01
Ventes et saisons
Les produits, les clients et les mois qui portent vos ventes. Ce qui relève de la saison et ce qui marque une vraie tendance.
On part de votre question et des données que vous avez déjà. Vous recevez une réponse écrite, avec ses preuves, son degré de confiance et la décision qu’elle appuie.
Les ventes d’une famille de produits reculent depuis deux trimestres, ou les délais de livraison s’allongent. Chacun a son hypothèse. Aucune n’a été vérifiée.
Votre ERP, votre logiciel comptable ou vos classeurs Excel gardent des milliers de commandes. Ils servent à facturer, rarement à comprendre.
Hausse de prix, nouveau point de service, embauche : votre conseil d’administration ou votre partenaire financier veut voir les chiffres derrière la proposition.
Il indique que la marge a reculé ce mois-ci. Il ne dit pas sur quels produits, pour quels clients ni pourquoi.
Achats, stocks, horaires : la quantité de la prochaine saison se fixe à l’expérience. Votre historique pourrait la chiffrer, marge d’erreur comprise.
Données publiques, résultats de modèles, fichiers de partenaires : chaque source a ses unités et ses définitions. Il faut les aligner avant de les comparer.
Des chiffres ne disent pas toujours ce qu’on voudrait entendre. Nos constats s’en tiennent à ce que vos données démontrent.
Une hypothèse qui ne résiste pas au test est écartée, et le rapport l’écrit noir sur blanc. À l’inverse, si un tableau croisé suffit à répondre, on s’arrête là : pas besoin d’un modèle statistique.
01
Les produits, les clients et les mois qui portent vos ventes. Ce qui relève de la saison et ce qui marque une vraie tendance.
02
Où la marge se perd : un produit, un client, un type de contrat ou une étape qui coûte plus qu’elle ne rapporte.
03
Où le travail attend, quelle étape retarde les livraisons et à quel moment de la semaine la charge déborde.
04
Qui cesse d’acheter, après combien de temps et après quel événement. Les signes qui précèdent un départ.
05
Combien commander, produire ou prévoir de personnel pour la prochaine saison, avec une marge d’erreur chiffrée.
06
Deux systèmes qui affichent des totaux différents, un client inscrit trois fois, un champ que personne ne remplit. C’est souvent le premier constat, et il oriente la suite.
Un rapport écrit pour décider, présenté en rencontre.
01 Question
Pourquoi la marge a-t-elle reculé en 2024 ?
À trancherQuels clients portent la croissance ?
UtileFaut-il ouvrir un deuxième entrepôt ?
Plus tardQuand un client cesse-t-il d’acheter ?
À trancherLa promotion d’été a-t-elle fonctionné ?
UtileQuels produits se vendent ensemble ?
Plus tardCombien commander pour le printemps ?
À trancherQuelle étape retarde les livraisons ?
UtileLes retours augmentent-ils ?
Plus tard02 Données
03 Préparation
04 Exploration
05 Vérification
06 Rapport
| Constat | Preuve | Confiance | Action recommandée |
|---|---|---|---|
| La marge recule surtout sur la famille D | Coûts d’achat en hausse sur 6 produits, prix inchangés depuis 2022 | Élevée | Revoir le prix de ces 6 produits |
| Le creux de juillet est saisonnier | Présent trois années sur trois, dans 4 familles sur 5 | Élevée | Réduire les achats de juin |
| La prévision tient dans sa marge d’erreur | Testée sur 4 mois mis de côté, écart moyen de 5,6 % | Moyenne | Commander selon la prévision et sa fourchette |
| Les nouveaux clients rachètent moins | Écart visible sur deux cohortes seulement | Moyenne | Suivre la cohorte 2025 avant d’agir |
Les délais des fournisseurs ne sont notés que depuis 2023. La prévision ne tient pas compte d’un retard de livraison.
Un tableau de bord à bâtir, des sources à réunir dans une plateforme : on passe alors à un projet de développement, avec sa propre méthode. Ce que l’analyse a établi lui sert de point de départ.
| Question | Données nécessaires | Ce qui existe | Historique | Verdict |
|---|---|---|---|---|
| Les saisons de vente par famille | Commandes datées, famille de produit | ERP, complet | 3 ans | Suffisant |
| La marge par produit | Ventes, coûts d’achat | ERP et logiciel comptable, à relier | 3 ans | Après jonction |
| Les achats du printemps | Commandes, stocks, délais des fournisseurs | Délais notés depuis 2023 seulement | 18 mois | Indicatif |
| Les clients qui cessent d’acheter | Commandes par client, motif du départ | Aucun motif noté | 3 ans | À recueillir |
Commencer par les saisons et la marge. Présenter la prévision du printemps comme indicative. Noter dès maintenant le motif de départ d’un client, pour répondre à la dernière question l’an prochain.
Mieux vaut alors commencer par les organiser. Une stratégie de données fait le tour de vos sources et désigne la référence pour chaque domaine.
Lire des factures, trier des demandes, chercher une réponse dans vos procédures : ce travail quotidien est l’affaire de notre service d’intégration de l’IA.
01
Mêmes définitions, mêmes règles de préparation : on mesure si la décision a produit l’effet prévu, et dans quelle proportion.
02
Un premier résultat en soulève presque toujours d’autres. On vous aide à retenir celle qui pèse le plus sur vos décisions, pas seulement la plus facile à traiter.
