Les données constituent la nouvelle source de valeur des entreprises, le nouvel « or noir »

Toutes les promesses sont elles pour autant tenues ? La frontière entre les domaines classiques des systèmes opérationnels tels les ERP et le domaine Analytique de nouvelle génération devient plus floue. L’Analytique peut d’ailleurs devenir dans de nombreux cas le point d’entrée des utilisateurs vers les systèmes opérationnels.

L’enjeu d’évolution vers une véritable Entreprise Analytique implique qu’au-delà des questions traditionnelles traitées par la BI (Que s’est il passé ? Combien ? Comment ? Quelles sont le causes ?.. ) d’évoluer vers une plus grande intelligence dans la compréhension des données (Comment optimiser mon service ?, Comment automatiser ? Comment anticiper les évènements ? Comment focaliser mes ressources humaines sur les tâches à plus forte valeur ?..) en exploitant la panoplie des technologies disponibles que l’on se contentera de citer ici : IA, Traitement et compréhension du langage, recherche sémantique, apprentissage profond, etc.

A noter que la mise en qualité des données (le « raffinage ») est aussi important que l’extraction des données. Mettre des données brutes, aussi volumineuses soit elles, au contact des utilisateurs est le plus sur moyen de rater sa cible. L’entrainement de modèles basé sur des données biaisées ou non qualitatives est source récurrente de difficultés

 

 

  • L’Informatique Décisionnelle (ou BI : Business Intelligence) est un domaine aujourd’hui bien maîtrisé . Le terme OLAP est apparu dans les années 1990 avec au fil du temps de très nombreux produits logiciels permettant l’analyse et la compréhension des données.
  • La BI a ainsi attiré de nombreux investissements autour de projets d’entrepôts de données (Datawarehouse, Datamarts), production d’analyses opérationnelles (Reporting)  et de Tableaux de Bord (Dashboards)
  • L’approche EPM (Enterprise Performance Management) ajoute une dimension supplémentaire en mettant en œuvre des processus de mise sous contrôle et de pilotage des activités, notamment financières
  • Les techniques de visualisation (« DataViz ») se sont développées pour permettre la compréhension la plus fine des phénomènes analysés.
  • A chaque fois de nouveaux outils apparaissent, de nouveaux éditeurs, de nouvelles méthodes plus ou moins agiles.
  • Ces différents domaines sont aujourd’hui des « classiques » indispensables dans la panoplie des outils de gestion des entreprises mais ne constituent plus le lieu où se gênèrent les différentiations concurrentielles.
  • La donne à complètement changé depuis le début des années 2010 avec l’arrivée des approches « Big Data » dont l’objet initial n’était pas de faire du décisionnel mais de soutenir la création de nouveaux services innovants tels que les réseaux sociaux.
  • Il convient de conserver cette approche quelle que soit l’activité : la création de nouveaux services basés sur les données existantes permet la création de nouvelles données et ainsi la création de nouveaux services. C’est le cercle vertueux de la valorisation des données.

Comment s’assurer de prendre les bonnes décisions ?

L’ Entreprise Analytique positionne donc la donnée et les outils de traitements associés au cœur de sa stratégie. En pratique, on constate que les métiers traditionnels autour de la BI changent à la fois de nature et de périmètre par la mise en place de nouvelles organisations et fonctions :

  • « Usine Analytique » appuyée sur les gisements de données métier et dédiée à la production de services numériques (DMP, Data Hub, ..)
  • CAO (Chief Analytics Officer) – CDO (Chief Data Officer) :  en charge de piloter l’innovation et les services
  • DPO (Data Protection Officer) en charge des politiques de sécurité et de conformité (RGPD)
  • Consultants Analytiques connaissant à la fois le métier, les processus et les capacités et limites des solutions techniques
  • Ingénieur Données en charge de la qualité des données et de la cohérence des référentiels
  • « Data Stewart » : en charge des contenus, sécurité, qualité
  • « Data Scientists » développant les techniques algorithmiques sous jacentes

Les premières bonnes décisions d’un projet Analytique concernent l’organisation du projet. Selon la taille et la stratégie des organisations, ces métiers pourront être interne ou externe, mais il convient en réalité de bien préparer les rôles et responsabilités de chacun, à la fois dans la mise en œuvre d’un processus décisionnel, mais également tout au long de son cycle de vie. Citons les principaux domaines :

  • Communication / Implication des acteurs
  • Analyse des domaines clés d’application
  • Analyse des données stratégiques disponibles
  • Développement d’une vision des nouveaux services
  • Recensement des outils / méthodes / technologies / Partenaires techniques
  • Accompagnement du changement des métiers