Exercice Compétence 7 · Cas TechnoSolution

1. Systèmes en silos non connectés (ERP / CRM / SIRH / GA4 / Zendesk) → impossibilité de croiser les données : on ne peut pas relier un client (CRM) à son CA réalisé (ERP) ni à sa satisfaction (Zendesk). Reporting fragmenté et incomplet.
2. ERP analytique uniquement par produit, pas par zone → le double axe pays × produit recommandé en C4 n'est pas en place. Les écarts budget/réalisé ne sont pas mesurables par BU × zone : les arbitrages restent aveugles.
3. Consolidation Excel manuelle (2 j/mois) → données non temps réel, risque d'erreurs humaines, retard du reporting, pas d'auto-service. Le contrôleur de gestion devient copieur-colleur au lieu d'analyste.

Autres acceptés : exports manuels SIRH (sécurité + RGPD), absence d'historisation centralisée, GA4 non relié aux ventes (ROI marketing non mesurable).

Coût/jour = 75 000 / 218 = 344,04 €

Coût annuel = 2 × 12 × 344,04 = 8 257 €/an  (soit 0,9 % du budget B.I. de 900 k€).

Conclusion : le ROI direct n'est pas dans cette économie de 8 k€. La justification est ailleurs :

• Fiabilité — élimination des erreurs humaines de consolidation ;
• Vitesse — données en temps réel au lieu de J+2 après clôture ;
• Valeur stratégique — un mauvais arbitrage de 1 % sur 163 M€ = 1,63 M€, soit ~200× le coût de la consolidation ;
• Libération du CDG — passage d'un rôle d'exécutant à un rôle d'analyste.

À jour 2026 : le SKU « Power BI Premium » par capacité est retiré depuis 2024 au profit des capacités Microsoft Fabric (F-SKU). Voir la section Power BI 2026.

Power BI (capacité Microsoft Fabric) : (1) intégration native Office 365 (les contrôleurs travaillent déjà sous Excel) ; (2) Copilot IA inclus (requêtes en langage naturel) ; (3) prix compétitif (~180 k€/an pour 100 utilisateurs vs ~280 k€ Tableau équivalent).

Tableau (Salesforce) : (1) visualisations plus avancées (cartographie, statistiques) ; (2) intégration native avec Salesforce CRM (déjà en place) ; (3) communauté très active, large bibliothèque de templates.

Recommandation : Power BI sur capacité Microsoft Fabric (F64). (i) la DAF travaille sous Office 365 ; (ii) le Copilot IA accélère l'autonomie des 100 utilisateurs Self-Service ; (iii) le modèle « capacité + lecteurs gratuits dès F64 » laisse une marge pour la formation et la gouvernance ; (iv) Microsoft est Leader Gartner MQ depuis 18 ans. Tableau resterait pertinent en cas de besoin de datavisualisation très avancée.

Datawarehouse : entrepôt central de toutes les données de l'entreprise — orienté sujet, intégré, non volatile, historisé (Inmon, 1992). Volume To→Po, déploiement de plusieurs mois, utilisateurs transversaux.

Datamart : sous-ensemble du DWH dédié à un domaine métier (ventes, RH, finance). Volume Go→To, déploiement de quelques semaines, utilisateurs d'un département. C'est un « rayon spécialisé » du DWH.

1. Datamart Commercial : pilotage de l'activité par BU et zone. Dimensions : BU × Zone × Période × Client × Vendeur. KPI : CA réalisé/budget, taux de conversion pipeline, panier moyen, taux de win, top 20 clients.
2. Datamart Financier (CDG) : pilotage de la rentabilité par BU. Dimensions : BU × Compte × Période × Centre de coûts. KPI : EBE par BU, marge opérationnelle, écart budget/réalisé, taux d'EBE, BFR.
3. Datamart Support Client : pilotage de la satisfaction. Dimensions : BU × Zone × Catégorie ticket × Agent. KPI : NPS (cible 50), temps de résolution, taux de résolution J+1, volume de tickets, top 5 motifs.

