Cas d’usage n° 5 : Analyse des prévisions par rapport aux performances réelles

Catégorie : Performance | Solution : DataMa Compare, solution analytique | Type : Récurrent | Client : Travel & Leisure | Extension : Tableau

Tags: #ContrôleDeGestion #Performance #Budget#Waterfall

« DataMa nous aide à gérer et comprendre mensuellement les drivers de notre croissance par rapport à ce qui était prévu. Cela nous permet de prendre des décisions rapides et adéquates concernant les actions marketing ou l’effort opérationnel. »
Victor Debray – VP Data – Click & Boat

Contexte

Click & Boat est une place de marché Web C2C majeure qui met en relation l’offre de bateaux privés avec la demande de location des clients.

L’équipe de données aide toutes les équipes commerciales à trouver des informations et à prendre des décisions avec des données de première main. Entre autres outils, ils travaillent régulièrement avec Tableau, basé sur une base de données Snowflake. Ils utilisent DataMa au sein de ce stack depuis plus d’un an.

Parmi leurs tâches, un défi clé consiste à définir et suivre les prévisions de revenus, et à expliquer régulièrement les écarts entre les revenus réels et prévus tout au long de l’année. Cette analyse est essentielle pour discuter avec les investisseurs et prendre des décisions commerciales.

Approche

Equation de marché

L’une des complexités du marché C2C réside dans le fait que les revenus de l’entreprise se composent de la performance de la demande d’un côté et de la performance de l’offre de l’autre.

L’adéquation entre l’offre et la demande n’est pas toujours la même, et pour notre client, certaines demandes importantes sont « Suivies », ce qui signifie qu’elles sont traitées par téléphone par l’intermédiaire d’un agent client, et d’autres demandes sont « Non suivies », ce qui signifie que le propriétaire est seul responsable de l’acceptation de la demande via la plateforme web. De toute évidence, la part de la demande suivie par les agents clients est essentielle pour expliquer la performance.

Ils ont donc abouti à l’équation de marché suivante :

Cette équation, qui semble légèrement plus complexe que l’analyse habituelle dans DataMa, a l’avantage important de faire apparaître explicitement la part de la demande suivie, ce qui permettra à l’équipe de suivre clairement l’impact de ce KPI sur le chiffre d’affaires total par rapport aux prévisions.

Vous trouverez ci-dessous la traduction technique dans l’interface de DataMa pour cette équation de marché :

Dans DataMa, vous pouvez configurer l’équation de marché en utilisant l’annotation « =[1]*[2]*([3]*[4]+(1-[3])*[5])*[6] ».

Dataset

Les données prévisionnelles/budgétaires se trouvent généralement dans une feuille de calcul Excel qui est utilisée pour créer des modèles et jouer avec des hypothèses. Une fois cet exercice effectué pour l’année, le client l’apporte à Snowflake pour le joindre aux chiffres réels à des fins de reporting.

Dans ce cas, les données sont alors accessibles directement dans Tableau, puis DataMa est ajouté en tant qu’extension Tableau, afin que les utilisateurs finaux puissent avoir accès aux insights de DataMa directement dans leur dashboard Tableau habituel.

Évidemment, le type de données (version prévisionnelle et réelle) est la principale dimension qui sera utilisée à des fins de comparaison. Les données sont également ventilées par marché et par marque.

Voici un exemple de données (anonymisées) dataset

Nous ingérons les données à l’aide de l’extension du dashboard DataMa Tableau DataMa Tableau dashboard extension

Points à retenir

Dans DataMa Compare, le cas d’utilisation fournit un aperçu rapide des facteurs clés entre la date réelle et la date prévisionnelle, et entre les données de référence et cibles pour expliquer pourquoi le client s’éloigne de la cible, et pour comprendre la valeur de chaque initiative et sur quoi se concentrer.

L’ensemble du cas d’utilisation est configuré dans Tableau et publié sur Tableau Server afin que les utilisateurs aient un accès transparent et puissent interagir avec les filtres et les hypothèses.

Dans l’exemple ci-dessus, nous constatons que les revenus réels sont inférieurs aux prévisions (ou aux revenus ciblés), principalement en raison du manque de trafic, notamment aux États-Unis, probablement dû à la pandémie. Comme effet secondaire, la conversion en ligne (CVR) est en baisse, car les utilisateurs américains convertissent bien, mais ils ont diminué dans le mix.

Heureusement, cette diminution du trafic a permis au service client de gérer une part de demande plus importante que prévu, ce qui a eu un impact positif sur les revenus, et le taux d’acceptation des « non suivis » a également été plus élevé que prévu, limitant l’impact sur les revenus totaux.

Résultats

Le rapport a été publié et partagé sur le serveur Tableau de Click & Boat, afin que les utilisateurs finaux puissent accéder facilement au waterfall DataMa et interagir avec les filtres et les hypothèses.

Le fait que DataMa ait été utilisé dans Tableau a rendu l’adoption et les mises à jour régulières faciles et transparentes.

Le waterfall DataMa a permis à Click & Boat d’aligner toutes les parties prenantes sur l’objectif principal requis pour l’amélioration des performances et d’expliquer clairement l’impact financier d’effets complexes tels que les effets de mix ou les changements dans les efforts de service client.

Pour en savoir plus sur Click & Boat : https://www.clickandboat.com/

Pour tester la solution DataMa : https://app.datama.io/demo

Partagez l'article

Abonnez-vous à notre newsletter