Etude Harvard Business Review : la Finance, loin de la maturité en termes de données et d'Analytics

Cet article présente une étude internationale réalisée auprès de 162 responsables et dirigeants financiers qui révèle des écarts importants entre les aspirations des DAF et leur travail au quotidien.

Image placeholder

L'augmentation exponentielle des données professionnelles, associée à des capacités d'analyse émergentes, est l'occasion idéale pour la Finance de jouer un rôle central dans la création d'une entreprise Data-Driven. Cependant, dans le contexte de la pandémie, une étude récente menée par l'institut Harvard Business Review Analytic Services et sponsorisée par Workday révèle un écart important entre la vision du futur des DAF et la réalité de leur poste. 

Tandis qu'une grande proportion des responsables financiers pense qu'introduire une culture de prise de décisions Data-Driven est essentiel aux performances futures de la fonction, seule une petite majorité déclare que mettre en place cette culture est une priorité absolue pour les dirigeants. 

L'étude internationale menée auprès de 162 responsables et dirigeants financiers révèle des écarts importants entre les aspirations des DAF et leur travail au quotidien. Une grande majorité estime que la création d'un data hub est essentielle pour garantir les performances futures, mais la plupart fait toujours appel à des processus manuels pour collecter et exploiter les données. Le rapport souligne que le chemin vers la maturité en termes de données et d'Analytics est encore long pour la plupart des équipes Finance.

Quand l'explosion des informations bloque les analyses

Le volume de données financières comme non financières augmente dans toute l'entreprise. De ce fait, la capacité de la fonction Finance à gérer plus efficacement les données et les processus associés n'a jamais été aussi importante. 90 % des répondants déclarent que le volume de données collectées et utilisées par l'équipe Finance a quelque peu, voire beaucoup, augmenté au cours des 2 dernières années.

Or de nombreux DAF ont du mal à traiter de tels volumes de données. L'étude révèle que les 3 principaux défis des équipes Finance en termes de traitement des données sont préparer et rapprocher de façon précise des volumes importants d'informations et y accéder (68 %) ; intégrer des données récentes ou en temps réel à des analyses (55 %) ; et analyser les données, formuler des recommandations et les communiquer (52 %).

L'étude internationale menée auprès de 162 responsables et dirigeants financiers révèle des écarts importants entre les aspirations des DAF et leur travail au quotidien.

Des technologies et outils émergents face à la diversité des données

Le DAF occupant un rôle de plus en plus important et l'entreprise nécessitant une vue en temps réel, la fonction Finance a besoin de davantage d'analyse et d'une meilleure compréhension des performances de l'entreprise. La Finance doit aussi de plus en plus utiliser des données non financières d'autres services pour une prise de décisions stratégique à l'échelle de l'entreprise. En effet, près des 2/3 des personnes interrogées déclarent beaucoup utiliser les données de départements non financiers pour générer des insights. Par ailleurs, 64 % des répondants signalent que leurs équipes utilisent les données d'autres services pour générer des insights.

Or, cette étude montre clairement que les technologies et les outils nécessaires à une analyse efficace des différents types de données sont loin d'être adoptés. Le rapport révèle que seuls 37 % des équipes estiment qu'il est important, voire très important, de tirer parti d'un data hub flexible prenant en charge différents types de données, y compris celles d'autres départements (16 % des équipes en font une priorité absolue). De même, 49 % des répondants estiment qu'investir dans des technologies et des outils pour soutenir les analyses et la gestion des données est une priorité importante, voire très importante, pour leurs équipes (20 % des équipes en font une priorité absolue). 

Les technologies traditionnelles et les processus manuels freinent le progrès

Au vu de la puissance de la technologie actuelle, il est impensable que des équipes Finance s'appuient sur des processus manuels pour analyser leurs données plutôt que sur des outils d'analyse pour prendre des décisions plus éclairées. Pourtant, plus des 3/4 (77 %) des répondants indiquent s'appuyer sur quelques, voire un grand nombre de processus manuels chronophages pour collecter et utiliser les données, tandis qu'une faible majorité (62 %) utilise des plateformes ou des outils d'analyse des données de manière plus ou moins importante pour prendre des décisions financières éclairées.

La plupart des équipes Finance partagent leurs insights basés sur des données avec l'équipe dirigeante ainsi que les autres équipes et responsables de l'entreprise au moyen de technologies dépassées. La majeure partie (84 %) des personnes interrogées déclarent que l'équipe Finance partage des informations et des insights par e-mail sous forme de feuilles de calcul ou de diapositive avec les autres équipes. Les réunions périodiques représentent le 2e moyen le plus utilisé (65 %). 51 % partagent des données via des tableaux de bord et environ 1/4 (28 %) utilise des plateformes ou des logiciels de collaboration hors tableaux de bord.