Datamart RH éventuel : masse salariale par BU, turnover, absentéisme — utile mais non prioritaire compte tenu des contraintes RGPD.

Attendu à l'examen : citer les 4 perspectives de Kaplan & Norton et montrer le lien causal de bas en haut (apprentissage → processus → client → financier).

Version simple — un indicateur par perspective :

Plusieurs combinaisons sont valides. L'essentiel : (1) cohérence formule/KPI, (2) ancrage TechnoSolution, (3) cible chiffrée et atteignable. Seul le NPS (38→50) est tiré de l'Annexe 2 ; les autres valeurs N sont soit données par le contexte, soit des hypothèses réalistes à assumer clairement.

Grâce au double axe analytique BU × Zone dans l'ERP (ex. ERP-FR, CYBER-DE, DATA-ASIE), on descend dans le détail. Le chemin en rouge suit la question posée :

Cela répond au Directeur Commercial : « pourquoi le CA Cybersécurité Allemagne est-il en retard de 5 % ? ». Sans ce double axe, la question reste sans réponse.

Définition : capacité des utilisateurs métier (non-IT) à créer leurs propres analyses sans solliciter la DSI.

Avantages : (1) agilité — analyse en quelques minutes au lieu de jours/semaines ; (2) appropriation des données par les métiers — engagement et décisions plus rapides.

Risques : (1) prolifération de rapports contradictoires sur des données non validées ; (2) Shadow IT — export vers des outils non maîtrisés (Metabase, Google Sheets), violations RGPD potentielles.

1. Catalogue de données certifiées (data catalog) : seules les sources validées par la DSI sont accessibles ; chaque indicateur a un Data Owner et une définition unique.
2. Niveaux d'autonomie progressifs : formation obligatoire avant accès, certification interne « Power BI Champion », rapports « certifiés » badgés, monitoring d'usage par la DSI.

Autres acceptés : licéité (Art. 6), durée de conservation (Art. 5), traçabilité des accès.

« Cher Délégué, je partage votre préoccupation. Pour analyser la masse salariale par BU sans intégrer l'intégralité du SIRH dans le DWH, nous procéderons en trois temps. (1) Agrégation à la source : seuls les agrégats par BU et par mois sont chargés (masse salariale, ETP, coût par tête). (2) Pseudonymisation : pour une granularité plus fine (par équipe), les identités sont remplacées par des matricules anonymes, irréversibles. (3) Cloisonnement : un Datamart RH dédié, accessible uniquement à la DAF et à la DRH, séparé du Datamart Commercial. Cette architecture respecte le principe de minimisation tout en permettant les analyses de pilotage attendues. »

• Data Owner — responsable métier qui détient et autorise l'usage d'un domaine de données. Ex. : Directeur de chaque BU.
• Data Steward — gardien opérationnel de la qualité (nettoyage, déduplication, contrôles). Ex. : un référent par Datamart.
• DPO — garant de la conformité RGPD. Ex. : DPO de TechnoSolution (juridique & compliance).
• CDO (Chief Data Officer) — responsable de la stratégie data et des arbitrages d'architecture. Ex. : DSI ou poste dédié rattaché à la DG.

Pourquoi : avec 100 utilisateurs Self-Service et 5+ sources hétérogènes, sans catalogue chaque utilisateur invente sa propre définition d'un KPI (« CA » = HT ou TTC ?). Le catalogue garantit une définition unique, partagée et traçable des indicateurs — condition d'un dialogue de gestion fiable.

3 informations par donnée : (1) Origine (système source, table, fréquence de rafraîchissement) ; (2) Propriétaire (Data Owner + Data Steward) ; (3) Sensibilité (RGPD : modérée / élevée / restreinte, règles d'accès).

Simplification pédagogique : en pratique la B.I. couvre aussi le diagnostic (« pourquoi ? ») et la B.I. augmentée fusionne les deux approches.

