10 ANALYSER LES SYSTÈMES

« Si vous ne pouvez pas le comprendre, vous ne pouvez pas le changer. »

ÉRIC EVANS, TECHNOLOGUE

A vant de pouvoir améliorer un Système, vous devez comprendre comment il fonctionne actuellement. Malheureusement, c’est une tâche difficile – il n’est tout simplement pas possible d’appuyer sur pause le temps qu’il faut pour comprendre et mesurer ce qui serait nécessaire.

Les Systèmes doivent être analysés en cours de fonctionnement. Heureusement, ce n’est pas mission impossible si vous savez ce que vous cherchez.

Dans ce chapitre, vous allez apprendre à Déconstruire des systèmes, c’est-à-dire à les décomposer en petites parties plus faciles à comprendre, et à mesurer ce qui est important. Ensuite, vous allez découvrir l’interaction et l’interdépendance qui existent entre les différentes parties du système.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/analyzing-systems/

La déconstruction

« Rien ne peut se faire dans un souci de perfection. Tout processus implique de démolir quelque chose. »

JOSEPH CAMPBELL, MYTHOLOGUE ET AUTEUR DU LIVRE LE HÉROS AUX MILLE ET UN VISAGES

C omme nous venons de le dire, les Systèmes complexes sont constitués de nombreux Flux, Stocks, processus qui sont bien souvent Interdépendants. Mais un système peut être trop complexe pour être compris globalement. S’il existe plus de sept à huit variables ou dépendances, les Limites cognitives se mettent en place et la confusion domine.

Mais alors, comment peut-on analyser des systèmes extrêmement complexes ?

Par la Déconstruction , un processus qui consiste à décomposer des systèmes complexes en sous-systèmes de la taille la plus réduite possible dans le but de comprendre comment les choses fonctionnent. Au lieu d’essayer de comprendre le système dans son ensemble, vous le divisez en petites parties, puis cherchez à comprendre les différents sous-systèmes et leurs interactions mutuelles.

La Déconstruction est le processus inverse de la Loi de Gall. Rappelez-vous : les systèmes complexes qui fonctionnent sont toujours issus de systèmes simples. Si vous parvenez à identifier des sous-systèmes simples et faites l’effort de chercher à comprendre comment ils fonctionnent et s’intègrent, vous finirez par comprendre le fonctionnement du système tout entier.

Si vous ne savez rien du fonctionnement d’une voiture, ouvrir le capot de votre véhicule pour examiner ce qu’il recouvre risque de semer le trouble dans votre esprit – il y a tellement d’éléments qu’il est difficile de savoir par où commencer. Vous ne pourrez pas comprendre le fonctionnement du système dans son ensemble si vous ne commencez pas par identifier des sous-systèmes importants tels que le moteur, la transmission et le radiateur.

Une fois que vous avez identifié ces différents sous-systèmes, les isoler temporairement dans votre esprit peut vous aider à comprendre leur fonctionnement. Vous pouvez, par exemple, commencer par examiner le moteur. Où commence ce sous-système ? Quels sont les Flux en jeu ? Quels sont les processus à l’œuvre à l’intérieur ? Existe-t-il des Boucles de rétroaction ? Que se passe-t-il si les données d’entrées changent ? Où finit ce système ? En quoi résulte le système, quelles sont les données de sorties ?

Lorsque vous Déconstruisez un système, ne perdez pas de vue l’Interdépendance, chaque sous-système faisant partie d’un système plus grand. Il est également important d’identifier les déclencheurs, c’est-à-dire les éléments qui mettent en marche le sous-système, et les dispositifs d’arrêt, à savoir les éléments qui stoppent son fonctionnement.

Enfin, attachez-vous à comprendre les conditions de fonctionnement du sous-système. Par exemple, un moteur réclame l’arrivée d’un mélange gazeux (gaz d’admission) dans le cylindre pour pouvoir fonctionner. Une étincelle qui jaillit de la bougie d’allumage met alors feu à ce mélange, fournissant l’énergie nécessaire à la mise en mouvement du piston et donc au fonctionnement du reste du sous-système. Si les gaz de combustion ne sont pas présents ou si l’étincelle ne jaillit pas, il n’y a pas d’énergie et le sous-système s’arrête. Par conséquent, les gaz d’admission et l’étincelle de la bougie conditionnent le fonctionnement du sous-système.

Des diagrammes ou des graphiques peuvent vous aider à comprendre comment les éléments en entrée, le processus, le déclencheur, les conditions, les dispositifs d’arrêt et les éléments sortants sont reliés et fonctionnent ensemble. En effet, décrire des systèmes complexes avec seulement des mots ne suffit pas toujours. Des graphiques bien construits permettent de mieux saisir le Flux d’un système pendant son fonctionnement et de réparer ce système en cas de panne.

Pour analyser un système, Déconstruisez des systèmes complexes en sous-systèmes plus faciles à comprendre, puis construisez votre compréhension de l’ensemble du système en partant de zéro.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/deconstruction/

La mesure

« Nous croyons en Dieu… tous les autres fournissent des données. »

W. EDWARDS DEMING, EXPERT EN GESTION DE LA PRODUCTION ET PIONNIER DANS LE CONTRÔLE DES PROCESSUS STATISTIQUES

U ne fois que vous avez compris les différentes parties du Système et leurs interactions mutuelles, posez-vous la question suivante : le système fonctionne-t-il bien ? Pour le savoir, il faut le mesurer en cours de fonctionnement.

La Mesure consiste à recueillir des données pendant que le système est en train de fonctionner. Collecter des informations liées à ses fonctions clés permet de mieux évaluer son fonctionnement.

La Mesure autorise aussi une comparaison entre les systèmes. Par exemple, il est possible d’utiliser plusieurs types de microprocesseurs pour fabriquer un ordinateur, mais lequel choisir ? En mesurant les différentes caractéristiques de chaque processeur – temps de cycle, consommation électrique, production de chaleur, etc. –, vous êtes plus à même de choisir le meilleur processeur pour votre ordinateur et donc plus susceptible d’obtenir de meilleures performances.

