Data et BI : comment mieux piloter un établissement d'enseignement grâce à ses données
Photo : Pexels
En bref. ce guide sur data et bi répond à 10 questions concrètes que se posent les fondateurs et les directions d'établissements privés au Maroc.
La Business Intelligence (BI) est l'ensemble des outils et méthodes qui rassemblent les données d'un établissement dans des tableaux de bord fiables, pour suivre ses indicateurs et décider plus vite.
Combien coûte réellement un étudiant de troisième année de licence ? Quelle filière dégage de la marge ? Quels élèves risquent de décrocher ce trimestre ? Dans beaucoup d'établissements, la réponse arrive… trois semaines plus tard, après des extractions et des tableurs consolidés à la main.
Les évaluations confirment ce retard. Le rapport de la vague pilote de l'ANEAQ relevait l'absence de système d'information intégré et des logiciels internes fragmentés dans les établissements évalués. La Cour des comptes faisait le même constat au niveau du ministère, faute de système d'information intégré pour suivre le secteur privé.
Voici comment la data et la business intelligence (BI) changent le pilotage d'une école, d'une université ou d'un centre de formation : indicateurs, tableaux de bord, architecture, gouvernance et feuille de route.
Pourquoi agir maintenant ?
- Évaluations et accréditations : les évaluateurs demandent des indicateurs fiables, suivis dans le temps.
- Concurrence : les familles comparent ; chaque inscription perdue a un coût.
- Marges sous pression : masse salariale, loyers et investissements numériques augmentent.
- Obligations envers les familles : contrat avec les familles et transparence renforcés par la loi 59.21.
- Outils accessibles : les outils de BI en libre-service, vendus par abonnement, rendent la BI abordable pour un établissement de taille moyenne.
Que change concrètement la BI ?
| Question | Sans BI | Avec BI |
|---|---|---|
| Où en sont les inscriptions ? | Point hebdomadaire manuel | Entonnoir des admissions mis à jour chaque jour, par canal et par filière |
| Qui ne paie pas ? | Relances au cas par cas | Balance âgée des impayés, relances priorisées par montant et par risque |
| Quels élèves décrochent ? | Constat au conseil de classe | Alerte précoce dès les premières absences et baisses de notes |
| Quelle filière est rentable ? | Intuition | Marge par filière : recettes moins heures d'enseignement, locaux et frais affectés |
| Les salles sont-elles bien utilisées ? | Planning papier | Taux d'occupation par salle et par créneau |
| Sommes-nous prêts pour l'évaluation ? | Collecte de dernière minute | Indicateurs qualité historisés et exportables |
Quels indicateurs suivre par domaine ?
| Domaine | Indicateurs | Pour qui |
|---|---|---|
| Admissions et marketing | Prospects, taux de conversion par étape, coût par inscription, part des réinscriptions | Direction des admissions, direction générale |
| Académique | Taux de réussite, de redoublement et d'abandon, assiduité, résultats par module et par enseignant | Direction académique, directeurs de programme |
| Vie scolaire et étudiante | Absences, incidents, satisfaction, recours aux services | Vie scolaire, vie étudiante |
| Finances | Chiffre d'affaires par élève, taux de recouvrement, délai moyen de paiement, marge par filière, masse salariale sur chiffre d'affaires | DAF, contrôle de gestion |
| Ressources humaines | Effectifs, part des permanents, heures assurées par rapport au service dû, absentéisme, rotation | DRH, direction académique |
| Campus | Taux d'occupation des salles, coûts d'énergie et de maintenance par m² | Direction du campus |
| Qualité et insertion | Satisfaction, atteinte des objectifs d'apprentissage, insertion à six mois | Responsable qualité |
Le bon nombre d'indicateurs par tableau de bord est rarement supérieur à dix. Au-delà, plus personne ne les regarde. Voir aussi nos articles sur le coût par inscription, la charge d'enseignement et la mesure des acquis.
Quels tableaux de bord pour quels décideurs ?
- Direction générale : une page de synthèse — inscriptions, chiffre d'affaires, recouvrement, marge, satisfaction, alertes.
- DAF : budget et réalisé, trésorerie, impayés, marge par filière, prévisions de fin d'année.
