L’harmonisation et la consolidation des données Sell Out : un enjeu majeur et d’actualité pour les entreprises de biens de consommation.
Les acteurs de la Grande Consommation, du Luxe et de la Distribution font face à une quantité toujours plus importante et hétérogène de données transactionnelles : la finesse de la data se précise, les sources se multiplient, les cas d’usages sont exponentiels !
Ces données sont collectées via les canaux internes comme le D2C (eCommerce…), via les équipes Finance de l’entreprise (données sell-in) ou encore via des estimations de marchés selon des règles parfois très subjectives. Elles proviennent également de sociétés tiers comme les panélistes (Nielsen, Kantar, Iri etc…), les retailers/distributeurs (B2B, B2B2C). Mais de nouvelles sources de données, via des acteurs innovants (IA, web scraping de données, données plus granulaires et factuelles, nouvelles informations de consommation, DN/DV…) viennent encore plus bousculer le paysage data nécessitant une véritable organisation et une maitrise de la data pour en tirer le plus de leviers activables pour le business.
Si la quantité (et la qualité !) des données s’accroît, la diversification des canaux de distribution – avec notamment l’accélération du e-commerce, induite par la pandémie du Covid 19 (cf. illustration ci-dessous) – pose donc un nouveau challenge : comment harmoniser, modéliser, consolider et, in fine, rendre exploitable l’utilisation de ces données hétérogènes et éparses pour mener des actions business plus ciblées, mieux documentées et donc plus ROIstes ?
La croissance du e-commerce rend d’autant plus nécessaire la collecte et le reporting de données de vente sur ce canal
En effet, la plupart des groupes multinationaux possèdent autant de sources de données que de filiales/antennes locales. En conséquence, la structure, la couverture et la granularité des sources de données de vente varie fortement au sein des bases de données de l’entreprise.
Finalement, l’hétérogénéité et la différence de granularité de sources de données de vente se doit d’être impérativement prise en compte pour le développement d’une vision holistique des ventes.
Ainsi, 4 grands enjeux s’imposent aux entreprises :
- Rendre l’ensemble des données transactionnelles d’une entreprise disponibles et exploitables instantanément dans le but de maximiser le pilotage des ventes et la prise de décision quant aux actions ciblées à mettre en œuvre rapidement.
- Être capable d’évaluer et comparer les données entre différentes entités, pays, marque ou catégories en créant une structure hiérarchique et une typologie similaire pour toutes les données.
- Rendre les collaborateurs autonomes dans leurs utilisations des données par la mise en place d’une gouvernance centrée sur les données et visant à promouvoir la donnée comme un service.
- Et enfin, construire des pipelines de données plus performants par la simplification des architectures de données existantes au sein du système d’information de l’entreprise.
Une réponse technologique et organisationnelle face à ces enjeux : La construction d’une single source of Truth (SSOT)
Qu’est-ce que la Single Source Of Truth (SSOT) ? Une source de données remplissant les quatre conditions suivantes :
- Une source de données unique. Elle regroupe, à elle seule et au sein d’un même datalake, l’ensemble des sources de données internes et externes à l’entreprises relatives à la clientèle et aux ventes D2C et B2B. Il s’agit d’une source précise, homogène, complète et granulaire assurant un décloisonnement des données, on parle d’Omnicanalité des données.
- Une source de données accessible à chaque collaborateur, en adéquation avec les règles d’accès définies en amont du projet. C’est un point crucial car à cause du cloisonnement des données, un collaborateur consacre en moyenne près de 20 % de sa semaine de travail à la recherche d’informations internes ou à la recherche de collègues pouvant l’aider dans des tâches spécifiques. [3]
- Une source de vérité indiscutable, assurant la normalisation, l’actualisation et la qualité des données. Pour garantir cela, les données sont dédoublonnées, mises à jour fréquemment et correspondent à un standard de qualité défini. Une SSOT permet de pallier aux problèmes de données existants sous différentes valeurs et rendant complexe l’identification de la « bonne » donnée à utiliser
- Une source de données standardisée et unifiée. La définition d’un format de donnée commun permet de créer un langage unique entre les différentes entités d’une entreprise, ses départements et ses marques. On ne discute plus les définitions de marché !
Dotée d’une SSOT, une entreprise peut ainsi :
Les outils de reporting et dashboards sont connectés à la SSOT, toutes les données du datalake sont désormais incrémentables dans les rapports de ventes et ce de manière automatisée.
Habituellement, une entreprise possède une source de données par canal de vente. En comparaison, une SSOT permet de comparer les ventes sur chaque canal (Ecommerce, brick & mortar, B2B2C, B2C…) dans chaque pays.
En effet, la consolidation des données de l’entreprise et de ses concurrents permet de reconstituer les marchés et leurs segments à l’échelle locale, régionale et globale.
Et ce, dans chaque pays et à l’EAN près dans certains cas.
Mais également d’autres facteurs qui contribuent au succès d’une entreprise pour aider à la définition et au pilotage des moyens moteurs.
Et cela en leur permettant d’accéder instantanément aux données de la SSOT par l’intermédiaire des outils de datavisualisation de l’entreprise (Tableau, Power BI, Looker, etc.).
Afin de traiter davantage de sujets de fond.