La Mesure nous permet d’éviter l’Ignorance de l’absence lorsque nous analysons un système. N’oubliez pas : l’être humain a beaucoup de mal à voir ce qui n’est pas présent. Mesurer différents éléments d’un système en marche nous aide à prévenir des problèmes potentiels.

Par exemple, le diabète peut être considéré comme une anomalie de fonctionnement de la Boucle de rétroaction qui contrôle la glycémie. Une hypoglycémie ou une hyperglycémie représentant un risque pour la santé, avoir un organisme qui produit trop ou trop peu d’insuline, et donc incapable de maintenir un niveau de glycémie stable, est un problème majeur.

Même si le taux d’insuline est extrêmement important chez une personne diabétique, vous ne pouvez pas connaître le taux d’insuline d’un individu juste en l’observant. Sans Mesure, l’Ignorance de l’absence est de mise jusqu’à ce que l’état de la personne empire suffisamment pour devenir visible – en général, sous la forme d’un coma diabétique ou d’un décès.

Pour éviter cette situation, les personnes diabétiques prennent l’habitude de Mesurer leur glycémie tout au long de la journée.

Mesurer est la première étape vers l’amélioration. Comme le disait Peter Drucker : « Ce qui peut être mesuré peut être géré. » Il avait raison. Si vous ignorez à combien s’élèvent les revenus et les dépenses de votre entreprise, vous aurez du mal à savoir si les changements que vous effectuez dans votre entreprise vont l’améliorer ou non. Si vous souhaitez perdre du poids, vous devez d’abord savoir combien vous pesez actuellement avant de mesurer les effets des modifications de votre régime alimentaire sur votre poids.

Sans données, vous êtes aveugle. Si vous voulez améliorer un système, vous devez commencer par le Mesurer.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/measurement/

Les indicateurs clés de performance

« Il est préférable d’avoir une réponse approximative à la bonne question qu’une réponse exacte à la mauvaise question. »

JOHN WILDER TUKEY, STATISTICIEN AMÉRICAIN

L e principal problème avec la Mesure, c’est que vous pouvez mesurer des millions de choses. Et à trop mesurer, vous allez finir par vous heurter aux Limites cognitives et vous noyer dans une mer de données insignifiantes.

Certaines Mesures sont plus importantes que d’autres : les Indicateurs clés de performance (en anglais : Key Performance Indicator ou KPI) sont des Mesures des éléments essentiels d’un Système. Les Mesures qui ne vous aident pas à améliorer votre système sont pires que le mal, car elles gaspillent votre Attention et votre énergie, des ressources par nature limitées. Si vous avez l’intention d’améliorer le système que vous êtes en train d’examiner, ne prêtez pas attention à tout, mais seulement à quelques Mesures clés.

Malheureusement, il est plus facile de s’intéresser aux éléments faciles à mesurer qu’aux éléments importants. Prenons le chiffre d’affaires d’une entreprise. Il vous semble important, n’est-ce pas ? Il l’est, mais simplement parce qu’il est un composant clé du profit. Peu importe que vous ayez gagné 1 million d’euros si vous avez dépensé 2 millions pour les gagner. Comme le disait l’entrepreneur Theo Paphitis : « Profit est le bon sens, le chiffre d’affaires futilité. » À lui seul, le chiffre d’affaires n’est pas un Indicateur clé de performance.

Cela vaut pour d’autres Mesures d’un système en marche. Par exemple, si vous êtes en train de gérer une équipe de programmeurs, vous allez être tenté de mesurer leur production en « lignes de code » – une mesure bien visible et facile à réaliser. Mais voici le problème : « plus » de code n’est pas forcément mieux. Un programmeur talentueux peut améliorer un programme en le réécrivant avec moins de lignes de code. Si vous êtes obnubilé par la quantité, supprimer dix mille lignes peut vous paraître moins bien, alors que c’est beaucoup mieux.

La situation tend même à s’aggraver si vous récompensez vos programmeurs sur la base des lignes de code qu’ils réalisent : en vertu du Biais de la récompense, votre code va ressembler à un champ de bataille !

En général, les Indicateurs clés de performance sont directement liés, soit aux Cinq éléments de toute entreprise, soit au Flux sortant. Voici les questions que j’utilise pour identifier un Indicateur clé de performance :

Création de valeur  : À quel rythme le système crée-t-il de la valeur ? Quel est le niveau actuel de vos ressources ?

Marketing  : Combien de personnes prêtent Attention à votre offre ? Combien de prospects vous donnent la Permission de leur fournir davantage d’informations ?

Vente  : Combien de clients potentiels deviennent des clients effectifs ? Quelle est la Valeur du cycle de vie du client moyen ?

Distribution de la valeur  : En combien de temps pouvez-vous servir chacun de vos clients ? Quel est votre taux de retour client et de réclamation ?

Finance  : Quelle est votre Marge ? De quel Pouvoir d’achat disposez-vous ? Avez-vous atteint votre Point de suffisance financier ?

Toute Mesure directement liée à ces questions est probablement un Indicateur clé de performance. Toute Mesure qui n’est pas directement liée à un processus économique fondamental ou au Flux sortant d’un système n’en est probablement pas un.

Essayez d’avoir seulement entre trois et cinq KPI par système. Lorsque vous recueillez les Mesures, résistez à la tentation de vous faire un « tableau de bord » de toutes les informations possibles et imaginables. Car si vous vous surchargez de données, vous ne serez plus capable de voir les Changements qui sont les plus importants. Vous pourrez toujours aller plus loin dans les données dont vous disposez si nécessaire.

Trouvez les Indicateurs clés de performance de votre système et vous réussirez à le gérer efficacement sans vous noyer dans les données.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/key-performance-indicator/

Qualité d’entrée, qualité de sortie

« Soignons les débuts et les résultats viendront tout seuls. »

ALEXANDER CLARK, AMBASSADEUR AMÉRICAIN AU XIXE  SIÈCLE ET DÉFENSEUR DES DROITS CIVILS

S i vous analysez des données de mauvaise qualité, votre analyse sera, au mieux, inutile, au pire, trompeuse ou carrément préjudiciable.

