BIG DATA ET CONTRÔLE

DE GESTION
PARTIE THEORIQUE

Présenté par :

Ahbchane Amine
Sabri Salma
BOBIT Hamdi
Chaabane Hajar
RAMIL Basma
 Définition du BIG DATA Les outils d’exploitation de la
Big Data
Apports de la Big Data
Table Of en Contrôle de Gestion
Incidences Possibles de la Big Data
en Contrôle de Gestion
Content Les caractéristique
L’IA en Contrôle de Gestion
du BIG DATA
 Définition du BIG DATA

Le Big Data désigne l'ensemble des technologies, méthodes et outils

permettant de collecter, stocker, traiter et analyser de vastes volumes de
données, souvent en temps réel. Cette approche vise à exploiter des
ensembles de données massifs, variés et complexes, afin d'extraire des
informations significatives, d'identifier des tendances, et de prendre des
décisions éclairées dans des domaines tels que la recherche, l'entreprise, la
science, et bien d'autres. L'importance du Big Data réside dans sa capacité à
traiter des quantités de données qui dépassent les capacités des systèmes
traditionnels de gestion de bases de données.
 Caractéristiques du BIG DATA :

Le Big Data est généralement caractérisé par trois dimensions

principales, souvent appelées les "trois V" : le Volume, la Variété
et la Vélocité. Certains ajoutent également d'autres dimensions
comme la Variabilité et la Valeur. Voici une explication de
chacune de ces caractéristiques :
 Volume :
Fait référence à la quantité massive de
données générées et collectées. Ces
données peuvent provenir de sources
diverses telles que les réseaux sociaux, les
capteurs, les transactions en ligne, les
dispositifs IoT (Internet des objets), etc. Le
Big Data implique la gestion et l'analyse de
volumes de données qui dépassent les
capacités des systèmes de traitement
traditionnels.
Variété :
Désigne la diversité des types de données.
Les données peuvent être structurées
(organisées dans des tableaux, bases de
données), semi-structurées (format
partiellement défini, comme le JSON) ou non
structurées (texte, images, vidéos). Le Big
Data traite une variété de formats et de
sources de données pour obtenir des
perspectives plus complètes.
 Se réfère à la vitesse à laquelle les
données sont générées, collectées et
traitées en temps réel. Le Big Data
nécessite souvent des systèmes

Vélocité capables de gérer des flux de données

rapides, permettant une prise de
décision en temps réel. Cela est
particulièrement crucial dans des
domaines tels que la finance, la santé et
la surveillance.
 Variabilité :
Ajoutée par certains, la variabilité fait
référence à la fluctuation des données
au fil du temps. Les données peuvent
être sujettes à des changements de
format, de qualité ou de structure. La
gestion de cette variabilité est
essentielle pour garantir la fiabilité des
analyses et des décisions basées sur les
données.
Valeur :
Certains considèrent la "Valeur" comme
une caractéristique, soulignant
l'importance de tirer des informations
significatives et exploitables à partir des
données. L'objectif ultime du Big Data est
de transformer ces vastes quantités de
données en connaissances utiles qui
peuvent conduire à des prises de décision
informées et à des innovations.
Les outils d’exploitation
Les outils de collecte de données :

permettent de collecter des données provenant de

différentes sources. Ces outils peuvent être utilisés pour
collecter des données internes, telles que les données de
vente, de production ou de comptabilité, ou des données
externes, telles que les données météorologiques

Les outils d'analyse de données :

permettent de traiter et d'analyser des données massives.

Ces outils peuvent être utilisés pour identifier des
tendances, des corrélations ou des anomalies dans les
données.
Les outils d’exploitation

Les outils de visualisation de données :

permettent de présenter les données de manière

claire et concise. Ces outils peuvent être utilisés
pour créer des tableaux de bord, des graphiques
ou des cartes
Les outils d’exploitation

Les outils d'exploitation de la Big data peuvent être utilisés pour

améliorer les différentes activités du contrôle de gestion, telles
que :

La mesure de la performance : les données peuvent être

utilisées pour mesurer la performance de l'entreprise, de ses
divisions ou de ses processus.