- Direction académique : réussite, assiduité, charge des enseignants, avancement des programmes.
- Admissions : entonnoir, canaux, conversion par conseiller, prévision de rentrée.
- Conseil d'administration ou investisseurs : indicateurs trimestriels et tendances sur trois ans.
Chaque tableau de bord répond à une question de gestion précise et permet d'aller du global au détail : de l'établissement à la filière, de la filière à la classe, de la classe à l'élève.
Quelle architecture technique retenir ?
| Couche | Contenu | Exemples d'outils |
|---|---|---|
| Sources | ERP de scolarité, plateforme Massar pour le scolaire, comptabilité, paie, CRM des admissions, plateforme d'apprentissage (LMS), emplois du temps | ERP scolaire, comptabilité, CRM, LMS |
| Intégration | Extraction, nettoyage, rapprochement des référentiels (élèves, filières, enseignants), historisation | Power Query, scripts, outils d'intégration |
| Modèle de données | Entrepôt ou modèle en étoile : faits (inscriptions, notes, paiements, heures) et dimensions (calendrier, élève, filière, enseignant) | Base SQL, modèle de données |
| Restitution | Tableaux de bord, rapports automatiques, alertes | Outil de visualisation et de tableaux de bord |
La qualité du modèle compte plus que l'outil : un calendrier unique, des identifiants d'élèves et de filières cohérents et des règles de calcul documentées évitent les chiffres contradictoires. Pour le choix des systèmes sources, voir notre article sur l'ERP scolaire.
Que peut apporter l'analyse prédictive ?
- Alerte décrochage : repérer tôt les élèves à risque à partir des absences, des notes et des retards de paiement, pour déclencher un accompagnement.
- Prévision des effectifs : estimer la rentrée à partir de l'entonnoir des admissions et des taux de réinscription.
- Risque d'impayé : prioriser les relances selon l'historique de paiement.
- Planification : optimiser les emplois du temps et l'occupation des salles.
Ces usages demandent des données propres et historisées sur plusieurs années : ils viennent après les tableaux de bord, pas avant. Pour l'IA plus largement, voir notre article sur l'intelligence artificielle dans les universités.
Comment gouverner et protéger les données ?
- Un propriétaire par donnée : la scolarité pour les inscriptions, la DAF pour les paiements, la DRH pour les contrats.
- Un dictionnaire des indicateurs : définition, formule, source, fréquence, responsable.
- Des droits d'accès par profil : un enseignant voit ses classes, la direction voit tout.
- La conformité à la loi 09-08 sur la protection des données personnelles : finalités déclarées, minimisation, sécurité, en particulier pour les données d'élèves mineurs.
- La sécurité : sauvegardes, journalisation, gestion des comptes. Voir nos mesures de cybersécurité prioritaires.
Par où commencer un projet data ?
| Niveau | Situation | Prochaine étape |
|---|---|---|
| 1. Tableurs | Chiffres consolidés à la main, versions multiples | Identifier 10 indicateurs prioritaires et leurs sources |
| 2. Rapports | Extractions régulières, peu de croisements | Construire un modèle de données commun |
| 3. Tableaux de bord | Indicateurs partagés et mis à jour automatiquement | Gouvernance, dictionnaire, droits d'accès |
| 4. Pilotage | Revues mensuelles fondées sur les tableaux de bord, objectifs chiffrés | Alertes et analyses prédictives |
| 5. Culture data | Décisions documentées par la donnée à tous les niveaux | Amélioration continue, ouverture aux partenaires |
Les 90 premiers jours
- Semaines 1 à 3 : atelier avec la direction, choix de 10 indicateurs, inventaire des sources.
- Semaines 4 à 8 : modèle de données, premier tableau de bord de direction, contrôle de cohérence avec les chiffres comptables.
- Semaines 9 à 12 : déploiement, formation des utilisateurs, première revue mensuelle de pilotage.
Les profils clés : data analyst / BI, DSI et contrôleur de gestion.
Quels pièges éviter ?
- Commencer par l'outil plutôt que par les questions de la direction.
- Afficher trente indicateurs sans responsable ni objectif.
- Laisser coexister plusieurs définitions d'un même indicateur.
- Négliger la qualité des données sources, en particulier les identifiants.
