5 obstacles à l'adoption de l'analytique avancée dans le domaine de la finance

Données financières de mauvaise qualité

Les équipes financières collectent d'énormes volumes de données à partir de leurs propres systèmes, de différents services et de sources externes. Mais la qualité de ces données laisse souvent beaucoup à désirer.Les environnements de données complexes avec plusieurs systèmes et applications cloisonnées rendent difficile la fusion, l'agrégation et la standardisation des données en temps opportun, ce qui est une étape cruciale avant leur analyse. Les outils d'analyse, et en particulier les outils d'analyse avancés qui utilisent l 'intelligence artificielle (IA) et les algorithmes d'apprentissage automatique pour regrouper d'immenses ensembles de données, ont besoin de données actuelles de haute qualité, faute de quoi ils ne produiront pas de résultats de haute qualité. Ce problème de mauvaise qualité des données est l'un des principaux obstacles entre les équipes financières et les outils d'analyse avancés.

Il existe plusieurs façons pour les équipes financières d'améliorer la qualité des données et de poser les bases d'outils d'analyse avancés, notamment :

• Traitez d'abord les problèmes de qualité les plus urgents
  Les problèmes de données n'ont pas besoin d'être résolus en une seule fois. La prise de décision concernant vos données peut être réalisée par incréments ciblés. Commencez par les données communes qui prennent en charge vos indicateurs de performance clés stratégiques. En les standardisant, vous ajouterez des données manquantes, incomplètes et dupliquées à la surface, ce qui vous donnera une première cible gérable pour votre projet d'amélioration de la qualité des données.
• Concentrez-vous sur une version « suffisante » de la réalité
  Les avantages liés à l'obtention d'une source d'informations unique ou de données centralisées partagées au sein d'une entreprise sont bien documentés. Mais si la réalisation de cet objectif est encore à des années, il y a une solution intermédiaire: poursuivre une stratégie de « versions suffisantes de la vérité ». Cela implique de faire des compromis entre le coût des mauvaises données et l'effort nécessaire pour une gouvernance supplémentaire.
  
  La définition des exigences en matière de qualité des données est une première étape importante. Quel est le niveau critique ? Quelles définitions de données, telles que le retour sur investissement et la rentabilité, sont les plus importantes pour le reporting financier et BI ? Et qui peut être réservé pour un projet ultérieur?
  
  Selon Gartner, les entreprises qui se concentrent sur une version suffisante de la réalité sont « 41 % plus susceptibles de générer des données prêtes à prendre des décisions et deux fois plus susceptibles d'améliorer la qualité de la prise de décision et des résultats de l'entreprise », ce qui en fait un moyen viable de commencer à surmonter l'obstacle à la qualité des données.
• Distribuez la gouvernance des données
  Même sans source d'informations unique, les services financiers ont toujours besoin d'un cadre pour garantir la qualité et la cohérence des données. Mais la plupart des équipes n'ont pas le temps de mettre en œuvre et d'exécuter leur propre programme de gouvernance des données. Avec une stratégie de gouvernance des données distribuée, la fonction Finance fournit des conseils sur les données à gouverner et sur la manière de les gouverner, mais elle laisse les autres faire la gouvernance réelle. Ce type de cadre permet d'évaluer plus facilement les problèmes de qualité des données les plus critiques et de cibler les efforts d'amélioration. Les cadres mutuellement convenus créent également la confiance que les données sont suffisantes pour la prise de décision, même si elles ne sont pas parfaites à 100 %.
• Choisissez le logiciel d'analyse financière basé sur le cloud
  Les logiciels d'analyse avancés basés sur le cloud peuvent s'intégrer en toute sécurité avec plus de types et de sources de données (financières et opérationnelles, internes et externes) que les solutions sur site. Elles simplifient le stockage, le catalogage, l'agrégation et l'accès des données, ce qui permet aux équipes financières de consacrer moins de temps à la gestion des données et plus encore à l'extraction des informations et à leur utilisation.

Peur de l'échec

Les projets de transformation numérique, comme la mise en œuvre d'outils d'analyse avancés, peuvent s'avérer difficiles et ne sont pas toujours fructueux. Pour de nombreux responsables financiers, la peur d'échouer, même un peu, les freine.

Cette peur peut être amplifiée dans les entreprises qui ont une « culture phobique des défaillances » où les gens craignent d’être stigmatisés pour leurs erreurs – ou où le blâme ou le pointage des doigts est une réponse commune lorsque les choses vont mal. Pour ces entreprises, un changement d'état d'esprit est nécessaire. Considérez que les opportunités inexplorées sont également une forme d'échec conduisant à la stagnation et au manque d'innovation. Et les entreprises qui ne peuvent pas s'adapter et innover risquent d'être laissées pour compte

Cela dit, il y a de meilleures façons d'échouer que d'autres. Pour adopter l'échec de la bonne manière, « échouez petit » et « échouez en avant ». Si l'on échoue à plus petite échelle, il faut s'attaquer aux projets d'analyse financière par paliers plus petits. De cette façon, les échecs ne consomment pas trop de temps ou n’ont pas d’impact significatif sur d’autres projets. Ne pas aller de l’avant, c’est analyser ce qui n’a pas fonctionné, puis appliquer les leçons apprises au prochain projet. Ce type de « phase d’échec » devrait être intégré à chaque projet d’innovation, car il est en fin de compte un moteur de réussite.

