contactez-nous

Suivi des marges multi-pays : du prix tarif au net-net, semaine après semaine

Une cascade de prix hebdomadaire du tarif au net-net, avec les vues des marges fabricant et distributeur, fondée sur des données gérées par chaque pays et un modèle de reporting commun.

Fabricant agroalimentaire confidentiel NDA 2026

Statut : en production pour le premier pays ; d'autres pays sont en cours d'intégration sur le même contrat.

Ventes et marketing Agroalimentaire / FMCG Revenue Growth Management Ingénierie data Analytique des ventes et commerciale
Cascade de prix hebdomadaire du tarif au Net 5, avec les perspectives fabricant et distributeur, avec ou sans promotions.
Vue du processus. Ouvrir l'image entière

Défi

Des codes sources, des mailles de temps et des conditions commerciales différents empêchaient d'avoir une vue cohérente de la marge entre pays.

Solution livrée

Des données hebdomadaires gérées par chaque pays, un contrat Parquet incrémental, un moteur commun de prix nets et des mesures Power BI générées.

Valeur métier

Des cascades de prix hebdomadaires et des vues de marge comparables, des données locales qui restent sous la responsabilité des pays, et de nouveaux pays en cours d'intégration.

Défi

Un fabricant agroalimentaire voulait une vue unique de l'évolution de ses prix, du tarif catalogue au prix net final. Cette vue devait montrer chaque condition commerciale appliquée en chemin, ce que les consommateurs paient réellement en rayon et la répartition de la marge entre fabricant et distributeur. Elle devait fonctionner par produit, par client et par semaine, pour plusieurs pays européens, ainsi qu'en total Europe.

Les données se trouvaient à de nombreux endroits, et chaque pays les obtenait de systèmes et de fournisseurs différents. L'ERP contenait les factures, les tarifs et les taxes. Un outil de planification contenait les prévisions. Un panel distributeurs fournissait le sell-out hebdomadaire, un outil de planification des promotions contenait les conditions commerciales, et un service de veille suivait les prix en rayon. Chaque source avait ses propres codes et sa propre granularité : factures quotidiennes, prévisions mensuelles, semaines de panel qui ne coïncident pas avec les semaines calendaires, et promotions convenues avec une centrale d'achat plutôt qu'avec chaque magasin.

Le plus difficile était la logique des remises. Les conditions commerciales s'appliquent en cascade, en cinq étapes au maximum. Chacune est un pourcentage ou un montant fixe, et s'applique à un prix intermédiaire précis. Certaines sont promotionnelles ; certaines sont visibles par le distributeur, d'autres non. Un seul pays disposait d'une version antérieure de l'outil de suivi. L'étendre à d'autres pays signifiait que la logique ne pouvait plus être codée en dur. De plus, les pays utilisaient des générations différentes de la plateforme de données et devaient migrer chacun à son rythme.

Approche

Nous avons scindé la solution en deux couches, avec un contrat clair entre elles.

  • Une couche pays, gérée par chaque pays. Chaque source est ramenée à la même maille : semaine × produit × client. Un outil de mise en correspondance des produits relie les produits du panel et des relevés de prix en rayon aux articles de l'ERP. Des services de données de référence gèrent les clients, les correspondances de codes et les droits d'accès. Les points délicats sont traités explicitement :
    • Les prévisions mensuelles sont réparties sur les semaines au prorata des volumes facturés.
    • Le sell-out du panel est ventilé des groupes de produits vers les articles individuels selon un mix de ventes sur 52 semaines glissantes.
    • Les prix qui changent en cours de semaine sont pondérés par les unités vendues à chaque prix.
    • Chaque volume et chaque prix est converti en unités de vente et en kilogrammes.
  • Des règles de conditions commerciales tenues par le métier. Chaque mécanisme promotionnel est classé une seule fois, dans les données de référence : le prix auquel il s'applique, l'étape de la cascade qu'il produit, s'il s'agit d'un pourcentage ou d'un montant, et si le distributeur le voit. Ce sont les utilisateurs métier qui tiennent ces règles à jour, pas les développeurs.
  • Incrémental par conception. Les données de référence sont comparées à l'instantané de la veille, et seuls les produits, clients et semaines concernés sont recalculés. Les suppressions sont conservées sous forme d'indicateurs, de sorte qu'elles se propagent proprement en aval. Le traitement quotidien complet dure environ un quart d'heure.
  • Un passage de relais par le data lake. Une table de contrôle pilote des exports Parquet incrémentaux par pays et par table, et les fusionne dans la couche commune. Les nouvelles colonnes sont ajoutées automatiquement : un nouveau type de condition ou un champ propre à un pays circule donc sans modification du code. Le passage de relais reposant sur des fichiers, chaque pays peut passer à la génération suivante de la plateforme de manière indépendante.
  • Une couche commune, créée une seule fois.
    • Le moteur de prix nets parcourt la cascade, du tarif à Net 1 … Net 5.
    • Il produit quatre vues d'un même prix : perspective fabricant ou distributeur, avec ou sans promotions.
    • Il crée dynamiquement une colonne par type de condition.
    • Il calcule les totaux européens à l'aide de moyennes pondérées par les volumes.
  • Un reporting généré. Le modèle Power BI compte plus de 560 mesures, dont aucune n'est écrite à la main. Un petit générateur Python combine une bibliothèque de modèles DAX avec un fichier de configuration et écrit les mesures directement dans les fichiers sources du modèle. Chaque prix est ainsi disponible à l'unité, au kilogramme et au total, en moyenne sur la période ou en dernière valeur. Les marges, les parts de profit pool et les comparaisons d'une année sur l'autre suivent un même schéma cohérent. La sécurité au niveau des lignes, par pays et par client, est gérée dans les données de référence.
  • Un seul pipeline orchestré. Un workflow planifié unique exécute l'ingestion, les transformations, le passage de relais, le moteur de prix nets et l'actualisation des rapports, dans l'ordre des dépendances, avec des alertes en cas d'échec.

Résultats

Résultats qualitatifs du projet ; aucune économie mesurée n'est avancée.

  • Une cascade de prix hebdomadaire par produit et par client, du tarif au net-net, puis jusqu'au prix en rayon

  • Les marges fabricant et distributeur côte à côte, avec le profit pool et sa répartition, y compris les comparaisons d'une année sur l'autre

  • Le même modèle et les mêmes définitions pour chaque pays, plus les totaux européens

  • La logique des conditions commerciales dans des règles tenues par le métier, et non dans des formules codées en dur ; les nouveaux types de condition apparaissent automatiquement sous forme de nouvelles colonnes

  • Des centaines de mesures cohérentes générées à partir d'une seule configuration, au lieu de formules écrites à la main qui finissent par diverger

  • Des actualisations quotidiennes rapides, car seul ce qui a changé est recalculé

  • Les pays restent responsables de leurs données locales et peuvent migrer de plateforme à leur rythme, derrière un contrat de tables stable et unique

  • En production pour le premier pays ; d'autres pays sont en cours d'intégration sur le même contrat

Snowflake SQL et Snowflake Scripting Azure Data Factory Informatica Cloud SQL Server Master Data Services Stonebranch Python Power BI

Solutions : Fondations de données · Analytique et reporting

Envie de parler d'un défi similaire ?

Dites-nous où vous en êtes aujourd'hui et ce que vous cherchez à faire bouger. Nous partagerons ce que nous avons appris de missions comparables et proposerons une façon ciblée de démarrer.

Réservez un échange de 30 min