La qualité des données à l’entrée influence toujours la qualité des résultats. Si vous construisez un objet à partir de matériaux de mauvaise qualité, votre objet ne sera pas fiable et ne séduira pas votre clientèle. Si vous vous nourrissez mal, faites peu d’exercice et vous laissez trop influencer par les actualités et les émissions de télé-réalité, vous allez vous sentir apathique et manquer cruellement d’énergie. Si les salariés qui travaillent sur un projet ne sont ni compétents ni motivés, le résultat final va inévitablement en pâtir.

Qualité d’entrée, qualité de sortie est un principe simple : utiliser en entrée d’un système des données inutiles et vous obtiendrez des résultats inutiles. Votre capacité à comprendre un système est directement liée à votre capacité à observer ce qui s’y passe. La quantité de données que vous collectez sur un système, ainsi que leur qualité, fixent la limite à votre capacité de compréhension de ce qui s’opère dans ce système au cours de son fonctionnement.

Si vous ne voulez pas récolter des déchets à la fin, n’utilisez pas de déchets au départ. Soyez attentif aux données avec lesquelles vous partez et vous obtiendrez des résultats conformes à vos attentes.

Pour améliorer vos résultats, améliorez la qualité de la « matière » avec laquelle vous travaillez.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/garbage-in-garbage-out/

La tolérance

« La voie de la sagesse ? Elle est claire et simple à formuler : se tromper, et se tromper, et se tromper encore, mais moins, et moins, et encore moins. »

PIET HEIN, MATHÉMATICIEN ET POÈTE DANOIS

D e nombreux chefs d’entreprise inexpérimentés attendent la perfection : toute erreur, quelle qu’elle soit, et aussi minime soit-elle, est un sujet de préoccupation.

Prenez, par exemple, le site Web d’une entreprise. Les dirigeants sont atterrés quand leur site Web tombe en panne et se pressent d’appeler l’administrateur ou le responsable du système. Et ils prononcent souvent ces paroles : « Veillez à ce que notre site Web ne tombe jamais en panne. »

Ils ne sont pas réalistes : la perfection est impossible. Une fiabilité de 100 % est complètement utopique. Les Accidents normaux font partie de la vie et il faut en tenir compte. Plus vous avez besoin de fiabilité, plus votre système va vous coûter cher.

Une Tolérance est un niveau acceptable d’erreur « normale » dans un système. Tant que les erreurs n’excèdent pas un certain seuil déterminé par tout un éventail de Mesures, il n’est pas nécessaire d’intervenir en urgence.

Les Tolérances sont souvent qualifiées d’« étroites » ou de « larges ». Une Tolérance étroite ne laisse que peu de place à l’erreur, ce qui est le cas lorsqu’un élément du système est vital pour son fonctionnement. Une Tolérance large laisse une marge d’erreur importante, ce qui est le cas lorsque de petites erreurs n’ont pas de conséquences majeures.

La fiabilité d’un système est souvent mesurée en pourcentage. Quand un système est fiable à 95 % dans un domaine donné, il produit 19 fois sur 20 un résultat qui s’inscrit dans les Tolérances acceptées. Plus le système est fiable, plus le pourcentage est élevé.

Une fiabilité de 99,9999 % fait forte impression, mais elle coûte très cher à obtenir. Souvent, les entreprises qui fournissent des systèmes utilisent cette mesure de fiabilité comme une Tolérance et rédigent un contrat appelé « garantie de niveau de service » (en anglais : « Service Level Agreement  » ou SLA) qui dédommage les clients si le taux d’erreurs dépasse un certain seuil.

Les Tolérances étroites sont très utiles et constituent un indicateur positif de qualité : après tout, qui aime les erreurs ? Efforcez-vous d’atteindre des Tolérances de plus en plus étroites pour les éléments essentiels de votre système.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/tolerance/

L’honnêteté d’analyse

« Ce qui peut être détruit par la vérité doit l’être. »

P. C. HODGELL, PROFESSEUR ET AUTEUR DE THE GOD STALKER CHRONICLES

D ans le cadre du dernier poste que j’ai occupé chez Procter & Gamble, j’étais chargé de créer une stratégie de Mesure de la publicité en ligne, autrement dit de trouver un moyen de mesurer l’efficacité de la publicité du groupe sur le Web. P&G dépensait des millions d’euros chaque année en bandeaux publicitaires, en référencement payant et en vidéos publicitaires en ligne. Concrètement, je devais déterminer si l’investissement en valait la peine.

Résultat : mon équipe et moi avons découvert que le Système que nous utilisions sur la plupart de nos sites Web pour mesurer le nombre de visiteurs était faussé. Au lieu de compter simplement les visiteurs humains, le système traitait les visites de programmes de référencement comme des visites humaines ! Les programmes informatiques se moquent éperdument des lessives et des shampooings, mais le système les comptait comme des clients potentiels.

Comme il n’est pas rare que les robots des moteurs de recherche visitent un site Web plusieurs fois par jour à la recherche de nouvelles informations, le système surévaluait considérablement le nombre de visiteurs. Autrement dit, il s’agissait d’une situation Qualité d’entrée, qualité de sortie déficiente qui rendait nos Mesures quasiment inutiles.

Naturellement, nous avons recommandé d’améliorer le système pour recueillir les données des visiteurs de façon plus exacte. Et la quasi-totalité des équipes de P&G ont refusé. Elles savaient qu’elles comptabilisaient des données « pourries », mais elles ne voulaient pas le savoir. Étrange, n’est-ce pas ?

Voici le hic : installer le nouveau système de mesure aurait fait chuter le nombre de visiteurs sur notre site Internet – un Indice de performance clé. Même si le nouveau système était beaucoup plus fiable, l’installer aurait donné aux équipes une mauvaise image d’elles-mêmes. Au lieu de corriger l’erreur, elles ont préféré continuer à vivre dans le mensonge. Et donc compromis sérieusement leur capacité à améliorer les performances de leur site Web.

