Competitic simplifiez le pilotage de votre entreprise avec la business inte...
Mergers and acquisitions screen
1. Fusions et acquisitions : les
dimensions des données
Un guide pratique
du Dr. Walid el Abed
CEO
Janvier 2011
Copyright Global Data Excellence 2011Copyright Global Data Excellence 2011
3. Preambule
Jamais le monde n’a changé aussi vite, en particulier dans le domaine du flux de données multi
canal. Le passage de l’ère industrielle à celle de l’information, les défis financiers et économiques
sont déjà en train d’impacter notre comportememt et, de ce fait, nous réclamons plus d’intelligence
dans les données afin d’orienter nos actions ou décisions. La survie d’une entreprise dépendra de
son agilité, élément fondamental de sa pérennité et de sa croissance. Nous croyons vraiment que
sans integration de données, qualité des données, et gouvernance de données, l’agilité de
l’entreprise ne peut pas être atteinte. Notre société consomme de plus en plus de données, leur
qualité et leur gouvernance deviennent fondamentales afin de supporter la création de valeur et de
permettre la croissance. Par la suite, il est impératif de définir les cadres de travail, modèles,
méthodologies, outils, et les plateformes technologiques afin d’assurer un bon niveau de cohérence
et de confidentialité des données. Etant donné qu’une plate forme technologique permet le partage
de l’information et des données, il est indispensable de protéger les politiques de confidentialité
(au delà du firewall) afin d’augmenter la confiance entre partenaires. De plus, avec une gestion des
données bien rodée, le coût total de la possession de données peut être particulièrement allégée.
Dans un monde dirigé par les données, il en va de la responsabilité des entreprises d’exécuter de
tels cadres de travail, de préserver, de tester et de soutenir la valeur globale tout au long de la
chaîne de l’économie.
Dans ce guide pratique, nous nous focaliserons sur les opportunités des fusions et acquisitions à
travers l’implémentation du Data Excellence Framework, supporté par une plateforme harmonisée,
afin d’accélérer la production des bénéfices lors des transactions.
3Fusions et acquisitions : les dimensions des données
Une approche conduite par les données facilite la
flexibilitéorganisationnelle
Depuis toujours, les lois du marché ont forcé les entreprises à jongler entre diiférents impératifs,
afin de demeurer compétitives et de poursuivre leur croissance. L’inventaire suivant comprend
quelques impératifs métier, ainsi que les buts qui doivent être atteints en 5 ans afin de générer de
la valeur et adapter le modèle métier à la future chaîne de valeur. Dans tous les cas, la génération
d‘une qualité de données gouvernée “juste à temps” est un facteur déterminant afin de remplir ces
objectifs dans une économie en rapide mutation.
• pénétrer le marché avec de nouveaux produits en 30 jours
• se défaire d’une compagnie en 6 semaines
• fusionner une nouvelle entreprise en 8 semaines
• atteindre l’Excellence opérationnelle en un an
• Transformer le métier en 2 ans
• Réduire le nombre des applications de 50%
• Réduire de 75% le nombre des systèmes ERP
• Réduire le nombre des commerciaux de 60%
De plus, les entreprises étant supposées migrer d’une stratégie réactive, concentrée sur le principe
d’implémentation, à une stratégie beaucoup plus proactive, dédiée à la pérennité et à un effet
levier, quelques scenari prédictifs apparaissent naturellement, à l’image des exemples suivants :
La définition d’une
stratégie des
données doit être
coordonnée et
dirigée par une
équipe de gestion
des données qui
opère au carrefour
des fonctions
métier.
