Informatique décisionnelle: l’intelligence économique

Découvrez les tendances actuelles qui influencent l’informatique décisionnelle (Business Intelligence, BI en anglais) notamment l’intelligence artificielle, le machine learning et l’IoT.

Définition : Qu’est-ce que l’informatique décisionnelle (BI) ?

L’informatique décisionnelle (BI) est l’ensemble des stratégies et outils utilisés pour analyser les informations des entreprises. Les projets d’informatique décisionnelle sont sensiblement plus efficaces lorsqu’ils combinent des sources de données externes avec des sources de données internes pour obtenir des informations exploitables.

« Business analytique » ou « analytique avancée », sont des termes souvent utilisés indistinctement pour désigner la business intelligence. Toutefois, la business analytique est un sous-ensemble de la business intelligence puisque celle-ci traite des stratégies et outils tandis que la business analytique met davantage d’accent sur les méthodes. La business intelligence est descriptive tandis que la business analytique est davantage prescriptive et traite un problème ou une question d’entreprise.

L’intelligence économique (competitive intelligence en anglais) est un sous-ensemble de la business intelligence. L’intelligence économique est l’ensemble de données, d’outils et de processus servant à collecter, à accéder à, et à analyser des données d’entreprise sur les concurrents. La competitive intelligence est souvent utilisée pour suivre les différences entre produits.

Applications d’informatique décisionnelle dans l’entreprise

  • Mesure

  • Beaucoup d’outils d’informatique décisionnelle sont utilisés dans des applications de mesure. Ils peuvent recueillir des données à partir de capteurs, de systèmes CRM, de trafic web et d’autres sources pour mesurer des KPI. Par exemple, des solutions pour une équipe affectée aux installations dans une grande entreprise de fabrication peuvent prévoir des capteurs pour mesurer la température d’équipements essentiels afin d’optimiser les plannings de maintenance..

  • Analytique

  • L’analytique est l’étude de données pour dégager des tendances et informations pertinentes. Il s’agit d’une application très populaire d’outils d’informatique décisionnelle puisqu’elle permet aux entreprises d’avoir une compréhension intime de leurs données et d’obtenir de la valeur à l’aide de décisions qui s’appuient sur les données. Par exemple, une entité de marketing peut avoir recours à l’analytique pour savoir quels segments de clients sont les plus susceptibles de donner de nouveaux clients.

  • Reporting

  • La génération de rapports est une application standard des logiciels d’informatique décisionnelle. Les produits BI peuvent à présent générer sans difficulté des rapports réguliers destinés aux interlocuteurs internes, rendre automatiques des tâches essentielles pour les analystes et remplacer les tableurs et les programmes de traitement de texte.

    Par exemple, un analyste des ventes peut utiliser cet outil pour produire un rapport hebdomadaire destiné à son manager, qui détaille les ventes de la semaine passée par zone géographique, une tâche qui nécessitait une intervention manuelle bien plus ardue. À l’aide d’un outil de reporting avancé, les efforts requis pour créer un tel rapport sont sensiblement réduits. Dans certains cas, les outils d’informatique décisionnelle peuvent rendre entièrement automatique le processus de reporting.

  • Collaboration

  • Les fonctionnalités de collaboration permettent aux utilisateurs de travailler ensemble et en temps réel sur les mêmes données et fichiers et sont à présent monnaie courante dans les plateformes modernes d’informatique décisionnelle. La collaboration transversale sur différents appareils continuera de stimuler l’élaboration de nouveaux outils d’informatique décisionnelle améliorés. La collaboration au sein de plateformes de BI peut jouer un rôle important lorsqu’il s’agit de créer de nouveaux rapports et tableaux de bord.

    Par exemple, le PDG d’une société de technologies peut vouloir obtenir, dans un délai de 24 heures, un rapport ou un tableau de bord personnalisé sur les données d’un groupe cible au sujet d’un nouveau produit. Les chefs de produit, data analysts, et testeurs d’assurance-qualité pourraient tous élaborer leur propre section du rapport ou tableau de bord pour la compléter à temps à l’aide d’un outil de BI collaboratif.

Meilleures pratiques d’informatique décisionnelle

Les initiatives d’informatique décisionnelle ne peuvent réussir que si l’organisation s’y engage et les exécutant de manière stratégique. Parmi les facteurs de succès décisifs, citons :

  • Parrainage au sein de l’entreprise

    Le parrainage au sein de l’entreprise est le facteur de succès le plus important, car même le système le plus optimisé ne peut surmonter un manque d’engagement de la part de l’entreprise. Si l’organisation ne dégage pas le budget nécessaire pour le projet ou si les cadres sont trop occupés à travailler sur des initiatives sans lien avec la BI, le projet sera un échec.

