Un dashboard n'invente rien : il lit vos données
Quand les chiffres semblent faux, le réflexe est d'accuser le reporting. Presque toujours, le rapport est juste — il agrège fidèlement une base qui, elle, est fausse. Un chiffre d'affaires pipeline gonflé par des deals fantômes, un taux de conversion faussé par des doublons : le graphique est le messager, pas le coupable.
Les quatre causes d'écart les plus fréquentes
Premièrement, les doublons, qui comptent deux fois contacts et deals. Deuxièmement, les propriétés vides ou saisies au doigt mouillé, qui rendent tout filtre approximatif. Troisièmement, des deals que les commerciaux ne mettent pas à jour, donc un pipeline figé dans le passé. Quatrièmement, une attribution mal paramétrée, qui crédite le mauvais canal. Chacune, seule, suffit à décrédibiliser un dashboard.
Comment savoir si le problème vient de la donnée ou du rapport ?
Prenez un chiffre contesté et remontez à la source : ouvrez la liste des enregistrements derrière le nombre. Si la liste elle-même est fausse — doublons, montants absurdes, dates incohérentes — le problème est dans la donnée. Si la liste est correcte mais le total faux, alors seulement suspectez le filtre ou la logique du rapport.
Par quel bout reprendre le contrôle ?
Commencez par assainir la base : dédoublonnage, propriétés obligatoires aux étapes clés, discipline de mise à jour du pipeline. Ensuite, reconstruisez quelques dashboards vraiment utiles plutôt que vingt approximatifs. La question de la fiabilité est creusée dans pourquoi vos dashboards sont peu fiables.