Publicité

Dossier : Business intelligence : comment se lancer ?

  • dossier-business-intelligence-evolution-pratique-outils.jpg

    business-intellignece-dossier-evolutions-outils-pratiques
    Plus d’un tiers des entreprises (36 %) interrogées par IDC en France prévoient d’exploiter l’automatisation des données et l’IA dans le cadre de leur feuille de route de 3 à 5 ans. (Iejab/Freepik)
  • Dans un monde où l’information est devenue la clé de la réussite, la business intelligence (BI) est un marqueur de différenciation pour les organisations : son vaste éventail d’outils et de technologies qui aident les organisations à prendre des décisions éclairées en se basant sur des données précises constitue un marché en plein essor. Quels sont les impacts et les avantages concrets de la BI et comment se former pour se lancer ? Depuis la collecte de données jusqu’à la prévision, en passant par le reporting, l’analyse, la visualisation et le data mining, quels sont les instruments pour composer sa partition ? Une entreprise ayant saisi l’opportunité de placer ses données au cœur de sa prise de décision témoigne.

    mail Découvrez Le Brief de la Démat, la newsletter thématique gratuite d'Archimag dédiée aux professionnels des data, de la dématérialisation et de la transformation numérique !


    Au sommaire :


    dessin-vince-business-intelligence.jpgC’est une tendance apparue il y a plusieurs années déjà et qui ne cesse de s’affirmer. La donnée s’impose comme un actif immatériel crucial pour la bonne marche des entreprises. Et dans son sillage, on voit poindre la business intelligence (BI), grande consommatrice de data à usage décisionnel.

    Selon l’édition 2023 du Rapport de la gouvernance de l’information numérique réalisé par Serda-Archimag, 76 % des organisations interrogées déclarent que la gestion des données est désormais entrée dans le champ de la gouvernance de l’information. 40 % d’entre elles l’incluent même systématiquement dans leur stratégie informationnelle. Un chiffre en hausse continue depuis cinq ans.

    « Qu’elles soient techniques, personnelles, liées à une ou plusieurs activités, la préoccupation des data devient stratégique ; certains parlent même de « gouvernance des data », comme pour mettre en évidence ce champ plus nouveau, mais essentiel de la gouvernance de l’information », précise ce rapport ; « on peut dire que tous les traitements et problématiques liés à la maîtrise des données s’installent dorénavant dans les questions de gouvernance, et la question des données personnelles ne faiblit pas, d’autant que les sanctions sont de plus en plus à l’ordre du jour en cas de manquement aux obligations. »

    Une autre étude menée par le cabinet Odoxa vient corroborer ce constat : 85 % des décideurs interrogés déclarent que l’utilisation des données est un axe de développement important dans leur organisation.

    Lire aussi : Mace Solutions : Démocratiser la data pour la prise de décision

    En d’autres termes, la donnée est devenue le carburant de l’économie contemporaine et l’or noir de la business intelligence. Dans sa traduction française, l’informatique décisionnelle désigne l’ensemble des moyens, outils et méthodes qui permettent d’exploiter les données en vue d’offrir une aide à la décision.

    Monétisation des données dans le secteur privé comme dans le service public

    Mais de quelles décisions parle-t-on ? De nombreuses pistes d’amélioration apparaissent, portant aussi bien sur la bonne marche des organisations en général que sur des segments plus spécifiques : optimisation des processus et opérations métier, prévention de la fraude, amélioration de la gestion des risques et de la conformité réglementaire, meilleure capacité d’innovation, renforcement de la planification financière… Et, ce qui parlera à toutes les entreprises : création de nouvelles sources de revenus avec la monétisation des données.

    Cette perspective de monétisation des données n’est d’ailleurs pas l’apanage du seul secteur privé. Dans la feuille de route de la stratégie numérique de l’État récemment publiée par la Direction interministérielle du numérique (Dinum), l’exploitation des données figure parmi les chantiers prioritaires du gouvernement : « cette exploitation qui a transformé de nombreux secteurs d’activité privés, des transports à la finance en passant par la grande distribution, n’est pas suffisamment déployée au sein de l’État en dépit des bénéfices certains qu’elle pourrait apporter », constate la Dinum.

