Business intelligence en PME : par où commencer sans data engineer

En bref : une PME commence la business intelligence par les décisions, pas par le logiciel. Cinq décisions récurrentes, le chiffre qui éclaire chacune, sa source de vérité et sa définition écrite : c'est le cahier des charges. Sans data engineer, trois voies restent ouvertes : se limiter à une source unique, visualiser des données simples déjà bien connectées, ou choisir un outil métier qui fournit lui-même l'extraction, le rapprochement et les calculs de son domaine. Pour le revenu, ce dernier cas s'appelle la revenue intelligence.

Qu'est-ce que la business intelligence, concrètement, pour une PME ?

La business intelligence (BI) désigne les moyens qui transforment les données des outils de l'entreprise en chiffres fiables pour décider. Dans une PME, ces outils sont connus : un CRM, un outil de facturation ou d'abonnement, une comptabilité, un outil de support, parfois des régies publicitaires. Toute BI, quel que soit le logiciel, empile quatre couches.

1. La collecte : extraire les données de chaque outil, régulièrement, sans rien perdre (propriétés personnalisées, associations, historiques).
2. Le rapprochement et le modèle : reconnaître qu'un même client existe dans plusieurs outils, relier les transactions aux factures, organiser les tables pour qu'elles se filtrent entre elles.
3. Le calcul : écrire la définition de chaque indicateur (signé, facturé, taux de closing, churn, DSO) une fois, au même endroit.
4. La restitution : tableaux de bord, rapports partagés, alertes quand un seuil est franchi.

La plupart des logiciels BI sont excellents sur la quatrième couche. Le travail, et donc le besoin de compétences data, se situe dans les deux premières.

Par où commencer un projet de business intelligence en PME ?

Dans cet ordre, sur une page, avant d'ouvrir le moindre outil :

1. Les décisions. Quelles sont les cinq décisions que la direction prend chaque semaine ou chaque mois ? Recruter un commercial, relancer un client, couper un canal marketing, ajuster le forecast, décaler une dépense.
2. Le chiffre de chaque décision. Une décision, un chiffre, rarement deux. « Recruter un commercial » se lit sur la couverture du pipeline ; « relancer un client » sur les factures échues triées par montant.
3. La source de vérité. Pour chaque chiffre, l'outil qui fait foi : le CRM pour le signé, la facturation pour le facturé, la banque ou la comptabilité pour l'encaissé.
4. La définition. Écrite, datée, partagée : « signé = transactions passées à gagné dans la période, hors pipeline de renouvellement ». Sans définition écrite, deux personnes calculeront deux chiffres, et la réunion portera sur le calcul au lieu de la décision. Le glossaire RevOps donne des définitions de départ.
5. Le croisement nécessaire. Repérer les chiffres qui exigent deux sources (signé contre facturé, coût d'acquisition par client signé, churn par segment). Ce sont eux qui déterminent la difficulté du projet.

Ce n'est qu'à ce stade que le choix du logiciel a un sens : il dépend des sources à croiser et des compétences disponibles, pas des démonstrations.

Quels logiciels de business intelligence pour une PME ?

Les logiciels BI se rangent en cinq familles, qui ne demandent pas le même travail.

• Le tableur : immédiat et souple, mais chaque mise à jour est manuelle et chaque copie devient une version concurrente.
• Les outils de visualisation, comme Looker Studio chez Google : rapides pour des données déjà propres et bien connectées, en particulier marketing. La fusion de sources hétérogènes reste à configurer (comparatif Looker Studio).
• La BI généraliste, comme Power BI chez Microsoft : puissante, capable de tout modéliser, à condition de savoir le faire (Power Query, DAX, modèle en étoile). L'article Power BI pour le pilotage commercial détaille la préparation nécessaire.
• La BI open source, comme Metabase : elle interroge une base de données qu'il faut d'abord alimenter, puis s'utilise en SQL ou par un éditeur de questions (comparatif Metabase).
• Les plateformes métier : elles couvrent un domaine précis (revenu, trésorerie, marketing) et fournissent les quatre couches pour ce domaine, connecteurs et définitions compris. Moins générales, mais sans projet de données.

Peut-on faire de la BI sans data engineer ?

Un data engineer construit et maintient les deux premières couches : extraction, entrepôt de données, modèle, qualité. S'en passer est possible dans trois situations.

1. Une seule source. Si les chiffres viennent tous du CRM, ses rapports natifs ou un outil de visualisation branché dessus suffisent. La limite arrive dès qu'une question mêle le CRM et la facturation.
2. Des données simples et bien connectées. Un outil de visualisation branché sur des connecteurs fiables fonctionne pour des données sans jointure délicate, comme les dépenses publicitaires par campagne.
3. Un outil métier qui embarque les couches. Pour le revenu, une plateforme de revenue intelligence se connecte au CRM, à la facturation et à la comptabilité, reconnaît le même client partout par son identifiant légal, et calcule les indicateurs sur des définitions déjà écrites. Le data engineer n'est pas remplacé par de la magie : son travail est fait par l'éditeur, une fois pour tous ses clients.

Ce qui ne marche pas : croiser plusieurs sources dans un outil de visualisation en rapprochant les clients par leur nom. Les chiffres paraissent justes jusqu'au jour où un client apparaît deux fois, ou pas du tout. L'analyse de cohortes sans data engineer montre ce que l'on peut faire, et à quelles conditions.

Quelles erreurs font échouer un projet BI en PME ?

• Commencer par l'outil. Le logiciel est choisi sur démonstration, puis on cherche quoi y mettre.
• Des tableaux de bord sans propriétaire. Personne n'est responsable d'un chiffre ; personne ne remarque qu'il est figé depuis trois semaines.
• Des chiffres jamais définis. Chaque équipe a son « chiffre d'affaires » ; la réunion devient un débat de méthode.
• Des sources non rapprochées. Le même client existe sous trois noms dans trois outils ; tout indicateur croisé est faux.
• Trop de pages. Quarante visuels pour cinq décisions : le signal se perd, l'outil est abandonné.
• Des données sources non corrigées. Doublons, transactions sans montant, dates dépassées : la BI les affiche fidèlement. Un audit du CRM avant le projet évite de construire sur du sable.

Pourquoi commencer par le revenu ?

Le revenu est le domaine où la BI rapporte le plus vite et où elle coûte le plus cher à construire soi-même. Il concerne chaque semaine la direction, les commerciaux et la finance ; il croise au moins trois outils ; et il bute sur le problème le plus difficile de toute BI de PME : reconnaître le même client partout. C'est aussi le domaine où un écart se chiffre directement, entre ce qui a été signé, facturé et encaissé.

C'est la raison d'être de Revold : une plateforme qui consolide les données commerciales et financières, avec un moteur de réconciliation pensé pour chaque connecteur, des hiérarchies comptes, contacts et transactions, des tableaux de bord de zéro ou clés en main et des alertes. La réconciliation CRM et facturation décrit la mécanique ; l'article Revenue intelligence : définition et différence avec la business intelligence précise la frontière entre les deux.

Un plan de démarrage en quatre étapes

1. Écrire la page de cadrage : décisions, chiffres, sources, définitions.
2. Nettoyer les sources : doublons, identifiants légaux manquants, transactions sans montant ni date.
3. Outiller le domaine le plus croisé, souvent le revenu, avec un outil qui fournit le rapprochement.
4. Ajouter une BI généraliste ensuite, si des besoins transverses apparaissent (production, achats, ressources humaines), en la branchant sur des données déjà rapprochées.