L’accès à des données de qualité et en volume important sont deux conditions pour entrainer les programmes de machine learning en vue de prédire les ventes futures.
Récapitulatif des flux de données alimentant la SSOT et des principaux cas d'usage résultants
Finalement une single source of truth permet aux équipes de prendre des décisions business plus efficaces, plus facilement et plus rapidement, au niveau global comme au niveau local.
Le temps et les efforts de recherche sont réduits et les ressources se focalisent sur comment exploiter la data et non comment la récolter.
Les principaux challenges dans l’harmonisation et la consolidation de sources de données Sell Out
Lors d’un projet d’harmonisation et de consolidation de sources de données, 3 problèmes majeurs vont être rencontrés.
Le premier challenge réside dans l’hétérogénéité des différentes sources. Celle-ci a trois origines principales :
- Les données peuvent provenir de prestataires externes qui utilisent leur propres méthodologies et taxonomies. Ainsi, la structuration de ces données apparait le plus souvent comme une véritable black box
- Chaque source de donnée a une histoire unique : en effet, une source est initialement développée/structurée pour un cas d’usage spécifique. Dès lors, les business rules régissant les différentes données ne sont par nature pas identiques.
- La granularité d’une source à une autre diffère le plus souvent, il convient alors de déterminer le dénominateur commun de granularité afin de les consolider.
Par exemple, un des principaux facteurs d’hétérogénéité de sources de données panel couvrant des marchés différents (au sens pays) réside dans la « connaissance locale » de la donnée. En effet, la construction des données panel de reporting est le fruit d’une étroite collaboration entre les antennes Consumer/Customer et Market Insight couvrant la zone géographique et les agences de données qui apportent leur connaissance du marché local. Ainsi, à cause de ces hétérogénéités de données, la consolidation d’une vision de marché agrégée ne peut se faire par la simple concaténation des sources couvrant chacune une partie du marché d’origine.
Pour consolider et harmoniser les sources de données, il est donc nécessaire de transformer les sources de données d’origine. Ce processus, aussi appelé mapping est une étape clé dans l’harmonisation vers une architecture cible partagée par l’ensemble des données que l’on souhaite agréger. La résultante du mapping est alors une structure de données communes qui constitue alors un nouveau référentiel de données.
Exemple de mapping de bases de données hétérogènes de pâtes à tartiner
Ainsi, le second challenge d’un projet d’harmonisation demeure dans la légitimité des choix d’architecture communs qui vont être adoptés lors du mapping. En effet, les sources de données originelles sont dupliquées puis restructurées vers l’architecture cible. Dès lors, certaines définitions de segment de marchés peuvent se retrouver remaniés, bousculant ainsi les reportings de ventes traditionnelles.
En reprenant l’exemple du schéma ci-dessus, nous comprenons qu’une vision des ventes correspondant au segment des pâtes à tartiner en Allemagne sera différent dans la base Europe par rapport à la vision de la base locale Allemagne. C’est donc un vrai changement et une nouvelle vision qu’il faut légitimer pour entrainer l’adoption de la vision consolidée et unifiée par les usagers des sources de données…
Enfin, une fois la consolidation des sources de données faites, un dernier point de difficulté intervient : le potentiel chevauchement des différentes sources de données. En réalité, les sources provenant d’origines diverses et répondant à des cas d’usages spécifiques, il est courant d’avoir des sources de données qui se chevauchent, du moins partiellement.
Les principales difficultés du chevauchement de données résident dans :
- L’identification des segments de données qui se chevauchent
- Par la suite d’être en mesure d’isoler ces segments dans les sources de données
- Et enfin, établir quel doit être l’unique source de vérité pour ces deux segments…
Nos recommandations pour le succès d’une telle transformation
En conclusion
Les bénéfices d’avoir une single source of truth (SSOT), facilement accessible, construite sur des cas d’usages business avec des indicateurs bien choisis ne sont plus à démontrer. Ainsi, pour plusieurs acteurs de la Grande Consommation, du Luxe et de la Distribution, la SSOT est l’objectif ultime pour maitriser au plus juste la finesse des chiffres de ventes et donc prendre de meilleures décisions business et impacter ainsi directement les performances des ventes.
Le chemin pour y parvenir est tracé, mais il convient avant tout pour y parvenir de bien connaitre la maturité de son entreprise (qualité et accessibilité des sources de données Sell Out, architecture et capacité du SI, disponibilité des leaders et développeurs IT, organisation data dédiée ou non) et de dimensionner les ambitions en fonction des moyens pour pouvoir déployer efficacement la solution la plus adaptée à l’entreprise.
Pour ce faire, elles peuvent s’appuyer sur notre réseau d’experts pour les accompagner à la fois dans la consolidation de sa stratégie data mais également dans le déploiement de celle-ci tout en prenant en compte les spécificités de ses enjeux et son écosystème IT.
Sources :
[1] – Statista: Retail e-commerce sales worldwide from 2014 to 2025
[2] – Statista: Consumer Market Outlook
[3] – McKinsey: The social economy: Unlocking value and productivity through social technologies
Insights liés
Julien Miniconi
Romain Clémençon
Morane Gour
Xavier Baudouin
Emma Lamothe
Alessia Corsi