Mégadonnées : innovation en matière d’investissement

Au Canada, de nombreuses organisations, notamment des sociétés de capital-investissement, des caisses de retraite et des investisseurs institutionnels, affirment faire appel à des stratégies d’analyse des données pour leurs investissements. Cependant, bon nombre de ces sociétés, si ce n’est pas la plupart, disposent d’énoncés de mission, dans le meilleur des cas, selon lesquels toute analyse d’information numérique est considérée comme une analyse approfondie des données, ce qui constitue une erreur. Fondamentalement, les mégadonnées découlent de la numérisation du volume impressionnant d’information, tant privée que publique, produite à l’échelle mondiale. Bien des chefs d’entreprise ne comprennent que le résultat final de ce processus – soit la visualisation et l’analyse –, tandis qu’en réalité, l’analyse des données concerne aussi la gestion sophistiquée de l’information. 

En outre, pour pousser l’analyse des données au niveau supérieur, il ne suffit pas de produire plus de données, plus rapidement – il faut concevoir de l’information multidimensionnelle qui nous permet d’examiner plusieurs points de vue différents à l’unisson. Nous devons passer des « petits ensembles de données » aux « mégadonnées » pour découvrir les tendances du marché et les corrélations inconnues dans les données structurées et non structurées. 

Au sein du groupe Transactions de PwC, nous percevons l’analyse des données comme une « boîte à outils » numérique qui permet aux sociétés de voir les occasions d’investissement sous un tout nouvel éclairage. D’ailleurs, pour un certain nombre de transactions récentes, nous avons aidé nos clients à comprendre que le fait d’examiner les bonnes données peut mettre en lumière les risques et les possibilités – depuis l’élaboration de la stratégie initiale jusqu’à la sortie, en passant par l’acquisition et les activités postérieures à la transaction.

Découvrir des relations dans les fusions, acquisitions et restructurations : 

Dans la plupart des transactions de fusion et acquisition, les investisseurs ont tendance à se concentrer sur les indicateurs de performance clés de nature financière, comme les produits, le bénéfice et les charges d’exploitation, mais n’ont pas le temps ou les outils nécessaires pour réellement explorer les déterminants sous-jacents d’une entreprise. Quels facteurs internes et externes liés au marché influencent vraiment ces indicateurs de performance clés? Quels sont les risques à l’horizon? En utilisant l’information fournie par les contreparties d’une transaction, conjointement avec des sources de données publiques et de données externes exclusives, les organisations peuvent tirer parti de l’analyse prédictive fondée sur l’apprentissage machine afin de mieux saisir le potentiel de croissance d’une entreprise.

Nous avons récemment aidé un client du secteur automobile à effectuer un contrôle ex-post des relations antérieures des sources de produits d’une cible d’acquisition, à l’aide de facteurs externes liés au marché et d’un modèle statistique. Nous avons ainsi pu prévoir la performance de l’entreprise, compte tenu de sa sensibilité à certains aspects comme les taux de change, les prix des produits de base et même le risque environnemental. De plus, nous avons utilisé des tests de probabilité visant à déterminer le rendement du capital investi en fonction de différents scénarios concernant le bénéfice et les charges d’exploitation. Une fois utilisées correctement, les données et l’analytique nous ont permis de prendre conscience du risque, d’ajouter une couche supplémentaire d’objectivité dans l’évaluation de la transaction et de changer la donne en matière de de diligence raisonnable.

Cibler des occasions d’investissement et favoriser la croissance

Les investisseurs sur les marchés publics s’appuient sur les états financiers depuis aussi longtemps qu’on les publie. Par contre, aujourd’hui, en plus de l’information publiée par les sociétés ouvertes, il existe une multitude de données mises à la disposition du public qui peuvent aider les investisseurs avisés à cibler des occasions d’investissement en fonction du risque, du secteur et de la période de détention. Pour renforcer toujours plus leur analyse, les investisseurs peuvent s’intéresser à des variables du marché comme le volume des échanges, les ratios de prix et la dynamique à l’égard d’autres variables non structurées, par exemple, la présence sur les médias sociaux et la volatilité politique.

Nous avons récemment travaillé sur le plan d’expansion national d’un grand détaillant. À cette occasion, nous avons mis l’accent sur les données relatives aux consommateurs et à la localisation. En superposant un certain nombre de variables de données disparates mais reliées entre elles comme les données de recensements, les schémas de données mobiles et les volumes de circulation piétonnière, nous avons été en mesure de mettre au point un modèle permettant de prévoir les produits potentiels en fonction de l’emplacement géographique. Ce modèle a ensuite été intégré dans les stratégies de l’organisation concernant la croissance à long terme et la gamme de marchandises vendues.

Une autre bonne stratégie d’investissement qui fait appel à l’analyse des données peut inclure des éléments démographiques : suivre ce qui se passe dans la population – quelle est l’évolution des salaires, des dépenses de consommation et de la croissance démographique? Le fait de prendre en considération de grandes quantités de données vous permet de mieux cerner les schémas et d’ainsi exercer un jugement plus éclairé et d’établir des priorités de croissance plus judicieuses.

Comprendre les opérations internes au sein de votre propre entreprise

Si les exemples précédents soulignent le pouvoir de l’analyse des données pour les initiatives plus « offensives », celle-ci peut aussi aider les sociétés à raffiner leur gestion et leurs opérations internes. De nos jours, la plupart des systèmes d’entreprise sont conçus autour de la présentation de l’information financière et de processus réglementaires – la majorité des données demeurent dans un format brut, non structuré. À l’inverse, la révolution des mégadonnées et de l’analytique pousse les sociétés à employer de nouveaux moyens pour disséquer l’information, ainsi qu’établir des liens et faire des comparaisons entre les divers éléments qui la composent.

Certains gestionnaires de fonds, par exemple, utilisent des techniques de visualisation pour mieux comprendre où se situe leur portefeuille par rapport à un point de référence et aux concurrents sur le marché. Qui plus est, il est possible de perfectionner toujours plus certains logiciels en ce qui a trait à la mise en œuvre de ces applications de données. La robustesse des modèles, l’identification des cibles d’investissement et la gestion des données en temps réel s’en trouveront améliorées. 

Quel est l’état de la situation au Canada?

Au Canada, on observe un mélange hétéroclite. Un certain nombre d’entreprises et d’investisseurs ont investi en grand dans l’analytique, acquérant des compétences et des capacités exhaustives, tandis que d’autres ne font que commencer. À mesure que l’économie mondiale s’appuiera sur l’analytique avancée, l’analyse des données ne sera plus seulement une valeur ajoutée, mais une nécessité. Dans le but de garder une longueur d’avance, nous devons nous exhorter à innover et à investir (tant financièrement que culturellement) dans une technologie qui nous permettra d’élargir les processus traditionnels de prise de décision en matière d’investissement.

Vous pourriez voir vos décisions d’investissement différemment sous la loupe des mégadonnées. Si vous n’avez pas la certitude de tirer le maximum de vos données – ou même si vous pensez ne pas examiner les bonnes données du tout – nous sommes là pour vous aider.

Contactez-nous

David Planques

Associé, leader national, Transactions et leader, One Analytics, PwC Canada

Tél : +1 416 815 5275

Suivre PwC Canada