Contexte
Un groupe industriel (équipementier pour camions) Européen doit produire des analyses de marge sur ses produits dans le cadre d’un LBO. Il s’agit de récupérer, traiter et d’assimiler des milliers de lignes depuis plusieurs systèmes d’information. Puis de rendre une synthèse sur les 3 années analysées pour le cabinet en charge de la due diligence de cette opération. Cette analyse de performance permettra d’évaluer la santé économique du groupe en vue d’une opération de refinancement.
Enjeux
Combiner des informations de différents systèmes pour associer un prix de vente moyen constaté à un coût de production sur des flux d’échanges intercompany avec prix de transfert à éliminer.
Il a fallu modéliser le flux de chaque article depuis sa production jusqu’à sa vente au client externe final.
Les analyses doivent se visualiser en année, mais également en famille de produit et en zone géographique de vente.
Enfin, une réconciliation doit être faite entre le chiffre d’affaires de cette analyse (sur des systèmes d’information indépendants) et le chiffre d’affaires consolidé du groupe (sur l’outil de consolidation).
Le travail doit être finalisé en 2 mois maximum.
Procédé technique
Définir le périmètre et les critères de l’analyse du cabinet de due diligence, bien comprendre l’attendu final en termes de format et granularité
Extractions en fichiers plats des données (ERP NAV, EPM Amelkis) au format Excel pour les 28’000 références
Analyse exploratoire des champs pour identifier leur format, comprendre les termes et leurs relations, et évaluer la qualité des données
Choix de quelques références pour comprendre le chemin de la production jusqu’à la commercialisation en vue d’industrialiser l’analyse sur la globalité des données
Réconciliation avec le CA consolidé de l’EPM Amelkis
Synthèse sur Word pour rendre digeste la masse de données
Résultat
Une vue éclairée sur la marge groupe de chaque article sur les 3 années explorées, avec une granularité par client, zone géographique et famille de produit. L’équipe commerciale a pu identifier des incohérences et produits non rentables, et quelques bonnes surprises !
Mes difficultés...
Cartographier le flux de données internes, et mettre en place les nomenclatures dans un groupe où la data est encore junior.
Hériter du manque de structuration dans le paramétrage historique des ERP sur chaque entité, qui complique le traitement des données.