L'analyse des écarts : les données peuvent être utilisées

pour identifier les écarts entre les objectifs et les résultats
réels.

La prise de décision : les données peuvent être utilisées

pour soutenir la prise de décision, en
fournissant des informations plus précises et plus complètes.
 Apports de la Big Data en
Contrôle de Gestion

Optimisation Personnalisation Gestion des

Meilleure Prise
des des Indicateurs Risques
de Décision
Performances de Performance Améliorée
Analyse Prédictive : Surveillance en Adaptation aux Besoins : Détection Précoce
La Big Data permet Temps Réel : Les La Big Data offre la des Risques :
flexibilité nécessaire L'analyse des
d'anticiper les données en
pour ajuster et
tendances futures continu mégadonnées
personnaliser les KPI en
en utilisant des permettent une permet
fonction des besoins
modèles surveillance spécifiques de chaque d'identifier les
analytiques constante des unité opérationnelle. signaux faibles
avancés performances, indiquant des
risques potentiels,
 APPORTS DE LA BIG DATA
EN CONTRÔLE DE
GESTION
DÉFIS EN TERMES DE
CONFIDENTIALITÉ ET DE
SÉCURITÉ :
Protection des Données : La
collecte massive de données
soulève des préoccupations
liées à la confidentialité,
nécessitant une sécurité accrue
pour garantir la protection des
informations sensibles.
INVESTISSEMENTS
IMPORTANTS EN
INFRASTRUCTURE ET EN
FORMATION :
Évolution des Modèles de
Gouvernance :
Nouveaux Défis en Gouvernance :
La gestion des mégadonnées
requiert des modèles de
gouvernance adaptés, prenant en
compte la variété et le volume
important des données.
2. Investissements Importants en Infrastructure et en
Formation :
Nouveaux Besoins en Compétences : L'intégration de
la Big Data exige des compétences spécifiques en
analyse de données, nécessitant des investissements
tant en formation du personnel qu'en infrastructure
technologique.
3. Complexité de Gestion des Données Non Structurées
:
Traitement des Données Non Structurées : La Big Data
inclut souvent des données non structurées, ce qui
peut rendre complexe le processus d'extraction et
d'analyse.
L’IA en contrôle de gestion
Largement utilisée dans d'autres domaines, l’IA est devenue une
composante essentielle de la stratégie des organisations

L’IA offre aux contrôleurs de gestion l'opportunité

de créer de la valeur en exploitant les données
opérationnelles et financières disponibles. On
remarque que de nombreux contrôleurs de
gestion passent encore une grande partie de leur
temps dans la production de chiffres (80%) plutôt
que dans l'analyse (20%), en raison de la charge de
travail et de la difficulté à faire communiquer les
différents systèmes d'information.
L’IA en contrôle de gestion
Les attentes de L’IA en Contrôle de Gestion

1. Automatisation accrue : L'IA peut

automatiser de nombreuses tâches
manuelles et répétitives du contrôle de
gestion, telles que la collecte et l'analyse de
données, l'établissement de rapports ou la
mise à jour des indicateurs de performance.
Cela permet aux contrôleurs de gestion de
gagner du temps et de se concentrer sur des
activités à plus forte valeur ajoutée.
L’IA en contrôle de gestion
Les attentes de L’IA en Contrôle de Gestion

2. Analyse prédictive avancée : L'utilisation de l'IA dans le

domaine de l'analyse prédictive permet aux contrôleurs de
gestion de modéliser et de projeter les résultats financiers
futurs de l'entreprise. Grâce à ces capacités, les
contrôleurs de gestion peuvent prendre des décisions plus
éclairées et anticiper les évolutions financières. L'IA utilise
des modèles prédictifs et des techniques d'apprentissage
automatique pour aider les contrôleurs de gestion à
anticiper les tendances et les risques, ce qui leur permet
de prendre des décisions stratégiques en toute
connaissance de cause.
L’IA en contrôle de gestion
Les attentes de L’IA en Contrôle de Gestion

3. Détection des anomalies et des fraudes : L'IA peut détecter les

anomalies et les comportements inhabituels dans les données
financières, ce qui aide à identifier rapidement les problèmes
potentiels et à prendre des mesures correctives.

