Données travel, un trésor caché

Récolter, traiter, protéger, valoriser les données n'est pas tâche aisée tant il existe de données et de sources différentes. Pour aider l'ensemble des parties prenantes du secteur du voyage d'affaires, l'Aftm a conçu en collaboration avec le cabinet CBT Conseil un livre blanc complet et pratique sur le bon usage des données. Proposé sous la forme de fiches pratiques, l'ouvrage couvre l'ensemble des problématiques auxquelles peut être confronté un travel manager, un acheteur ou un contrôleur de gestion.

En dehors de la production, la mobilité est en général le deuxième ou le troisième poste de dépense d'une entreprise. Une exploitation utile de la donnée est donc essentielle. "La donnée, la data, l'information, quelle qu'en soit la dénomination ou la forme, elle est l'alpha et l'omega du travel manager, indique Michel Dielman, président de l'Aftm dans son édito. Elle constitue une véritable richesse pour l'entreprise qui souvent, ne la maîtrise pourtant que partiellement."

En effet, face à la multiplicité des sources d'information, le traitement de la donnée est consommateur de ressources. C'est pourquoi les entreprises s'en tiennent la plupart du temps aux deux premières phases du traitement de la donnée c'est-à-dire le diagnostique et l'analytique et ne travaillent pas les phases prescriptive (comment mieux dépenser) et prospective (combien je dépenserai demain).

Plutôt que big data, pensez smart data

Pour éviter d'être noyé par la masse d'informations, il est donc recommandé en premier lieu de s'assurer de la qualité des données, ensuite d'avoir une approche collaborative inter services et avec ses fournisseurs afin d'obtenir des données personnalisées et formatées de leur part. "Pour que la donnée soit de qualité il est nécessaire que toutes les parties prenantes, sans oublier l'IT, soient complètement impliquées dans le projet global travel", témoigne Jérôme Bonnepart, travel manager chez Arkema et administrateur Aftm dans le livre blanc.

De plus, travailler sur le panel le plus large n'est pas nécessairement la bonne approche. Mieux vaut avoir des objectif précis : finalité, périmètre, période d'analyse. "Des simulations sur des périmètres réduits permettent de démarrer une approche d'analyse prédictive de manière fiable" peut-on lire dans le précieux guide.

Or, c'est bien sur la phase prédictive que repose la valorisation de vos données. Et si l'exercice reste complexe, les champs d'application sont vastes : calcul d'économies potentielles, calcul de performance sur un contrat futur, aide à la négociation ou encore simulation d'impact de comportements voyageurs.

Comment aborder le prédictif?

Pour faire simple une analyse prédictive de la donnée s'appuie sur des schémas historiques de comportements pour découvrir de nouveaux schémas statistiques. Quel que soit l'outil mis en place il est donc crucial de le faire travailler sur une base de données consolidées.

Majoritairement utilisées pour calculer des économies possibles et faire évoluer les comportements voyageurs, l'analyse prédictive est une aide factuelle pour le travel manager et permet de mettre le processus travel au coeur de la stratégie de l'entreprise. Si les outils d'analyse prédictive sont nombreux (data mining, algorithme de machine learning...) peu d'éditeurs sont spécialisés dans l'industrie du voyage. Encore peu démocratisées, les solutions de marché s'adressent essentiellement aux grandes entreprises du fait de l'investissement initial requis.

Cependant Excel et Access permettent à une échelle plus modeste de créer des modèles d'analyse prédictif efficaces. En croisant 5 sources différentes comme les données issues de la comptabilité (TVA collectée), des notes de frais, des voyages réservés (TVA documentée), du taux moyen de récupération, des données publiques dans un simple tableur Excel il est possible d'établir un modèle d'analyse prédictif de récupération de TVA.

Enfin, les moyens de paiement, les comptes logés notamment fournissent des tableaux de bord qui comparent l'activité de votre entreprise à celles d'autres clients de taille similaire et permettent de simuler plusieurs scenarii. Ainsi, comme le souligne Michel Dielman, la donnée une fois récoltée, étalonnée et raffinée, "prend une "valeur future" et entre dans le coffre-fort des actifs stratégiques de l'entreprise."