» Data is the fuel ! « 

Partager sur linkedin
Partager sur twitter
Partager sur facebook

 » Data is the fuel ! « 

[vc_row][vc_column][vc_column_text]

Jamais la compréhension de la donnée n’a été aussi utile. Dans ce contexte, l’information est devenue un actif-clé de l’entreprise. La Data comme identificateur d’opportunités business ? Oui…Mais à condition de récolter une donnée de bonne qualité et de l’analyser de manière agile et rapide. C’est tout l’enjeu de l’entreprise connectée : mettre à contribution l’intelligence collective. Erwan Prud’homme, Directeur Business Analytics chez NOVENCIA revient sur la Business Analytics, facteur d’aide à la prise de décision.

[/vc_column_text][/vc_column][vc_column][vc_column_text]

Aujourd’hui, la donnée est au centre de toutes les préoccupations des entreprises. Elles se l’approprient notamment pour l’aide à la prise de décision. A quand datez-vous ce phénomène ?

Erwan P. : Cette notion de la donnée comme indicateur de prise de décision n’est pas récente. A la fin des années 70, les premiers infoscentres ont fait leur apparition pour se multiplier dans les années 80. Ils structuraient la donnée à la manière d’un instantané, d’une photo. Toutes les organisations, dès lors qu’elles ont une taille un peu critique, ont besoin d’une vision synthétique de leur situation, de leurs perspectives. Les premiers à s’y être intéressés sont les banques et assurances qui vendent de la gestion de risques. De manière plus générale, l’idée était souvent d’avoir une vision orientée business, consolidée à partir de plusieurs sources. Depuis quelques années, avec le grand volume de données à traiter, l’arrivée des big data, le tout conjugué à des machines performantes, l’info est déversée plus rapidement. Du mois, on est passé à la semaine, pour arriver à une prise de décision dans la journée, voire en temps réel. Donc la business Analytics a « toujours » existé pour notre génération. Ce qui change aujourd’hui, c’est la destination de l’information et la façon dont on la consomme. Dans les années 80, la donnée était pilotée par la direction informatique et on la destinait aux directions générales. C’était de l’exécutif information system. Aujourd’hui, ce sont les métiers fonctionnels, business qui se sont réappropriés la manipulation de la donnée et l’information est destinée à un public ciblé.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width= »1/2″][vc_column_text][/vc_column_text][vc_column_text][/vc_column_text][vc_column_text][/vc_column_text][vc_single_image image= »7722″ img_size= »full » alignment= »center » css= ».vc_custom_1485940765408{padding-top: 30px !important;} »][/vc_column][vc_column width= »1/2″][vc_column_text]

La Business Analytics devient omniprésente. Pouvez-vous nous nous définir cette notion ?

Erwan P. : La Business Analytics c’est la capacité à consolider en un socle unique des informations nécessaires à la prise de décision. Des infocentres des années 80, nous sommes passé aux data warehouse puis datamart en 1990/2000 pour les datalake ces dernières années. Concrètement, on extrait des données hétérogènes de 4 points d’entrée : l’information interne à l’entreprise, celle issue de ses filiales ou partenaires, celle issue des canaux digitaux IoT, web) et celle en open data. On consolide ces 4 sources d’information à des fins de décision, de compréhension de l’écosystème ou de prévisions. Certains parlent de la business analytics comme la nouvelle norme. Selon moi, c’est plus une évolution qu’une révolution. Elle est dans la lignée des datamart, des data warehouse, des infocentres.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]

Quelle est son application concrète au niveau de l’entreprise ?

Erwan P. : On peut vouloir mesurer, par exemple, le chiffre d’affaires, le nombre de ventes mais aussi identifier quels leviers ont permis une hausse ou une diminution des ventes – on recherche les facteurs explicatifs dans un processus d’amélioration continue des process internes… Indépendamment de la finance, c’est le marketing qui consomme le plus ce genre d’informations car c’est au marketing que revient la mission de cibler le bon canal, le bon client avec le bon produit et le bon message. Il est souvent associé à l’innovation, qui ne manque pas ces derniers temps (IoT, réseaux sociaux, données non-structurées…). Les entrepôts de données permettent de produire des rapports qui répondent à la question « Que s’est-il passé ? », mais ils peuvent être également conçus pour répondre à la question analytique « Pourquoi est-ce que cela s’est passé ? » et à la question pronostique « Que va-t-il se passer ? ». Dans un contexte opérationnel, ils répondent également à la question « Que se passe-t-il en ce moment ? », voire dans le cas d’une solution d’entrepôt de données prédictif « Que devrait-il se passer si j’actionne tel levier d’action? ». L’enjeu récent c’est de consolider la bonne information et d’avoir des algorithmes qui tournent de façon efficiente avec la possibilité de segmenter des publics ciblés.

