Contenu principal

Quand les Directions Achats s’intéressent au Big Data !

26 novembre 2020
Data & IA
Finance et achats

Le Big Data est l’exploitation des données déjà détenues par l’entreprise (sous forme plus ou moins structurée) mais aussi des métadonnées de sources variées, provenant de l’environnement de l’entreprise (marché, fournisseurs, clients, géopolitiques etc.).

Déjà exploitées depuis plusieurs années par les services marketings ou commerciaux, d’autres directions métier se penchent maintenant sur l’utilisation de ces données.

Souvent sceptiques quant à leur utilisation, les directions achat commencent seulement à s’y intéresser. Pourtant le sourcing ou la gestion des risques fournisseurs sont des opérations consommatrices et productrices d’une quantité massive d’informations, et leur analyse pourrait faciliter le travail des acheteurs au quotidien.

Un levier au service de la performance financière

Affiner le sourcing fournisseurs
L’exploitation massive des données détenues dans l’entreprise, combinées aux données externes (bases de données en lignes ou les catalogues dématérialisés et annuaires spécialisés), aide à déterminer le fournisseur qui répondra le mieux aux attentes de l’entreprise.

Le Big Data permet donc un sourcing plus fiable et précis et aide à accéder à des fournisseurs qui n’étaient pas forcément identifiés par les acheteurs.

Après avoir identifié un panel de fournisseurs répondant au besoin, ces données aident au scoring en croisant les données disponibles :

  • Des données qualitatives : évaluation des entreprises par d’autres clients, qualité perçue des produits par les consommateurs sur internet
  • Des données achats et logistiques : conditions de paiement, délais, démarches administratives
  • Des données sur les transactions : derniers contrats gagnés, analyse des réponses aux appels d’offres
  • Des données de localisation : pays, département, ville
  • Des données financières : capacité de production, part de la commande dans le CA

Anticiper les risques
L’étude des données externes permet une analyse plus poussée des risques relatifs à chaque fournisseur, par exemple l’étude :

  • Des risques Géopolitiques pesant sur un fournisseur international
  • Des risques légaux
  • Des risques financiers systémiques
  • De l’image de marque du fournisseur (liée à sa politique RSE par exemple)

En installant des dispositifs capables de capter, classifier et analyser tout ce qui se dit au travers d’une multitude de sources, un service achats serait capable d’anticiper des défaillances potentielles d’un fournisseur, bien avant que celui-ci ne se retrouve en situation de ne plus pouvoir répondre à ses obligations.

Renforcer le pilotage de la performance
Identifier les leviers contribuant à rendre les achats plus performants exige une adaptabilité et une réactivité de l’entreprise face à un environnement qui change très rapidement. L’analyse, avec un outil Big Data, des données internes et externes permet de contribuer en temps réel au pilotage de la performance des achats sur différents points :

  • Détecter les prévisions d’activité (saisonnières, liées aux projets internes, liées au marché)
  • Avoir une meilleure visibilité sur les commandes récurrentes, ce qui peut entrainer une concentration des achats et des gains supplémentaires
  • Affiner la connaissance des fournisseurs et partenaires (délai de livraison, suivi financier, retours produits)
  • Suivre de manière plus précise les contrats et les prestations
  • Identifier les optimisations nécessaires aux processus des achats

Big Data et Achats : comment s’y prendre ?

Commencer simplement
Avant de faire compliquer, en multipliant les sources et en croisant d’importantes masses de données, les experts du Big Data conseillent toutefois de commencer simplement, avec les informations déjà dans l’entreprise (moins de 20 % d’entre elles en moyenne sont structurées).
Avant de lancer les traitements analytiques, il faut donc s’assurer que toutes les informations soient bien exploitables (consolidées, triées, nettoyées, vérifiées, formatées) pour pouvoir en tirer un maximum de valeur.

Il est aussi recommandé de commencer sur un périmètre limité, par les familles d’achats les plus critiques ou les plus simples, celles qui génèrent le plus d’incidents par exemple. Puis par la suite de monter en puissance en fonction des résultats et des moyens. Au cours de cette phase, le prototypage est fortement recommandé pour itérer sur les modèles à mettre en place et valider leur cohérence.

Éditeurs
En termes de solutions informatiques, les principaux éditeurs du marché proposent des modules d’analyse Big Data : IBM, Oracle et SAP sont les principaux acteurs, suivis par HP et Microsoft.

S’y ajoutent un certain nombre d’éditeurs « hyper-spécialistes » qui proposent des couches analytiques dédiées à des secteurs d’activité ou des directions métiers.

Les éditeurs e-achat (notamment ceux qui ont une offre décisionnelle) ont également compris l’intérêt de se positionner sur ce marché. Ils intègrent en général des briques externes plutôt que leurs propres couches.

Conclusion

Grâce au Big Data, les achats deviennent plus performants, plus agiles et plus prédictifs. Leur intégration au sein du service achats permet donc d’anticiper les risques fournisseur, mais aussi de sécuriser le choix des responsables des achats. Une analyse approfondie de ces données facilite l’optimisation de la performance achat en apportant une vision plus précise de l’activité et des processus en temps réel.

Le challenge reste de trouver l’application répondant le mieux aux besoins de l’entreprise pour transformer les données en valeur.

Clément HU
Clément HU
consultant