  • Besoins de l’entreprise

    Il est important de comprendre les besoins de l’entreprise pour bien mettre en œuvre un système d’informatique décisionnelle. Cette compréhension se fait à deux niveaux : les utilisateurs finaux et les départements informatiques ont tous deux des besoins importants, souvent divergents. Pour obtenir cette compréhension essentielle des besoins de BI, l’organisation doit analyser tous les différents besoins de ses composantes.

  • Quantité et qualité des données

    Une initiative d’informatique décisionnelle ne réussira que si elle intègre des données de grande qualité à l’échelle qui convient. Parmi les sources de données fréquemment utilisées, citons la gestion de la relation client (CRM), les plateformes publicitaires et les outils de planification des ressources de l’entreprise (ERP). Des données de mauvaise qualité entraîneront de mauvaises décisions, d’où l’importance de la qualité des données.

    Une technique courante de gestion de la qualité des données est le profilage des données, où les données sont examinées et des statistiques collectées pour améliorer la gouvernance des données. Cela aide à préserver la cohérence des données, réduire les risques et optimiser les recherches grâce aux métadonnées.

  • Expérience utilisateur

    Une expérience utilisateur harmonieuse est essentielle en matière d’informatique décisionnelle car cela peut favoriser son adoption par les utilisateurs, et en définitive, augmenter la valeur grâce aux produits et initiatives de BI. L’adoption par les utilisateurs finaux sera difficile sans interface logique et utilisable.

  • Collecte et nettoyage des données

    Les données peuvent être collectées à partir d’un nombre infini de sources et peuvent facilement submerger une organisation. Pour éviter cela et créer de la valeur avec les projets de business intelligence, les organisations doivent identifier les données critiques. Les données de business intelligence proviennent souvent des données CRM, des données sur la concurrence, des données du secteur, entre autres.

  • Gestion de projet

    L’un des ingrédients les plus importants pour une gestion de projet solide est l’ouverture de lignes de communication vitales entre le personnel du projet, le service informatique et les utilisateurs finaux.

  • Obtenir l’adhésion

    Il existe plusieurs types d’adhésion, et il est essentiel d’obtenir celle des cadres dirigeants au moment d’acheter un nouveau produit de business intelligence. Les professionnels peuvent obtenir l’adhésion du service informatique en communiquant au sujet des préférences et besoins de ce dernier. Les utilisateurs finaux ont également des besoins et des préférences, avec des exigences différentes.

  • Recensement des besoins

    Le recensement des besoins est sans doute la meilleure pratique la plus importante à suivre, car il permet davantage de transparence lorsque plusieurs outils de BI sont à comparer. Les besoins proviennent de plusieurs groupes, y compris l’informatique et les utilisateurs fonctionnels.

  • Formation

    La formation favorise l’adoption par les utilisateurs. Si des utilisateurs ne sont pas correctement formés, l’adoption et la création de valeur deviennent beaucoup plus lents et difficiles à obtenir. Beaucoup de fournisseurs de business intelligence, parmi lesquels MicroStrategy, proposent des services pédagogiques, qui peuvent inclure une formation et des certifications pour tous les utilisateurs concernés. Une formation peut être fournie à tout groupe essentiel associé à un projet de business intelligence.

  • Support

    Des ingénieurs support, souvent mis à disposition par les fournisseurs de business intelligence, traitent les problèmes techniques au sein du logiciel ou du service. Découvrez les offres de support de MicroStrategy.

  • Autres

    Les entreprises doivent veiller à ce que des capacités traditionnelles de BI soient en place avant la mise en œuvre d’analytique avancés, ce qui nécessite plusieurs précurseurs essentiels avant qu’une valeur ajoutée ne puisse en être obtenue. Par exemple, le nettoyage des données doit déjà être excellent et les architectures systèmes doivent déjà être en place.

    Les outils de BI peuvent également être une boîte noire pour beaucoup d’utilisateurs, il est donc important de valider en permanence leur production. Il est important de mettre en place un système de retours pour demander et mettre en œuvre des changements sollicités par les utilisateurs pour favoriser l’amélioration continue de la business intelligence.

Fonctionnalités de la business intelligence

  • Rapports d’entreprise

    L’une des principales fonctionnalités de la business intelligence est la production de rapports d’entreprise, la fourniture régulière et ad hoc de données d’entreprise pertinentes aux principaux interlocuteurs internes. Les rapports peuvent prendre plusieurs formes et être produits en utilisant différentes méthodes. Néanmoins, les produits de business intelligence peuvent automatiser ce processus ou aplanir les difficultés dans la génération de rapports, et permettre une scalabilité au niveau de l’entreprise dans la production des rapports.