4. • Acquisition d’un nouveau métier
• Abandon d’un métier existant (dans sa totalité ou partiellement)
• réorganisation interne
• Création d’un nouveau métier, en local comme à l’international
• Décomposition d’un métier, en local comme à l’international
• Consolidation des forces de vente
• Délocalisation de l’activité d’une usine à une autre
• Developpement dû à un facteur extérieur comme un changement législatif ou fiscal
• L’ampleur d’un service d’implementation partagé
Afin de remplir ces objectifs métier, une stratégie des données intélligible est indispensable et doit
être intégrée à la stratégie globale de l’entreprise. La définition d’une stratégie des données doit
être coordonnée et dirigée par une équipe de gestion des données qui opère au carrefour des
fonctions métier. Afin d’assurer la pérennité du business et sa croissance, le système d’information
de l’entreprise doit être capable de supporter les changements de processus des données d’une
manière déterminée, rapide et souple (de premier plan) et doit prévoir le changement de
réalignement des données, ainsi que leur hiérarchisation afin de refléter, à l’interne comme à
l’externe, les changements conduits dans un contexte métier. Ainsi l’intrégration et l’ampleur des
services partagés devront être permises et même accélérées, afin de fournir un service léger,
efficace, peu coûteux, conduit en arrière plan. La modernisation des métiers, l’efficacité
opérationnelle, et les fusions acquisitions réussies reposent toutes sur une haute qualité des
données, rapidement atteignable.
Les objectifs de ce guide pratique sont d’éclairer les différentes considérations autour des données
lors de l’acquisition d’un nouveau métier. Il illustre la stratégie de données, le cadre de travail, la
méthodologie, et la plateforme nécéssaires pour :
4
Visualiser les impacts des changements organisationnels sur les systèmes et
les processus de l’entreprise, dans le but de gérer les changements dus à une
acquisition.
Permettre aux entreprises d’intégrer progressivement les changements métier
pour chaque scénario de changement.
User du système d’information de l’entreprise comme d’un levier facilitant la
flexibilité du métier ainsi que l’implémentation de services partagés.
Les fusions et acquisitions impliquent des processus vastes et compliqués, du
point de vue de l’intégration de données. Afin de fournir une vue pratique des
défis propres à une acquisition, nous baserons notre travail sur un scénario
crédible, typique de la vie d’une entreprise. Puis, nous illustrerons les
challenges que l’entreprise devra relever et finalement, nous proposerons un
cadre de travail et les meilleures pratiques qui permettent une intégration
plus douce de l’entreprise récemment acquise.
Les fusions et
acquisitions
impliquent des
processus vastes et
compliqués, du
point de vue de
l’intégration de
données.
Fusions et acquisitions : les dimensions des données
Hautesexigencesdesfusionsetacquisitions
Dans cette partie, nous soulignerons quelques paramètres-clé et les questions que l’on doit poser
et résoudre avant de signer le contrat. Ces points décisifs devraient grandement influencer notre
cas pratique.
5. 5
Quelles similitudes pouvont nous établir entre l’échelle, les délais et les modèles métiers ?
• La taille, la géographie et les “paysages”
• un avis anticipé permet de dégager les opportunités du planning
Quels sont les critères qui déterminent une intégration rapide contre une integration tardive ?
• Les bénéfices métier face aux facteurs politiques, changement de gestion
• rapides économies d’infrastructure/ ou sur les accords de license
Que faut il faire dans les 100 premiers jours ?
• rapide consolidation financière
• implementation du Back-office en tant que services partagés
Quelle approche d’intégration choisir?
• Adopter une stratégie “par opposition”
• les contraintes de délais
L’effort et l’objectif liés à ces hautes exigences dependent des délais d’exécution qui peuvent varier
de trois mois à trois ans.
L’exemple suivant nous montrera qu’intégrer une nouvelle acquisition s’avère complexe, peu
importe l’activité de l’entreprise. Du point de vue “données”, toute organisation (services financiers,
industriel, ou de pouvoirs publics par exemple) relève les mêmes défis lors de l’integration d’une
nouvelle acquisition. l’intégration des nouvelles données métier doit prendre en compte les
contraintes légales et financières de l’acquéreur. L’acquisition doit aussi comprendre les meilleures
pratiques de l’acquéreur, les standards de données, et les règles métier afin d’assurer que le seuil
des indicateurs clé de performance (KPIs), relatifs à la qualité des données, est atteint avant
l’intégration, ce qui garantira la continuité du métier tout en réduisant les risques.
