Aller au contenu principal
Services data
ETI (confidentiel)

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

½ journée

perdue par personne par semaine en reporting manuel et compilation de données

Après

½ journée

gagnée par personne par semaine

½ journée

gagnée par personne par semaine

25

collaborateurs impactés

4

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

Dans cette ETI, la donnée existait — elle était simplement inutilisable. Chaque équipe avait ses fichiers, ses exports, ses rituels de reporting hebdomadaire. Les modèles de données n’étaient pas documentés. Et les tableaux de bord existants ne servaient pas les décisions — ils servaient à produire des reportings. C’est la réalité de la business intelligence dans une ETI : les outils existent, mais sans méthode pour comprendre les données et les relier aux décisions, ils ne produisent que du bruit

Partir des processus métier, pas des données. Nobori Partners a travaillé au plus près des 4 équipes métier — opérations, contrôle de gestion, RH, réglementaire — pour modéliser leurs processus et comprendre comment elles travaillent au quotidien. Quelles décisions prennent-elles ? De quelles informations ont-elles réellement besoin pour les prendre ? Ce travail d’accompagnement a permis d’identifier les KPI qui comptent et de les rattacher à des décisions concrètes — en éliminant au passage les métriques qui n’alimentaient que des reportings que personne ne lisait

Un deep dive dans des données non documentées. Avant de construire quoi que ce soit, Nobori a plongé en profondeur dans les données et les modèles existants — en grande partie non documentés, hérités de choix passés que plus personne ne maîtrisait. Chaque source a été passée au peigne fin pour analyser la qualité des données : incohérences, doublons, champs mal renseignés, règles de gestion implicites. Dans une ETI, faire de la BI pragmatique, c’est d’abord accepter que les données ne sont pas propres — et construire malgré tout un socle fiable

Des dashboards qui servent réellement. Les données nettoyées et structurées via dbt sur Azure alimentent désormais une source de vérité unique. Les dashboards Power BI ont été construits à partir des processus modélisés et des KPI identifiés avec les équipes. Chaque vue répond à une décision précise, pas à un besoin générique de reporting. Les 25 collaborateurs disposent désormais d’un outil de pilotage qu’ils utilisent au quotidien

Le résultat se mesure simplement : une demi-journée gagnée par personne par semaine sur les 25 collaborateurs. Du temps restitué au cœur de métier, parce que les dashboards ont été construits pour servir les décisions, pas pour remplir des slides

NOTRE APPROCHE

5 étapes pour y arriver

1

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

2

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

3

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

Azuredbt
4

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

Azuredbt
5

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

Power BIAzuredbt

RÉSULTATS

L'impact mesurable

½ journée gagnée par personne par semaine
25 collaborateurs impactés
4 processus métier modélisés avec les équipes

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

Réserver un appel découverte