L’ Honnêteté d’analyse signifie mesurer et analyser les données dont vous disposez en toute objectivité. Nous sommes des créatures sociales et, par conséquent, attachons beaucoup d’importance à la façon dont les autres nous perçoivent, ce qui nous rend naturellement enclins à embellir la réalité. Si vous voulez vraiment améliorer les choses, cette tendance peut vous empêcher de recueillir des données exactes et de mener une analyse utile.

Le meilleur moyen de maintenir votre Honnêteté d’analyse est de demander à quelqu’un qui n’est pas impliqué dans votre Système d’évaluer vos Mesures. Vous risquez de succomber très facilement au Biais de la récompense et au Biais de confirmation si votre statut social est en jeu. D’où l’importance d’une tierce personne expérimentée et objective qui évalue vos mesures et analyse vos pratiques. Certes, vous n’aimerez peut-être pas entendre ce qu’elle aura à vous dire, mais au moins vous serez pleinement conscient des problèmes potentiels.

N’examinez pas vos données à travers des lunettes déformantes : efforcez-vous toujours d’être honnête avec vous-même et d’accepter de voir en face ce que ces données vous révèlent sur les domaines à améliorer.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/analytical-honesty/

Le contexte

« Si vous ne comprenez pas quelque chose, c’est parce que vous n’êtes pas conscient de son contexte. »

RICHARD RABKIN, PSYCHIATRE AMÉRICAIN

C e mois-ci, votre chiffre d’affaires s’élève à 200 000 €. Est-ce une bonne ou une mauvaise chose ?

Cela dépend. Si vos rentrées d’argent représentaient 100 000 € le mois dernier, c’est une bonne chose. Mais si vous avez dépensé 400 000 € ce mois-ci, c’est une mauvaise chose.

Le Contexte est l’utilisation de Mesures pertinentes pour recueillir des informations supplémentaires sur les données que vous étudiez. Si vous prenez l’exemple ci-dessus, connaître vos revenus du mois n’est pas très utile sans informations supplémentaires. En revanche, connaître le chiffre d’affaires du mois dernier et les dépenses de ce mois-ci fournit le Contexte nécessaire à une vision plus juste de la situation.

Les Mesures agrégées ou hors Contexte sont rarement très parlantes. Et carrément inutiles lorsqu’il s’agit de réaliser des améliorations tangibles. Savoir que 2 millions d’internautes ont visité votre site Web ce mois-ci ne vous apprend absolument rien d’utile. Sans Contexte, vous êtes incapable d’apporter des Changements efficaces, ce qui limite votre capacité à améliorer le Système.

Évitez d’être tenté de vous focaliser sur un seul « nombre magique » lorsque vous évaluez vos résultats sur une période donnée. Vous pensez réaliser une simplification utile, mais il n’en est rien, car supprimer le Contexte vous rend aveugle à des Changements importants dans les données. Connaître votre score qualité du mois ou savoir que votre chiffre d’affaires a augmenté ou baissé de quelques points ne vous dira pas pourquoi il est à la hausse ou à la baisse, si ce phénomène est important et s’il est dû à des variations aléatoires ou à un Changement important dans le système ou dans l’Environnement.

En règle générale, n’examinez jamais des données isolément, mais toujours dans leur Contexte et avec d’autres Mesures.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/context/

L’échantillonnage

« Si vous ne croyez pas dans l’échantillonnage, la prochaine fois que vous allez chez le médecin et qu’il veut vous prendre un peu de sang, dites-lui de tout vous prendre. »

GIAN FULGONI, FONDATEUR ET PRÉSIDENT DE COMSCORE, INC.

Q ue faites-vous si votre Système est trop grand ou trop complexe pour recueillir des données sur chaque processus ?

Il n’est parfois pas commode de mesurer les Flux d’un système dans son ensemble. Si vous gérez un système Scalable, il est souvent impossible de tester chaque unité ou de déceler toutes les erreurs. Comment pouvez-vous identifier rapidement des problèmes potentiels si votre système produit des millions d’unités ou effectue des millions de transactions ?

L’ Échantillonnage consiste à prélever au hasard une fraction de la production totale, puis à l’utiliser comme exemple représentatif de l’ensemble du système. Si vous vous êtes déjà fait faire une prise de sang, vous connaissez l’Échantillonnage. On vous prélève une petite quantité de sang qu’on envoie ensuite à un laboratoire pour analyse. Si l’analyse révèle des anomalies dans l’échantillon prélevé, il y a de fortes chances pour que ces anomalies soient également présentes dans l’ensemble de la circulation sanguine.

L’Échantillonnage peut vous aider à identifier rapidement des erreurs systémiques sans avoir besoin de tester l’ensemble de la production du système, ce qui vous coûterait du temps et de l’argent. Si vous fabriquez des téléphones portables, inutile de tester tous les téléphones qui sortent de l’usine. Il suffit de tester un téléphone sur vingt pour déceler des erreurs à temps et réparer le système. Vous pouvez augmenter ou diminuer le taux d’Échantillonnage en fonction de la vitesse et de la précision avec lesquelles vous voulez repérer des erreurs éventuelles.

Les sondages sont également une forme d’Échantillonnage. De nombreux magasins de détail font appel à des « clients secrets » pour tester périodiquement le service clients ou les compétences du personnel de vente. Ces faux clients sont recrutés pour manifester leur intérêt à l’égard de certains articles, poser certaines questions, effectuer un rendu ou être énervants en général. Puisque le personnel est incapable de distinguer les faux clients des vrais clients, il s’agit d’une méthode efficace pour tester les vendeurs sans les observer à la loupe vingt-quatre heures sur vingt-quatre.

L’Échantillonnage est également sujet au biais si l’échantillon n’a pas été choisi vraiment au hasard ou n’est pas uniforme. Par exemple, mesurer le revenu moyen des ménages américains en réalisant un sondage auprès des propriétaires à Manhattan va fausser nettement plus les données que de sonder les propriétaires en Virginie-Occidentale. Pour des résultats optimaux, prenez l’échantillon aléatoire le plus large possible.