  • OLAP

    Le traitement analytique en ligne (online analytical processing, OLAP) est une approche de résolution des problèmes analytiques avec plusieurs dimensions. C’est une déclinaison du traitement des transactions en ligne (online transaction processing, OLTP). La valeur essentielle dans l’OLAP est cet aspect multidimensionnel, qui permet aux utilisateurs d’examiner les problèmes sous différents angles. L’OLAP peut être utilisé pour effectuer des tâches comme l’analyse de données CRM, la prévision financière, la budgétisation financière, entre autres.

  • Analytique

    L’analytique est le processus consistant à examiner des données et à faire ressortir des éléments récurrents ou des tendances pour prendre des décisions importantes. Il peut aider à dévoiler des éléments récurrents cachés dans les données. L’analytique peut être descriptive, prescriptive ou prédictive. L’analytique descriptive décrit un ensemble de données à l’aide de mesures de la tendance centrale (moyenne, médiane, mode) et de la dispersion (intervalle, écart-type, etc.).

    L’analytique prescriptive est un sous-ensemble de business intelligence qui préconise des actions précises pour optimiser les résultats. Elle établit une marche à suivre prudente en se basant sur les données. Ainsi, l’analytique prescriptive dépend de la situation, et les solutions ou modèles ne doivent pas être généralisés à différentes utilisations.

    L’analytique prédictive, aussi appelée analyse prédictive ou modélisation prédictive, est l’utilisation de techniques statistiques pour créer des modèles pouvant prédire des événements futurs ou inconnus. L’analytique prédictive est un outil puissant pour prévoir des tendances au sein d’une entreprise, d’un secteur ou à un niveau plus macro.

  • Data Mining

    Le data mining est le processus consistant à découvrir des éléments récurrents dans de grands ensembles de données et incorpore souvent du machine learning, des statistiques et des systèmes de bases de données pour identifier ces éléments récurrents. Le data mining est un processus essentiel pour la gestion de données et le traitement préalable des données car il assure une bonne structuration des données.

    Les utilisateurs finaux peuvent également utiliser le data mining pour construire des modèles afin de révéler ces éléments récurrents cachés. Par exemple, les utilisateurs peuvent explorer des données CRM pour prédire les leads les plus susceptibles d’acheter certains produits ou solutions.

  • Process Mining

    Le process mining est un système de gestion de bases de données dans lequel des algorithmes avancés sont appliqués à des ensembles de données pour identifier des éléments récurrents dans les données. Le process mining peut être appliqué à différents types de données, y compris les données structurées et non structurées.

  • Benchmarking

    Le benchmarking est l’utilisation de KPI sectoriels pour mesurer la réussite d’une entreprise, d’un projet ou d’un processus. C’est une activité essentielle de l’écosystème BI, qui est largement utilisée dans le monde de l’entreprise pour procéder à des améliorations progressives dans une entreprise.

  • Entreprise intelligente

    Les méthodes qui précèdent sont toutes des objectifs ou des fonctionnalités de business intelligence, mais la BI produit le plus de valeur lorsque ses applications vont au-delà des systèmes traditionnels d’aide à la décision (DSS). L’avènement de l’informatique sur le cloud et l’explosion des appareils mobiles signifie que les utilisateurs professionnels exigent de l’analytique à tout moment et partout. Ainsi, une BI mobile est à présent essentielle à la réussite des entreprises.

    Lorsqu’une solution de business intelligence est profondément intégrée à la stratégie et aux opérations d’une organisation, elle peut utiliser ses données, collaborateurs et actifs d’entreprise d’une manière qui n’était pas possible auparavant. Elle peut devenir une Entreprise intelligente. Découvrez la façon dont MicroStrategy peut aider votre organisation à devenir une Enterprise intelligente.

Emplois dans la business intelligence

Les salariés débutants dans la business intelligence sont très demandés et gagnent en moyenne 80 000 USD par an, soit 33 % de plus que le niveau de revenu médian au niveau national. Malgré la demande en professionnels de business intelligence, les salaires peuvent varier sensiblement. Parmi les facteurs importants expliquant ces écarts, citons le niveau de formation, l’expérience professionnelle et les compétences techniques.

Combien gagnent les analystes de BI ?

Combien gagnent les managers de BI ?

L’histoire de la business intelligence

Principaux défis de la business intelligence

  • Données non structurées

    Pour résoudre les problèmes de facilité de recherche et d’évaluation des données, il est nécessaire d’avoir une idée du contenu. À l’heure actuelle, les systèmes et technologies de business intelligence nécessitent des données correctement structurées pour préserver la facilité de recherche et l’évaluation des données. Cette structuration peut être obtenue en ajoutant du contexte avec les métadonnées.

