Big Data, Science des données, aide à la décision en entreprise, business intelligence, data warehouse, reporting, OLAP, web analytics, data visualization, data mining, internet des objets, informatique cognitive, intelligence artificielle...

Abonnez-vous gratuitement à Decideo !


Decideo

 


La BI en trois étapes de bon sens : partez lentement pour aller vite !


Rédigé par Michel Bruley, Directeur Marketing Teradata France le 31 Mai 2006



La BI en trois étapes de bon sens : partez lentement pour aller vite !
Alors que les entreprises gèrent d’immenses quantités de données, les experts métier ne cessent de chanter les louanges du concept de la Business Intelligence d’entreprise (BI). Avoir un accès rapide à une compréhension toujours plus pointue des clients, des opérations et des dangers qui menacent, est effectivement une vision extrêmement séduisante. Sous la pression constante de la réduction des coûts, de la diminution des risques, de la prise en compte des exigences légales, de l’amélioration des bénéfices, les entreprises sont particulièrement attirées par cette perspective.

Le défi est de se rendre d’un point à un autre et les nombreuses pierres d’achoppement potentielles peuvent rendre le voyage particulièrement difficile. Certains ont échoué en essayant d’en faire trop d’un coup, en voulant que toutes les données de leur entreprise soient disponibles immédiatement pour un large éventail d’interrogations potentielles. Cela représente un investissement énorme en temps et en ressources et ces entreprises doivent se battre pour simultanément absorber les coûts, mettre en place et produire une valeur. D’autres se sont montrés trop prudents avec des investissements insuffisants et des progrès trop lents. En résultat une valeur ajoutée trop faible, de sorte que souvent certains utilisateurs finissent par penser qu’ils peuvent obtenir de meilleurs résultats en entretenant leur propre stock « privé » de données pour résoudre leurs problèmes spécifiques. Alors il n’y a pratiquement pas d’avantages pour l’ensemble de l’organisation à tirer d’un tel environnement de BI. Une autre erreur fréquente des organisations informatiques est de se concentrer sur une réduction forcenée des données plutôt que sur le développement d’une compréhension détaillée de la façon dont les utilisateurs vont pouvoir exploiter les données et produire une véritable plus-value commerciale. Ici aussi les utilisateurs métier déçus finissent par dépendre plus que jamais de solutions de BI artisanales et disparates pour faire face à l’évolution de leurs propres besoins. Enfin quand les utilisateurs n’apprécient pas leur travail, les informaticiens se sentent dépréciés et sous-employés.

Evidemment ces exemples ne sont pas les scénarios que de nombreux promoteurs de la BI d’entreprise ont en tête lorsqu’ils évoquent leur vision. Cependant quelques entreprises ont réussi à minutieusement planifier pour leur domaine BI un parcours de bon sens et à déployer un environnement puissant et pertinent Les meilleures pratiques de construction d’un environnement de BI ont vu le jour tant à partir de réussites que d’implémentations imparfaites. Ces pratiques sont généralement fondées sur deux principes essentiels.
1°) Il faut établir un dialogue fort et continu avec un langage commun entre les métiers et les informaticiens. Bien trop souvent les utilisateurs et les informaticiens qui construisent l’environnement de BI vivent dans des mondes totalement différents, à peine conscients des besoins ou des processus de l’autre. Soit il y a trop peu de canaux de communication, soit ils ne parlent tout simplement pas la même « langue » et se débattent pour faire comprendre leurs besoins à l’autre.
2°) La création d’un environnement de BI doit se faire étape par étape. Pour éviter d’en faire trop ou trop peu, les entreprises doivent d’abord se concentrer sur les projets prioritaires dont la réussite peut faciliter l’adhésion des utilisateurs et ouvrir les appétits pour les projets suivants. En principe, ces premiers projets doivent répondre à l’un des deux critères suivants : permettre d’obtenir une rentabilité rapide des investissements ou avoir une signification « politique » importante pour l’organisation. Quoi qu’il en soit la démarche sera la même : capitaliser sur une réussite.

Il s’agit de mettre en œuvre un processus en trois étapes qui garantit un niveau d’adoption optimal par les utilisateurs et un maximum de valeur ajoutée. Première étape : La direction en collaboration avec l’informatique développe des hypothèses sur les meilleures possibilités de production de valeur ajoutée au sein de l’organisation et dans lesquelles la BI peut jouer un rôle. L’idée est que le processus de construction de la BI doit être ancré sur la question stratégique la plus urgente pour l’organisation. Pour une Banque par exemple, cela peut vouloir dire réduire de 25% le taux de clients perdus, ou développer de 10% les apports de fonds propres sur les prêts immobiliers et réduire les hypothèques et les taux de défaut de remboursement des prêts au logement de 10%. Une fois que la direction a identifié les moteurs commerciaux, elle n’a aucun mal à identifier les utilisateurs clés : des responsables de marketing et des analystes, aux représentants des services client et autres gestionnaires de relations.

