé un manque de concentration et un manque potentiel de contrôle.

Anderson s'est lancé dans une refonte complète de l'approche et du cadre d'analyse commerciale de l'entreprise. La priorité était de créer une fonction centrale : un centre d'excellence analytique existant en dehors des métiers et servant de point de contrôle. Une fonction centrale garantit que les données sont collectées et analysées de manière homogène et que les biais de déclaration sont éliminés.

Une fois le centre établi, il devient nécessaire de s'assurer qu'il est doté d'un personnel adéquat. Le premier ordre de priorité est d'identifier le déficit de compétences. Pour constituer une équipe qui peut être efficace et avoir un impact, vous avez besoin de personnes qui ont de solides compétences techniques, de solides compétences en résolution de problèmes, mais aussi un sens aigu des affaires.

Comment un centre d'analyse commerciale ajoute-t-il de la valeur ?

Selon Anderson, la principale valeur ajoutée de la création d'une fonction centrale de données et d'analyse commerciale est l'amélioration des performances et la réduction des coûts . Jusqu'à ce qu'une entreprise mesure ses performances de manière cohérente dans le temps, il est difficile pour la direction d'améliorer ses performances de manière significative.

La première étape consiste à établir la cohérence des métriques et à quantifier un objectif basé sur ces métriques convenues. Cela a pour effet essentiel sur le comportement de motiver le personnel - comme le souligne Anderson, comment motiver les gens s'il n'y a pas d'objectifs ? De plus, toutes les mesures quantitatives valent mieux que rien. Selon Anderson, "si vous ne commencez à mesurer qu'une seule chose, vous pouvez voir un réel avantage, soit parce que vous pouvez l'influencer, soit parce que vous pouvez voir qu'elle n'est pas pertinente".

L'équipe d'Anderson prend en charge toutes les fonctions commerciales et organise des vérifications hebdomadaires et bihebdomadaires avec chacune. La première partie du travail consiste à assurer la collecte de données correctes. Cette collecte sert un objectif comportemental pour motiver les gens à faire leur travail et attribuer une « note » à leur performance.

Choisir les bons KPI

Une fois que des données cohérentes et de haute qualité ont été collectées, le plus grand défi se pose : évaluer quels sont les bons KPI pour chaque unité commerciale. L'évaluation commence du haut vers le bas. L'équipe d'analyse commerciale définit la stratégie de l'entreprise dans les données afin que les KPI d'analyse commerciale sélectionnés soient utiles en termes d'informations et significatifs à la fois au niveau descendant et au niveau commercial.

Certaines des questions qui mènent à l'établissement des KPI appropriés sont :

• Quels sont les indicateurs clés ?
• Sont-ils financiers ?
• Sont-ils basés sur des opérations ?
• Quel est le cadre de ce que l'équipe mesure ?
• Les personnes individuelles doivent-elles être responsables de la réalisation d'objectifs spécifiques ?
• Comment seront-ils notés ?

Il est primordial que l'équipe d'analyse commerciale comprenne parfaitement l'entreprise et sa stratégie. Chez Toptal, il existe un fort soutien au sein de l'entreprise pour la mission de l'organisation.

Les données sont traitées et étudiées à l'aide d'une modélisation et de prévisions statistiques solides. Cependant, il est important de noter que le résultat de l'analyse n'est pas une décision, mais plutôt des intrants quantitatifs qui aident à faire de meilleurs choix. En fin de compte, toutes les décisions commerciales relèvent de la responsabilité du chef d'entreprise. Il existe un partenariat entre les parties prenantes et l'équipe d'analyse des données et des activités via un processus itératif. Une fois qu'une décision est prise, les données doivent l'étayer. Non seulement, mais il y a une réévaluation régulière des KPI pour s'assurer qu'ils sont toujours alignés avec les priorités stratégiques de l'entreprise.

Le processus n'est pas toujours indolore. Parfois, il peut y avoir des frictions entre les parties prenantes, car il y a beaucoup de rétroaction dans les données. Tous les managers ne sont pas également réceptifs à ces commentaires. Anderson considère que sa responsabilité consiste à fournir une recommandation digeste et à éduquer les cadres sur la manière d'interpréter les informations extraites des données.