DAF : le problème de la confiance dans les données

Dans les articles précédents, nous avons abordé les caractéristiques d'une entreprise proactive, notamment la confiance envers les données. Une majorité des répondants a raisonnablement confiance en la rapidité et la précision des données utilisées par l'équipe Finance pour soutenir les décisions métier aujourd'hui, mais très peu d'entre eux ont pleinement confiance en elles. 59 % évaluent leur confiance envers les données à 4 ou 5/5, dont 14 % lui attribuent 5/5 et 45 % 4/5. 41 % des personnes interrogées n'ont pas confiance et attribuent un score de 3 ou moins.  

Ces réponses ne sont pas surprenantes : pour la plupart des fonctions Finance, l'utilisation de l'Intelligence Artificielle (IA), du Machine Learning et des analyses prédictives reste aujourd'hui à l'état de projet. Moins de 1/3 (29 %) des répondants évaluent à 3, 4 ou 5/5 (5 représentant une utilisation importante) l'utilisation de l'Intelligence Artificielle, du Machine Learning et/ou des analyses prédictives par leurs équipes Finance au cours de leurs activités quotidiennes. 33 % déclarent que leurs équipes Finance n'utilisent pas du tout ces technologies aujourd'hui. 

88 % des répondants reconnaissent que favoriser une culture Data-Driven dans la Finance sera essentiel voire crucial, aux futures performances de l'équipe Finance.

Objectif : données 

S'il reste beaucoup à faire pour bâtir une entreprise Data-Driven, le développement d'une culture Data-Driven dans la fonction Finance constitue clairement une priorité absolue pour les responsables. Près de 9 répondants sur 10 (88 %) reconnaissent que favoriser une culture Data-Driven dans la fonction Finance sera essentiel voire crucial, aux futures performances de l'équipe Finance. Un pourcentage similaire (89 %) des personnes interrogées estime que l'utilisation de l'Analytics et de la prise de décisions Data-Driven sera essentielle voire cruciale, aux futures performances.

Pour y parvenir efficacement, les DAF savent qu'ils doivent hiérarchiser leurs investissements stratégiques, une majorité prévoyant d'investir massivement dans leurs capacités d'Analytics. Plus de la moitié (58 %) des équipes Finance prévoient d'adopter ou d'augmenter leur utilisation des systèmes intégrés de planification, d'analyse et de prévision pour renforcer leurs capacités en Analytics et 53 % d'adopter ou d'augmenter leur utilisation d'un hub d'analyses de données regroupant les données opérationnelles et financières. 4 répondants sur 10 comptent adopter ou augmenter leur utilisation d'API de collecte et de nettoyage de données pour échanger des données entre différents outils et/ou permettre une meilleure intégration des données. Enfin, 36 % prévoient d'adopter ou d'augmenter leur utilisation d'un moteur de comptabilité centralisé. Un faible pourcentage de répondants (5 % seulement) déclare ne pas souhaiter adopter ou augmenter l'utilisation des outils digitaux au cours des 2 prochaines années.

L'innovation continue d'offrir de nouvelles opportunités à la fonction Finance. Il est donc peu surprenant que les responsables prévoient la nécessité d'un développement rapide des capacités d'IA, de Machine Learning et d'analyses prédictives de leurs équipes. 72 % des répondants pensent que l'utilisation de l'Intelligence Artificielle, du Machine Learning et/ou des analyses prédictives par leurs équipes Finance prendra une place importante, voire prépondérante, dans leurs activités quotidiennes lors des 3 prochaines années (score de 3, 4 ou 5/5). En termes de travail à faire, c'est 43 points de plus par rapport à la situation d'aujourd’hui.

Les DAF reconnaissent qu'ils doivent changer leurs priorités et opter pour de nouvelles technologies s'ils souhaitent créer la culture Data-Driven dont ils ont besoin pour être vraiment efficaces. Alors que des données continueront d'être générées, l'équipe dirigeante s'adressera à la fonction Finance pour analyser et connecter efficacement un ensemble particulièrement hétéroclite de données. Seul le temps nous dira si leur capacité à agir sera à la hauteur de leur ambition. Les DAF et les responsables ont l'occasion de renforcer l'impact stratégique de la Finance dans toute l'entreprise.

Lisez le rapport complet pour découvrir comment les DAF peuvent aider l'entreprise à devenir Data-Driven.

En lire plus