Structurer la donnée pour mieux décider : Business Intelligence autour de l’ERP Sage et consolidation du chiffre d’affaires
Dans de nombreuses entreprises, la donnée est là… mais difficilement exploitable. Trop souvent dispersée entre un ERP partiellement utilisé, des fichiers Excel construits au fil des années, et des pratiques hétérogènes entre services. C’est dans ce type de contexte que nous sommes intervenus chez iiiData, aux côtés d’un client industriel, pour poser les bases d’une vraie stratégie de pilotage par la donnée.
Objectif : créer un socle BI simple, robuste et partagé
La mission visait la mise en place d’un MVP décisionnel structuré autour :
- d’un datawarehouse construit sur mesure,
- et de dashboards Superset permettant de centraliser et fiabiliser les analyses clés de l’entreprise.
Le projet a été mené en binôme :
- Mon collègue DevOps, chargé de la stack technique et de l’infrastructure (Kubernetes, Airflow, Superset – 👉 son retour est à lire ici : article DevOps),
- Et moi-même, en tant que consultant BI/Data Analyst, pour analyser les besoins, structurer les données et concevoir les visualisations.
La première phase s’est concentrée sur l’écoute des utilisateurs. Nous avons mené plusieurs entretiens :
- Avec le contrôleur de gestion et le DSI, pour cadrer le projet n°1 autour du chiffre d’affaires (données issues de l’ERP Sage),
- Avec les assistants métiers de différents services, responsables de fichiers Excel complexes, chacun avec ses propres pratiques,
- Et avec l’équipe IT, pour le projet n°2 de suivi métier via leur logiciel maison.
Ces échanges ont permis de poser deux objectifs clairs :
- Consolider les indicateurs clés du chiffre d’affaires, aujourd’hui dispersés et peu fiables,
- Et remplacer un Excel critique par un dashboard automatisé, plus simple à maintenir.
Étapes clés : de la complexité terrain à la clarté des données
1. Comprendre les besoins et les sources
Une fois les attentes exprimées, nous avons exploré les données disponibles dans Sage. La difficulté : pas d’expert ERP côté client, ni de documentation détaillée. L’analyse s’est donc appuyée sur de nombreuses explorations croisées, visant à :
- Identifier les tables pertinentes,
- Comprendre les logiques métiers implicites,
- Et détecter les incohérences (référentiels clients incomplets, doublons, structures d’activité divergentes…).
Ce travail a révélé un enjeu fort de qualité des données : nettoyer, structurer, mais aussi promouvoir une utilisation homogène de l’ERP à l’échelle de l’entreprise. Le DSI souhaitait d’ailleurs que ce projet serve de point de départ à cette transformation.
2. Construire le datawarehouse
Sur cette base, nous avons mis en place un datawarehouse alimenté automatiquement via Airflow, orchestrateur de pipelines de données. Il récupérait les informations depuis l’ERP Sage et le logiciel métier interne. (👉 Un article détaillé sur cette partie suivra prochainement.)
3. Modéliser les données avec DBT
La transformation des données a été confiée à DBT, un outil open source qui permet :
- D’appliquer les règles métiers,
- De documenter chaque étape de transformation,
- Et de maintenir un référentiel clair et versionné.
Les deux projets (chiffre d’affaires et suivi des dossiers métier) ont chacun bénéficié de leur propre modélisation, adaptée à leurs enjeux.
4. Prototyper, valider, livrer
Nous avons d’abord produit des prototypes de dashboards en Power BI, pour permettre une validation rapide avec les métiers. Une fois validés, les tableaux de bord finaux ont été construits dans Apache Superset, outil plus léger, ouvert et pérenne pour la suite.
Les données sont maintenant rafraîchies automatiquement, et les utilisateurs peuvent accéder à leurs indicateurs en quelques clics, sans manipulations Excel.
5. Former et accompagner les utilisateurs
Une fois les dashboards déployés, nous avons formé les équipes à l’utilisation de Superset, tout en les accompagnant sur :
- La lecture et l’interprétation des données,
- Les ajustements sur mesure des visuels,
- Et les bonnes pratiques pour garantir une autonomie durable.
Une mission technique… et culturelle
Au-delà des outils, cette mission a été l’occasion d’impulser un changement profond :
- Sortir de la logique de “chacun son Excel”,
- Redonner de la confiance dans les données,
- Et faire de l’ERP un outil de pilotage, plutôt qu’un simple outil de saisie.
Et après ? Des axes à prévoir pour une industrialisation future
Même si la mission s’est conclue sur la livraison d’un socle fonctionnel, plusieurs actions restent à prévoir à court terme pour faire évoluer le projet vers un cadre pleinement industrialisé.
- Mettre en place un suivi des tâches Airflow, avec un système de monitoring des traitements de données (via dashboard technique ou alertes mail), pour assurer une surveillance continue et réactive en cas d’échec ou de ralentissement.
- Créer un écosystème multi-environnement (développement, recette, production) afin de sécuriser les évolutions, tester les modifications sans risque, et poser des bases conformes aux bonnes pratiques de développement et de gouvernance de la donnée.
En résumé :
Ce projet montre qu’il n’est pas nécessaire de tout révolutionner pour structurer la donnée. Avec une écoute attentive, une approche outillée et une stratégie progressive, on peut transformer un système dispersé en un outil de pilotage utile, durable, et accessible à tous.