Lecaspratique
Une multinationale avec $25 milliards de chiffre d’affaire décide de capter un métier émergent en
faisant l’acquisition d’une compagnie leader de $3 milliards de CA, basée sur l’association de
produits et services. Cette acquisition s’inscrit dans la logique de l’objectif métier : devenir le leader
mondial de ce marché particulier.
Fusions et acquisitions : les dimensions des données
Le contexte
La compagnie acquise affiche plus de 50 produits et services différents, qu’ils faudra intégrer au
coeur du système et des processus de l’acquéreur. Les produits et services sont répartis dans plus
de 30 pays et livrés par trois usines comportant un nombre de sous-traitants industriels ainsi que
divers partenaires.
Le contrat stipule que l’acquéreur est autorisé à utiliser les marques de la société acquise pour une
durée de 12 mois après l’acquisition, ce qui implique que tous les produits et services doivent être
re-brandés dans la première année de signature. De tels termes de contrat viennent ajouter à la
complexité de l’activité et aux délais déjà serrés.
6. 6
Les compagnies acquérante et acquise observent différents procédés, contraintes financières et
légales, ainsi que diverses pratiques de gestion de données.
La première évaluation révèle que la qualité des données est pauvre — des données avec doublons,
obsolètes et incohérentes— de plus, il n’existe aucune formalisation des bonnes pratiques, ni
aucune plateforme d’intégration.
Le processus financier complexe de commande de cash n’est pas du tout harmonisé entre les
différents pays.
Un modèle métier très compliqué implique de multiples couches de partenaires.
Chaque service utilise ses propres systèmes de master data, fonctionnant en langage local en
fonction des différents pays. Il n’y a pas de standard de données commun ou d’approche commune
de partage de données.
En outre, certaines dispositions légales doivent être respectées en fonction des pays. Au final, les
contraintes humaines finissent d’ajouter à la complexité de la situation, à cause de conflits de
planning : les ressources techniques sont déjà pleinement occupées par d’autres activités de
migration (dans cet exemple) et les forces vives de l’entreprise ne seront pas disponibles pour
valider les données migrées.
Cet exemple crédible d’acquisition d’une nouvelle activité, devra être considérée comme cadre de
travail dans un contexte de prime implementation.
Vue d’ensemble du planning
Une vue d’ensemble du planning montre le volume de master data devant être intégré dans les
délais impartis par le projet
Figure 1. Délais d’un projet d’intégration d’une société leader.
Fusions et acquisition : les dimensions des données
7. 7
Impacts potentiels et problématiques à prendre
en compte lors d’un processus d’integration de
données
Les données sont en général la dimension oubliée lors d’une acquisition ;
une fois le contrat d’acquisition signé, on pense que l’intégration des
données se fera d’un coup de baguette magique. Tandis que les
responsables métier imaginent que les informaticiens géreront la
conversion de données depuis l’entreprise acquise vers leur propre
système ; les informaticiens pensent que les responsables métier
connaissent et comprennent les données relatives aux règles métier,
celles là même qui doivent faire partie du processus de conversion.
La figure 2 montre quelques impacts métier potentiels dus aux données
mal converties au regard des bonnes règles métier.
Règles Cadre Dimension
de la DQ
KPI Impacts
métier
Bénéfices
métier
Toutes les
banques
doivent
comporter le
code ISO du
pays, en
cinquième ou
sixième
position du
swift code
Toutes les
entrées
actives de
banques
Exactitude 86% 14%
correspondent
à des millions
de dollars en
retards de
paiement
Toutes les
transactions
nécessitant un
swift code
sont un échec
Coûts de
retravail, jours
de vente,
énorme flot
financier,
mauvaise
provision de
dette
Exécution fluide
(Agilité)et une
plus grande
confiance
Toutes les
transactions
entre pays
doivent
inclure un
code de
transfert de
prix pour
chaque
entrée
Toutes les
entrées de
transfert de
prix
Complétude 86% 14% des
entrées de
transferts de
prix ne
peuvent être
réalisés
Un transfert de
prix incorrect
conduit à de
faux prix sur le
marché et à de
fausses taxes
Mauvais reporting
financier
Une approche
“pas à pas” du
data excellence
framework est
essentielle pour le
succès de
l’integration de la
compagnie
acquise, afin
d’atteindre
pleinement la
valeur espérée de
cette acquisition.
