Dans ce blog, je couvre les apprentissages, les conseils et les astuces de la mise en œuvre des systèmes de planification, de prévision et de budgétisation avec Power BI et les fonctionnalités modernes d’Excel.
Comme pour tout aspect de la gestion des performances de l’entreprise, le modèle de données est crucial. Un modèle de données bien conçu se traduira par de bonnes performances, des rapports et des formulaires de saisie de données faciles à configurer et une grande acceptation par les utilisateurs. A l’inverse, aucun effort sur la logique et le front-end ne vous sauvera avec un mauvais modèle. Du point de vue de la modélisation, nous n’avons pas encore rencontré d’exigence de planification pour laquelle un schéma en étoile bien conçu n’est pas le meilleur choix. Un schéma en étoile se compose d’une table de faits avec les transactions et les dimensions qui définissent ces transactions, comme le montre la figure A.
In planning you either have a single fact table with transactions from all scenarios or multiple fact tables that contain different scenario data e.g., one for actuals one for budget etc. Avec les dimensions, vous avez presque toujours les dimensions suivantes dans un modèle :
Temps
qui contient les détails temporels de la plus faible granularité ainsi que des hiérarchies de périodes, par exemple, des semaines, des exercices financiers, etc.
Scénario
qui contient les différents types de scénario, par exemple, réel, budgétaire, prévisionnel, etc.
Compte/mesure
Il s’agit de l’élément que vous planifiez ou mesurez, par exemple, les recettes, les dépenses, les quantités, les indicateurs clés de performance, etc.
Entité organisationnelle
Les sociétés du groupe, les filiales et les centres de coûts sont généralement couverts.
Selon les besoins spécifiques, vous aurez d’autres détails comme le produit, les équipes de vente, les employés, et bien d’autres encore.
Un modèle de planification complet peut devenir très complexe, comme le montre la figure B, mais des solutions comme Acterys Apps et Power BI Sync pour toutes les données dans Power BI peuvent aider à créer ce modèle automatiquement sur la base des principaux systèmes comptables et SaaS.
Les calculs et la visualisation de la variance sont raisonnablement simples lorsque l’on suit l’approche de modélisation ci-dessus avec une seule dimension de scénario utilisée dans toutes les tables de faits. Vous pouvez utiliser la dimension scénario directement pour les comparaisons de scénarios ou vous pouvez créer une mesure simple de filtre de scénario dans la structure BU = CALCULATE(PlanningFactTable[Measure]’, ‘ScenarioDimension[Name]’= »Budget ») pour tous les scénarios que vous souhaitez comparer.
Ces scénarios définis de manière explicite vous permettent ensuite également d’établir vos calculs d’écart en comparant les résultats réels à la réalisation de l’objectif.
Pour les comparaisons financières du compte de résultat, je recommande ici d’utiliser une convention de signe dans votre modèle qui différencie les produits et les charges par le signe. Cela peut donner lieu à des débats avec les comptables, mais c’est à mon avis la façon la plus claire et la plus simple de traiter les écarts.
Vous pouvez alors utiliser les calculs simples suivants qui vous indiqueront la bonne variance (absolue et relative) avec très peu d’effort :
Variance absolue Δ
VAR Δ =[AC]-[BU]
VAR % =
DIVISER([VAR Δ], ABS([BU])))
(l’utilisation de la fonction ABS() garantit qu’en cas de deux négatifs / dépenses, la variance est indiquée avec le bon signe)
Le visuel d’Acterys Reporting calculera ces écarts automatiquement et ajoutera également des visualisations qui reflètent les principes IBCS.
Pour aider les utilisateurs à identifier rapidement les facteurs clés des écarts, j’aime utiliser des infobulles personnalisées dans Power BI qui répertorient les transactions liées à l’écart, triées par pertinence, et associées à une visualisation appropriée. Soit dans un tableau :
Ou en utilisant une visualisation de petits multiples comme Acterys Variance :
Les prévisions constituent une exigence courante dans les processus de planification. Vous souhaitez calculer les objectifs révisés pour les périodes futures sur la base de données réelles ou de nouveaux développements. En général, cela implique une « date butoir » jusqu’à laquelle vous souhaitez utiliser les résultats réels actuels et un scénario de prévision (souvent un budget ajusté) jusqu’à la date de fin de la période (exercice/période).
For the cut-off date you can either use the latest date of actual data (well described in this post: Afficher les réalisations et les prévisions dans le même graphique avec Power BI – SQLBI) ou avoir un tableau de paramètres (par exemple Power BI Edit Table ou pour plus de confort et pour changer les dates sans Power BI Desktop : une dimension Acterys) où les utilisateurs peuvent entrer ou sélectionner la date limite dans une liste.
Pour obtenir les résultats totaux prévus, vous pouvez calculer la « période à ce jour » de vos données réelles plus le total pour le reste de la période de prévision.
Les calculs nécessaires ressembleront à ceci :
Les données réelles jusqu’à la date butoir (« Paramètres de prévision »)[Closing Date]:
AC PTD = CALCULER(If(max(Date[Date]<)=max(‘Forecast Parameters'[Closing Date]),[AC],0))
Le budget après la date limite :
Encours BU = CALCULER(If(max(Date[Date]>)max(‘Forecast Parameters'[Closing Date]),[BU],0))
Et enfin les prévisions combinées :
Prévision = CALCULER(CALCULER(SUMX(GL[AC PTD],+[BU]),KEEPFILTERS(Scénario)),all(Scénario))
KEEPFILTERS n’est nécessaire que si vous avez une seule table de faits avec plusieurs scénarios. L’utilisation de SUMX() permet de s’assurer que les valeurs sont correctes au niveau des agrégats.
Pour afficher une ligne de prédiction pour l’année en cours, vous pouvez ajouter un calcul YTD comme suit :
FC YTD = CALCULER([Forecast],DATESYTD(Date[Date]),KEEPFILTERS(Scénario))
Et pour couronner le tout dans un graphique avec une ligne continue clairement formatée, vous pouvez ajouter une autre mesure où la ligne de prévision commence à la date limite :
FC = if(max(DimDate[Date]>)=max(‘Forecast Parameters'[Closing Date]),[FC YTD],BLANK())
Ce qui conduit à un résultat comme celui-ci :
Vous pouvez encore améliorer cela pour obtenir des prévisions glissantes comme décrit ici : Comment mettre en œuvre des prévisions glissantes dans Power BI avec Acterys.
ou réaliser des rapports asymétriques comme indiqué ici : Comment réaliser des rapports dynamiques asymétriques dans Power BI / Excel | Analytics | Planning | Power BI | PowerApps | Azure Consultants – Managility
Pour activer le retour d’écriture à partir de Power BI, vous avez essentiellement 3 options :
Acterys permet aux utilisateurs de créer automatiquement, à partir de presque n’importe quelle source, des modèles de données conformes aux meilleures pratiques, qui peuvent être facilement modifiés et étendus par les utilisateurs professionnels grâce à diverses fonctions de workflow et de gouvernance (par exemple, droits d’écriture détaillés pour les utilisateurs et enregistrement de chaque transaction). Traduit avec www.DeepL.com/Translator (version gratuite)
Pour commencer un essai, il suffit de se rendre sur https://acterys.com
© 2024 Managility Pty Ltd All rights reserved.
Automated page speed optimizations for fast site performance