Le benchmark ne se limite plus aux marges. La productivité des équipes et l’efficacité du capital expliquent une large part de la performance. Pourtant, la plupart des bases de données ignorent ces dimensions.
Nos packs livrent, en 72h, un panorama complet : EBIT, ROCE, solvabilité, effectifs, productivité commerciale et signaux stratégiques. Tout est normalisé, comparé aux pairs, quartilisé et commenté en langage clair.
Apparie vos pairs via liste client ou taxonomie sectorielle.
Standardise les données financières et calcule ROCE, marges et capitaux employés.
Intègre les effectifs et le mix métiers dans une taxonomie harmonisée.
Combine financiers, RH et signaux stratégiques dans une vue unique.
Fournit quartiles, tendances et un commentaire explicable sur les moteurs de performance.
Livre en heures, pas en semaines.
Ce segment est activé grâce à un mélange de sources fiables et de vos propres données.
AI reasoning
User Input
APIs qualifiées
Web intelligence
Un benchmark prêt à l’emploi combinant financiers, données RH et signaux stratégiques. Chaque ligne correspond à une entreprise et une année : ratios clairs, commentaire explicable, scores de confiance. Vous comparez marges, capital employé et productivité commerciale avec les médianes et quartiles sectoriels.
Benchmarks Entreprises intégrant ROCE et effectifs.
Productivité : chiffre d’affaires par employé, performance commerciale par FTE ventes.
Médianes & quartiles avec commentaires explicables.
Exports prêts (CSV/Sheets/API) pour vos outils BI et vos modèles financiers.
Les réponses à vos questions sur ce segment
Les réponses à vos questions sur ce segment
Comment les packs s’intègrent-ils dans vos workflows (ERP, CRM, BI, modèles financiers) ?
Les résultats sont prêts à l’emploi en CSV, Sheets, JSON ou API. Ils s’intègrent facilement dans ERP, CRM, BI ou modèles financiers pour un usage direct.
En quoi Starzdata se différencie-t-il des bases classiques comme Orbis, Capital IQ ou les bureaux de crédit ?
Les sources traditionnelles couvrent surtout les financiers et peu les effectifs ou signaux web. Starzdata fusionne financiers, RH et signaux stratégiques, ajoute des scores de confiance et livre en quelques heures plutôt qu’en semaines.
Comment identifiez-vous et exploitez-vous les signaux stratégiques (innovation, expansion, M&A) ?
L’intelligence web structurée fait remonter scores d’innovation, mentions d’expansion et signaux M&A. Ces indicateurs complètent les données financières et RH pour éclairer le positionnement futur.
En quoi votre analyse du ROCE est-elle plus riche qu’un simple examen des marges et actifs ?
Le ROCE est décomposé en marge × intensité d’actifs, ce qui montre si la performance vient de la rentabilité ou de l’efficacité du capital. Chaque ligne inclut un commentaire explicable reliant ratios et moteurs.
Comment calculez-vous et validez-vous les indicateurs de productivité (CA par employé, productivité commerciale) ?
Les ratios de productivité sont dérivés directement du chiffre d’affaires et des effectifs, avec des fonctions harmonisées. Les valeurs atypiques sont signalées, et chaque ratio est accompagné d’un score de confiance.
Quelle est la fiabilité des données RH et du mix métiers ?
Les effectifs reposent sur des taxonomies structurées et des sources officielles. L’AI Reasoning harmonise les fonctions entre entreprises, et les scores de confiance reflètent la fiabilité.
Comment garantissez-vous la comparabilité des financiers entre pays et normes comptables ?
Tous les financiers sont normalisés en EUR et alignés sur la même année fiscale. Les écarts de périmètre ou de normes sont signalés et reflétés dans les scores de confiance.
Comment définissez-vous et sélectionnez-vous les groupes de pairs ?
Vous pouvez fournir votre propre liste ou utiliser notre taxonomie sectorielle pour identifier les comparables pertinents. Chaque entreprise est appariée à des registres et sites officiels pour garantir une identité fiable.