Nécessité d'un soutien exécutif et culturel

Parfois, les principaux obstacles à l'adoption de l'analytique avancée dans la finance sont les problèmes de perception ou d'approche. Toute grande initiative a besoin de quelqu'un pour être le fer de lance et le défendre. Le financement doit être garanti. Et de nouvelles méthodes de travail doivent être adoptées au niveau de l'équipe.

• Soutenir le changement par rapport au sommet
  Dans le sillage de la pandémie de COVID-19, de nombreux directeurs financiers ont été chargés de doubler les priorités : réduire les coûts tout en accélérant les initiatives de transformation numérique et les investissements. Compte tenu de cette réalité, il est essentiel de démontrer la valeur des projets d'analyse financière avancée pour acquérir du budget et l'adhésion.
  
  La quantification et la transmission de la valeur de ces initiatives, y compris les cas d'utilisation, le retour sur investissement et les gains de temps basés sur des analyses autonomes (ou semi-autonomes), contribueront à compenser et justifier les investissements initiaux. En outre, le service financier sera en mesure de démontrer clairement sa valeur lorsque ses conseils stratégiques seront basés sur des informations plus approfondies et des prévisions plus précises.
  
  Une autre approche consiste à identifier une liste de projets pilotes d'analyse avancée, chacun étant axé sur la résolution d'un problème de gestion spécifique et l'exploitation d'un ensemble de données disponibles. Chaque projet pilote réussi fournira les preuves et la confiance nécessaires pour justifier le projet suivant ou plus vaste.
• Transférer la culture et obtenir l'adhésion
  Parfois, la barrière est ancrée dans la culture du service financier lui-même. Il peut être difficile d'amener les équipes à abandonner les outils familiers et les méthodes de travail traditionnelles. Mais la solution peut être aussi simple que de démontrer combien de temps peut être économisé en passant à de nouveaux outils capables d'automatiser des calculs et des processus complexes pour la budgétisation, les prévisions et la planification de scénarios.
• Évaluez votre niveau de maturité analytique
  Un certain niveau de maturité analytique est nécessaire pour que les entreprises puissent mettre en œuvre des outils d'analyse plus avancés. L'International FP&A Board dispose d'un modèle de maturité FP&A Analytics que vous pouvez utiliser pour évaluer votre niveau actuel et déterminer les étapes suivantes. Il a cinq niveaux : basique, développement, défini, avancé et leader.
  
  Les équipes financières de base ne disposent pas de processus analytiques formels ou de systèmes de Business Intelligence, et s'appuient sur des outils rudimentaires de planification et de modélisation. Alors qu'en tête du spectre, les équipes disposent de processus de planification étroitement intégrés et d'outils d'analyse proactifs et pilotés par l'IA. Connaître le niveau de maturité de votre organisation peut vous aider à créer une feuille de route des améliorations incrémentielles nécessaires pour faire avancer les projets analytiques.

Manque de temps pour les initiatives analytiques avancées

Soixante-sept pour cent des directeurs financiers et de leurs cadres financiers déclarent qu'un trop grand nombre de leurs ressources sont liées à des systèmes hérités et à des méthodes de travail traditionnelles, laissant peu de temps pour innover.

S'il est vrai que la fonction Finance est sous pression pour en faire plus avec moins, il existe des moyens de libérer du temps. Une solution consiste à externaliser les projets d'implémentation auprès d'une agence partenaire.

Un autre est d'investir dans des logiciels et des outils cloud qui rationalisent les processus financiers et les activités quotidiennes. Certaines solutions financières et FP&A basées sur le cloud offrent le Machine Learning intégré, l'IA, l'automatisation robotisée des processus (RPA) et l'analytique augmentée qui peuvent à la fois automatiser les processus et accélérer l'adoption des nouvelles technologies.

Manque de compétences financières numériques

La mise en œuvre et l'utilisation d'outils d'analyse avancés dans la finance requièrent un niveau élevé d'alphabétisation technologique. Mais de nombreux services financiers ne disposent pas des compétences et compétences numériques requises. Dans une enquête réalisée par PWC en 2020 auprès de directeurs financiers, 54 % des dirigeants de services financiers ont déclaré que les pénuries de compétences ont entravé leur capacité à innover efficacement. Pour combler ce déficit de compétences, il faut craindre que l'IA et d'autres technologies d'automatisation avancées ne licencient les emplois financiers existants.

Il est possible de relever ces défis en adoptant une approche à plusieurs volets. Même si les nouveaux talents financiers dotés des compétences adéquates sont rares, le perfectionnement des collaborateurs existants est un investissement digne d'intérêt. Non seulement elle contribuera à combler le déficit de compétences, mais elle contribuera non seulement à leur développement professionnel, à leur confiance et à leur satisfaction professionnelle. Et à mesure qu'ils développent leurs compétences numériques et apprennent à utiliser ces technologies, ils s'inquiètent généralement moins d'être remplacés.

En plus de la formation, encouragez les membres de l'équipe à suivre les tendances, participez à des événements technologiques sectoriels et recherchez activement de nouvelles opportunités d'apprentissage. Tout cela augmentera la dextérité numérique de vos équipes, un terme défini par Gartner comme « un ensemble de croyances, d'états d'esprit et de comportements qui aident les collaborateurs à fournir des résultats plus rapides et plus précieux grâce aux initiatives numériques ».

Produit SAP

Outils d'analyse avancés pour la finance

Éliminez les obstacles, obtenez des insights plus approfondis et prenez des décisions en toute confiance.

En savoir plus