4. Optimisation des processus : L'IA peut aider à optimiser les

processus comptables et financiers en identifiant les inefficiences et
les coûts cachés. Grâce à des techniques telles que le process
mining et l'analyse des données, les contrôleurs de gestion peuvent
améliorer la productivité, réduire les erreurs et les temps de
traitement, et optimiser les flux de travail.
L’IA en contrôle de gestion
Les attentes de L’IA en Contrôle de Gestion

5. Prise de décision assistée : L'IA peut fournir des informations et des recommandations
pour soutenir la prise de décision des contrôleurs de gestion. En analysant les données
financières et en identifiant les tendances et les corrélations, l'IA peut aider à évaluer les
différentes options, à simuler les scénarios et à proposer des mesures correctives ou des
stratégies d'amélioration.

6. Amélioration de la collaboration et de la communication : L'IA peut faciliter la

collaboration entre les différents acteurs du contrôle de gestion en centralisant et en
partageant les informations de manière transparente. Les outils d'IA peuvent également
aider à communiquer les résultats et les analyses de manière claire et compréhensible, ce
qui facilite la prise de décision collective.
 ETUDE DE CAS
« TRUST - CONSTRUCTION»
PARTIE PRATIQUE

Presentés par: Sous la direction de:

FILALI Salma Mr. SHURWERYIMANA Fabrice
ALAOUI Yousra
Moultala Oumaima
BENNANI Rania
El ASRI Assia
HOUSNI Salma
Sommaire

Exploitation des données : Options et méthodes

Outils et méthodes d'analyse

Proposition de contrôle de gestion: Décisions éclairées

Exploitation des données : Options et méthodes
 TRUST CONSTRUCTION

Marketing
Analyse de l’efficacité des
campagnes publicitaires
Segmentation de la
clientèle
Stratégies
d’exploitation des
données
Ressources humaines
La productivité
Gestion du personnel
 TRUST CONSTRUCTION

Contrôle de gestion
Reporting financier
Analyse de la rentabilité

Stratégies
d’exploitation des
données
Supply chain
Optimisation des stocks
Gestion des coûts de
production
Outils et méthodes d'analyse
 Tableaux de bord

Interface visuelle synthétique conçue pour les gestionnaires.

Surveiller en temps réel les performances de l'entreprise.

Présentation concise des principaux indicateurs de performance (KPI).

Sélection des KPI en fonction des objectifs spécifiques de l'entreprise.

Représentations graphiques intuitives pour évaluation rapide des

performances.

Facilitation de la prise de décision éclairée et proactive par les

gestionnaires.
 Analyse ABC/XYZ
Classification ABC Classification XYZ

Catégoriser selon la valeur (ex. CA) Catégoriser selon la variabilité de la demande

A Fort valeur de ventes X Demande stable

B Moyen valeur de ventes Y Demande volatile

C Faible valeur de ventes Z Demande très volatile

AX AY AZ
Volume de CA

BX BY BZ

CX CY CZ
Voltalité
Analyse de rentabilité par
produit/projet

Identification des coûts : Recenser tous les coûts.

Calcul des revenus : Estimer les revenus.

Calcul de la marge bénéficiaire : Soustraire les coûts des revenus.

Analyse des coûts et des marges : Examiner en détail les éléments financiers.

Calcul du retour sur investissement (ROI) : Évaluer l'efficacité de

l'investissement.

Analyse des risques : Identifier et évaluer les risques potentiels.

Prise de décision : Utiliser les données pour décider des actions à

entreprendre.
 Analyse de la chaîne de
valeur
Méthode d'évaluation systématique des activités d'une entreprise.

Couvre l'ensemble des étapes, de l'acquisition des matières

premières à la distribution des produits finis.

Objectif : identifier les activités génératrices de valeur ajoutée.