Si vous devez tester la qualité de votre production, l’Échantillonnage peut vous aider à recueillir des données valables et relativement bon marché, à condition de vous méfier du biais potentiel qui lui est indissociable.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/sampling/

La marge d’erreur

« Tout le monde généralise à partir d’un seul exemple. Du moins, c’est ce que je fais. »

STEVEN BRUST, ÉCRIVAIN DE SCIENCE-FICTION AMÉRICAIN

S upposons que vous achetiez une pièce de monnaie truquée dans une boutique de farces et attrapes, et que vous vouliez être sûr que cette pièce soit réellement truquée pour atterrir côté face la plupart du temps.

Comment pouvez-vous avoir la certitude de ne pas vous être fait avoir ? Vous la testez, naturellement, en jouant à pile ou face.

Supposons maintenant que les cinq premières fois elle atterrisse deux fois côté face et trois fois côté pile. Devez-vous demander à être remboursé ?

Commencez par vous assurer que vos résultats sont exacts avant de porter atteinte à la réputation de cette boutique. La Marge d’erreur est une estimation du degré de confiance que vous pouvez avoir dans les conclusions que vous tirez à partir d’un ensemble d’Échantillons observés.

Puisque vous n’avez lancé la pièce de monnaie que cinq fois, vous ne pouvez pas être certain que le commerçant vous a trompé sur la marchandise : la taille de votre échantillon est trop réduite. À chaque fois que vous rejouez à pile ou face en jetant la pièce en l’air, vous agrandissez votre échantillon.

Si vous arrivez à tester votre pièce un millier de fois et que vous observez qu’elle atterrit côté pile dans les deux tiers des cas, vous pouvez être quasi-certain que la pièce est truquée, mais pas dans le sens que vous souhaitiez. Puisqu’une pièce « normale » doit atterrir côté face dans la moitié des cas, les résultats de votre millier de tentatives portent à croire que le marchand vous a vendu par erreur une pièce truquée pour atterrir côté pile.

Chaque échantillon supplémentaire augmente vos données disponibles et vous aide à avoir la certitude que l’ensemble des échantillons observés est représentatif de la population générale que vous étudiez. Plus vous avez d’échantillons, plus votre Marge d’erreur diminue et plus vous pouvez avoir confiance dans vos conclusions. (Vous pouvez prendre en compte le biais inhérent à l’Échantillonnage en augmentant votre Marge d’erreur.)

Tous les calculs nécessaires à l’estimation de la Marge d’erreur dépassent le cadre de ce livre. Mais une fois que vous avez compris le procédé, cette estimation est relativement facile, notamment avec un tableur ou une base de données pour effectuer votre analyse. Si vous avez besoin de calculer la Marge d’erreur ou d’autres estimations telles que les « intervalles de confiance » ou les « intervalles de crédibilité », je vous recommande la lecture du livre de M. G. Bulmer, Principles of Statistics .

En règle générale, méfiez-vous des conclusions trompeuses fondées sur des échantillons trop petits et/ou insuffisamment représentatifs. À chaque fois que vous êtes face à une moyenne ou une probabilité fondée sur des données qui ne vous sont pas familières, n’hésitez pas à vous pencher sur la taille de l’échantillon et la façon dont il a été prélevé. Des échantillons trop réduits ou biaisés peuvent largement influencer l’analyse finale.

Plus vous avez de données, plus votre analyse sera fiable, alors veillez à prélever l’échantillon le plus large possible.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/margin-of-error/

Le ratio

« Celui qui refuse de faire des calculs élémentaires est condamné à dire n’importe quoi. »

JOHN MCCARTHY, INFORMATICIEN, SPÉCIALISTE DES SCIENCES COGNITIVES ET INVENTEUR DU TERME « INTELLIGENCE ARTIFICIELLE »

U n Ratio est une méthode de comparaison de deux Mesures. En divisant vos résultats par vos données d’entrées, vous pouvez mesurer toutes sortes de rapports utiles entre différentes parties de votre Système.

Supposons que sur 30 clients qui entrent dans votre magasin, 10 d’entre eux effectuent un achat. Votre « Ratio de ventes » sera de 10 divisé par 30 = ⅓.

Supposons que vous formiez vos vendeurs à des techniques qui leur permettent d’avoir 15 clients qui effectuent un achat sur 30 qui entrent dans votre magasin. Votre nouveau Ratio sera de 15 divisé par 30 = ½.

Les pourcentages sont simplement des Ratios sur une base de 100. Votre premier Ratio converti en pourcentage représente 33 %, votre second Ratio 50 %.

Parmi les ratios les plus utiles figurent :

  • images  Le Retour sur investissement marketing (ROMI) : combien vous rapporte 1 € investi dans la publicité ?

  • images  Le bénéfice par employé : quel bénéfice votre entreprise génère-t-elle pour un salarié que vous employez ?

  • images  Le taux de ventes : sur le nombre de clients que vous servez, combien effectuent un achat ?

  • images  Le taux de retours/réclamations : sur le nombre de ventes réalisées, combien de retours ou de réclamations enregistrez-vous ?

Les Ratios financiers sont très utiles pour examiner les états financiers. Des Ratios tels que le Retour sur investissement, le rendement de l’actif, le rendement des capitaux engagés, le taux de rotation des stocks et le délai moyen de recouvrement des comptes clients permettent d’évaluer la santé, bonne ou mauvaise, d’une entreprise. Si vous souhaitez en savoir plus sur les ratios financiers, je vous conseille le livre de Karen Berman, Joe Knight et John Case intitulé Comprendre la finance – pour les non-financiers et les étudiants .

Suivre l’évolution des Ratios permet de voir dans quelle direction le système est en train de changer. Si votre taux de ventes ou votre Retour sur investissement continue de grimper, c’est très encourageant. Mais s’il diminue avec le temps, il serait intéressant de savoir pourquoi.

