Révélez des informations exploitables cachées : la quête inexorable du « pourquoi »

Remarque : cet article a été publié pour la première fois dans le magazine ComputerWorld.

Nous avons tous rencontré un jour un enfant curieux qui n'arrêtait pas de demander « pourquoi ». Avez-vous néanmoins réfléchi à ce que cette attitude pourrait vous apporter dans le monde professionnel ? En effet, que ce soit pour les enfants, les journalistes, les scientifiques, les responsables ou les analystes de données, il ne suffit pas de répondre à la question « quoi ? ».

Imaginons une entreprise dont les ventes diminuent et les coûts augmentent et qui n'exploite pas pleinement ses ressources ; un scénario qui peut vous être familier. Il est relativement simple d'identifier ces problèmes. L'étape la plus difficile, mais également la plus importante, consiste à trouver l'origine des problèmes afin de prendre des mesures.

Comment y parvenir ? En cherchant la raison sous-jacente, encore et toujours.

Vous connaissez probablement la méthode des « cinq pourquoi ». Elle a été créée par Sakichi Toyoda, le fondateur de l'entreprise Toyota, qui est également connu dans son pays comme l'un des plus grands inventeurs japonais.

Concrètement, elle consiste à chercher la raison (le « pourquoi ») derrière un problème identifié, puis à continuer à chercher les raisons derrière chacune des explications trouvées. Cette méthode a pour principal objectif de déterminer l'origine d'un défaut afin de pouvoir le corriger.

De nombreuses entreprises ne l'appliquent pas, à leur détriment. Bon nombre d'entre elles disposent de tableaux de bord et de rapports. Ces derniers répondent parfaitement aux questions « quoi », mais ne vous permettent pas d'en savoir plus. Pour appliquer la méthode des « cinq pourquoi », vous devez passer outre les limites des tableaux de bord et explorer les données. De cette façon, vous pouvez répondre aux questions inattendues.

En d'autres termes, les tableaux de bord doivent marquer le début de votre réflexion, et non la fin.

Prenons un exemple. Imaginez que vous dirigez une grande surface et que vous disposez d'un magnifique tableau de bord vous indiquant les ventes et bénéfices. Comme vous pouvez le voir dans l'image ci-dessous, un graphique à barres répond à la question « Comment se portent les ventes et les bénéfices dans nos principales catégories ? ». Il révèle un problème : la catégorie Mobilier (Furniture) est loin de remplir son objectif de bénéfices.

Que devons-nous donc faire ? Chercher à savoir pourquoi.

Nous pouvons filtrer par région ou cliquer sur une catégorie afin d'obtenir une vue plus détaillée de la carte et du graphique en courbes situés en bas de l'image :

Cependant, même si cela nous permet d'obtenir davantage d'informations, cela ne répond pas vraiment à la question « Pourquoi les bénéfices du mobilier sont-ils faibles ? ». Cela illustre un point essentiel : pour répondre à une question, il faut parfois commencer par explorer et filtrer les données. Néanmoins, ces opérations permettent simplement d'obtenir de nouvelles perspectives de la même question. Pour trouver l'origine, nous devons jouer directement avec les données du tableau de bord, et nous affranchir des limites des filtres et des interactions disponibles.

Il convient donc de créer une nouvelle vue des données afin de répondre à notre question. Par exemple, nous pouvons nous intéresser aux ventes et aux bénéfices des différents types de meubles que nous vendons :

Nous découvrons ainsi que les tables nous font en réalité perdre de l'argent. Il faut donc déterminer à nouveau « pourquoi ».

Essayons d'examiner les ventes et les bénéfices par fabricant de tables :

Il apparaît que seuls deux d'entre eux sont rentables. Pourquoi autant de fabricants nous font-ils perdre de l'argent ? Une fois encore, nous manipulons les données pour essayer de trouver la réponse.

Décomposons toutes nos ventes de table pour ces fabricants, puis étudions les différents modes de livraison. Rien ne saute aux yeux. Essayons de manipuler les données par segment de clientèle. Même résultat. Nous devons continuer à chercher la raison.

Essayons d'examiner les remises. Nous découvrons alors que nos commerciaux font des remises considérables sur ces tables, ce qui réduit nos marges à néant.

Regardez : lorsque nous accordons une remise, nous enregistrons une perte. Nous sommes parvenus à déterminer l'origine du problème. En cherchant à plusieurs reprises à savoir « pourquoi », nous avons identifié une mesure à prendre (modifier notre stratégie de remise) pour aider à résoudre le problème d'origine (les faibles bénéfices du mobilier) mis en évidence par notre tableau de bord.

Cette méthode peut avoir un réel impact sur le résultat net, comme nous pouvons le voir dans cet exemple, où les ventes de tables ne dégagent aucun bénéfice, ou dans un autre exemple concret, que la compagnie aérienne Aer Lingus a eu l'amabilité de nous fournir. Jonathan Capper, responsable de la planification de la production chez Aer Lingus, a eu recours à ce type d'analyse des données dans le but d'obtenir le plus faible coût par siège pour les passagers d'Aer Lingus.

« Fait intéressant, les gens pensaient que l'entreprise se portait bien, jusqu'à ce qu'ils découvrent l'énorme coût de production », rapporte M. Capper. Dès lors, les « pourquoi » n'ont cessé de pleuvoir. En explorant visuellement les données, M. Capper a suivi la piste des « pourquoi », en examinant la moyenne mensuelle, la moyenne quotidienne, et ainsi de suite.

« En deux jours, j'ai littéralement retravaillé tout le processus, je l'ai envoyé aux personnes concernées, et nous étions lancés. Résultat : la différence en termes de coût a été significative », explique-t-il.

Ce type de découvertes se produit uniquement lorsque nous approfondissons nos analyses, en cherchant sans cesse les raisons sous-jacentes. En réalité, en demandant « pourquoi », nous faisons grandir en nous cet enfant curieux qui deviendra peut-être un véritable spécialiste de l'analyse de données !