    Combiner veille stratégique et analyse des big data

    Qu’elle soit privée ou publique, l’organisation doit donc respecter quelques règles essentielles avant de se lancer dans un projet de business intelligence : « il s’agit essentiellement de combiner veille stratégique et analyse des big data pour réduire les silos d’information de l’entreprise, connecter des données apparemment disparates et fournir aux organisations des outils pour améliorer leur prise de décision », explique Nicolas Rouyer, consultant senior chez l’éditeur Neo4j ; « une entreprise qui souhaite se lancer dans un projet de business intelligence doit tout d’abord se poser la question du pourquoi : quel est le ou les grand(s) axe(s) stratégique(s) de l’entreprise qu’elle désire servir ? Quels sont les objectifs chiffrés à atteindre et dans quel délai ? »

    Lire aussi : ChapsVision met la main sur Qwam Content Intelligence

    Concrètement, une organisation peut se fixer des objectifs précis : améliorer la résilience d’une chaîne d’approvisionnement, réduire l’impact carbone de 10 points, gagner quatre ans dans le développement de nouveaux médicaments, etc.

    Organiser la connaissance dans un graphe de connaissances

    Du côté des outils, Nicolas Rouyer estime que « la plupart du temps, les entreprises sont déjà dotées d’un data lake qui centralise les données, voire également de bus de données qui collectent les événements en temps réel. Les entreprises sont aussi dotées d’interfaces utilisateurs spécialisées permettant de réaliser des tableaux de bord (Tableau Software, PowerBI, QlikSense, Looker, etc.) ».

    Mais superposer des sources de données disparates ne suffit pas pour produire des tableaux de bord à haute valeur ajoutée. Selon le consultant, il est indispensable d’organiser la connaissance dans un graphe de connaissances : « c’est là que la solution Neo4j est particulièrement utile, car elle permet de connecter à l’infini les informations, en connectant les informations unitaires par des liens (que l’on appelle relations) », explique-t-il. « Sans graphe de connaissances, tout se passe comme si vos données étaient des neurones isolés, non connectés par des synapses : impossible de produire de l’intelligence dans ces conditions. »

    Au-delà des outils, un soin particulier doit être apporté à la qualité des données. Ensuite, l’étape la plus importante est celle de la modélisation de la base de graphes : « comment souhaite-t-on connecter les données ? Quelles sont les relations entre les données ? Quel est le modèle qui va permettre de répondre aux questions métier complexes, et donc de servir les axes stratégiques ? », poursuit Nicolas Rouyer.

    En matière d’organisation du projet, l’évolution du modèle de graphe doit être agile afin de permettre d’intégrer de façon flexible les nouvelles sources de données et les nouveaux besoins client.

    Enfin, il y a un principe de « boucle retour » à appliquer de façon systématique : « les indicateurs suivis par les métiers doivent être réinjectés dans le graphe de connaissances », conclut-il. « Le suivi de ces indicateurs permet de confirmer la qualité des modèles prédictifs et des connaissances créées par le graphe. »

    Lire aussi : Data : qu’en font réellement les entreprises ?

    infographie_archimag_business_intelligence.jpgGouvernance des données et qualimétrie

    De son côté, Tarik Zaakour, ingénieur avant-vente chez l’éditeur Denodo, insiste sur la qualité des data : « il est primordial de mettre à disposition des données fiables, corrigées », explique-t-il. « Pour cela, un projet décisionnel doit prendre en compte une politique de gouvernance de données qui est souvent déjà en place dans une organisation afin de tenir compte des aspects réglementaires par exemple ».

