Rédacteurs :
Donia Tchana, Consultante systèmes d’information · mc2i
Vincent Terrier, Directeur Financier, Associé · mc2i
État des lieux du contrôle de gestion aujourd'hui en France
Les compétences attendues et recherchées d’un contrôleur de gestion vont au-delà de la fabrication de données de décision et de pilotage. On exige également des appétences sur les outils de gestion de Data EPM et BI afin de donner du sens à la donnée.
Si on retrace l’histoire, les premiers efforts humains et technologiques se sont portés sur l’optimisation et la réduction des temps comptables de préparation des états financiers. Progressivement, ces objectifs de rentabilité se sont étendus aux autres départements de l’entreprise.
Les équipes finances au cœur de la production des chiffres et notamment le contrôle de gestion doivent gagner du temps sur le temps pour être au service de cette réactivité et pouvoir être extrêmement agiles dans l'utilisation de cette donnée qui est de plus en plus volumineuse.
La technologie est l’un des premiers vecteurs plébiscités par les contrôleurs gestion pour industrialiser, robotiser et leur libérer du temps.
Fait notable; les entreprises ne manquent pas de données mais la problématique est d’un autre genre : 80 % de ces données ne sont pas utilisées ou utilisables. En d’autres mots; l'enjeu est de s’assurer d’une donnée de qualité ainsi que de sa bonne exploitation et restitution.
Assurer une donnée de qualité
Que veut dire une donnée qualitative ? C’est une donnée fiable, précise, exhaustive, recensée et portant une vérité à un temps donné.
Le processus amont de qualification et de nettoyage de la donnée dès la source est indispensable. Une donnée mal saisie descendra de la même façon dans le système décisionnel et sera de mauvaise qualité c’est indéniable.
La qualité est aussi portée dans l’organisation et le métier doit pouvoir comprendre le processus de transformation de la donnée pour en maîtriser les sens et enjeux. Cela passe par un bon référentiel ainsi que des règles de gestion intermédiaires permettant de passer d’une donnée brute ou semi brute à une donnée de qualité compréhensible par tous.
L’enjeu ensuite est de conserver, d’historiser et de mettre à disposition ce patrimoine de données qualitatives. L’architecture autour de la donnée répondant à ce besoin s’appelle le Hub décisionnel. Ainsi il doit s’adapter aux évolutions de l’entreprise et à ses cycles de production de l’information.
Donner du sens à la donnée
L’entreprise se doit d'acculturer ses collaborateurs de l'intérêt de la data en tant que matière première dans les prises de décision. La conduite du changement est indispensable. En effet, cela correspond à apprivoiser une nouvelle culture d’entreprise et répond à une logique d’accompagnement dans la durée, 2 à 3 ans idéalement.
Ainsi, ils prennent bien conscience de tous les enjeux et bénéfices d’un projet data mené correctement. Donner du sens c’est aussi la projection, les collaborateurs doivent avoir une vision globale des données et toujours garder de visu l’ambition long terme et la cible à atteindre. À terme, ça leur permettra d'avoir un gain de performance dans l'entreprise.
Mutualisation des services
Le contrôleur de gestion doit maintenant travailler avec le métier et il devient son Business partner. Il s’appuie également sur la DSI pour créer un binôme complémentaire. En effet la DSI lui apporte les connaissances sur les outils et technologies en termes de traitement, de qualification et contrôle de la donnée.
C’est grâce à cette collaboration et aux communications interservices que le contrôleur de gestion est le chef d’orchestre de ce pool de Data Quality et que conjointement chacun contribue à répondre aux attentes stratégiques des dirigeants.
Pour mettre en musique un tel projet, toutes les directions doivent être embarquées mais il faut un sponsorship fort et porté par une seule direction.
Pourquoi les projets Data échouent ?
La première erreur que les entreprises font, c’est de penser que le projet DATA est un projet DSI. Ce sont les opérationnels qui connaissent véritablement la donnée et le sens qu'elle va avoir derrière, l’intelligence nécessaire ne peut qu’être apportée par le facteur humain.
Réflexion sur la donnée extérieure
Tout écosystème se doit d’opérer dans son environnement, de se confronter aux autres dans une perspective d’amélioration continue. Nous venons de démontrer que la gestion uniquement en interne de la donnée n’était pas chose facile. Ajouter le facteur externe et on complexifie encore le sujet. Tous les métiers n’ont pas encore acquis la maturité nécessaire.
Le véritable enjeu c'est l'hétérogénéité : comment puis-je faire pour fiabiliser une source externe ?
Le cap intermédiaire c’est déjà de se confronter au sein même d’une entreprise à ses business Unit. L'objectif c’est d’avoir un ensemble de systèmes qui s'auto alimentent dans cette performance individuelle mais au service du collectif.
Un avenir incertain certes mais un métier dans un environnement intellectuel et qui est tourné et orienté vers l’avenir. Le contrôle de gestion confronte avec synergie les expériences du passé, le vécu du quotidien et les projections futures pour organiser une logique de modèle interne et de valorisation.
Face à de telles problématiques de traitement de grosse volumétrie de la donnée, l’Intelligence Artificielle semble souvent être la réponse à tout. L'IA peut-elle vraiment mettre en péril ce métier ? L’IA a besoin d’être éduquée et c’est pourquoi elle ne sera qu’une assistance numérique pour copiloter les entreprises. Le contrôleur de gestion porte l'entreprise dans sa prise de décision et la lead à être Data driven.