Permet également d'identifier les activités qui n'ajoutent pas de

Marge

valeur.

Aide à comprendre comment l'entreprise crée de la valeur pour ses

clients.

Identifie les opportunités d'amélioration de l'efficacité

opérationnelle et de la compétitivité
Proposition de contrôle de gestion: Décisions éclairées
 Dashboard

https://docs.google.com/spreadsheets/d/1xQGEbaru
NVs2sjdIi3wX_i4_STYZkkgAhoBnX4qpZrU/edit?
usp=sharing
Recommendations générales
1. Diversification des produits

2. Optimisation de la stratégie de tarification

3. Investissement dans le marketing

4. Suivi des performances

Recommendations Marketing

1. Réduire les dépenses pour les produits sous-

performants

2. Optimisation de la satisfaction client

3. Les disparités entre satisfaction et ventes

Gestion des stocks
Pour les produits avec des délais de rotation plus courts, il est important de
maintenir des niveaux de stock adéquats pour répondre à la demande des clients
sans risque de rupture de stock.

Pour les produits avec des délais de rotation plus longs, il convient d'adopter des
stratégies telles que la réduction des quantités de commande, la mise en place de
promotions ou de programmes incitatifs pour accélérer les ventes, ou l'identification
de nouveaux canaux de distribution.

Utiliser des outils d'analyse prédictive pour anticiper les fluctuations de la

demande et ajuster les niveaux de stock en conséquence.

Elle pourrait envisager de mettre en œuvre des pratiques de gestion des stocks plus
efficaces plus particulièrement pour les produits avec une corrélation positive forte,
en optimisant les niveaux de stock et en réduisant les délais de rotation. De plus, une
analyse approfondie des processus logistiques et des stratégies de commande
pourrait aider à identifier les goulots d'étranglement et à améliorer l'efficacité
opérationnelle.
Gestion de la trésorerie

Stratégies Pour réduire cet écart et améliorer la

gestion de la trésorerie, l'entreprise peut
d'optimisation envisager différentes stratégies. Cela
peut inclure la renégociation des délais
de paiement avec les fournisseurs pour
les aligner sur les délais de paiement des
clients, l'amélioration des politiques de
recouvrement des créances pour
accélérer les paiements des clients, ou
encore l'utilisation de solutions de
financement à court terme pour combler
les écarts de trésorerie.
 Évolution du CU RMNC et
CU Distribué.
Contrôle de qualité renforcé. Un système de reporting.
Renforcez les contrôles de qualité tout Pour générer des rapports mensuels
au long du processus de production. sur les ventes de CU RMNC, y compris
Investir dans des technologies de les tendances.
surveillance et de contrôle.

Un outil d'analyse de
Un système de gestion de la
données.
production. Pour identifier les tendances à long
Pour suivre l'efficacité de la production
terme et les tendances saisonnières
et identifier les défauts.
dans les ventes de CU RMNC.

Un système de gestion de
la distribution.
Pour suivre les livraisons et identifier
les problèmes de logistique.
 Relation entre la qualité perçue
et la satisfaction client.

Focalisation sur les produits

Veille concurrentielle.
à corrélation positive.

Analyse approfondie des

produits à corrélation Stratégies différenciées.
négative.

Collecte de feedback
clients.
 Distribution et Conformité

Produits avec une moyenne

de conformité élevée (4)
Très satisfaisant
Produits avec une moyenne
Maintenance de la satisfaction. de conformité acceptable (3)
Analyser ces produits pour
comprendre les facteurs qui Assez satisfaisant
contribuent à leur succès et les
appliquer aux autres produits. Produits avec une moyenne
Surveiller ces produits pour
maintenir ou améliorer leur niveau
de conformité inférieure (2)
de satisfaction.
Peu satisfaisant
Comprendre les raisons de leur
succès malgré une conformité
inférieure à la moyenne et les Une analyse approfondie est
appliquer aux autres produits. nécessaire pour comprendre les
raisons de la satisfaction inférieure et
mettre en œuvre des améliorations.
 MERCI
POUR VOTRE
ATTENTION