Comparez la performance des indicateurs au fil du temps. Soutenez les décisions basées sur les données avec une analyse des tendances, des écarts, des corrélations et des références.
Dans la planification stratégique, nous quantifions les objectifs pour les rendre plus spécifiques. La valeur absolue d’un indicateur fournit généralement des informations limitées. Pour des décisions basées sur les données, collectez des données pour l’indicateur et utilisez des outils tels que :
- Détection des tendances et des anomalies
- Analyse des écarts
- Analyse comparative des périodes
- Analyse de corrélation
- Références internes et externes
Dans cet article, nous discuterons des meilleures pratiques pour l’utilisation de ces outils analytiques et partagerons quelques exemples pour les utilisateurs du logiciel BSC Designer.
Suivez les données historiques pour permettre l’analyse des tendances et la détection des anomalies
Le point de départ de l’analyse des métriques consiste à collecter des données dans le temps. Pour garantir une mesure cohérente :
- Définissez l’intervalle d’actualisation
- Définissez la méthode de mesure
- Assignez une personne responsable de la révision de l’indicateur
Si les données sont déjà disponibles dans un système informatique, envisagez de mettre en place des mises à jour automatiques.
Lors de la collecte des données historiques, assurez-vous que la personne responsable puisse consigner des commentaires et des observations pertinents, tels que : « Les ventes ont été faibles ce mois-ci parce que le bureau a été touché par un événement météorologique extrême. »
La disponibilité des données historiques permet l’utilisation d’autres outils d’analyse tels que :
- Analyse des tendances
- Détection des anomalies
- Benchmarking
C’est également un prérequis pour toute analyse basée sur l’IA.
Les valeurs historiques sont plus utiles lorsqu’elles sont accompagnées du contexte expliquant les changements significatifs et les décisions de gestion.
Dans BSC Designer :
- Assignez une personne responsable via le champ Propriétaire
- Définissez l’intervalle de mise à jour de l’indicateur via le Values Editor
- Saisissez les données manuellement ou automatiquement
Metric Analytics: Practical Examples. - Visualisez les données historiques sur le tableau de bord sous forme de tableau de données ou de graphique temporel
- Activez une ligne de tendance pour la visualisation sur le graphique
Metric Analytics: Practical Examples. Analyse de la variance (Réel vs. Attendu)
Dans la planification stratégique, nous nous concentrons généralement sur des objectifs d’amélioration. Du point de vue de la mesure de la performance, nous attendons à ce que l’état actuel d’un indicateur change, idéalement en reflétant une amélioration.
Pour mettre cela en œuvre, nous définissons une base de référence et un objectif pour l’indicateur, créant ainsi une échelle de mesure de la performance. La valeur actuelle est ensuite analysée sur cette échelle, ce qui est aussi appelé normalisation.
Une fois que tous les indicateurs sur le tableau de bord sont normalisés, ils deviennent comparables. Par exemple, les chiffres de vente absolus d’un petit bureau régional et d’un bureau situé dans un centre financier peuvent ne pas être comparables, mais en normalisant les données de vente à l’aide d’objectifs définis pour chaque bureau, nous les rendons comparables. Nous utiliserons la normalisation plus tard lors de la discussion de l’analyse comparative.
Dans BSC Designer :
- Entrez la valeur actuelle, la base de référence et l’objectif dans l’onglet Données
- Spécifiez la formule d’optimisation dans l’onglet Performance
Analytique des indicateurs : Exemples pratiques. L’outil calculera le progrès de l’indicateur.
Dans certains cas, deux échelles pour la normalisation sont nécessaires. Dans BSC Designer, passez à l’onglet Données et désactivez le “Mode simple” pour activer les champs supplémentaires “Min” et “Max”. Cela donne deux échelles pour la normalisation : min-max et base de référence-objectif. L’outil calculera à la fois la “performance” et le “progrès.”
