À l'ère pré-pandémique, la réponse à la question « Pourquoi devrais-je m'intéresser à la digitalisation et à l'intelligence artificielle ? » était très souvent « l'analyse prédictive ». Cela fait référence à la capacité d'exploiter les grandes quantités de données produites par une organisation pour prédire l'avenir, grâce à la magie et à la science de l'exploration de données et des processus mathématiques.
L'analyse prédictive était présentée comme une capacité future essentielle pour les entreprises, qui leur permettrait de repérer les tendances, d'identifier les relations entre les comportements et de prévoir avec précision et fiabilité les événements et les conditions du marché. L'objectif était de permettre aux entreprises de développer leurs activités en étant préparées aux défis, en atténuant les risques et en saisissant les opportunités au bon moment. C'était la carotte.
Le bâton, en revanche, était que si vous ne débloquiez pas le pouvoir prédictif de vos données, vos concurrents débloquieraient certainement les leurs et vous laisseraient loin derrière, avec un écart toujours croissant.
Pratiquement tous les secteurs avaient tout à gagner de l'analyse prédictive : les compagnies aériennes pouvaient prévoir le nombre de passagers, les compagnies d'énergie pouvaient prévoir la demande en électricité, les détaillants pouvaient offrir aux consommateurs ce qu'ils voulaient au bon moment, et les fabricants pouvaient éviter les temps d'arrêt et réduire les coûts en prédisant avec précision quand les pièces auraient besoin d'être révisées ou remplacées.
Et puis COVID-19 est arrivé. L'impact de cette pandémie a, comme nous en sommes tous conscients, été considérable et a, dans une large mesure, compromis l'analyse prédictive. L'analyse prédictive repose sur la capacité des machines à repérer des tendances dans d'immenses quantités de données, mieux que nous ne pourrions jamais le faire, et à apprendre de ces tendances pour prévoir l'avenir avec précision et fiabilité. Mais aujourd'hui, tous les efforts d'analyse prédictive sont compromis par deux à trois années de données atypiques. Et lorsque les choses se normaliseront — espérons-le en 2022 ou 2023, selon le déploiement de la vaccination et sa capacité à s'adapter aux variants du virus — les données générées à ce moment-là ne reprendront pas là où 2019 s'est arrêtée. En fait, nous aurons très probablement une nouvelle référence à partir de laquelle réinitialiser nos attentes futures, car les choses pourraient bien avoir fondamentalement changé depuis 2019.
Prenez les voyages d'affaires. Maintenant qu'il est clair qu'il est possible de conduire des affaires dans le monde entier sans prendre l'avion, est-il probable que les voyages d'affaires reviennent aux niveaux d'avant 2020 ? La prise de conscience que les voyages longue distance ne sont pas toujours une nécessité croisera les objectifs de développement durable des entreprises, et les sociétés réaliseront sans aucun doute aussi les économies qu'elles peuvent réaliser (un gagnant-gagnant). Un recul des voyages d'entreprise par rapport aux niveaux d'avant la pandémie aura des répercussions sur les hôtels, la location de voitures, la location de salles et une foule d'entreprises satellites qui soutenaient ces déplacements.
En revanche, un secteur comme le e-commerce, qui a sans aucun doute reçu un coup de pouce de la pandémie, verra probablement une grande partie de ces nouveaux clients rester. Pendant la pandémie, les entreprises ont accéléré leurs déploiements e-commerce et amélioré leurs offres, et de nombreux consommateurs tardifs ont essayé les achats en ligne pour la première fois en raison du confinement et des préoccupations sanitaires. Sans aucun doute, certains de ces consommateurs retourneront dans les magasins physiques lorsqu'ils le pourront, mais je suggèrerais qu'il est très probable que de nombreux nouveaux convertis continueront à faire au moins une partie de leurs achats en ligne, grâce à la commodité et au choix plus large.
La grande question dans ces deux cas est de savoir combien d'entreprises et de personnes rendront ce changement permanent et dans quelle mesure, et c'est ce qui compromet potentiellement le pouvoir prédictif des données d'avant 2020.
Mais aujourd'hui, toutes les données dont nous disposons sont des données aberrantes, c'est-à-dire qu'elles ne sont pas fiables comme données de référence sur lesquelles prévoir les résultats futurs. Nous sommes en territoire inconnu ici, d'où ma position que 2022/3 se présentera comme une nouvelle référence. Si nous devons attendre pour constituer une base de données « normales » à intégrer dans les modèles d'analyse prédictive, comment les entreprises planifient-elles aujourd'hui ?
Les comptables disposent en fait déjà d'un modèle pour cela : la budgétisation à base zéro. En adoptant une approche à base zéro pour la budgétisation et la prévision à l'aide de la modélisation financière, les entreprises peuvent contourner la dépendance de l'analyse prédictive aux données historiques. Au lieu d'examiner les données du mois dernier ou de l'année dernière et d'en extrapoler, les entreprises peuvent se fier à leurs propres prévisions, colorées par leurs propres expériences et attentes, adaptées à leur situation unique.
Un autre avantage de cette approche est que votre modèle financier est désormais ancré dans la réalité : vos chiffres peuvent être testés selon une myriade d'hypothèses flexibles, à des niveaux très granulaires et sur l'ensemble de votre organisation. Ces meilleures estimations peuvent donner une image de ce à quoi votre lendemain pourrait ressembler dans un avenir quelque peu incertain.
Oui, c'est, dans une certaine mesure, un retour aux fondamentaux et cela peut même être un peu plus manuel. Mais lorsque vous n'avez pas de données de tendances historiques sur lesquelles vous appuyer, vous devez malheureusement repartir de zéro, et cela signifiera sans aucun doute remettre en question la norme établie.
Publié sur AccountingWeb - March 2021