Le défi
Sept sources de données métier non réconciliées, des rapports produits manuellement chaque mois, et des écarts de chiffres entre directions qui alimentaient les arbitrages plus qu'ils ne les éclairaient.
Le résultat
Plateforme data unifiée alimentant reporting et modèles prédictifs, définitions métier partagées et versionnées, et suppression de quatre-vingts pour cent des extractions manuelles.
Le contexte
Chaque direction produisait ses propres indicateurs à partir de sa propre extraction. Le chiffre d'affaires mensuel avait trois valeurs différentes selon la source consultée, sans que personne ne puisse expliquer l'écart.
Notre approche
Le travail a été moins technique qu'attendu. L'essentiel a consisté à faire converger les définitions métier avant de construire quoi que ce soit.
- Glossaire métier partagé — chaque indicateur a une définition écrite, un propriétaire et une règle de calcul, versionnés au même titre que le code.
- Architecture lakehouse — ingestion des sept sources, historisation, et couche de service unique pour le reporting comme pour les modèles.
- Qualité outillée — contrôles de cohérence exécutés à chaque chargement, avec alerte sur rupture de tendance plutôt que sur seuil fixe.
- Premiers modèles prédictifs — prévision de la demande par point de vente, construite sur la même couche que le reporting.
Le résultat
Les extractions manuelles ont diminué de quatre-vingts pour cent. Les écarts de chiffres entre directions ont disparu, non parce que l'outil les a corrigés, mais parce que les définitions ont été tranchées.