Seconde étape : Clarifier et développer les hypothèses en organisant des séances de travail avec les utilisateurs du domaine. Dans cette étape, la direction et l’informatique organisent une série de réunions avec les utilisateurs concernés afin de tester et d’affiner les hypothèses originelles. Les réunions se concentrent d’abord sur la compréhension des buts et objectifs des utilisateurs. Par exemple les utilisateurs peuvent dire que dans le but d’améliorer les activités de prêts immobiliers, ils ont besoin d’avoir un profil de tous les détenteurs de prêts actuels qui ne sont pas en défaut de paiement, mais qui ont également d’autres produits de dépôts et de prêt. Il peut s’agir d’un problème de non règlement de carte de crédit ou de découvert sur un compte chèque sur lequel ils viennent d’interrompre leur ordre de virement automatique par exemple, et qui indiquerait un défaut potentiel de règlement des mensualités de leur crédit immobilier. A partir de là les utilisateurs et les informaticiens peuvent se servir de questions commerciales pour dénicher les possibilités actuelles qui pourraient permettre d’obtenir cette information. De quelles données l’organisation dispose-t-elle déjà ? De quelles données a-t-elle besoin pour répondre à cette question commerciale ? Dans quel délai l’information doit-elle être disponible pour être efficace ? Des applications sont-elles en place pour que ce soit réalisable ? Ce processus permet aux deux groupes de comprendre l’information existante et les carences des applications et de décider s’ils disposent de moyens suffisants pour réduire ces carences. Cela permet également aux deux groupes de comprendre leurs difficultés et leurs capacités réciproques, de polariser le dialogue sur l’usage final et la valeur de l’information nouvellement acquise. Enfin les deux groupes doivent considérer ces réunions comme une plateforme à partir de laquelle ils peuvent étendre leur première idée à d’autres opportunités d’amélioration. Les informaticiens peuvent dire par exemple qu’ils peuvent également fournir un historique client plus détaillé et des informations sur le profil des clients dans un délai approchant le temps réel. La question alors est, cela représente-t-il une valeur ajoutée sur la façon dont le groupe Prêts immobiliers utilise l’information sur un dépôt automatique interrompu ? Est-ce que le fait qu’un client n’a jamais enregistré de défaut de paiement sur sa carte de crédit peut être utile ? Grâce à ce dialogue les relations prennent de la valeur, l’informatique et le commercial s’engagent dans un processus conjoint avec un objectif partagé. Ce processus et la reconnaissance des problèmes de l’autre contribuent à réduire le « fossé linguistique » qui sépare les deux parties.

Troisième étape : construire et tester le modèle. Une fois que les besoins et les capacités effectives sont clairs et que le projet est défini, les informaticiens doivent s’appuyer sur les lignes directrices métier pour construire l’environnement BI pour ce projet particulier. La première tâche consiste à relier les questions métier aux données requises et aux applications sources des données. Les sociétés ont intérêt à organiser leurs données au sein d’un modèle logique approprié calqué sur le mode de fonctionnement du secteur concerné, pas uniquement sur la structure organisationnelle actuelle. Ceci permet de faciliter la transformation des données en information commerciale utile. A partir de là le système peut faire le lien entre des questions métier (par exemple : quel détenteur de prêt immobilier a interrompu un dépôt automatique ?) et tout un éventail d’opportunités d’améliorations métier spécifiques (réduction des défauts de paiement, amélioration de la fidélisation des détenteurs de dépôts de fonds et/ou de prêt de grande valeur, augmentation des ventes croisées sur valeur hypothécaire), qui sont liées aux buts et objectifs originaux que la direction avait définis (développer de 10% l’unité d’apport de fonds propres sur les prêts immobiliers et réduire les hypothèques et les taux de défaut de remboursement des prêts au logement du même montant). Quand cela est approprié les sociétés peuvent modéliser l’impact commercial anticipé de cette démarche, en analysant la combinaison de croissance des revenus, la réduction des coûts et/ou la diminution des risques susceptibles de se produire. Ceci contribue à déterminer les priorités des opportunités commerciales garantissant ainsi un déploiement plus efficace des ressources.

Cependant la Banque doit décider si la construction d’un tel modèle ne risque pas de ralentir le projet dans son ensemble. Au lieu d’un processus de modélisation certaines banques peuvent préférer lancer des projets pilotes préliminaires sur des marchés sélectionnés et tester les résultats obtenus avant de développer cette idée à l’échelle globale. La focalisation combinée de l’informatique et des métiers sur un modèle définitif de données d’entreprise intégrées permet de réduire le nombre des systèmes temporaires qui augmentent les coûts cumulés et génèrent des données redondantes dans des silos isolés.

Un certain nombre d’organisations de pointe ont réussi grâce à cette approche pour trois raisons simples : l’ensemble du processus est ancré dans des objectifs stratégiques ; il s’agit d’une approche qui facilite le dialogue continu entre l’informatique et les utilisateurs ; il s’agit d’une approche qui améliore grandement les acquis organisationnels. Les avantages sont considérables, d’abord le dialogue permet généralement aux projets de se développer au-delà de l’idée originale d’exploiter le potentiel de la BI ; ensuite en progressant de réussite en réussite les entreprises créent un « modèle » qui s’affine en permanence et permet une amélioration constante ; enfin tout ceci stimule l’enthousiasme pour un développement continu de l’environnement BI en démontrant clairement que les besoins des utilisateurs sont effectivement satisfaits. Au final les entreprises peuvent concrétiser la vision d’un environnement BI pertinent fonctionnant de manière optimale.

Pour aller plus loin sur ce sujet dans le monde de la Banque vous pouvez consulter le lien ci-dessous, pour une autre industrie contactez moi :

http://www.teradata.com/t/page/132595/index.html