Fusions et acquisition : les dimensions des données
8. 8
Règles Cadre Dimensions
de la DQ
KPI Impacts
métier
Bénéfices
métier
Tous les
produits avec
le même
code barre
imprimé sur
l’emballage
doivent avoir
un code de
production
commun
Toutes les
entrées
actives de
biens
Exactitude 90,9% 9.1% des
bonnes
entrées sont
mal
classifiées
pour des
questions de
calcul de
coûts
Ré-allocation de
revenu pour de
nombreuses
corrections
Prise de décision
améliorée
Table 1. Règles métier, dimensions de la qualité de donnée, bénéfices métier
Pour toutes les acceptions d’un métier, il est nécessaire d’identifier et d’appliquer un certain
nombre de règles métier afin d’éviter tous les impacts métier potentiels pendant un processus
de conversion de données. Une méthodologie et un framework très structurés doivent être
suivis pour assurer que toutes les incontournables règles métier, dans tous les aspects
fonctionnels, sont prises en compte pendant la conversion des données. L’intégration de
données est capitale pour réussir une acquisition, et si les données ne sont pas cohérentes avec
les règles métier, la résolution d’un tel cas business serait compromis.
LeDataExcellenceFramework
Le data excellence framework englobe des processus communs intelligibles, ainsi que les “best
practices” grâce à une méthodologie qui peut être comprise et partagée à tous les niveaux de
l’entreprise. La vision à long termes du data excellence framework est de permettre à l’entreprise
de choisir un nouveau paradigme : dans l’imaginaire collectif de l’entreprise “La culture de la
qualité des données doit être perçue comme une seconde nature” pour atteindre le succès.
Une approche “pas à pas” du data excellence framework est essentielle pour le succès de
l’integration de la compagnie acquise, afin d’atteindre pleinement la valeur espérée de cette
acquisition. La mission du framework est de permettre à l’entreprise d’être fiable, intelligente,
et agile en utilisant la plus haute qualité des données afin de renforcer ces partenaires en
affaires, ses employés et ses investisseurs.
Ce framework, conduit par les règles métier, assure une intégration des données réussie et
optimale à travers la génération des chiffres de la qualité des données (KPI), la gestion des
exceptions ainsi que l’inclusion du seuil approprié qui autorise tous les processus métiers à
s’exécuter de façon fluide juste après la phase d’intégration.
Fusions et acquisitions : les dimensions des données
9. 9
Le data excellence framework definit les règles business en tant que règles auxquelles les données
devraient obéir, dans le but d’exécuter les processus métier de façon adéquate. Chaque règle métier
est associée à une des dimensions suivantes :
Exactitude
Complétude
Cohérence
Spécificité
Non Obsolescence
Par exemple, la cohérence des données est une règle métier typiquement placée sous la
responsabilité du CIO, car il ou elle a besoin de s’assurer que toutes les données destinées à des
objectifs “reporting” et operationnels est cohérente dans tout le système. Il est crucial d’adopter
une approche pratique de la qualité des données et de se focaliser sur les règles métier les plus
importantes plutôt que de chercher à atteindre les 100% de qualité, ce qui n’est pas réalisable dans
les délais impartis dans un contexte d’acquisition. Les initiatives traditionnelles de conversion de
données ou d’intégration de données, un niveau optimal de qualité des données doit être visé afin
d’éviter les retards d’intégration de l’acquisition.
La figure 2 montre une vue réaliste de l’effort perçu entre l’effort d’intégration des données et celui
relatif à la qualité des données au coeur du cycle de gestion des données en tant que partie
intégrante d’un processus d’acquisition.
