Publicité
La Lettre des Achats - Janvier 2020 N°289
Janvier 2020

Support

Enquête

Qualité des données : la lumière au bout des datas

La lumière au bout des datas

Témoignages

Erwan Clorennec - Associé - Axys Consultants
« L’enveloppe financière dédiée au volet Data reste sous-dimensionnée »

Joël Aznar - Directeur de la gouvernance Master Data achats - Schneider Electric
« Notre cellule Data gouvernance compte une trentaine de personnes »

Par François Le Roux

La lumière au bout des datas

En investissant massivement dans la digitalisation et en affichant un appétit croissant pour l’IA, les Achats sont entrés de plain-pied dans l’économie de la connaissance. Autrement dit de la donnée. Mais pour apporter de la valeur ajoutée, cette donnée doit être nettoyée, consolidée et partagée.

Gartner research évalue à 9,7 milliards de dollars par an l’impact financier de la non-qualité des données et estime en outre que « plus de 25 % des données critiques au sein des grandes entreprises sont inexactes ou incomplètes ». Les données achats n’échappent pas à ce triste constat, même si Michael Lisch, consultant métier avant-ventes chez Altares, concède que « les données relatives à l’identification des tiers affichent une qualité croissante ». Néanmoins, « dans les sociétés peu matures, les taux de qualification restent très bas, de l’ordre de 20 %. Les données d’identification d’un fournisseur se limitent parfois à sa raison sociale, sans référence à un siret ou siren. Et même dans les groupes les plus matures, des gisements d’optimisation persistent, le taux de qualification moyen s’établissant entre 60 % et 70 % » résume-t-il.
La montée des obligations réglementaires telles que la Loi Sapin 2 sur la corruption, Reach sur les substances chimiques, RGPD sur la protection des données ou encore la Loi de mars 2017 sur le devoir de vigilance vis-à-vis des fournisseurs, ne sont pas les seules incitations poussant les directions achats à réagir. La qualité de la donnée est de plus en plus reconnue comme l’un des principaux leviers de croissance et d’innovation dans les Achats, surtout avec le développement des nouvelles technologies de l’IA, de la BI ou du machine learning.
Différents professionnels de la donnée ou « data providers » en anglais, comme Altares D&B et Bureau Van Dijk, proposent des solutions dédiées à la gestion de données fournisseurs. « Avec la solution automatisée Altares Dun & Bradstreet, les entreprises ont la possibilité de nettoyer et fiabiliser leurs données en se comparant à notre base référençant plus de 340 millions d’entreprises à travers le monde. Les doublons et les erreurs sont éliminés, chaque fournisseur étant identifié par une référence mondiale unique, le DUNS Number », explique Michael Lisch. Les directions achats peuvent aussi s’appuyer sur des solutions dédiées telles que celles d’E-attestations, Attestation légale ou encore Provigis pour s’assurer de la conformité réglementaire et administrative de leurs fournisseurs.

La qualification des données fournisseurs en priorité


Certains spécialistes de l’analyse de la dépense comme Easypics proposent également des outils de mise en qualité de la donnée. L’objectif est d’offrir une qualification des bases achats en allant jusqu’aux lignes de facture. « Nous travaillons avec Altares et Creditsafe. Leur vision macro des fournisseurs, avec leur capacité à fournir des informations de conformité et RSE, complète parfaitement notre approche fine du spend analysis descendant jusqu’à la facture ou la segmentation par article. Nous sommes également capables d’imputer les dépenses par centre de coûts au sein d’une entreprise. Avec cette capacité à agréger les informations issues de nos partenaires fournisseurs de données et les données non structurées de nos clients, nos clients font état avec nos solutions de ROI de 50 à 100 fois l’investissement sous moins d’un an, un niveau sans comparaison avec les simples retraitements informatiques de la donnée opérés par les DSI » explique Jérôme Naslin,
<PDG d’Easypics.
Homogénéiser toutes les données achats présentes dans les multiples SI et ERP d’une entreprise est, de fait, un enjeu de taille. L’objectif est d’optimiser le contrôle des dépenses à l’échelle d’une organisation et de disposer d’une vision fournisseurs à 360°, comme le propose également iAvenir avec sa solution de classification automatique des données iClass. « La plupart des fournisseurs de spend analysis privilégient la classification des fournisseurs pour créer des rapports d’analyse, tandis que iClass classifie chaque transaction pour donner de la visibilité, pas uniquement "avec qui" vous avez dépensé, mais surtout "sur quoi" » souligne Mukesh Ghainder, directeur général d’iAvenir.
Pour autant sur le terrain, le principal chantier ciblé par les directions achats en matière d’optimisation de la qualité des données achats se résume bien souvent aux données fournisseurs. « Les bases articles restent le parent pauvre. L’alternative privilégiée réside dans l’utilisation de punch out, ce qui permet d’externaliser l’administration et la gestion de ces catalogues auprès du fournisseur. Mais en fonction des industries, le punch out ne couvre que 20 % à 30 % des articles potentiellement référençables par les entreprises et la gestion des catalogues internes est assez approximative » constate Erwan Clorennec. Cette différence de traitement s’explique en partie par l’ampleur des projets respectifs. « Un projet de nettoyage des données de spend analysis dure entre quatre et six semaines. Les projets de Master data management sont beaucoup plus longs car il convient de classifier des catalogues entiers jusqu’aux spécifications article par article. Parfois très difficile à automatiser, ce travail peut prendre au minimum entre quatre et cinq mois pour des catalogues de 100 000 produits » indique Mukesh Ghainder.

