L’état d’esprit des produits de données alimente un nouveau tableau de bord de gestion des dépenses critiques

En tant que l’un des plus grands fabricants mondiaux de papier et de produits de construction, ce fabricant américain s’est appuyé sur un système de tableau de bord pour gérer environ 400 millions de dollars de dépenses d’entretien et d’exploitation diverses dans plusieurs installations de production de plusieurs milliards de dollars.

Lorsque l’entreprise a dû mettre à jour et élargir son tableau de bord de maintenance, il est devenu évident que son environnement de données et ses processus ne prenaient pas en charge une itération de niveau supérieur de ce tableau de bord d’analyse.

Les défis comprenaient :les problèmes

d’exactitude. Les rapports existants étaient reliés à plusieurs sources de données fragmentées qui manquaient des renseignements clés. Les idées étaient souvent contradictoires et le processus de résolution des divergences était inefficace, principalement en raison de conversations ponctuelles. L’entreprise avait besoin que tous les chiffres réels soient liés à son futur système central FP &A (Infor d/EPM).

Affichages et rapports fragmentés. Étant donné que différentes installations avaient des systèmes ERP différents, les équipes utilisaient plusieurs rapports et tableaux de bord pour examiner les installations de production. Et les utilisateurs professionnels se sont plaints de l’interface utilisateur « encombrante ». À moins d’avoir reçu une formation approfondie sur les tableaux de bord, obtenir une vue précise et holistique était un processus long et ardu, et pas toujours un processus réussi.

Transition majeure à l’horizon : Au cours des prochains mois et des prochaines années, un certain nombre d’installations élimineraient progressivement les systèmes actuels et adopteraient Infor M3 pour la comptabilité et le PRE. Au cours de cette transition, l’entreprise aurait besoin d’une solution qui pourrait rassembler une vue complète des transactions financières de différents segments. Ce faisant, tout le monde serait sur la même longueur d’onde, parlant la même langue.

Pour créer une version plus puissante et plus fiable de ce tableau de bord critique, le client doit résoudre les débranchements sous-jacents dans son environnement de données. Elle exigeait également une équipe multidisciplinaire d’analystes d’affaires, de gestionnaires de programme, de spécialistes de la visualisation et d’ingénieurs de données utilisant une approche agile qui se concentrait sur la fourniture de valeur de manière itérative.

Comme première étape, NTT DATA a travaillé avec le fabricant pour recueillir les exigences, demander aux utilisateurs comment ils utilisent les tableaux de bord et développer un carnet de commandes d’histoires d’utilisateurs pour éclairer la création des nouveaux produits d’analyse. À partir de là, les spécialistes de la visualisation de NTT DATA ont utilisé l’information pour créer des maquettes conceptuelles qui ont montré à l’entreprise ce qui était possible.

Avec l’approbation du client en main, les ingénieurs en données ont commencé à travailler. À l’aide d’Amazon Redshift, ils ont construit une couche de données unifiée et évolutive et un modèle de données robuste qui intègre les données de quatre systèmes comptables/ERP. À partir de cette source unique de vérité, l’entreprise peut facilement développer de futurs produits d’analyse (au-delà de la simple maintenance) et de meilleures capacités de libre-service.

• Le modèle avait 13 dimensions différentes axées sur les activités clés, comme les accords de service des fournisseurs, les bons de commande et les contrats, dans le cycle de vie de la maintenance de chaque installation.
• Le modèle contenait quatre faits pour assurer une représentation exacte des dépenses financières, y compris des tableaux de faits pour les prévisions et les valeurs d’engagement.
• Le modèle utilisait une plateforme infonuagique moderne et flexible (Redshift) avec la dernière technologie (Glue et S3) pour approvisionner, transformer et affiner davantage les données pour une qualité accrue.
  

L’équipe de NTT DATA a également participé à la campagne de déploiement du nouveau produit d’analyse pour aider les utilisateurs finaux à mieux comprendre et à faire confiance à la couche de données qui l’appuie et à favoriser l’adoption. L’équipe a montré au fabricant comment naviguer dans le nouveau tableau de bord, comment il améliorerait la visibilité et l’exactitude des informations, et comment l’entreprise pourrait économiser du temps et des efforts pour l’entreprise et ses employés en l’utilisant. Les équipes ont mis en œuvre un système de gestion du changement pour évaluer l’adoption par les utilisateurs et suivre l’utilisation du tableau de bord par rapport aux objectifs.

En regardant sous les améliorations du tableau de bord de surface qui étaient initialement sur la table et en appliquant un état d’esprit de produit à la livraison de perspectives d’affaires, les équipes ont obtenu :

des perspectives fiables en moins de temps. Le nouveau produit de tableau de bord remplace les anciens rapports manuels intensifs, offrant une source unique d’information précise et facile d’accès pour la production de rapports sur les dépenses d’entretien et la prise de décision. Les rapports fragmentés et les écarts de données sont maintenant chose du passé.

Adoption rapide. Au cours des deux premières semaines, près de 100 utilisateurs ont afflué vers le tableau de bord d’entretien remanié, des cadres à la recherche d’informations inter-installations à des fins de prise de décision aux gestionnaires d’installations et aux professionnels de FP &A nécessitant des détails plus détaillés sur les dépenses dans leurs domaines de responsabilité.Base

durable pour les applications futures. Le produit de données de maintenance est conçu et prêt pour le développement d’analyses. Si de nouveaux tableaux de bord sont demandés, en examinant les contrats, les demandes de matériel, les nouveaux engagements par rapport aux dépenses d’entretien, etc., la base peut être élargie rapidement et efficacement parce qu’elle est fondée sur un modèle de données adaptable, riche en données et fiable.