[/vc_column_text][vc_column_text css= ».vc_custom_1527604070754{padding-top: 15px !important;padding-right: 15px !important;padding-bottom: 15px !important;padding-left: 15px !important;background-color: #f8bd5f !important;border-radius: 3px !important;} »]

Où sont stockées les données ?

Actuellement, les données applicatives métier sont stockées dans une (ou plusieurs) base(s) de données relationnelle(s) ou non relationnelle(s). Ces données sont extraites, transformées et chargées dans un entrepôt de données généralement par un outil de type ETL (Extract-Transform-Load) ou ELT dans une approche Big Data. Un entrepôt de données peut prendre la forme d’un data warehouse ou d’un datamart. En règle générale, le data warehouse globalise toutes les données applicatives de l’entreprise, tandis que les datamarts (généralement alimentés depuis les données du data warehouse) sont des sous-ensembles d’informations concernant un métier particulier de l’entreprise (marketing, risque, contrôle de gestion…), des usages spécifiques (analyse, reporting…), ou encore répondent à des exigences ou contraintes particulières (cloisonnement des données, volumétrie…). Le terme comptoir de données ou magasin de données est aussi utilisé pour désigner un datamart.

[/vc_column_text][vc_column_text]

Avec la Business Analytics, l’analyse devient collaborative. Est ce la fin de l’ère des flux d’informations à sens unique (pdf, powerpoints statiques) ?

Erwan P. : Selon moi, cela vient en complément. Si on prend le cas d’un groupe de distribution qui a des magasins sur l’ensemble du territoire, le métier d’un gestionnaire de magasins n’est pas d’analyser les ventes mais de vendre. Ce gestionnaire aura toujours besoin de recevoir sous format statique un reporting sur les meilleurs références vendues etc… Il n’aura pas besoin d’interaction entre les données pour les comprendre. En revanche, les directeurs de régions vont commencer à faire de l’analytique pour comprendre quelles sont les implantations qui marchent le mieux ou celles qui déclinent. Quels peuvent en être les facteurs explicatifs. L’une des principales évolutions, c’est la datavisualisation. Combinée au datalake, aux système décisionnels classiques et à de la donnée brute, l’utilisateur a désormais la possibilité de se brancher sur de la donnée en mode dynamique. Il va donc avoir une action sur son business avec un outil informatique. C’est ça la nouveauté : les métiers fonctionnels se réapproprient l’analyse et la manière dont ils ont envie d’analyser et partager l’information.

 

La Business Analytics oblige t-elle l’IT et le métier a se réconcilier ?

Erwan P. : Aujourd’hui les équipes se construisent autour de projet Métier, qui incluent donc une partie data. Il est ainsi nécessaire que les équipes travaillent en co-construction des solutions, en mode agile. Sans agilité, ces projets sont trop complexes à mettre en œuvre. Et comme le besoin évolue sans cesse,  les solutions se doivent d’être agiles. L’organisation se calque alors à ces évolutions. On assiste donc chez nos clients à la création d’équipes transverses combinant IT et Métier. L’IT doit procurer la flexibilité et l’agilité et co-construire avec les métiers et leurs analystes les solutions dont l’entreprise a besoin pour innover. L’enjeu est donc de réconcilier ces deux métiers avec de l’agilité et donc de l’intelligence !

 

Cela passera par quoi ?

Erwan P. : Il faut absolument que Métiers et IT collaborent au sens noble du terme. Et c’est possible. L’arrivée de nouvelles technologies a permis à l’IT de retrouver tout le sens de son métier c’est à dire le sens technique. Aujourd’hui, les talents IT se recentrent sur des projets techniques et ne les sous-traitent plus. La gestion d’énormes masses de données va de toute façon obliger IT et métiers à se parler pour la réussite de leur projet commun. Ils doivent co-construire ensemble.