La B.I. augmentée intègre l'IA (NLP, ML) directement dans les outils B.I. : l'utilisateur métier accède à la puissance de l'IA sans compétence technique. Le rapport descriptif (« CA Q1 = 38 M€ ») est complété par l'analyse prédictive (« tendance Q2 → 42 M€ ± 2 M€ ») et la détection d'anomalies.

Exemple TechnoSolution : dans Power BI, le Copilot répond en français à « Quel est le NPS par BU sur les 3 derniers mois et identifie les anomalies » — l'outil génère le graphique radar et signale l'écart de la BU Data Analytics.

1. Prédiction du churn client — Objectif : identifier les clients à risque de résiliation 3 mois à l'avance. Données : CRM Salesforce (historique, fréquence d'achat, durée relation) + Zendesk (volume tickets, NPS). Impact : retenir 20 % des 30 clients à risque/an dans la BU ERP (panier moyen 250 k€) ≈ 1,5 M€/an.
2. Détection d'anomalies financières — Objectif : repérer en temps réel les écarts inhabituels (fraude, erreur, pic de coûts). Données : ERP (factures, achats, paie). Impact : détection +75 % plus rapide qu'un audit manuel mensuel ; économie potentielle 200–300 k€/an.

Autres acceptés : optimisation pricing par BU/zone, prévision de stocks/licences, segmentation client automatique, analyse de sentiment des tickets Zendesk.

« Cher DSI, l'IA n'est pas un substitut au contrôleur de gestion mais un complément qui le repositionne en hauteur. (1) L'IA exécute, le CDG interprète : le modèle prédit un churn de 15 %, mais c'est le CDG qui décide quoi en faire. (2) L'IA détecte, le CDG explique : l'algorithme signale une anomalie sur la BU DACH, le CDG investigue et qualifie le contexte business. (3) L'IA produit, le CDG arbitre : le Copilot génère 5 graphiques en 30 secondes, le CDG choisit les pertinents pour la DG. (4) Responsabilité humaine (AI Act 2024) : le décideur final reste humain. Le CDG du futur consacre moins de temps à la production, plus au dialogue de gestion. »

Power BI n'est pas un seul logiciel mais un écosystème : Power BI Desktop (conception, gratuit), Power BI Service (cloud de publication et partage), Power BI Mobile (consultation), et le Data Gateway qui relie de façon sécurisée les sources on-premise (ex. ERP Sage X3) au cloud. Dans l'architecture en 4 couches, il occupe la couche 4 (restitution) : il n'historise pas les données — c'est le rôle du Datawarehouse — il les interroge et les met en image.

Lecture économique pour TechnoSolution : on paie une capacité Fabric + des licences Pro pour la centaine de créateurs/contributeurs, et les centaines de consommateurs lisent gratuitement (seuil F64). Le budget de 180 k€/an n'est cohérent que s'il intègre une capacité — de simples licences Pro pour 100 utilisateurs reviendraient à ~17 k€/an.

Le bon réflexe de vocabulaire : « Power BI Premium » par capacité (P-SKU) est retiré depuis 2024 ; pour un nouveau projet on parle désormais de « Power BI sur capacité Microsoft Fabric (F-SKU) ». Power BI Pro et Premium Per User (PPU) restent des licences par utilisateur valides.

Lien avec la Partie D : Copilot pour Power BI est inclus en 2026. Power BI est aujourd'hui intégré à Microsoft Fabric, plateforme unique réunissant stockage (OneLake), ingénierie de données, data science et restitution : l'outil de couche 4 devient le point d'entrée d'une plateforme couvrant toutes les couches.

Données vérifiées en juin 2026 — tarifs Microsoft inchangés depuis le 1ᵉʳ avril 2025 ; Power BI Leader du Gartner Magic Quadrant Analytics & BI Platforms pour la 18ᵉ année consécutive (rapport du 18 juin 2025).