03
Un motif noté au départ d’un client, une date de livraison saisie au bon endroit : on vous dit quoi commencer à noter pour répondre l’an prochain à la question restée ouverte.
04
Sources de données publiques, automatisation, modèles d’IA : on vérifie sur vos propres données ce qu’ils changeraient à vos réponses avant de vous les recommander.
Chacun de ces projets partait de données qu’il fallait comprendre avant de s’en servir. La base de recherche de HEC Montréal garde la date de chaque mesure reçue. À l’Observatoire des tout-petits, chaque écart entre un nouveau fichier et la base est montré avant l’import. Pour l’Institut de l’énergie Trottier, les résultats de 151 scénarios se comparent sur les mêmes indicateurs.
Je manquais de pièces au pire moment, en pleine saison. Ils ont bâti un système qui anticipe mes besoins de réapprovisionnement : mes ruptures d’inventaire ont diminué de 95%.
Ce qu’on nous demande avant de confier une première question à nos analystes.
Une autre question ? Écrivez-nous à info@witify.io ou appelez au 1 800 334 9031.
L’outil suit la question. Pour la plupart des analyses, nos analystes travaillent en Python ou en R : Pandas et NumPy pour préparer les données, des bibliothèques statistiques pour les modèles, Matplotlib, Seaborn ou ggplot2 pour les graphiques. SQL interroge les bases de données à la source. Quand un tableur ou votre outil de rapports suffit, on s’en sert.
Les traitements sont écrits en code plutôt que faits à la main : ils se relisent, se vérifient et se relancent sur une nouvelle extraction. Les analyses sont menées avec Kashika Studio, la division de Witify consacrée aux données.
Tout dépend de la question et des sources. Une question simple posée à une seule source, comme l’évolution des ventes d’une saison à l’autre, se règle souvent en moins d’une semaine.
Plusieurs sources à relier, des données non structurées ou des problèmes de qualité allongent le travail jusqu’à plusieurs mois. La préparation des données en prend souvent la plus grande part. Le verdict remis après l’inventaire permet de préciser la durée avant d’aller plus loin.
Si vous le demandez, vos fichiers sont couverts par un accord de confidentialité signé avant le premier envoi. Seules les personnes affectées au mandat y ont accès, et les données que nous hébergeons le sont sur des serveurs certifiés ISO 27001 et SOC 2.
Quand des renseignements personnels sont en jeu, on regarde d’abord avec vous si l’analyse peut s’en passer : un numéro de client suffit souvent là où un nom ne sert à rien. Ces renseignements relèvent de la Loi 25, et c’est avec votre conseiller juridique que se précisent vos obligations.
Partir de la question, pas des données. Une fois la décision et les définitions fixées, on dresse la liste des données qu’il faudrait pour y répondre, puis on la compare à ce que vous avez. Un premier échantillon, lu tôt, montre leur état réel.
Le verdict tombe question par question : suffisant, indicatif ou à recueillir. Si les données manquent, le rapport dit quoi recueillir et à partir de quand. Si elles sont dispersées dans toute l’organisation, une stratégie de données est souvent le meilleur point de départ.
Le tableau de bord se consulte chaque semaine : il dit où vous en êtes, toujours avec les mêmes indicateurs. L’analyse se fait une fois, pour une question précise, souvent un pourquoi ou un combien, et aboutit à une recommandation.
Les deux se complètent. Une analyse sert souvent à choisir les indicateurs qu’un tableau de bord suivra ensuite, et la visualisation de données prend alors le relais.
Non, c’est la situation de départ de la plupart des analyses. À l’Observatoire des tout-petits, plus de quatre sources sur cinq sont des classeurs Excel, chacun dans la mise en page de son fournisseur. La préparation sert justement à relier les sources et à corriger leurs écarts. Chaque correction est notée dans le journal.
Si le même désordre revient chaque mois, l’analyse le signale. Réunir vos sources dans une plateforme de données devient alors un projet à envisager.
Pas pour trancher la plupart des questions d’affaires : une comparaison ou une prévision bien testée y répond, et chacun peut en suivre le calcul.
L’IA trouve sa place quand une partie de la matière est écrite : commentaires de clients, plaintes, formulaires numérisés. Elle les classe pour que l’analyse puisse les compter, et le rapport précise comment ce classement a été vérifié. Pour l’IA au cœur de vos outils de tous les jours, voir l’intégration de l’IA.
Un rapport conçu pour décider. Il s’ouvre sur une page de synthèse pour la direction, puis détaille chaque constat, la preuve qui l’appuie et l’action recommandée. La méthode, les limites des données et le journal de préparation complètent le document.
Le rapport est présenté en rencontre, à la direction et aux équipes concernées. Les questions qu’il soulève sont notées : elles servent de point de départ si vous poursuivez.
Oui. C’est souvent le meilleur départ. Une question claire, posée à une source bien tenue, donne un résultat en peu de temps. Vous jugez la méthode sur pièces avant d’aller plus loin.
En 30 minutes, un expert écoute votre question, fait le tour des données dont vous disposez et vous indique si elles peuvent y répondre.
Gratuit. Sans engagement. Réponse en moins de 24 h.
Les noms et les chiffres affichés dans les interfaces sont donnés à titre d’exemple.