- Oublier la protection des données des élèves et des familles.
En pratique : un groupe scolaire à Casablanca
Cas type : un groupe de trois écoles et 2 400 élèves à Casablanca pilote ses impayés et ses réinscriptions avec des tableurs mis à jour une fois par mois. Le projet data et BI relie l'ERP de scolarité et la comptabilité dans un modèle commun, avec un tableau de recouvrement actualisé chaque jour.
- Connexion de l'ERP de scolarité et de la comptabilité dans un modèle de données commun.
- Tableau de bord de recouvrement par école, niveau et ancienneté de la créance, mis à jour chaque jour.
- Suivi des réinscriptions dès avril, famille par famille, avec relance ciblée.
- Revue mensuelle de direction autour d'une page de synthèse.
Effets attendus : des relances plus rapides et mieux ciblées, des réinscriptions anticipées et une direction qui décide sur des chiffres partagés.
Les indicateurs à suivre pour le projet
- Nombre d'utilisateurs actifs des tableaux de bord.
- Délai de production des chiffres de gestion.
- Écart entre les chiffres BI et les chiffres comptables.
- Nombre de décisions prises en revue de pilotage.
- Taux de recouvrement et taux de réinscription avant et après le projet.
Comment écrire la fiche d'un indicateur ?
Un indicateur mal défini produit des débats sans fin : chacun calcule le taux de réinscription ou le coût par étudiant à sa façon. Chaque indicateur du tableau de bord d'un établissement mérite une fiche d'identité : définition, formule, source, fréquence, cible et responsable. Exemple pour le taux de réinscription :
| Rubrique | Exemple pour le taux de réinscription |
|---|---|
| Définition | Part des élèves de l'année N présents à la rentrée N+1, hors fins de cycle |
| Formule | Élèves réinscrits ÷ élèves réinscriptibles |
| Source | ERP, module scolarité |
| Fréquence | Hebdomadaire pendant la campagne, annuelle ensuite |
| Responsable | Responsable des admissions |
| Cible | Fixée par la direction pour l'année |
| Usage | Prévision des effectifs et du budget |
Ce dictionnaire des indicateurs est le premier livrable d'un projet BI. Il évite de construire de beaux tableaux sur des définitions fragiles. Pour l'outil, voir déployer Power BI.
Questions fréquentes : Data et BI
Faut-il un ERP avant de faire de la BI ?
Pas forcément. La BI peut démarrer à partir de fichiers et de logiciels existants. Mais un ERP de scolarité fiable simplifie beaucoup l'intégration et la qualité des données.
Comment choisir un outil de BI ?
Sur des critères plutôt que sur une marque : connexion aux sources existantes (ERP, comptabilité, LMS), facilité de prise en main, partage et sécurité des accès, coût par utilisateur et compétences internes disponibles.
Combien de temps pour un premier résultat ?
Un premier tableau de bord de direction utile peut être livré en 90 jours. La culture de la donnée, qui fait la vraie différence, se construit sur un à deux ans.
Qu'est-ce que le pilotage par la donnée dans un établissement ?
C'est décider à partir d'indicateurs fiables et partagés plutôt que d'impressions : les données d'inscription, de notes, de paiement et de RH sont réunies dans des tableaux de bord adaptés à chaque décideur.
Faut-il un data analyst dans un établissement ?
Pas forcément à temps plein. Un établissement de taille moyenne peut s'appuyer sur un profil interne formé, comme un contrôleur de gestion, et sur un prestataire pour la construction initiale.
Les données des élèves peuvent-elles être utilisées dans la BI ?
Oui, pour le pilotage, dans le respect de la loi 09-08 : finalité claire, accès limité selon les rôles, et données agrégées dès que le détail individuel n'est pas nécessaire.
Conclusion
Les établissements d'enseignement disposent déjà d'une mine de données. La BI sert à en tirer des décisions : mieux recruter, mieux accompagner, mieux encaisser, mieux investir.
L'outil compte moins qu'on ne le croit. Ce qui fait réussir un projet, ce sont les bonnes questions au départ, un modèle de données propre et une gouvernance claire. Un diagnostic de maturité data permet de fixer les dix premiers indicateurs et de livrer un premier tableau de bord en quelques semaines.