Figure 2. l’effort perçu associé à la gouvernance des données dans le temps
Les initiatives
traditionnelles de
conversion de
données ou
d’intégration de
données, un niveau
optimal de qualité
des données doit
être visé afin
d’éviter les retards
d’intégration de
l’acquisition.
Fusions et acquisitions : les dimensions des données
Un des aspects clé du Data Excellence Framework est de fournir un processus simple et sans détour
afin de gouverner les règles métier de la qualité des données, de montrer les résultats qui
permettent les corrections, et de relier les KPIs de la qualité des données à l’impact métier, ce qui
déterminera l’optimisation de mes prochaines priorités de travail (figure 3).
10. 10
Figure 3. le processus des données lié aux KPI’s
En outre, Le Data Excellence Framework definit les rôles organisationels requis durant la phase de
conversion. Les rôles nécessaires dans le cadre d’une gouvernance des données réussie reposent
sur le principe d’intendance, comprenant les référents, les intendants, et les responsables des
données, tous trois supportés par le groupe de data Excellence et mis en oeuvre par le Data
Excellence Framework (voir figure 4).
Figure 4 : Rôles et responsabilités au coeur du Data
Excellence Framework
Les rôles
nécessaires dans le
cadre d’une
gouvernance des
données réussie
reposent sur le
principe de Data
Stewardship,
comprenant les
référents de
données, les data
stewards, et les
responsables
données.
Fusions et acquisitions : les dimensions de données
11. 11
Qui s’en soucit le plus ?
L’implication et l’adhésion du “senior management” est déterminante pour que l’acquisition
réussisse. Pour les convaincre, soyez sûrs de mettre en lumière l’impact métier et les bénéfices
remarqués sur les processus et sur les règles métier qui leur correspondent.
CFO (risque, cohérence, reporting)
Contrôles et rapports fiables basés, sur des données fiables et sur la transparence
COO (efficacité opérationnelle, exécution fluide)
Agilité et efficacité opérationnelle, basées sur une intelligence accrue
CIO (ajustement des coûts, garant des métiers)
Ajustement des coûts basés sur l’établissement de services
Permettant au métier d’atteindre les objectifs
Les attributs du Data Excellence Framework
Le framework facilite l’exécution simultannée d’une multitude de projets d’intégration de données
— Par exemple, des projets parralèlles dans les différentes entités de l’entreprise acquise. Les
caractéristiques suivantes sont les clés de compréhension du framework, permettant une
intégration rapide des données de la nouvelle entreprise.
Des métiers et des processus de gestion de données harmonisés
Des structures de données standardisées, basées si possible sur les standards de l’industrie (ex : les
codes ISO d’un pays)
Des bonnes pratiques définies
Une plateforme d’intégration des données standardisée
Des accords généraux avec des fournisseurs de solutions
Un niveau croissant des garants de données et des bonnes pratiques dans les fonctions métier
Un mode d’emploi intelligible dans le cadre de la gestion du changement
Un programme de gouvernance
Une équipe de conversion des données, force de proposition
Le processus de la gestion du changement
Une méthodologie d’implémentation
Processus standard de conversion des données
Ce paragraphe décrit une approche de haut niveau afin d’accélérer et de garantir une intégration
des données réussie. La méthodologie, supportée par une plateforme intelligible d’intégration des
données, représente un véritable avantage compétitif, assure une intégration rapide et réussie de
l’acquisition et permet à l’entreprise d’“industrialiser” l’intégration et d’être pleinement équipée
pour affronter les impératifs métier, quelqu’ils soient, peu importe le changement organisationnel.
Fusions et acquisitions : les dimensions des données
12. 12
Ci dessous, vous trouverez les étapes standards de la conversion de données :
• Identifier les sources de données.
• Definir les objets de données présents dans le cadre de la conversion de données : Le terme
“objet de donnée” désigne tous les enregistrements qui remplissent le même objectif (ex : Client,
fournisseur ou enregistrement de matériaux.)
