top of page

SWOT analysis d'un service Finances
au sein d'une grande entreprise

L'analyse qui suit est basée sur mon expérience spécifique au sein de ce service, sans souci d'exhaustivité et uniquement du point de vue de l'utilisation des données à des fins stratégiques. 

Constat au moment de cette analyse: plus de faiblesses que de forces dans le domaine des Données, mais le grand engagement de ce service Finances pour saisir les multiples opportunités contrebalance les faiblesses actuelles et offre des perspectives encourageantes pour l'avenir.

Forces

  • Robustesse financière et capacité d'autofinancement permettant l'acquisition d'outils analytiques de pointe et de la meilleure qualité

  • Ressources de pointe au sein du service informatique (Section Data et Analytics)

  • Culture de type traditionnel permettant une relative stabilité du mode de collaboration et un temps raisonnable pour la gestion du changement.

  • Forte acceptation des services de Finance Partnering par les services logistiques, permettant la mise en oeuvre de synergies.

Faiblesses

  • Qualité et exactitude des données non systématiquement garanties (principalement en raison des processus de transformation manuelle de données)

  • Champs de responsabilité communs ou non clairement définis liée à la structure matricielle de l'organisation. Exemple: zones grises de responsabilité entre les services Finances Support et le service Finance Partenaire de la Logistique, ou encore entre les centres de compétences Données (CCD) Finance et CCD Logistique

  • Pas encore d'articulation systématique et coordonnée entre la stratégie du Business et la stratégie Données ni de coordination entre les différents CCD

  • Réorganisations fréquentes, facteur d'instabilité, de rotation du personnel, rendant plus difficile la mise en place d'une structure organisationelle cohérente en matière d'utilisation des données

  • Culture traditionnelle également facteur de rigidité et de temps de latence pour tout changement/modification, notamment projets technologiques

  • Pas encore de compétences suffisantes au sein des Finances pour utiliser au mieux le potentiel de la technologie analytique.

Opportunités

  • Amélioration du processus de décision soutenu par les données

  • Utilisation facilitée des données pour la prise de décision, via les interfaces BI & Analytics en Self Service 

  • Apprentissage statistique en vue de formuler des projections fiables ou d'identifier de manière précoce des risques business

  • Pilote d'organisation au sein d'un sous-département des finances pour les services logistiques: opportunité de preuve de valeur des compétences Données et de leur impact positif sur le mode opératoire des Contrôleurs et Partenaires Finances du Business

  • Projet de mise en place de la gouvernance des données au sein du service Finances transverse de l'organisation (découle de la pertinence et de l'influence du service IT AI et Analytics cité ci dessus qui est instigateur du projet)

  • Communauté Tech interne extrêmement vivante et active. Les ressources notamment au sein du Cluster Data et Analytics sont à disposition pour les Finances. Les échanges entre CC Data permettent aussi l'accès à des compétences analytiques déjà pré-filtrées / pré-recrutées. Diminution du temps d'on-boarding des nouvelles recrues pour les Finances

  • Développement constant des technologies analytiques: transformation des processus et renouvellement de la valeur du service Finances

Risques

  • Risque de prendre des décisions sur la base de données erronées

  • Attention à veiller à la réelle pertinence des investissements massifs actuels dans la technologie et les compétences en Analyse et Science des données. Autrement le Payback pour ces coûts conséquents n'est pas garanti.

  • NB: dans mon expérience en tant que consultante, j'ai été en contact avec une grande entreprise pharmaceutique qui a investi massivement en 2022 dans les ressources AI&Analytics, pour finalement en 2024 devoir se séparer de la majorité de cet effectif en raison de la non utilisation et non compréhension des outils de prédiction à base d'algorithmes qui ont été développés sur cette période.

bottom of page