{ "_meta": { "dictionaryColumns": ["Variable", "Data_Type", "Sample_Value", "Description"] }, "data": [ { "Variable": "company_name_input", "Description": "Client-provided company name", "Business_Rules": "Exact or fuzzy match accepted", "Source_System": "Client Data", "Data_Type": "VARCHAR", "Sample_Value": "AlphaTech Ltd" }, { "Variable": "country_input", "Description": "Client-provided country for disambiguation", "Business_Rules": "Two-letter ISO preferred", "Source_System": "Client Data", "Data_Type": "VARCHAR", "Sample_Value": "DE" }, { "Variable": "year_reference", "Description": "Fiscal year (YYYY) for KPIs", "Business_Rules": "Aligned across peers after normalization", "Source_System": "Curated APIs", "Data_Type": "INTEGER", "Sample_Value": 2023 }, { "Variable": "company_id_external", "Description": "Verified external registry/company identifier", "Business_Rules": "Stable mapping across systems", "Source_System": "Curated APIs", "Data_Type": "VARCHAR", "Sample_Value": "CO_31045" }, { "Variable": "company_website", "Description": "Resolved website for enrichment", "Business_Rules": "Valid domain/URL", "Source_System": "Web Intelligence", "Data_Type": "VARCHAR", "Sample_Value": "www.alphatech.de" }, { "Variable": "revenue", "Description": "Annual revenue (EUR)", "Business_Rules": "Currency normalized to EUR", "Source_System": "Curated APIs", "Data_Type": "DECIMAL", "Sample_Value": 125000000.00 }, { "Variable": "ebit", "Description": "Earnings before interest and tax (EUR)", "Business_Rules": "Currency normalized to EUR", "Source_System": "Curated APIs", "Data_Type": "DECIMAL", "Sample_Value": 18000000.00 }, { "Variable": "ebit_margin", "Description": "EBIT as % of revenue", "Business_Rules": "Calculated as EBIT/Revenue * 100", "Source_System": "Derived", "Data_Type": "DECIMAL", "Sample_Value": 14.4 }, { "Variable": "revenue_cagr_3y", "Description": "3-year revenue CAGR (%)", "Business_Rules": "Computed if ≥3 years available", "Source_System": "Curated APIs", "Data_Type": "DECIMAL", "Sample_Value": 7.2 }, { "Variable": "capital_employed", "Description": "Total assets minus current liabilities (EUR)", "Business_Rules": "Or equity + long-term debt where applicable", "Source_System": "Curated APIs", "Data_Type": "DECIMAL", "Sample_Value": 150000000.00 }, { "Variable": "asset_turnover", "Description": "Revenue / Capital Employed (x)", "Business_Rules": "Rounded to 2 decimals", "Source_System": "Derived", "Data_Type": "DECIMAL", "Sample_Value": 0.83 }, { "Variable": "roce", "Description": "Return on Capital Employed (%)", "Business_Rules": "Computed as EBIT/Capital Employed * 100", "Source_System": "Derived", "Data_Type": "DECIMAL", "Sample_Value": 12.0 }, { "Variable": "solvency_score", "Description": "Company solvency/credit score (0–100)", "Business_Rules": "Higher is better", "Source_System": "Curated APIs", "Data_Type": "INTEGER", "Sample_Value": 82 }, { "Variable": "liquidity_ratio", "Description": "Current assets / current liabilities", "Business_Rules": "Rounded to 2 decimals", "Source_System": "Curated APIs", "Data_Type": "DECIMAL", "Sample_Value": 1.35 }, { "Variable": "headcount", "Description": "Estimated total employees", "Business_Rules": "Integer", "Source_System": "Curated APIs", "Data_Type": "INTEGER", "Sample_Value": 520 }, { "Variable": "headcount_cagr_3y", "Description": "3-year CAGR of employees (%)", "Business_Rules": "Computed if historical series available", "Source_System": "Curated APIs", "Data_Type": "DECIMAL", "Sample_Value": 5.6 }, { "Variable": "revenue_per_employee", "Description": "Revenue / headcount (EUR)", "Business_Rules": "Rounded to whole euros", "Source_System": "Derived", "Data_Type": "DECIMAL", "Sample_Value": 240385.00 }, { "Variable": "function_mix_engineering_pct", "Description": "Share of employees in engineering (%)", "Business_Rules": "0–100; percentage of workforce", "Source_System": "Curated APIs", "Data_Type": "DECIMAL", "Sample_Value": 32.5 }, { "Variable": "function_mix_sales_pct", "Description": "Share of employees in sales (%)", "Business_Rules": "0–100; percentage of workforce", "Source_System": "Curated APIs", "Data_Type": "DECIMAL", "Sample_Value": 18.7 }, { "Variable": "turnover_per_sales_fte", "Description": "Revenue / number of sales employees (EUR)", "Business_Rules": "Rounded to nearest thousand", "Source_System": "Derived", "Data_Type": "DECIMAL", "Sample_Value": 668000.00 }, { "Variable": "innovation_signal_score", "Description": "AI/tech/patent/news signal index (0–100)", "Business_Rules": "Normalized composite, transparent weights", "Source_System": "Web Intelligence", "Data_Type": "INTEGER", "Sample_Value": 68 }, { "Variable": "expansion_signal_count", "Description": "Expansion-related news items (12m)", "Business_Rules": "Integer count", "Source_System": "Web Intelligence", "Data_Type": "INTEGER", "Sample_Value": 3 }, { "Variable": "mna_mentions_12m", "Description": "Mentions of M&A in news (12m)", "Business_Rules": "Integer count", "Source_System": "Web Intelligence", "Data_Type": "INTEGER", "Sample_Value": 2 }, { "Variable": "peer_median_ebit_margin", "Description": "Median EBIT margin of peer group (%)", "Business_Rules": "Computed on defined peer set", "Source_System": "Derived", "Data_Type": "DECIMAL", "Sample_Value": 11.5 }, { "Variable": "peer_quartile_rank", "Description": "Quartile rank of EBIT margin vs peers", "Business_Rules": "ENUM: Q1|Q2|Q3|Q4", "Source_System": "Derived", "Data_Type": "ENUM", "Sample_Value": "Q1" }, { "Variable": "comment", "Description": "Short explanation incl. ROCE driver (margin vs asset intensity)", "Business_Rules": "≤300 chars; plain language", "Source_System": "Web+AI Reasoning", "Data_Type": "TEXT", "Sample_Value": "Top‑quartile margin (14.4%) and asset turnover 0.83x yield ROCE 12%. Growth 7.2% with stable capital intensity." } ] }