• Préparer la structure des objets de données (DOS): le DOS rassemble et organise l’information du
point de vue de l’application cible et indique de quelle façon l’application cible utilisera l’objet de
données. Pour chaque objet de données il existe un DOS.
• Publier une cartographie des données : en identifiant une source pour chaque champs present
dans le DOS.
• Imaginer la transformation : la logique qui autorisera la modification ou la dérive de la valeur du
champs de données cible, dès lors que la valeur du champs de données se base sur les règles métier
et leur validation.
• Tester le processus.
• Executer et charger.
Les deux figures suivantes illustrent un processus de conversion de données de haut niveau, mis
bout à bout.
Figure 5. Le flux de conversion de données
Fusions et acquisitions : les dimensions des données
13. 13
Figure 6. Processus de conversion des données
Laplateforme
Une plateforme technique (voir figure 7) est indispensable pour accélérer et
supporter le Data Excellence Framework. Cette plateforme doit être
compréhensible et adaptée afin d’accompagner toutes les étapes du cycle de
viedesdonnées,làoùleDataExcellenceFrameworks’applique.Laplateforme
doit également supporter de multiples projets parallèles d’implémentation
suivant ces étapes :
Pendant la préparation des données, quand la plateforme supporte
l’exécution du framework sur la base du lègue, afin d’évaluer la qualité des
données prêtes pour la migration.
Figure 7. La plateforme technique
Une plateforme
technique (voir
Figure 7) est
indispensable pour
accélérer et
supporter le Data
Excellence
Framework.
Fusions et acquisitions : les dimensions des données
Pendant la phase de conversion des données, quand la plateforme supporte l’exécution du
framework en tant que partie intégrante du processus de validation des données et avant
chargement dans le stock cible
Pendant la phase de maintenance, durant laquelle les données du nouveau stock sont testées
régulièrement
Pendant la phase d’enregistrement direct, à l’instar d’un outil de capture de données.
14. Conclusions
Pour mesurer la réussite d’une fusion-acquisition, il est impératif d’instaurer des critères clairs,
relatifs à la dimension des données. Sans quoi, la situation serait incomplète.
Dans notre exemple, l’acquisition est un succès. L’intégration de la nouvelle entreprise s’est faite
dans les temps, atteignant le niveau de qualité de données requis :
Tous les produits et services du projet-cadre ont été intégrés aux nouveaux processus métier ainsi
qu’aux systèmes.
Les unités de service des divers pays sont maintenant opérationnelles et leur activité a intégré les
processus, les systèmes et les bonnes pratiques de l’acquéreur.
Tous les produits et services ont été re-brandés.
Les seuils de la qualité des données ont été atteints.
Seuls un Data Excellence Framework détaillé, de bonnes pratiques soutenues par une plateforme
technologique compréhensible, fiable et souple ; ainsi que des modèles de gouvernance des
données impliquant les métiers et l’IT ont rendu possible l’intégration de la nouvelle entreprise.
Notre vision de la future chaîne de valeur est que tout type de stratégie métier réussira, si et
seulement si elle comprend une stratégie des données claire, touchant tous les impératifs métier.
Une stratégie de données rendue possible par des cadres de travail adaptés et une plateforme
technologique saura cultiver l’état d’esprit “bon du premier coup”, dépassant ainsi les limites des
départements et unités de services, du point de vue de la création de valeur.
La haute qualité des données demeure vitale pour la pérennité et la croissance d’une entreprise.
Des données fiables représentent un véritable avantage compétitif. Ainsi, il est grand temps de
gérer les données comme un atout.
Le changement de culture est déterminant dans tout procédé de fusion et acquisition. Ce genre de
situation exige un effort considérable afin de garantir le succès de la gestion du changement.
Pour cela, il s’agira d’introduire et d’exécuter ce data excellence framework fiable, supporté par une
solide plateforme technologique, véritable accélérateur d’intégration des données ; sans oublier
d’accompagner une gouvernance des données conduite par les métiers, alors que l’entreprise se
focalisera sur son changement de culture.
14 Fusions et acquisitions : les dimensions des données