Soyez créatif : étudiez votre activité, puis élaborez des Ratios qui mettent en évidence les éléments les plus importants de votre système.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/ratio/

La caractérisation

« Ce n’est pas ce que nous ignorons qui nous pose des problèmes. C’est ce que nous tenons à tort pour vrai. »

WILL ROGERS, COW-BOY ET COMÉDIEN AMÉRICAIN

L e patrimoine net moyen d’un lecteur du Wall Street Journal s’élève à 1,7 million de dollars. Il semble que les lecteurs du WSJ soient particulièrement riches, non ?

Oui, mais moins que vous le pensez. Bill Gates et Warren Buffett lisent le Wall Street Journal et leur fortune se chiffre en milliards, ce qui est beaucoup plus que même le 0,01 % de chefs d’entreprise aux revenus les plus élevés.

Du simple fait de leur existence, des dirigeants aussi richissimes que Bill Gates et Warren Buffett faussent largement la moyenne. Si vous vous fiez à cette moyenne pour connaître le patrimoine d’un lecteur du WSJ , vous commettez une erreur.

De nombreuses formes d’analyse sont fondées sur la Caractérisation qui consiste à identifier une valeur normale ou type pour une Mesure jugée importante. Il existe quatre méthodes courantes de calcul de la valeur type : la moyenne, la médiane, le mode et la moyenne des valeurs extrêmes.

La moyenne est la somme d’une série de valeurs divisée par le nombre de valeurs. Les moyennes sont faciles à calculer, mais sujettes au « Syndrome de Gates et Buffett » – la présence de valeurs extrêmes, très élevées ou très basses, fausse la moyenne et l’empêche d’être représentative. (Excluez les valeurs extrêmes et votre moyenne deviendra plus représentative.)

La médiane est la valeur qui se situe au milieu d’une série de valeurs rangées par ordre croissant. Les médianes sont en réalité une forme spécifique d’analyse appelée centile : dans ce sens, la médiane est la valeur qui exprime le 50e  centile. Par définition, 50 % des valeurs de la série seront inférieures à la médiane. Calculer la médiane et la comparer à la moyenne peut vous permettre de savoir si la moyenne est influencée par quelques valeurs extrêmes.

Un mode est la valeur qui apparaît le plus fréquemment dans une série de données. Les modes sont utiles pour trouver des groupes de données – une série peut avoir des modes multiples qui attirent votre attention sur des Interdépendances potentiellement intéressantes au sein du Système à l’origine des données.

La moyenne des valeurs extrêmes est la somme de la valeur la plus faible et de la valeur la plus élevée divisée par deux. La moyenne des valeurs extrêmes permet des estimations rapides en connaissant seulement deux valeurs, mais elle peut être facilement faussée par des valeurs anormalement élevées ou anormalement basses comme lorsqu’on considère la fortune de Bill Gates.

Les moyennes, les médianes, les modes et les moyennes des valeurs extrêmes sont des outils analytiques utiles, capables de caractériser des résultats, mais à condition de les choisir à bon escient.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/typicality/

Corrélation et causalité

« La corrélation n’implique pas nécessairement la causalité. »

EDWARD TUFTE, STATISTICIEN ET PROFESSEUR À L’UNIVERSITÉ DE YALE

I maginez une table de billard : si vous connaissez la position exacte de chaque boule sur la table et la nature des forces qui s’appliquent à la boule du joueur (force, direction et localisation de l’impact, frottement de la table et résistance de l’air), vous pouvez calculer la trajectoire exacte de la boule et les conséquences sur les autres boules qu’elle frappe au passage. Les joueurs de billard professionnels savent si bien Simuler mentalement ces relations et anticiper les trajectoires qu’ils peuvent faire le ménage sur la table en un clin d’œil !

Il s’agit ici de Causalité , c’est-à-dire de relation de cause à effet. Puisqu’il est possible d’anticiper des enchaînements causals, on peut dire que frapper la boule a causé sa chute dans le trou. Si vous frappez de nouveau la boule exactement de la même manière et exactement dans la même situation, vous obtenez le même résultat.

Autre exemple fictif : supposons que les gens victimes d’un infarctus mangent en moyenne 57 hamburgers par an. Manger des hamburgers provoque-t-il des infarctus ? Pas nécessairement. En général, les gens victimes d’infarctus prennent 365 douches par an et clignent des yeux 5,6 millions de fois par an. Allez-vous avoir un infarctus parce que vous prenez des douches et clignez des yeux ? Pas obligatoirement.

La Corrélation et la Causalité sont deux choses différentes. Même si vous observez qu’une mesure est étroitement liée à une autre, ce n’est pas la preuve que l’une est la cause de l’autre.

Imaginez que vous avez acheté une pizzeria et que vous avez créé un film publicitaire de trente secondes diffusé sur la télévision locale pour promouvoir votre établissement. Peu après la diffusion de ce spot, vous constatez que vos ventes ont augmenté de 30 %. Le film publicitaire est-il à l’origine de cette amélioration ?

Pas forcément – cette hausse de vos ventes peut être due à bien d’autres facteurs. Une foire se tenait peut-être dans la ville à cette période-là, ce qui a attiré davantage de visiteurs qui ont eu besoin de se restaurer rapidement. Peut-être avez-vous fait une promotion pendant quelques jours en proposant deux pizzas pour le prix d’une, ce qui vous a valu des clients supplémentaires. Peut-être les familles sont-elles venues fêter la fin de l’année scolaire. Tant de facteurs peuvent avoir joué en même temps qu’il est difficile de savoir lequel est à l’origine de la hausse des ventes constatée. D’ailleurs, le spot télévisé peut même avoir entraîné une baisse des ventes parce que les gens l’ont trouvé peu attrayant ou agressif, mais cette baisse peut avoir été largement compensée par un autre facteur qui a boosté les ventes.