    Beaucoup d’organisations rencontrent également des difficultés avec la qualité des données. Même avec une architecture BI et des systèmes intacts, les sociétés qui ont des données douteuses ou incomplètes auront des difficultés à faire adhérer les utilisateurs qui ne font pas confiance aux chiffres qu’ils ont sous les yeux.

  • Faible adoption

    Beaucoup de projets de BI cherchent à remplacer les vieux outils et mécanismes, mais cela entraîne souvent une faible adoption auprès des utilisateurs. Les utilisateurs retournent aux outils et aux processus avec lesquels ils sont à l’aise. Beaucoup d’experts suggèrent que les projets de BI échouent en raison du temps que cela prend de créer et d’exécuter des rapports, ce qui rend les utilisateurs moins enclins à adopter de nouvelles technologies et plus susceptibles de retourner aux anciens outils.

    La mauvaise formation utilisateur ou informatique explique également parfois l’échec des projets de business intelligence. Une mauvaise formation peut faire naître de la frustration et le sentiment d’être submergé, ce qui voue le projet à l’échec.

  • Manque de communication entre les parties prenantes

    La communication interne est un autre facteur essentiel qui peut être synonyme d’échec pour les projets de business intelligence. Un écueil potentiel est de donner de faux espoirs aux utilisateurs pendant la mise en œuvre. Les projets de BI sont parfois facturés comme des correctifs rapides, mais ils se muent souvent en projets de grande envergure et deviennent stressants pour tous ceux qui y prennent part.

    Le manque de communication entre les utilisateurs finaux et les départements informatiques peut compromettre la réussite du projet. Les exigences de l’informatique et des acheteurs doivent être alignées sur les besoins de l’équipe d’utilisateurs finaux. S’ils ne collaborent pas, le produit final pourra ne pas être conforme aux attentes et aux besoins, ce qui peut être source de frustration chez toutes les parties et entraîner l’échec du projet. Les projets réussis fournissent aux utilisateurs fonctionnels des outils précieux qui répondent également aux besoins internes de l’informatique.

  • Mauvaise planification

    Le cabinet de recherche et de conseil Gartner avertit contre les guichets uniques s’agissant des produits de business intelligence. Les produits de business intelligence sont très différenciés, et il est important que les clients trouvent le produit qui correspond aux besoins de leur organisation en termes de capacités et de prix.

    Les organisations traitent parfois la business intelligence comme une série de projets plutôt que comme un processus fluide. Les utilisateurs demandent généralement des changements en permanence. Il est donc essentiel d’avoir un processus pour examiner et mettre en œuvre les améliorations.

    Certaines organisations essayent également l’approche de business intelligence consistant à encaisser les coups plutôt que de décrire une stratégie précise qui intègre les objectifs de l’entreprise et les besoins de l’informatique et des utilisateurs finaux. Gartner conseille de mettre sur pied une équipe spécialement dédiée à la création ou à la révision de la stratégie de business intelligence avec des membres choisis à partir de ces groupes.

    Les entreprises peuvent essayer d’éviter d’acheter un produit de business intelligence onéreux en demandant des tableaux de bord superficiels et personnalisés. Ce type de projet tend à échouer en raison de sa spécificité. Un tableau de bord unique, compartimenté et sur mesure peut ne pas être pertinent au regard des objectifs transversaux de l’entreprise ou de la stratégie de business intelligence.

    En préparation de nouveaux systèmes et logiciels de business intelligence, beaucoup d’entreprises peinent à créer une version unique de la réalité. Cela nécessite des définitions standard des KPI des plus généraux aux plus spécifiques. Si les documents qui conviennent ne sont pas élaborés et qu’il existe plusieurs définitions échappant à tout contrôle, les utilisateurs pourront rencontrer des difficultés et un temps précieux peut être perdu à traiter correctement ces incohérences.

FAQ

De quelles compétences avez-vous besoin pour être un analyste business intelligence ?
Quel est le meilleur outil de business intelligence ?
Pouvez-vous fournir des exemples d’outils de business intelligence ?
Quel est le rôle de la business intelligence ?
Qu’est-ce que la business intelligence est comment fonctionne-t-elle ?
Que fait un spécialiste de la business intelligence ?
Excel est-il un outil de business intelligence ?
Qu’entend-on par data mart ?
Quels sont les différents types de data marts ?
Qu’est-ce que le processus ETL dans l’entreposage de données ?
Quelle est la différence entre OLAP et OLTP ?
Combien gagne un analyste de business intelligence ?
Quel est le principal objectif de la business intelligence ?
Quelle est la différence entre business intelligence et business analytique ?
Pourquoi la business intelligence est-elle si importante ?