Informations financières rapides et exploitables

Informations financières rapides et exploitables pour une entreprise américaine de logiciels

Aider une entreprise de logiciels basée aux États-Unis à prendre de meilleures décisions d'affaires en augmentant la précision des données et en personnalisant l'expérience utilisateur

5 min de lecture

Notre client, une entreprise américaine de logiciels spécialisée dans le développement de logiciels d'automatisation des processus robotiques (RPA), a contacté HCLTech pour développer une solution permettant d'obtenir des informations financières personnalisées, facilement accessibles et hautement exploitables.

Le défi

Besoins pour une interface utilisateur et des fonctionnalités propriétaires

Les changements dans l'environnement des affaires mondial ont accéléré les cycles traditionnels des entreprises, incluant le temps nécessaire pour obtenir des informations et prendre des décisions basées sur celles-ci. Pour les chefs de la direction financière et autres décideurs financiers de haut niveau, cela a rendu le processus de chargement et de navigation, même à travers des outils modernes de visualisation basés sur des tableaux de bord, souvent lent et lourd.

Un défi clé était de rendre les analyses affichées plus exploitables que ce qui est habituellement possible dans un rapport basé sur un tableau de bord. Ainsi, il a été nécessaire de concevoir une interface utilisateur intuitive qui permette et encourage l'exploration approfondie des données pour des analyses exploitables.

L'objectif

Générer des analyses financières pour de meilleures décisions d'affaires

Pour permettre le délai d'obtention d'informations le plus rapide possible et favoriser des décisions d'affaires critiques plus rapides et meilleures, la solution devait offrir d'excellentes vitesses d'accès aux données pour des éléments tels qu'une vue des dépenses de déplacement, par exemple.

La solution

Développement d’une application personnalisée pour une interface utilisateur et une expérience améliorées

Le client voulait minimiser la latence entre les données en direct et les données affichées, ainsi que permettre une grande interactivité avec les données présentées dans l’application.

L’équipe a atteint cet objectif en construisant une interface SwiftUI personnalisée et en chargeant les ensembles de données spécifiés par le client dans une structure de données optimisée pour l’application à l’aide du service infonuagique Azure Data Factory ETL
Le backend Python se connecte à des tables optimisées et a été préparé pour l’interconnexion avec des algorithmes de science des données
Au lieu de s’appuyer sur des versions allégées de rapports existants pour les données et l’interface utilisateur, nos développeurs ont identifié des parcours exploratoires dans les données permettant de passer des KPI de haut niveau à des données exploitables — par exemple, en passant d’un KPI à une vue montrant comment les acheteurs d’une région spécifique ont contribué à ce KPI, puis à des données permettant de contacter le représentant des ventes concerné
L’application a été conçue pour favoriser l’engagement grâce à une interface utilisateur attrayante et hautement interactive conçue pour rivaliser avec les meilleures applications de suivi des KPI, ainsi qu’une fonction d’actualités personnalisable qui alerte les utilisateurs des changements pertinents dans le comportement des KPI

Le résultat

Amélioration de la découverte d’informations et de l’exploitabilité

Après moins de deux mois de développement, le chef de la direction financière du client a reçu la première version fonctionnelle de l’application et a immédiatement commencé à l’utiliser dans le cadre de son travail quotidien. Ayant répondu à leurs attentes en matière d’utilisation et de valeur informative, l’application continue de servir de base à un développement conjoint ultérieur. Des versions Android et de bureau de l’application sont actuellement en cours de développement afin de répondre à un plus large éventail d’utilisateurs, et des extensions des données et des fonctionnalités sont prévues, notamment l’analyse et la prévision du taux d’attrition.