La Causalité est toujours plus difficile à prouver que la Corrélation. Lorsque vous analysez des Systèmes complexes, aux nombreuses variables et Interdépendances, vous avez souvent beaucoup de mal à trouver une véritable relation de cause à effet. Plus les changements qui surviennent dans un système sur une période donnée sont nombreux, plus la probabilité est grande qu’ils soient plusieurs à avoir eu un impact sur le résultat que vous êtes en train d’analyser.

Tenir compte des variables connues peut vous aider à isoler les causes potentielles d’un changement dans votre système. Par exemple, si vous savez qu’un salon est organisé dans votre ville durant cette période ou que les familles sortent pour fêter la fin de l’année scolaire, vous pouvez « corriger ces variations saisonnières » en exploitant des données historiques.

Plus vous êtes en mesure d’isoler le changement que vous avez effectué au sein de votre système d’autres facteurs, plus vous pouvez être sûr que ce changement délibéré est à l’origine du résultat constaté.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/correlation-causation/

Les normes

« Ceux qui ne peuvent pas se souvenir du passé sont condamnés à le répéter indéfiniment. »

GEORGE SANTAYANA, PHILOSOPHE, ESSAYISTE ET APHORISTE AMÉRICAIN

S i vous voulez tester l’efficacité de quelque chose dans le présent, il est souvent utile d’apprendre du passé.

Les Normes exploitent l’outil des données historiques pour fournir un Contexte aux Mesures actuelles. Par exemple, en étudiant des données antérieures, vous pouvez découvrir des tendances directement liées à la date à laquelle la vente a été réalisée, ce qu’on appelle la saisonnalité. La saisonnalité est un bon exemple de l’utilité des Normes. Si votre entreprise vend des décorations de Noël, il est inutile de comparer les ventes du quatrième trimestre aux ventes du troisième trimestre, car personne n’achète ce type de produit durant l’été. Il est beaucoup plus judicieux de comparer les ventes du quatrième trimestre de cette année avec les ventes du quatrième trimestre de l’année dernière pour voir si vos ventes ont progressé.

Lorsque les façons de mesurer les choses Changent, les Normes fondées sur les Mesures antérieures ne sont plus valables. Chez P&G, nous avions une méthode pour évaluer l’efficacité de certains types de publicité. Nous exploitions l’équivalent de plusieurs années de données pour comparer nos nouvelles publicités aux anciennes qui avaient bien fonctionné. Si la nouvelle publicité lors des tests ne dépassait pas la Norme, elle n’était pas retenue.

Si votre entreprise décidait soudainement d’utiliser une nouvelle méthode pour tester ses produits, les Normes ne seraient plus valables et cela reviendrait à comparer des pommes et des oranges. Changez les méthodes de Mesure et vous invalidez immédiatement les Normes sur lesquelles elles reposent. Si vous voulez continuer d’utiliser des Normes, vous devez recréer une base de données historiques.

La performance passée ne garantit pas la performance future. Rappelez-vous que nous avons affaire à des Systèmes complexes qui évoluent inévitablement. Ce n’est pas parce que quelque chose a bien marché dans le passé qu’il va continuer à marcher aussi bien, et ce indéfiniment. Si vous voulez atteindre des résultats optimaux, réexaminez vos Normes périodiquement pour vous assurer qu’elles sont toujours valables.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/norms/

L’approximation

« Combien de pattes le chien a-t-il si vous appelez sa queue une patte ? Quatre. Il ne suffit pas d’appeler une queue une patte pour en faire une patte. »

ABRAHAM LINCOLN, 16E  PRÉSIDENT DES ÉTATS-UNIS

Q ue faites-vous s’il est impossible de mesurer quelque chose directement ?

Une Approximation permet d’avoir une valeur significative en mesurant autre chose. On peut dire qu’il s’agit d’une évaluation indirecte. Par exemple, dans les démocraties, les votes sont utilisés comme Approximation pour mesurer la « volonté du peuple ». Comme il est impossible de soumettre chaque citoyen du pays à un examen détaillé de son état d’esprit révélant ses préférences, le vote est utilisé comme la Seconde meilleure solution.

Les Approximations sont monnaie courante dans les mesures scientifiques. Vous vous demandez comment les scientifiques connaissent la température du soleil ou l’âge de certaines roches ? Ils commencent par mesurer des Approximations telles que la longueur d’ondes du rayonnement émis ou la désintégration d’isotopes radioactifs connus, puis appliquent des rapports et des formules établis pour trouver la réponse.

Les Approximations les plus utiles sont les plus directes possibles. Prenez la Mesure de l’audience d’un site Web. Vous voulez savoir exactement où et combien de temps les internautes portent leur Attention sur différents éléments d’une page Web mais vous ne pouvez pas réaliser un scanner cérébral de chacun de vos visiteurs. Toutefois, suivre la position du curseur de la souris peut être une Approximation de l’attention particulièrement utile. D’après une étude réalisée par des chercheurs de la Carnegie Mellon University :

… dans 84 % des cas, lorsqu’une région était visitée par le curseur de la souris, elle l’était également par la fixation de l’attention (des utilisateurs). Et dans 88 % des cas, les régions qui ne faisaient pas l’objet d’une fixation de l’attention des utilisateurs n’étaient pas non plus visitées par le curseur de la souris. 1

Les mouvements de la souris et la fixation de l’attention étant étroitement Corrélés, le déplacement de la souris est une bonne Approximation pour mesurer l’attention des visiteurs d’un site Web. Plus la Corrélation est étroite, plus l’Approximation est valable. Les Approximations peuvent être trompeuses si elles semblent mesurer une chose, mais en mesurent en réalité une autre. Vous vous rappelez l’exemple de la Mesure de la productivité des programmeurs fondée sur le comptage des lignes de code en tant qu’Indicateur clé de performance ? Les lignes de code sont certainement une Approximation pour mesurer l’efficacité de la programmation mais, comme nous l’avons vu, plus il y a de lignes de code, moins il peut y avoir de productivité. D’où la nécessité de se montrer prudent.

