L’analyse

Au cours de la dernière décennie, les plates-formes d’analyse commerciale ont évolué grâce au soutien des fonctions informatiques et financières pour permettre aux utilisateurs professionnels de l’entreprise. Mais de nombreuses entreprises se trouvent en difficulté pour profiter de sa promesse. Nous avons trouvé trois principaux obstacles à la réalisation de la pleine valeur de l’analyse, et tous sont liés aux personnes, et non à la technologie: la structure de l’organisation, la culture et l’approche de la résolution de problèmes. De manière structurelle, les services d’analyse peuvent se situer entre deux extrêmes opposés mais tout aussi stimulants. D’une part, les groupes de sciences de la donnée sont trop indépendants de l’entreprise. Ceux-ci ont tendance à produire des modèles impressionnants et complexes qui prouvent peu de points de vue actionnables. Considérez l’expérience d’une entreprise de services financiers de détail. Là, la fonction d’analyse était composée d’employés qui utilisaient exclusivement des logiciels spécialisés et spécifiaient des formes fonctionnelles complexes autant que possible. Dans le même temps, le groupe a manqué aux normes commerciales traditionnelles telles que le contrôle auprès des clients, la présentation des résultats graphiquement, l’explication des résultats analytiques dans le contexte de l’entreprise et la connexion des résultats complexes à la sagesse conventionnelle. Le résultat était un département isolé que les partenaires commerciaux considéraient comme insensibles, peu fiables et ne pas avoir confiance en des initiatives critiques. D’autre part, les analystes qui sont trop profondément impliqués dans les fonctions commerciales ont tendance à être partiellement orientés vers le statu quo ou la pensée du leadership. Dans une agence de location de voiture de premier plan, par exemple, nous avons vu les analystes de l’équipe de flotte présenter des renseignements supposés démontrer que la flotte devrait se divertir vers les voitures plus récentes. Les coûts d’entretien plus bas ont été plus que compensés par les coûts d’amortissement plus élevés, ont-ils déclaré. Cela s’est aligné sur la préférence du vice-président de la flotte pour une flotte plus jeune. Mais il s’est avéré que les analystes avaient sélectionné un échantillon biaisé de voitures anciennes avec des coûts d’entretien supérieurs à la moyenne chez les voitures du même âge. Une analyse d’un échantillon impartial (ou de la population entière) aurait donné un résultat différent. (Bien sûr, il pourrait y avoir eu d’autres motivations pour garder une flotte plus jeune - la satisfaction du client et la perception de la marque, pour en nommer deux, mais la réduction des coûts n’était pas l’une d’entre elles). Culturellement, les organisations qui sont trop axées sur les données (oui, elles existent) suivront aveuglément les implications des modèles défectueux, même s’ils défient le bon sens ou dépassent les objectifs de l’entreprise. C’est ce qui s’est passé dans une entreprise de services financiers où la direction a envisagé une modification de sa structure de commission. Ils voulaient transformer la base de sa rémunération de la force de vente des résultats bruts aux performances par rapport au potentiel du marché de chaque vendeur.


Créer un Blog | Nouveaux blogs | Top Tags | 6 articles | blog Gratuit | Abus?