25 personnes qui pilotent à vue, des reportings manuels qui ne suffisent plus — il est temps de construire des dashboards qui servent réellement les décisions
Avant
perdue par personne par semaine en reporting manuel et compilation de données
Après
gagnée par personne par semaine
gagnée par personne par semaine
collaborateurs impactés
processus métier modélisés avec les équipes
Dans cette ETI, chaque équipe pilotait à vue. Les données d'activité vivaient dans des fichiers Excel disparates, les modèles de données n'étaient pas documentés, et les reportings se fabriquaient à la main chaque semaine. 25 collaborateurs passaient une part significative de leur temps à compiler et mettre en forme des données — sans que les tableaux de bord produits ne permettent réellement de prendre des décisions. Faire de la business intelligence pragmatique dans une ETI, c'est se heurter à des réalités que les outils seuls ne résolvent pas : des données de qualité inégale, des modèles hérités que personne ne maîtrise, et des équipes métier qui n'ont ni le temps ni la méthode pour formaliser leurs besoins
SITUATION AVANT
- Baseline operationnel
- Données d'activité dispersées dans des fichiers Excel par équipe. Reportings fabriqués à la main chaque semaine. Les tableaux de bord existants ne servaient pas les décisions.
- Equipes impactees
- 25 collaborateurs, toutes équipes confondues (opérations, contrôle de gestion, RH, réglementaire).
- Couts caches
- Du temps perdu chaque semaine à consolider des chiffres que personne ne contestait mais que tout le monde recalculait de son côté — au détriment du cœur de métier.
- Pourquoi non resolu avant
- La difficulté de faire de la BI pragmatique dans une ETI : des modèles de données non documentés, une qualité de données inégale, des équipes métier qui n'ont ni le temps ni la méthode pour formaliser leurs besoins. Les outils seuls ne résolvent pas ces problèmes.
L'HISTOIRE
NOTRE APPROCHE
5 étapes pour y arriver
Accompagnement des équipes et modélisation des processus métier
Travail au plus près des 4 équipes métier pour comprendre leur quotidien, modéliser leurs processus et identifier les points de décision. L'objectif n'était pas de collecter des données mais de comprendre comment chaque équipe travaille, quelles décisions elle prend, et de quelles informations elle a réellement besoin pour les prendre
Identification des KPI et des décisions associées
Pour chaque processus modélisé, identification des indicateurs clés de performance et des décisions qu'ils doivent éclairer. Ce travail a permis de distinguer les métriques qui servent réellement au pilotage de celles qui ne font qu'alimenter des reportings que personne ne lit. Chaque KPI est rattaché à une décision concrète
Deep dive dans les données et analyse qualité
Plongée en profondeur dans les données et les modèles existants — en grande partie non documentés. Nobori a passé au peigne fin chaque source pour analyser la qualité des données : incohérences, doublons, champs mal renseignés, règles de gestion implicites. Dans une ETI, c'est la réalité de la BI pragmatique : avant de construire des dashboards, il faut comprendre ce que les données disent réellement et ce qu'elles ne disent pas
Socle de données et pipelines de transformation
Centralisation des données dispersées dans les outils métiers, nettoyage et structuration via dbt sur Azure. Les pipelines de transformation intègrent les règles de qualité identifiées lors du deep dive et alimentent une source de vérité unique, fiable et à jour, sur laquelle s'appuient les dashboards
Construction des dashboards de pilotage
Conception et déploiement de dashboards Power BI construits à partir des processus métier et des KPI identifiés avec les équipes. Chaque dashboard répond à des décisions précises — pas à un besoin générique de reporting. Les 25 collaborateurs disposent de vues qui leur servent au quotidien
RÉSULTATS
L'impact mesurable
Les dashboards de pilotage construits avec les équipes ont libéré une demi-journée par personne par semaine sur les 25 collaborateurs. Les 4 processus métier modélisés disposent désormais d'indicateurs rattachés à des décisions concrètes. Les reportings manuels ont été éliminés au profit de vues en temps réel sur une source de vérité unique
Vos dashboards ne servent à personne ? Parlons processus métier, KPI et décisions — la donnée vient après
Réserver un appel découverteCAS SIMILAIRES
récupérés grâce à la mise en service dans les temps
Un éco-organisme découvre lors d'un audit que la refonte de son application critique accuse 2 ans de retard. Les causes : un cadre légal imprévisible, une absence d'écrits et de méthode, et une relation explosive avec le studio de développement. En 6 mois, Nobori Partners reconstruit la confiance, priorise avec les métiers et livre dans les temps. Résultat : réputation sauvée, plusieurs millions d'euros récupérés
Lire le casd'utilisateurs finaux représentés
Une ETI de 600 personnes représentant 3 millions d'utilisateurs fait face à l'ouverture de son marché à la concurrence. Nobori Partners déploie son accélérateur d'audit IA pour livrer un diagnostic flash en 2 semaines au lieu de 6 à 8, approfondir les causes racines et co-construire la vision cible du SI avec la direction
Lire le cas