Industrie : comment la data contribue à créer de la valeur ?

Juillet 2023

Le secteur industriel est en pleine mutation vers l’industrie 4.0 et entame une nouvelle révolution industrielle. Le marché mondial de l’industrie 4.0 devrait croître en moyenne de 16,3% par an et atteindre 377,30 milliards de dollars d’ici 2030 selon Contrive Datum Insights. La data joue un rôle central au sein de cette révolution industrielle puisqu’elle intervient dans plusieurs champs d’application tels que l’usine connectée, la compétence augmentée, la traçabilité ou encore la maintenance prédictive. La data peut être source de création de valeur si elle est utilisée à bon escient dans ses diverses applications.

Quel rôle joue la data dans les prises de décisions ainsi que la création de valeur et comment l’utiliser ?

François Fau, directeur, et Jean-Baptiste Diene, project manager chez June Partners, reviennent sur ce sujet dans cette interview croisée.  

 

Comment le contexte économique tendu impacte les industriels français ? Quel rôle joue la data ?

Les industriels français ont, depuis deux ans, des difficultés à sécuriser leur chaîne d’approvisionnement, maîtriser leurs coûts d’achats et réviser leurs prix à cause des successions de crises et du contexte inflationniste.

La data joue un rôle clé pour maîtriser les effets de l’inflation. Aujourd’hui, dans le pilotage du cycle S&OP (Sales and Operations Planning), l’entreprise ne va plus uniquement se baser sur les données internes et sur l’historique. Elle va prendre en compte la data de marché, sectorielle ou de branche, et un contexte/projection macroéconomique ou territorial.

La data va permettre d’agir en amont (performance des fournisseurs, maîtrise des coûts…) et en aval (coûts des ventes auprès des clients…) de la chaîne de valeur. Prenons un exemple concret : l’utilisation de données des marchés de matières premières (notamment à travers les indices Insee) permet d’appuyer et justifier les différentes réévaluations de prix auprès des fournisseurs, lesquelles deviennent de plus en plus fréquentes au vu du contexte inflationniste toujours incertain.

 

Quels sont les cas d’usages de la data qui contribuent à créer de la valeur dans les entreprises industrielles ?

Les industriels utilisent la data à plusieurs niveaux de la chaîne de valeur :

  • Relation client : les données aident les industriels à mieux connaître leurs clients pour améliorer la relation et leur apporter des nouveaux services ;
  • Cycle S&OP : la data soutient la mise en place de ce processus pour combler le fossé qui existe entre l’approvisionnement, la production et les commerciaux. Ainsi, la data aide à prendre de manière proactive des décisions appropriées et au bon moment en s’appuyant sur des chiffres maîtrisés et validés (ex : stock, achat, performance de vente) ;
  • Chaîne de production : elle est utilisée pour l’optimiser et être plus performant (optimisation du rendement et des coûts de production). La maintenance prédictive est souvent le premier cas d’usage de la data mis en œuvre.

Plus précisément sur la maintenance prédictive, elle a pour but d’anticiper les pannes plutôt que de les subir afin d’éviter toute rupture dans la chaîne de production. La maintenance prédictive est une porte d’entrée à la mise en place d’autres cas d’usages de la data. Cependant, cette initiative peut être bloquée si les données des équipements sont difficiles d’accès voire inaccessibles. Malgré cela, la mise en application prochaine du Data Act à l’échelle de l’Union européenne devrait faciliter l’accès à la data. En effet, les données brutes générées par un équipement industriel devront être accessibles à tous et plus uniquement aux fabricants. De plus, il existe déjà des moyens de partager les données de maintenance à l’aide d’outils de GMAO (Gestion de Maintenance Assistée par Ordinateur) tels que Mobility Work, Yuman ou Twimm. Ils sont utilisés pour être plus efficace dans le suivi de la maintenance des équipements.

A titre d’exemple sur l’usage de la data, la mise en place d’un indicateur de biais de prévision est un des éléments pour mesurer le niveau de performance du processus d’approvisionnement en MTS (Make To Stock). Il s’agit d’un moyen d’identifier des clients ou des produits spécifiques qui ont un biais important et qui impactent les approvisionnements. L’entreprise pourra grâce à l’analyse de ces données, réagir plus rapidement, réévaluer les prévisions pour limiter l’impact sur les stocks et être plus agile dans ses processus.

 

Quels sont vos conseils pour utiliser la data à bon escient ?

La mise en place d’un système de collecte, de préparation et de restitution de la data est indispensable pour les industriels qui souhaitent passer le cap. Cela nécessite de se doter des compétences et des outils adéquats. Or, les métiers opérationnels ne sont pas totalement autonomes sur l’analyse des données de leur activité. C’est pourquoi, il est nécessaire de réfléchir à des compétences data utiles à l’organisation du traitement des données. De plus en plus de PME et ETI industrielles recrutent des profils data techniques qui travaillent directement auprès des métiers opérationnels. Ainsi, ils sont plus pertinents dans l’analyse des données en étant quotidiennement au cœur des métiers de l’industrie. Grâce à cela, les métiers opérationnels pourront prendre des décisions basées sur les données.

Attention, il ne suffit pas non plus uniquement de recruter des profils data techniques ! La data doit être placée au cœur de la stratégie de l’entreprise pour se fixer des objectifs appropriés. Or, beaucoup d’entreprises industrielles ont été bâties sans une culture digitale forte. Une transformation culturelle est nécessaire afin que les métiers opérationnels maîtrisent et s’approprient les données pour pouvoir les exploiter. Il est important de les accompagner avec des outils et des méthodes adaptés au cours de cette transformation, ainsi que d’identifier la valeur qu’il est possible de créer à partir de ces données. Une fois la transformation réalisée, la data devient un patrimoine de l’entreprise.

Par ailleurs, le modèle data choisi doit correspondre aux réels besoins de l’entreprise sur son pilotage (appareil de production, optimisation des achats, délais qui impactent la supply chain). Elle doit rester pragmatique et éviter de se lancer dans un projet de modèle data complexe (R&D, retour sur investissement à long terme). La data créera de la valeur rapidement si l’entreprise adopte une approche pragmatique et commence par ce qu’elle maîtrise. Il est préférable d’exploiter les données préventives et curatives des activités de l’entreprise afin d’en restituer des données fiables. Ces dernières seront alors utilisées pour la prédiction. Cette première création de valeur va inciter l’entreprise à continuer dans cette voie en incluant l’usage des données dans toutes ses activités.

 

Une conclusion ?

La corrélation entre la data et la création de valeur n’est plus à démontrer aujourd’hui. Maintenant, l’entreprise doit se demander : comment intégrer l’utilisation des données dans la stratégie et le pilotage de la performance pour créer de la valeur et en tirer des bénéfices ?

Piloter l’entreprise à l’aide des données est primordial pour assurer la pérennité de son activité. Les industriels préservent leur marge et agissent de manière proactive sur le pilotage financier et la performance grâce aux données.

Attention, cependant, à rester pragmatique et suivre des étapes simples avec des prérequis. De plus, il est nécessaire de s’adapter à son contexte et à son enjeu. Si l’entreprise est en sous-performance sur son activité industrielle et que des gains potentiels existent alors, elle a la possibilité de créer de la valeur. Elle se matérialisera, ensuite, par une transformation data dans l’ensemble de l’entreprise.

 

Vous souhaitez être accompagné ? Contactez-nous

 

Pour aller plus loin

L’industrie 4.0 est-elle au service du développement durable ?