Grâce à une IA de compréhension du langage naturel (ou NLP) , les acheteurs pourraient se passer d’Excel.
Achats : un métier passionnant, un reporting chronophage.
Un acheteur ne choisit pas les achats par hasard. C’est un domaine où l’on apprécie le challenge permanent des négociations, la réflexion stratégique globale ou encore le fait d’avoir des objectifs chiffrés et concrets à tenir sur différentes échéances.
En grande distribution par exemple, c'est la variété des missions qui plaît aux acheteurs juniors. Le reporting, beaucoup moins. C'est pourtant un aspect essentiel dans la vie d'un acheteur car la bonne tenue d’un tableau de suivi lui permet de mesurer ses objectifs et de quantifier les besoins. Depuis la réception des données globales, la mise en forme de ses KPI et le compte rendu avec son supérieur hiérarchique, un junior peut passer entre 4 et 7 heures par semaine à rassembler les bonnes informations.
Data : des temps de formations à rallonge pour les acheteurs
Avec la complexification des sources de données, et l’augmentation du volume de celles-ci, on attend une maîtrise technique de plus en plus poussée au sein des achats. Preuve en est des quelques annonces sélectionnées ci-dessous : la maîtrise des données est un atout pour tout acheteur. (Une exigence assez poussée, par exemple dans cette annonce pour intégrer la direction Supply Chain où des notions de SQL sont souhaitées…)
Il faut donc aujourd’hui former les acheteurs non seulement à Excel (ah, les fameux tableaux croisés dynamiques !) mais aussi à un éventuel ERP spécifique aux achats, sans compter les outils de dataviz de type Tableau ou Qlik.
On en arriverait presque à confondre le travail de fond sur les données, apanage d’une équipe data attitrée, avec la “simple” compréhension de KPI ou le “simple” accès aux données fournisseurs sans filtrage préalable dont les acheteurs ont un besoin immédiat et vital.
Cédric Le Savéant, VP Digital Office Sourcing & Supply Chain Transformation de Technicolor, l’a bien compris :
“Dans un processus général de réflexion sur l’accès à la donnée chez Technicolor, il faut pouvoir obtenir des réponses sans avoir systématiquement besoin de former les collaborateurs aux tableaux croisés dynamiques ! “ Source : Technicolor : un databot pour accéder aux indicateurs Achats.
Utiliser le langage naturel pour obtenir ses données achats
Category Manager : questions types posées à askR.ai, le premier data assistant achats.
Free Code Camp propose une grille de lecture simple pour mesurer l’impact d’un “chatbot as a service”. Pour un bot capable d’accélérer des tâches à faible valeur ajouté et intégré à un environnement de travail familier comme le data assistant Slack, deux questions à se poser : est-ce que votre bot est source d’économie / de revenu ? Est-ce que votre bot améliore votre réputation ?
Est ce qu’un data assistant disponible sur les données achats est source d'économie ? OUI.
À raison de 30 min par jour x 253 jours ouvrés, pour un salaire horaire moyen de 17,3€, c’est 2188 € par salarié et par an. C’est par exemple le cas chez GRTgaz qui gagne gagne 30 min par jour et par salarié grâce à askR.ai.
Est ce qu’un data assistant améliore votre réputation ? OUI.
Peut-être pas en terme de satisfaction client, mais en terme de d’expérience collaborateur. Un assistant compétent et disponible 24h/24H qui évite de faire perdre du temps sur des tâches parfois ennuyeuses ? C’est plus que satisfaisant.
Les acheteurs ont besoin d’outils plus intuitifs pour faciliter la prise en main, sans perdre en précision et en puissance. Un data assistant du type askR.ai, basé sur la compréhension du langage naturel, assure une prise en main rapide et un accès quasi instantané à des données clefs dans l’activité quotidienne d’un acheteur, sans besoin de formation Excel.
Un retour d’expérience que vous partagera Cédric Le Savéant lors d’un webinar jeudi 20 juin à 11h30 : “ TECHNICOLOR & ASKR.AI : OBTENEZ UNE VISION PRÉCISE SUR LES DÉPENSES FOURNISSEURS EN 2 SECONDES” !
* Enquête qualitative ASKR.AI, menée entre avril et mai 2019.