Analyse Comparative des Périodes : Mois après Mois, Année après Année
Une autre approche pour analyser les données historiques est l’analyse comparative des périodes, qui aide à :
- Détecter les tendances
- Suivre les taux de changement
- Comprendre les effets saisonniers
Au lieu de regarder les enregistrements de données discrets, regroupez les données par périodes, telles que les mois, les trimestres ou les années, pour suivre les changements au fil du temps.
Par exemple, lors de l’analyse du trafic d’un site web mois par mois, les tendances pourraient ne pas être visibles, mais le regroupement des données par années peut révéler des tendances positives ou négatives.
La méthode de regroupement des données dépend de la nature des données et du contexte de la mesure :
- Les métriques comme le « taux de satisfaction client » doivent être moyennées
- Les métriques comme les « ventes mensuelles » doivent être résumées
Si vous êtes intéressé par la détection des anomalies, la méthode de regroupement pourrait être changée pour :
- La valeur minimale, ou
- La valeur maximale
Dans BSC Designer :
- Configurez le type de regroupement d’un indicateur via le contrôle « regrouper par » dans l’éditeur de valeurs
- Affichez la colonne « Dynamique » dans les tableaux KPI, les rapports, ou sur la carte stratégique
- Utilisez les contrôles « regrouper par » dans l’onglet KPI, l’onglet Tableau de bord, et dans la boîte de dialogue Rapports pour changer les périodes de regroupement pour les données visualisées
Metric Analytics: Practical Examples. Analyse de Corrélation avec l’IA
Une fois que vous avez des données historiques pour divers indicateurs, vous pouvez passer à l’analyse de corrélation. Cela peut être fait manuellement en examinant les données ou en utilisant l’IA pour identifier d’éventuelles corrélations entre les indicateurs.
Pour une analyse manuelle, visualisez deux métriques ou plus sur le même graphique. Dans BSC Designer, vous pouvez le faire en sélectionnant plusieurs indicateurs comme source de données.
Metric Analytics: Practical Examples. Pour une analyse assistée par l’IA, fournissez à l’IA les informations contextuelles et les données des métriques, et demandez-lui d’identifier d’éventuelles corrélations.
Assurez-vous d’appliquer une réflexion critique aux résultats de cette analyse, car la corrélation n’implique pas la causalité.
Pour utiliser l’analyse de corrélation dans BSC Designer:
- Passez à l’onglet IA
- Commencez une nouvelle conversation en fournissant des données de performance à l’IA
- Demandez-lui de trouver des KPI qui pourraient être corrélés
Voici un exemple de demande pour l’IA:
Vous êtes un analyste de données IA chargé d’effectuer une analyse de corrélation complète sur un tableau de bord équilibré contenant divers indicateurs clés de performance (KPI) à travers plusieurs perspectives. L’objectif est de comprendre les relations entre ces indicateurs pour éclairer la prise de décisions stratégiques.
Instructions:
– Concentrez-vous sur la période de données de l’année dernière
– Calculez le coefficient de corrélation de Pearson pour chaque paire de métriques.
– Si les données ne sont pas normalement distribuées, utilisez le coefficient de corrélation de rang de Spearman.
– Déterminez la signification statistique de chaque coefficient de corrélation.
– Utilisez un niveau de signification de 0,05 (intervalle de confiance de 95%)
– Mettez en évidence les paires d’indicateurs avec des coefficients de corrélation supérieurs à 0,7 ou inférieurs à -0,7
– Fournissez une interprétation détaillée des corrélations significatives identifiées et des raisons possibles de ces relations basées sur le contexte commercial.
– Proposez des hypothèses qui pourraient être testées par une analyse ou une expérimentation supplémentaires.