 

De ce fait peut-on dire que l’utilisation des données va devenir naturelle et que tout le monde peut les explorer ?

Erwan P. : Contrairement à toutes les prédictions sur le sujet, c’est illusoire de croire que tout un chacun dans une entreprise pourra explorer, jouer et analyser toute forme ou type de données. Car les métiers sont différents, les cœurs d’activité des entreprises sont différents. Si on prend le cas d’une industrie, son cœur d’activité c’est de faire en sorte que sa pièce réponde à la demande d’un besoin client. Dans ce cas, la datavisualisation va aider à marketer le produit mais pas forcément à le vendre. Alors oui, tous les pans d’activité d’une entreprise sont impactés. Mais attention, ce ne sont pas tous les métiers de l’entreprise qui feront une analyse de la donnée. En revanche, tous les métiers peuvent la consommer, que ce soit sous forme de reporting statique ou dynamique. On peut dire que l’utilisation de la donnée va devenir naturelle à condition de trouver les bons indicateurs à diffuser. Et c’est ça la vraie fonction de l’analytics : trouver l’indicateur le plus pertinent pour piloter son activité, et identifier les leviers d’action associés.

 

Gartner parle de plus en plus de libre-service comme une nouvelle norme, vous pouvez nous en dire plus ?

Erwan P. : La data en self service correspond à des besoins spécifiques. C’est la possibilité pour un utilisateur de venir chercher de la donnée pour la manipuler et l’interpréter sans ambiguïté. Cette étape intervient à l’issue de la consoliduation des données dans n datalake par exemple. La data en self-service une nouvelle norme ? Je ne sais pas mais un nouveau moyen d’aide à la prise de décision, oui !

 

Justement, la BI est perçue comme un facteur d’aide à la prise décision. Cela pose-t-il des questions en matière de gouvernance ?

Erwan P. : Évidemment. C’est pourquoi un nouveau métier apparaît dans les entreprises : celui de gouverneur de données. Son rôle est de faire en sorte que l’information qui circule soit sans ambiguïté, et que la cohérence globale de l’information manipulée et diffusée soit maintenue. La donnée doit donc être cohérente et répondre à une vision partagée.

[/vc_column_text][vc_column_text] schéma_datafactory_logo_partenaire [/vc_column_text][vc_column_text]

En 2016, LinkedIn a désigné l’aide à la décision comme l’une des compétences les plus recherchées par les employeurs. L’analyse de données devient une compétence incontournable ?

Erwan P. : Pour moi cette compétence a toujours été prisée. Mais elle ne suscitait que très peu d’engouement. C’est pourquoi aujourd’hui, on replace au devant de la scène le random Forest, les arbres décisionnels, la datascience… Dans ce contexte, le métier de Datascientist est mis sur un piédestal pour recruter des profils qui, historiquement, se dirigeaient soit vers l’Informatique soit vers la Statistique. Car l’enjeu de demain tourne autour de l’analyse de données.

 

Il est donc aujourd’hui impossible de prendre une mauvaise décision ?

Erwan P. : Si, parce que nous restons des humains ! Il ne faut pas oublier que l’ego peut faire beaucoup de dégâts, que les algorithmes sont associés à une marge d’erreur. Il faut aussi prendre en compte la mauvaise interprétation des données et ce à cause des variables qu’on oublie parfois de prendre en compte. C’est pour cela que le rôle de business analyst est fondamental. Le business analyst doit comprendre les techniques de manipulation de données, les statistiques dans son environnement fonctionnel. Il associe donc une compétence métier et technique.

 

Pour conclure, quelles sont les clés de la réussite d’un projet BI ?

Erwan P. : Que le besoin soit le plus clairement exprimé et que le projet soit mené de manière agile avec une équipe pluridisciplinaire. C’est primordial.

[/vc_column_text][/vc_column][/vc_row]

En réagissant à cet article, vous nous permettez d'affiner les contenus que nous publions ici !

  • Awesome (0)
  • Interesting (0)
  • Useful (0)
  • Boring (0)
  • Sucks (0)

Si cet article vous a plu, n’hésitez pas à le partager via

Partager sur linkedin
Partager sur twitter
Partager sur facebook

Ces articles peuvent également vous intéresser