Contexte & Objectifs

Un fournisseur de services techniques a entrepris un nouveau projet important dans le secteur de l'énergie qui contribuerait grandement à leur chiffre d'affaires. Ils souhaitaient moderniser le reporting en matière d'intelligence économique (BI) avant de commencer le grand projet complexe afin d'offrir les meilleurs services disponibles.

Le nouveau projet nécessitait une approche plus tactique et urgente du point de vue technique et organisationnel concernant la qualité, l'exhaustivité et l'utilisabilité des données.

Le client a demandé un outil de reporting global pour suivre l'évolution du projet et comparer les indicateurs, y compris les prévisions, la logistique, les finances, la productivité des techniciens et la qualité du service.

Les principaux objectifs étaient de :

• Affiner et prioriser les besoins commerciaux

• Rendre opérationnels les rapports les plus critiques

• Définir une feuille de route vers une architecture de reporting plus rationalisée et une solution de reporting unifiée

• Construire un nouveau modèle de données pour le reporting BI

Approche

D'abord, nous avons défini une méthode pour mieux organiser le travail BI et répondre aux besoins commerciaux par les piliers des personnes, des processus et des outils pour une approche plus structurée. Nous l'avons fait pour aider notre client à atteindre un haut niveau de maturité dans le reporting de données à la fois du point de vue technique et organisationnel. Ensuite, nous avons commencé à nous aligner avec le département informatique sur la disponibilité des données. Puis, nous avons rencontré plusieurs parties prenantes commerciales dans divers départements (finance, RH, opérations) concernant les exigences et priorités de reporting.

Ensuite, nous avons commencé à nous aligner avec le département informatique sur la disponibilité des données. Puis, nous avons rencontré plusieurs parties prenantes commerciales dans divers départements (finance, RH, opérations) concernant les exigences et priorités de reporting.

Les données n'étaient pas immédiatement disponibles car le projet n'avait pas encore démarré. Par conséquent, nous avons créé des données fictives pour alimenter les rapports préliminaires que nous avons créés dans Power BI.

Une fois les données de test disponibles, nous avons construit un grand modèle de données qui servirait de base à tous les rapports exigés par les différents départements (opérations, logistique, finances, etc.)

Nous avons créé plusieurs rapports dans Power BI pour suivre les KPI importants demandés par les différents départements. Livrée via la version cloud du BI, la solution développée rafraîchit automatiquement les rapports sans intervention humaine. La capacité cloud offre des fonctionnalités premium telles qu'une meilleure performance, flexibilité et capacité.

Résultats

Auparavant, le reporting BI du client était souvent manuel, le rendant vulnérable aux erreurs humaines et trop chronophage. Les employés avaient peu de temps pour analyser les données ou agir sur la base de ces chiffres.

Le client utilise désormais un modèle de données automatisé et dispose d'un reporting BI préliminaire pour l'ensemble du projet commandé.

Au cours de la mission, nous avons pris en charge l'intégration d'un data scientist interne chez le client. Nous avons transféré toutes les connaissances à cette personne concernant le modèle de données et l'outil de reporting pour garantir la continuité.

À l'avenir, il y a de nombreuses possibilités pour de nouveaux développements à mesure que les opérations du projet s'intensifient.