Par le passé, les données ont été régulièrement montrées du doigt pour les conclusions auxquelles elles ont mené. Pourtant, les données ne sont que des données. Elles ne sont pas le véritable coupable : il faut le chercher du côté des victimes qui les ont utilisées – et parfois de manière excessive. Ce qui est clair dans notre monde où le numérique est en plein essor, c’est que les données sont un élément déterminant dans la formulation de conclusions sur une foule d’enjeux. En deux mots, elles font partie intégrante de notre quotidien.
Si c’est vrai, nous devons alors savoir comment les manipuler et en tirer le maximum. D’ailleurs, la capacité concurrentielle est de plus en plus définie par la manière dont nous utilisons les données pour détecter les signaux appropriés et apporter des correctifs nécessaires. Les données jouent aussi un rôle crucial dans une fonction commerciale de plus en plus en vogue et dont la complexité ne cesse de croître : l’établissement de prévisions.
Les prévisions : encore plus de prévisions en vue!
Cette discipline a connu des hauts et des bas. Les premiers modèles pour prédire l’évolution de l’économie ont été accueillis en grande fanfare. Toutefois, ils ont causé une profonde déception puisqu’ils ne pouvaient tenir compte de tous les éléments risquant de perturber – et qui ont perturbé – l’économie. Les modèles sont imparfaits, mais grâce à des techniques de pointe ils peuvent s’autocorriger, se perfectionner de manière automatique et être dotés de fonctions d’apprentissage qui augmentent sans cesse leur degré de précision. On en trouve des applications dans le monde financier, mais aussi dans ceux de l’intelligence artificielle et de l’apprentissage machine, et dans d’autres applications du même genre.
Tout cela peut être intimidant pour une PME, car il semble que ce genre de chose soit réservée aux grandes entreprises. Pourtant, au bout du compte, la responsabilité d’interpréter et d’utiliser les données revient aux décideurs. Cette réalité m’amène à formuler un point essentiel et fondamental : certains concepts simples liés aux données échappent même aux analystes avertis. Prenons l’exemple de la croissance annuelle : ce concept est utilisé en économie, en affaires et dans un grand nombre d’applications personnelles. Elle est calculée en faisant la somme de l’activité de l’année en cours et de celle de l’année précédente. Voilà une opération assez simple, n’est-ce pas?
En fait, elle est si simple qu’elle peut inciter à conclure que chaque année est un nouveau départ, et que tout repose sur la croissance enregistrée chaque mois. Cette idée est raisonnable, mais pas entièrement correcte. En fait, le calcul se fonde sur l’activité moyenne observée pendant la présente année par rapport à l’activité moyenne de l’année précédente. En clair, si une entreprise termine l’année sur une note positive, et que le niveau d’activité est soutenu durant l’année qui suit, alors la croissance de l’année antérieure observée durant l’année courante détermine les prévisions pour l’année en cours. Autrement dit, si à la fin de l’année les ventes sont de 5 % supérieures à la moyenne des ventes pour l’année, et qu’il n’y a aucune croissance enregistrée pendant un mois durant l’année en cours, alors la croissance annuelle s’établit en réalité à 5 %. C’est ce que nous appelons la croissance inhérente.
Tout cela révèle que la croissance constatée cette année se trouve en fait déterminée bien plus tôt qu’il est communément admis. À vrai dire, pour une série de données trimestrielles, le taux de croissance de l’an prochain commence à être défini au deuxième trimestre de l’année en cours. Dans une série mensuelle, cela se produit même avant – le taux de croissance de l’année courante commence à prendre forme au mois de février de l’année précédente!
L’interprétation des données change la donne
Pourquoi est-ce si utile? Imaginons la situation suivante : vous expliquer à votre patron ou patronne que l’équipe des ventes travaille d’arrache-pied, mais cette personne s’inquiète parce que la performance générale reste inférieure de 10 % à celle du dernier exercice. Vous avez tous deux raisons – la croissance mensuelle peut être très dynamique, mais si les ventes de l’an dernier chutent en fin d’exercice, alors la croissance d’une année sur l’autre peut être effectivement très négative.
C’est un fait étonnant, mais cette erreur simple est souvent commise, et parfois aux échelons les plus élevés. Bien entendu, si la trajectoire de croissance est linéaire (qu’elle soit ascendante ou descendante), ce débat devient alors beaucoup moins important puisque même de simples observateurs arriveront aux bonnes conclusions. Par contre, cet élément devient primordial lorsqu’il y a des bouleversements – des moments déterminants pour les finances d’une entreprise, d’un gouvernement ou d’une personne.
Conclusion?
Les données ne sont pas toujours ce qu’elles semblent être. Chose certaine, il devient de plus en plus vital de les analyser correctement. Alors que notre monde gagne en complexité, il est important que ceux et celles qui en sont les derniers interprètes en maîtrisent bien les fondamentaux.