    La gouvernance de données vise à garantir des données de qualité (conformes, complètes, correctes,) et documentées. Un catalogue de données est souvent l’outil utilisé par les propriétaires de la donnée pour documenter les données et établir des indicateurs de qualimétrie (mesure graduée de la qualité).

    « La qualimétrie fait l’objet ensuite d’actions de mises à jour des données, directement sur les systèmes ou sur les applications sources, ou bien durant la phase de construction du datawarehouse et des datamarts », ajoute-t-il

    De même, une attention particulière doit être apportée à la méthode : « il y a la méthodologie agile (scrum) qui est de nos jours la plus employée. Elle permet la livraison de versions de développement plus rapidement sous la forme de sprints courts et limités. Elle favorise l’approche humaine et les interactions plutôt que les processus. Ces sprints incluent les développements à livrer, les tests à réaliser et le déploiement continu des nouveaux développements. »

    Trois ingrédients clés pour réussir

    Point commun entre les experts de la business intelligence, la qualité des data est également mise en avant par Marc St-Pierre, vice-président régional chez l’éditeur OpenText : « quelle que soit la qualité de vos outils de business intelligence, si votre projet ne dispose pas des bonnes données ou s’il en manque, il échouera à coup sûr. Un projet doit comporter toutes les étapes nécessaires à l’acquisition, à l’analyse, au nettoyage et à la préparation des données, ainsi qu’à d’autres activités, afin de s’assurer que le projet dispose de l’un de ses ingrédients clés. »

    Lire aussi : De la finance à la santé, comment la data science permet d’identifier et de prévenir les risques ?

    À ses yeux, les organisations qui se lancent dans un chantier de business intelligence doivent garder à l’esprit l’essentiel : « lorsque l’on se lance dans un projet de BI et de reporting, il est important de comprendre qu’il y a trois ingrédients clés pour réussir : les données, les ressources humaines et la technologie. Il est clair qu’un projet est censé être abordé de manière agile. Vos sprints (ou phases) s’aligneront sur les exigences, s’affineront au fur et à mesure que les données seront trouvées et comprises et que les besoins des utilisateurs évolueront au fil du temps... car aucune entreprise qui prétend être axée sur les données ne peut jamais s’appuyer sur une approche statique. »

    Investissements dans les données et l’analyse

    Mais il ne suffit pas de proclamer la toute-puissance des données pour parvenir à la business intelligence en un claquement de doigts. Des corpus de données corrompus peuvent engendrer de mauvaises décisions.

    Selon une enquête de l’éditeur Devoteam, menée conjointement avec le cabinet IDC auprès de plus de 700 décideurs métiers et chefs d’entreprises, 60 % des organisations commenceront à mettre en œuvre des programmes DataOps pour réduire les erreurs de données et d’analyse. Objectif : renforcer la confiance dans les résultats d’analyse et l’efficacité des gestionnaires de données.

    Enfin, plus d’un tiers des entreprises (36 %) interrogées par IDC en France prévoient d’exploiter l’automatisation des données et l’IA dans le cadre de leur feuille de route de 3 à 5 ans, contre seulement environ un quart des organisations interrogées dans la région EMEA (27 %).

    À lire sur Archimag
    Les podcasts d'Archimag
    Saison 2, Ép. 9 - Sommes-nous devenus accros aux algorithmes ? Aux recommandations de nos réseaux sociaux ou encore aux IA génératives qui se démocratisent depuis plus d'un an ? Pour répondre à cette question, nous avons rencontré Luc de Brabandère. Il se définit comme un philosophe d’entreprise, un mathématicien, un professeur, mais aussi un heureux grand-père et un Européen convaincu. Ses multiples casquettes nourrissent ses divers travaux. Luc de Brabandère est notamment l'auteur de "Petite Philosophie des algorithmes sournois", publié aux éditions Eyrolles en octobre 2023. Pour le podcast d'Archimag, il nous livre ses réflexions sur les algorithmes et revient sur son parcours atypique.
    Publicité

    Serda Formations Data 2023