La nécessité d’une inspection continue des bases de données


Mais la vie d’une base de données ne se limite pas à sa création. De nouveaux doublons peuvent émerger, des fournisseurs disparaître… « Tout au long de son cycle de vie, un véritable travail de monitoring est nécessaire. De fait, un tiers des informations dans les bases de données des entreprises est renouvelés chaque année et plus de 10 % par an des bases achats deviennent inexploitables » estime Michael Lisch. Le recours à des spécialistes du traitement de la donnée doit par conséquent faire l’objet d’une inspection continue. « Dans le cadre du spend analysis pour vérifier que les acheteurs atteignent leurs objectifs, nos clients nous demandent chaque trimestre, et parfois chaque mois, de nettoyer leurs données avec notre outil iClass à base d’IA, ce qui outre la correction des erreurs implique également la fusion, la déduplication, la normalisation des données et l’enrichissement de données manquantes » explique Mukesh Ghainder.
Une fois éliminés les doublons et les erreurs, la qualité de la donnée se mesure également à sa fraîcheur. « Grâce aux technologies de traitement et de centralisation de données, Silex offre des référentiels fournisseurs dynamiques, intégrant des données fiables, structurées et mises à jour automatiquement. Qu’un fournisseur change de nom, d’identifiant unique, soit racheté ou menacé de faillite…, les données sont mises à jour et intégrées quotidiennement » indique Nicolas Bridey, cofondateur de Silex en charge du produit.
Pour faciliter la mise à jour et la fiabilité des données fournisseurs, nombre d’entreprises investissent également dans le déploiement de portails fournisseurs. C’est le cas par exemple de Schneider Electric « Au-delà des inputs délivrés en interne par nos opérationnels ou de l’enrichissement de nos bases par des prestataires externes spécialisés, nous sollicitons de plus en plus nos fournisseurs dans la gestion de leurs données à travers des portails. Mais quand un fournisseur nous propose une modification, il y a toujours une phase de validation par nos Data steward avant de l’intégrer dans notre système d’information » avertit Joël Aznar, directeur de la gouvernance Master Data achats, Schneider Electric (voir témoignage).

La recherche d’une vision à 360°


La richesse de la donnée est également déterminante. L’acheteur détenant l’information la plus complète sera le plus à même de définir les meilleures stratégies et prendre les meilleures décisions. « Ces données sont agrégées avec toutes les informations externes, structurées ou non, disponibles sur chaque fournisseur, qu’elles proviennent de l’open data, du web, de fournisseurs de données externes ou du fournisseur lui-même. Les acheteurs disposent ainsi d’une vision 360° de l’ensemble de leurs fournisseurs mais aussi de leurs fournisseurs prospects » déclare Nicolas Bridey.
Nombre d’éditeurs de SI achats s’appuient par ailleurs sur leurs supplier networks, pour délivrer à leurs clients des benchmarks sur les meilleures pratiques du marché. « En s’appuyant sur notre base de six millions de fournisseurs et 800 millions de transactions, notre solution de Dynamic benchmarking enrichit la connaissance de nos clients sur leur environnement. Ils peuvent comparer leurs performances par exemple sur leurs délais de paiement, leurs ratios dépenses/chiffre d’affaires ou leurs volumes de dépenses sans bon de commande par rapport à des paniers d’entreprises du même secteur d’activité et de même taille » détaille Matti Fouchault-Airasmaa, Key Account Manager, Sievo.
Pour disposer de données complètes sur l’éventail le plus large de leurs fournisseurs, des directions achats s’associent par ailleurs pour le moment à une échelle sectorielle. « Depuis 2018, Provigis gère la plateforme interbancaire relative à la conformité des fournisseurs pour Crédit Agricole, BNP Paribas, la Société Générale et BPCE. Son objectif est de mutualiser les informations fournisseurs de l’ensemble de ces établissements ainsi que les coûts, souvent élevés, de la création et du traitement des bases de données. Actuellement, le même dispositif est à l’étude auprès de prestataires comme Altares et BvD… pour compléter le scope de leur analyse du risque fournisseur » indique Rémi Lenthéric.
Avec l’IA, l’objectif est également d’enrichir son champ d’information pour passer d’un traitement réactif à proactif. « Avec notre plateforme prédictive Verteego Brain, les entreprises bonifient les informations détenues dans leurs bases de données. Ils disposent de prédictions sur les prix, les stocks… pour mieux négocier avec leurs fournisseurs et optimiser leur supply chain », explique Rupert Schiessl, CEO de Verteego. Les fournisseurs de données proposent par ailleurs des systèmes d’alertes pour anticiper au mieux les risques fournisseurs. « S’appuyant sur l’intégration de bases de données publiques officielles et son partenaire Altares, Provigis a par exemple la capacité d’avertir ses clients du risque de mise en liquidation de leurs fournisseurs dès le lancement de la procédure légale » déclare Rémi Lenthéric.