Metric Analytics: Practical Examples. Etalonnage ou Analyse de Performance Relative
L’étalonnage est utile lorsque la même métrique est utilisée dans un domaine d’activité. Il peut y avoir :
- Métriques standards de l’industrie ou de meilleures pratiques (par exemple, « Marge brute » ou « Net Promoter Score »)
- Métriques utilisées pour évaluer la concurrence (par exemple, « Part de marché » ou « Trafic du site web »)
- Métriques internes utilisées dans différents départements (par exemple, métriques dans les fiches d’évaluation ou les tableaux de bord des fournisseurs)
D’un point de vue de la mesure, le facteur clé de succès dans l’analyse de performance relative est de définir et de maintenir des standards de mesure. Bien que cela soit réaliste pour les métriques internes, pour les métriques externes, nous devons accepter une marge d’erreur plus élevée. Même des métriques classiques comme « % des clients qui ont recommandé notre produit » peuvent varier considérablement d’une entreprise à l’autre selon le contexte de la question.
Dans BSC Designer :
- Créer un ensemble de modèles de KPI ou de critères d’évaluation
- Propager (copier et coller) les KPI pour représenter divers départements internes ou concurrents
- Utiliser le graphique « Séries » sur le tableau de bord pour visualiser les données selon les critères d’évaluation et comparer la performance totale de chaque étalon
Metric Analytics: Practical Examples. Nous avons discuté d’exemples plus spécifiques et de meilleures pratiques pour mesurer les séries de données dans nos discussions sur les tableaux de bord d’évaluation.
Formulez des enseignements actionnables
L’objectif principal de l’analyse des données de performance est de dégager des enseignements pouvant être utilisés pour formuler de meilleures hypothèses stratégiques.
Principes généraux pour formuler ces enseignements :
- Référez-vous aux données qui ont déclenché l’enseignement
- Vérifiez les sources et analysez le contexte, car toute donnée peut être involontairement biaisée
- Réalisez une analyse des causes profondes pour mieux comprendre l’enseignement
- Alignez les enseignements sur la stratégie existante afin de soutenir les objectifs, répondre aux besoins des parties prenantes, atténuer les risques, etc.
- Rappelez-vous qu’un enseignement est une hypothèse qui doit être validée avant d’être déployée à grande échelle. Traitez-le en conséquence en identifiant des métriques avancées et retardées pertinentes et en mettant en place des expérimentations.
Dans BSC Designer :
- Aux premières étapes, notez les enseignements sous forme de commentaires pour des dates spécifiques des KPI sélectionnés
- Aux étapes ultérieures, transférez les enseignements dans des tableaux de bord fonctionnels ou stratégiques afin de les développer davantage
La préservation de ce raisonnement améliore également l’analyse assistée par l’IA. Dans notre étude, le raisonnement de la direction a modifié l’action que l’IA priorisait, tandis que des données supplémentaires sur les KPI ne communiquaient pas toujours le même sens.
Metric Analytics: Practical Examples. Résumé de l’analyse de performance dans la planification stratégique
- Définir les indicateurs de performance dans le contexte de la stratégie formulée et des besoins des parties prenantes.
- Suivre les données de performance pour les indicateurs au fil du temps.
- Utiliser les outils analytiques discutés ci-dessus pour générer des insights.
- Formuler de nouvelles hypothèses et des insights exploitables.
- Valider les hypothèses en pratique; mettre à jour la stratégie avec de nouvelles données.
Alexis Savkín est le fondateur de BSC Designer, un logiciel d’exécution de la stratégie et de gestion de la performance qui relie les objectifs, les KPI, les initiatives, les risques et les données de performance. Fort de plus de 20 ans d’expérience, son travail se concentre sur l’architecture d’exécution de la stratégie — la manière dont les organisations rassemblent la stratégie, la mesure, la responsabilité, les risques et les processus de revue au sein d’un système d’exécution cohérent. Il a créé le Strategy Execution Canvas et le système KPI en 10 étapes, et a publié deux livres ainsi que plus de 100 articles sur la stratégie et la gestion de la performance. Connectez-vous avec Alexis sur LinkedIn.