Mauvaise lecture des données

Anderson a évoqué les conséquences négatives potentielles qu'une entreprise peut rencontrer en cas de manque de discipline interne dans la collecte et l'analyse des données. Lors d'un engagement précédent, il avait rencontré une entreprise qui avait une grande unité commerciale qui était responsable d'une part substantielle des revenus de l'entreprise. Cette unité d'affaires comptait plusieurs représentants commerciaux qui étaient collectivement responsables de revenus de plus de 200 millions de dollars. Cependant, cette équipe a mesuré son chiffre d'affaires différemment du reste de l'entreprise et l'a déclaré dans un système distinct.

Lors d'un changement de direction, un nouveau dirigeant n'a pas réalisé que les données n'étaient pas cohérentes et a licencié tous les membres de l'équipe - ils avaient obtenu un mauvais aperçu des données et pensaient que l'équipe n'était pas performante. La décision a été prise sur la base de numéros erronés et incohérents dans le système ERP. Cela a fini par être une erreur de 50 millions de dollars. Cette anecdote illustre clairement pourquoi la discipline de la gestion des données de référence est cruciale, en particulier pour les entreprises qui font l'objet d'intégrations M&A .

Pièges courants pour démarrer et comment les éviter

Anderson a rencontré deux problèmes typiques dans les entreprises qui commencent à explorer l'analyse des données. Ces problèmes se situent aux deux extrémités du spectre. Premièrement, les entreprises se lancent parfois dans de grandes initiatives pour collecter des données parfaites qui ne sont finalement pas utilisées. Le deuxième problème est lorsque les entreprises ne démarrent même pas d'analyse en raison de la mauvaise qualité de leurs données. Le conseil essentiel qu'Anderson fournit ici est que même lorsque les données ne sont pas fiables, la mesure de quelques KPI critiques offre des informations utiles. Cela permettra à l'entreprise d'apprendre à rendre les entrées plus fiables.

Plus de données, c'est toujours mieux ?

Bien qu'il soit essentiel de mesurer les bons KPI, il convient de noter que trop de données (ou des données non pertinentes) ne sont pas nécessairement meilleures. Des mesures non ciblées perturbent la prise de décision et peuvent être une distraction. Il est plus efficace de commencer par mesurer de manière cohérente et correcte quelques points de données cruciaux.

L'efficacité de l'équipe d'Anderson est mesurée en référence aux quatre principes ci-dessus : acquisition de clients, expansion de l'empreinte, fidélisation de la clientèle et optimisation des coûts. Pour chacun d'entre eux, l'impact est mesuré et quantifié, fournissant un retour sur investissement pour le travail de l'équipe. Si l'équipe a fait beaucoup d'analyses mais n'a pas inspiré le changement, son travail a été inefficace. En fin de compte, le succès de l'équipe signifie avoir une influence mesurable.

Principes directeurs d'Anderson pour l'analyse commerciale

Les nombreuses idées d'Anderson peuvent être résumées dans quelques conseils d'analyse commerciale pour une mise en œuvre réussie de l'analyse de données.

D'abord, la mission d'une telle équipe est de faire changer d'avis les dirigeants par des mesures quantitatives et de les influencer au quotidien. Il s'agira de petits changements incrémentiels rendus percutants grâce à des itérations et des améliorations continues.

Deuxièmement, l'équipe d'analyse commerciale ne fournit pas de décisions mais des informations qui peuvent guider les dirigeants. Les chefs d'entreprise sont toujours responsables de la stratégie d'une entreprise.

Troisièmement, l'impact de la fonction d'analyse commerciale doit être mesurable et avoir un retour sur investissement.

Enfin, il vaut mieux commencer avec un ensemble limité d'indicateurs de performance clés d'analyse commerciale que de ne pas mesurer du tout les données . Non seulement, mais le processus crée une culture d'excellence des données dans une organisation. Les entreprises qui le font correctement seront toujours plus performantes, même si au départ, c'est techniquement délicat, coûteux et nécessite un changement de culture. Les entreprises qui persistent et réussissent à naviguer dans le processus ont tendance à retenir les talents, à mieux performer et à promouvoir une culture d'entreprise de responsabilité.