Faciliter les synergies entre données structurées et non structurées


La disponibilité des données est un autre point primordial. « Regrouper toutes les données venant d’applications diverses est une demande forte des directions achats. Ce regroupement doit permettre d’accéder simplement à une vue d’ensemble des dépenses par catégorie, faire ressortir des corrélations entre ces données, et aider la direction dans ses prises de décisions. SAP Ariba propose un environnement qui permet de piloter toutes les catégories d’achat avec un stockage en mémoire des données qui permet des analyses en temps réel sur de gros volumes de données » indique Vincent de Poret, COE Market Development EMEA de SAP Ariba, qui mobilise pour cela ses capacités en matière de Machine Learning, IA,
IOT et blockchain.
Selon les entreprises, leur taille et structures, différentes architectures peuvent toutefois être déployées comme le souligne Matti Fouchault-Airasmaa : « Les projets de migration vers un seul ERP sont onéreux et prennent du temps. L’alternative peut être de réaliser du master data cleansing sur chacun de ses systèmes d’information. Mais cela n’a de sens que pour un nombre limité de SI. Sievo propose une troisième voie en laissant les données de référence dans les différents ERP et en créant dans Sievo un référentiel harmonisé propre aux achats ».
Pour exploiter à partir d’une même source ses données structurées et non structurées, de nouveaux référentiels de données, les data lakes, se sont développés ces dernières années. Ils évitent les silos d’informations, en stockant toutes les données de l’entreprise. « Les Data Lakes permettent de faire du requêtage sur de grandes quantités de données structurées ou non. Bâtis en agrégeant les bases de données traditionnelles des SI, les données fournisseurs et les données externes à l’entreprise, ils facilitent la construction de vues métiers à 360° par les applications de BI ou de machine learning » explique Rupert Schiessl, tout en précisant « Dans le cadre de notre partenariat avec Google, nous travaillons notamment avec sa technologie de data lake BigQuery ».

Les données doivent être consommées


La finalité de toute donnée et information est par ailleurs d’être partagée. Sa qualité passe aussi par son accessibilité par les acheteurs et utilisateurs internes. « Les entreprises investissent des millions d’euros dans des systèmes intelligents de data. 18 milliards ont été investis en 2018 dans la BI. Mais à la fin, le taux d’utilisation de ces outils n’est que de 20 %. Avec Toucan Toco, ce taux grimpe a minima à 87 %, l’information étant accessible depuis un PC ou un simple mobile. De plus, l’information s’offre aux utilisateurs non plus sous la forme de chiffres bruts indigestes mais de visuels et dans un environnement à l’ergonomie intuitive » explique Raphaël Allain-Dupré, Sales- Business Developer chez Toucan Toco, une plateforme qui « agrège toutes les informations de l’entreprise, en provenance de tous ses systèmes d’information, des ERP aux SI Achats, mais également les fichiers Excel ou CSV…, et met à jour cette information automatiquement ».
Mener de bout en bout la qualification de ses données achats constitue en résumé un projet lourd. Des équipes doivent être mobilisées pour en assurer la réussite. Or ce point reste souvent négligé comme le souligne Jérôme Naslin qui estime que 20 % seulement de ses clients disposent d’équipes dédiées à la gestion de leurs données. Un investissement qui peut pourtant s’avérer payant. « Disposer de données ne suffit pas. Il faut leur donner un sens en les transformant en données exploitables », conclut le patron d’Easypics.
Portraits

Mukesh Ghainder
Directeur général, iAvenir

" iClass classifie chaque transaction pour donner de la visibilité, pas uniquement "avec qui" vous avez dépensé, mais surtout "sur quoi" "



Michael Lisch
Consultant métier avant-ventes, Altares

" Un tiers des informations dans les bases de données des entreprises est renouvelé chaque année "


Jérôme Naslin
PDG, Easypics

" Disposer de données ne suffit pas. Il faut leur donner un sens en les transformant en données exploitables "


Raphaël Allain-Dupré
Sales Business Developer, Toucan Toco

" Avec Toucan Toco, le taux d’utilisation des outils de BI grimpe a minima à 87 %, l’information étant accessible depuis un PC ou un simple mobile "


Rupert Schiessl
CEO, Verteego

" Les Data Lakes permettent de faire du requêtage sur de grandes quantités de données structurées ou non "

Par François Le Roux

Le dernier numéro

Dernier numéro

N°295 - Juillet - Août 2020

Le catalogue

Le catalogue Silex

Retrouvez la revue en format tablette

Apple store Google Play