Donia Tchana, Consultante systèmes d’information · mc2i
Vincent Terrier, Directeur Financier, Associé · mc2i
État des lieux du contrôle de gestion aujourd'hui en France
Les compétences attendues et recherchées d’un contrôleur de gestion vont au-delà de la fabrication de données de décision et de pilotage. On exige également des appétences sur les outils de gestion de Data EPM et BI afin de donner du sens à la donnée.
Si on retrace l’histoire, les premiers efforts humains et technologiques se sont portés sur l’optimisation et la réduction des temps comptables de préparation des états financiers. Progressivement, ces objectifs de rentabilité se sont étendus aux autres départements de l’entreprise.
Les équipes finances au cœur de la production des chiffres et notamment le contrôle de gestion doivent gagner du temps sur le temps pour être au service de cette réactivité et pouvoir être extrêmement agiles dans l'utilisation de cette donnée qui est de plus en plus volumineuse.
La technologie est l’un des premiers vecteurs plébiscités par les contrôleurs gestion pour industrialiser, robotiser et leur libérer du temps.
Fait notable; les entreprises ne manquent pas de données mais la problématique est d’un autre genre : 80 % de ces données ne sont pas utilisées ou utilisables. En d’autres mots; l'enjeu est de s’assurer d’une donnée de qualité ainsi que de sa bonne exploitation et restitution.
Assurer une donnée de qualité
Que veut dire une donnée qualitative ? C’est une donnée fiable, précise, exhaustive, recensée et portant une vérité à un temps donné.
Le processus amont de qualification et de nettoyage de la donnée dès la source est indispensable. Une donnée mal saisie descendra de la même façon dans le système décisionnel et sera de mauvaise qualité c’est indéniable.
La qualité est aussi portée dans l’organisation et le métier doit pouvoir comprendre le processus de transformation de la donnée pour en maîtriser les sens et enjeux. Cela passe par un bon référentiel ainsi que des règles de gestion intermédiaires permettant de passer d’une donnée brute ou semi brute à une donnée de qualité compréhensible par tous.
L’enjeu ensuite est de conserver, d’historiser et de mettre à disposition ce patrimoine de données qualitatives. L’architecture autour de la donnée répondant à ce besoin s’appelle le Hub décisionnel. Ainsi il doit s’adapter aux évolutions de l’entreprise et à ses cycles de production de l’information.
Donner du sens à la donnée
L’entreprise se doit d'acculturer ses collaborateurs de l'intérêt de la data en tant que matière première dans les prises de décision. La conduite du changement est indispensable. En effet, cela correspond à apprivoiser une nouvelle culture d’entreprise et répond à une logique d’accompagnement dans la durée, 2 à 3 ans idéalement.
Ainsi, ils prennent bien conscience de tous les enjeux et bénéfices d’un projet data mené correctement. Donner du sens c’est aussi la projection, les collaborateurs doivent avoir une vision globale des données et toujours garder de visu l’ambition long terme et la cible à atteindre. À terme, ça leur permettra d'avoir un gain de performance dans l'entreprise.
Mutualisation des services
Le contrôleur de gestion doit maintenant travailler avec le métier et il devient son Business partner. Il s’appuie également sur la DSI pour créer un binôme complémentaire. En effet la DSI lui apporte les connaissances sur les outils et technologies en termes de traitement, de qualification et contrôle de la donnée.
C’est grâce à cette collaboration et aux communications interservices que le contrôleur de gestion est le chef d’orchestre de ce pool de Data Quality et que conjointement chacun contribue à répondre aux attentes stratégiques des dirigeants.
Pour mettre en musique un tel projet, toutes les directions doivent être embarquées mais il faut un sponsorship fort et porté par une seule direction.
Pourquoi les projets Data échouent ?
La première erreur que les entreprises font, c’est de penser que le projet DATA est un projet DSI. Ce sont les opérationnels qui connaissent véritablement la donnée et le sens qu'elle va avoir derrière, l’intelligence nécessaire ne peut qu’être apportée par le facteur humain.
Réflexion sur la donnée extérieure
Tout écosystème se doit d’opérer dans son environnement, de se confronter aux autres dans une perspective d’amélioration continue. Nous venons de démontrer que la gestion uniquement en interne de la donnée n’était pas chose facile. Ajouter le facteur externe et on complexifie encore le sujet. Tous les métiers n’ont pas encore acquis la maturité nécessaire.
Le véritable enjeu c'est l'hétérogénéité : comment puis-je faire pour fiabiliser une source externe ?
Le cap intermédiaire c’est déjà de se confronter au sein même d’une entreprise à ses business Unit. L'objectif c’est d’avoir un ensemble de systèmes qui s'auto alimentent dans cette performance individuelle mais au service du collectif.
Un avenir incertain certes mais un métier dans un environnement intellectuel et qui est tourné et orienté vers l’avenir. Le contrôle de gestion confronte avec synergie les expériences du passé, le vécu du quotidien et les projections futures pour organiser une logique de modèle interne et de valorisation.
Face à de telles problématiques de traitement de grosse volumétrie de la donnée, l’Intelligence Artificielle semble souvent être la réponse à tout. L'IA peut-elle vraiment mettre en péril ce métier ? L’IA a besoin d’être éduquée et c’est pourquoi elle ne sera qu’une assistance numérique pour copiloter les entreprises. Le contrôleur de gestion porte l'entreprise dans sa prise de décision et la lead à être Data driven.