Utilisée à bon escient, l’Approximation peut vous aider à mesurer l’immensurable. Veillez simplement à ce que votre Approximation soit directement et fortement Corrélée au sujet que vous examinez.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/proxy/

La segmentation

« La règle d’or en matière de mesure d’audience Internet : ne rapportez jamais une mesure (même l’indicateur clé de performance préféré de Dieu) sans la segmenter… Tout KPI, aussi performant qu’il soit pour mesurer une tendance ou réaliser une prévision, peut être rendu encore plus performant si vous lui appliquez la segmentation. »

AVINASH KAUSHIK, AUTEUR DE WEB ANALYTICS 2.0

L es séries de données agrégées renferment très souvent des pépites, à condition de savoir les trouver. La Segmentation est une technique qui consiste à décomposer une série de données en sous-groupes bien définis pour obtenir davantage de Contexte. Diviser un ensemble de données en plusieurs groupes prédéfinis peut faire apparaître des relations jusqu’alors inconnues. Par exemple, savoir que les commandes ont augmenté de 87 % ce mois-ci est une bonne nouvelle, mais savoir que 90 % de ces nouvelles commandes proviennent de femmes domiciliées à New York vous apporte une donnée supplémentaire. Découvrez pourquoi ces femmes vous ont passé commande et vous pourrez utiliser cette information pour encore augmenter votre efficacité.

Il existe trois grandes méthodes de Segmentation de données clients : les résultats passés, la démographie et la psychologie.

La Segmentation par résultats passés segmente la clientèle sur la base de leurs actions passées connues. Par exemple, vous pouvez segmenter les données sur les ventes actuelles à partir de données antérieures en comparant les ventes à de nouveaux clients aux ventes à des clients déjà connus. Le calcul de la Valeur du cycle de vie est une forme de Segmentation par les résultats passés.

La Segmentation par analyse démographique segmente la clientèle sur la base de caractéristiques personnelles externes. Des données individuelles telles que l’âge, le sexe, le revenu, la nationalité et le lieu de vie peuvent vous aider à déterminer quels clients sont des Acheteurs potentiels. Savoir que vos meilleurs clients sont des hommes âgés de 23 à 32 ans qui vivent dans les grandes villes et affichent un revenu disponible supérieur à 2 000 € par mois peut être une information très précieuse, car vous pouvez concentrer vos efforts marketing sur les prospects qui possèdent ces caractéristiques.

La Segmentation par analyse psychologique segmente la clientèle sur la base de caractéristiques psychologiques propres à ces personnes. Généralement découvertes lors d’études, de sondages, d’évaluations ou de groupes de réflexion, ces données psychologiques sont des attitudes, des points de vue ou des croyances qui influencent la manière dont les individus se voient et voient le monde qui les entoure.

La psychologie peut vous être très utile pour créer ou ajuster vos stratégies de Création de valeur, Marketing ou de Vente. Par exemple, si vous vendez des systèmes d’alarme aux particuliers, il y a des chances que vos Acheteurs potentiels pensent que le monde est un endroit dangereux et se sentent en danger, même chez eux. Et faire la promotion de vos produits dans des magazines ou sur des sites de self-défense – des marchés qui regroupent des consommateurs partageant ce type de croyances – peut être une bonne idée.

Segmentez vos données et vous découvrirez de nombreux liens cachés qui valent la peine d’être examinés.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/segmentation/

L’humanisation

« Les individus sont au centre de l’univers. Et non pas les choses. »

STOWE BOYD, SPÉCIALISTE DES TECHNOLOGIES SOCIALES

A nalyser des données est rassurant pour les esprits rationnels qui apprécient les analyses quantitatives, mais pour utiliser correctement des données, il faut dépasser le plaisir de jongler avec des nombres et comprendre le message derrière les données.

Lorsque vous analysez les données d’un Système, vous êtes tenté d’oublier qu’elles se rapportent aux actions d’êtres humains. Par exemple, imaginez un service après-vente qui réponde aux réclamations des clients par téléphone. Rationnellement, passer de dix à huit minutes d’attente semble être un progrès puisque c’est un gain de 20 %.

Malheureusement non. Vous oubliez que vous avez toujours un client mécontent au bout du fil pendant huit minutes et que ces huit minutes paraissent toujours une éternité. Chaque minute fait croître la colère de votre client, ce qui affecte sa perception de votre entreprise. Cette amélioration de 20 % n’est rien à côté du coup porté à votre Réputation à chaque fois que ce client raconte ses mésaventures à ses amis et à ses collègues.

L’ Humanisation est le processus qui consiste à utiliser des données pour raconter une histoire sur l’expérience ou le comportement d’une personne réelle. Les mesures quantifiables sont globalement utiles, mais il est souvent nécessaire de les appliquer à une situation réelle pour comprendre réellement ce qui se passe.

De nombreuses entreprises s’Humanisent aux yeux de leur clientèle en créant une série de personnages – des profils fictifs élaborés à partir des données existantes. Lorsque je développais des nettoyants ménagers pour P&G, les données issues des études de marché nous disaient qu’il existait deux grands Segments : les individus adeptes du nettoyage régulier et en profondeur (« Tant que je ne me mets pas à genoux pour frotter le sol avec de l’eau de Javel et de l’huile de coude, je ne suis pas satisfait ») et les individus privilégiant le nettoyage rapide et pratique (« Je suis trop occupé pour nettoyer, et du moment que c’est à peu près propre, je suis satisfait »).

Nous avons combiné ces caractéristiques avec d’autres données telles que le revenu du ménage, la situation de famille et les loisirs pour créer un profil fictif, aussi appelé persona. Une fois ce personnage créé, il nous a été plus facile d’utiliser nos données pour prendre des décisions – au lieu de nous fier à des statistiques pour évaluer une idée, nous pouvions nous fier à notre intuition en nous demandant si « Alice » serait satisfaite de notre produit.

Ne vous contentez pas de présenter des données : racontez une histoire qui aide les gens à comprendre ce qui est en jeu et vous apprécierez davantage l’utilité de vos efforts d’analyse.

RETROUVEZ CE CONCEPT À L’ADRESSE : http://book.personalmba.com/humanization/