Chaque entreprise de hard services en a un. La personne qui connaît les données. Ils maintiennent la feuille de calcul maîtresse dont la finance dépend. Ils savent quelles colonnes sont fiables et lesquelles ignorer. Ils ont construit les tableaux croisés dynamiques qui apparaissent dans les dossiers du conseil d'administration chaque trimestre, et ils savent exactement quels ajustements manuels faire avant que quoi que ce soit ne soit transmis à la direction. Ils sont précieux, travailleurs et portent un risque opérationnel que l'organisation n'a jamais formellement reconnu.
The visible cost vs. the real cost
Le coût visible de l'héroïsme Excel est le temps de la personne. Si votre meilleur analyste passe 60 % de sa semaine à nettoyer et préparer les données plutôt qu'à les analyser, c'est une inefficacité que la plupart des organisations ont normalisée. Les coûts réels sont moins visibles mais plus importants :
- Décisions retardées. Quand la production d'un spend report prend une semaine, les décisions sont prises sur les données du mois dernier. Dans un environnement de tendering, une estimation de coût retardée est une offre manquée.
- Risque de version. Plusieurs feuilles de calcul maintenues par plusieurs personnes divergent silencieusement avec le temps. La version de l'équipe procurement et la version de l'équipe finance racontent des histoires différentes à la fin du trimestre.
- Exposition à l'audit. Les rapports préparés manuellement ne peuvent pas être retracés jusqu'à une single source of truth propre.
- Plafond d'échelle. Le système qui fonctionne pour 50 sites ne peut pas fonctionner pour 200 sans embaucher plus de personnes pour faire la même chose.
- Dépendance à une personne clé. Si la personne qui maintient le fichier maître est indisponible, l'organisation perd sa capacité à produire des rapports fiables.
Are you in Excel heroics territory?
Quelques signes diagnostiques :
- La production d'un spend report ou d'un rapport de coûts prend plus de quelques heures de travail
- Quelqu'un doit vérifier la cohérence des chiffres avant qu'ils ne soient transmis à la direction
- Un nouvel analyste aurait besoin de semaines pour comprendre la structure des données
- Votre reporting serait affecté si une personne spécifique était indisponible pendant deux semaines
- Vous avez plus d'une version du même ensemble de données maintenue par différentes personnes
What the migration away from Excel heroics looks like
Étape 1 : Établir une base de référence des données. Avant l'introduction de toute automatisation, les données doivent être dans un état connu et propre. Cette étape révèle le travail manuel qui a été effectué pour rendre les données utilisables – les tables de correspondance, les règles de correction, les notes d'ajustement dans les cellules. Ces règles sont documentées et formalisées afin qu'elles puissent être appliquées systématiquement plutôt que personnellement.
Étape 2 : Automatiser les corrections répétables. La déduplication des noms de supplier, la standardisation des descriptions, le remplissage des champs de catégorie manquants, le signalement des anomalies pour examen – ceux-ci peuvent être automatisés. Le temps de l'analyste passe de l'exécution des corrections à l'examen du travail du système.
Étape 3 : Intégrer un contrôle qualité continu dans le flux de données. Les nouvelles données entrant dans le système sont validées automatiquement par rapport à la structure établie. La qualité est maintenue par le processus, et non par une personne.
What the other side looks like
Après cette transition, l'analyste qui maintenait le fichier maître ne perd pas son rôle. Son rôle change. Ils passent de la préparation des données à l'analyse des données – du maintien du système en fonctionnement à son utilisation pour générer des insights.
"Pearstop a construit un système qui extrait automatiquement les bons éléments de nos rapports de visite dans un document de proposition propre. Cela fait gagner beaucoup de temps à notre équipe en éliminant les tâches répétitives de combinaison des éléments corrects."
– Vince Out, Lemtech · Fabrication et Filtration de l'Air
"Pour la première fois, j'ai l'impression que je fais réellement le travail pour lequel j'ai été embauché – de l'analyse, pas de l'administration."
– Data Analyst, équipe procurement, entreprise de construction industrielle
Pearstop Team
Pearstop
Pearstop helps procurement and operations teams in hard services, FM, construction, and manufacturing turn messy data into a reliable foundation for decisions, AI, and category management.
LinkedIn →