Eric Delattre, Managing Director, France & Southern Europe chez Birst* (une société Infor)
Maintenant, imaginez que nous puissions utiliser ces technologies de façon transparente pour révolutionner notre façon de travailler. C’est ce que signifie la transformation digitale pour nombre d’entreprises et en cela, elle permet d’éliminer les obstacles qui limitent l’impact des technologies pour offrir toujours plus de valeur ajoutée. Aujourd’hui, dans notre économie totalement connectée, ne pas passer au digital impliquerait pour n’importe quelle entreprise (indépendamment de sa taille, de son secteur d’activité et de sa localisation) de devenir obsolète, une réalité impliquant un réel changement en matière d’usages de BI et d’Analytics.
Le modèle de BI connectée identifie 7 exigences associées aux programmes d’analyse moderne, considérées comme vitales pour la réussite de l’entreprise. Ces exigences réunissent les meilleurs aspects de l’analyse centralisée et décentralisée. Aussi, les entreprises qui évaluent des solutions BI de dernière génération doivent rechercher des offres capables de répondre à ces exigences.
1. Unifier les données à partir de multiples systèmes sources ou structures complexes
Les solutions qui prennent en charge un modèle de BI connectée doivent pouvoir unifier rapidement les données à travers une multitude de sources de données hétérogènes et les présenter comme si elles provenaient d’une source unique. Les entreprises doivent comprendre si la solution de BI combine des sources de données physiquement, en déplaçant les données à partir de systèmes sources vers un système cible, ou logiquement, en utilisant des requêtes fédérées pour accéder aux données là où elles se trouvent et livrer des résultats à l’utilisateur comme une source unique.
2. Analyser des processus métier ou des modèles opérationnels complexes
Un modèle de BI connectée prend en compte le fait que différentes personnes peuvent avoir besoin de comprendre différentes parties de l’entreprise en fonction de leur fonction. Cependant, ces personnes doivent être alignées via des instances virtuelles et pas physiques. La solution de BI doit pouvoir fournir des informations sur des processus métier complexes couvrant de multiples fonctions à l’intérieur et à l’extérieur de l’entreprise.
3. Mélanger des données centralisées et décentralisées et du contenu analytique
Une BI connectée doit absolument présenter un scope complet de l’entreprise mélangeant données centralisées (globales) et décentralisées (locales). Cela permet l’analyse de BU pour lesquelles les équipes ont besoin de données locales, mais peuvent également exploiter des données globales.
4. Créer et tenir à jour des indicateurs et des définitions réutilisables
La solution est de mettre en place un ensemble de définitions métiers uniques. La BI connectée doit fournir une couche sémantique métier qui lève toute ambiguïté sur la signification d’une dimension métier. Les utilisateurs doivent pouvoir se fier à leurs données et se consacrer à l’analyse au lieu de débattre de leur pertinence.
5. Fournir aux utilisateurs des outils analytiques spécifiques à un poste
La BI connectée rompt avec les paradigmes de la BI traditionnelle liés aux notions de ‘constructeurs’ et ‘visionneurs’, en transformant tous les consommateurs d’informations en producteurs d’informations. Une solution de BI connectée doit diminuer le gap entre tableaux de bord et découverte, en créant une expérience utilisateur unique adaptée aux modes de travail d’aujourd’hui. Les utilisateurs disposeront alors des mêmes données sur un ordinateur, un PC portable ou un smartphone, y compris en mode déconnecté. De plus, une solution de BI connectée doit intégrer les outils que les utilisateurs aiment et connaissent bien comme Excel. Cette approche favorise l’adoption utilisateur, augmente le ROI des outils tiers et supprime l’intervention du département IT en jouant le rôle ‘d’usine à rapports’.
6. Permettre un retour sur investissement rapide avec un déploiement itératif et agile
Le contexte actuel exige un déploiement rapide des projets, suivi d’un processus agile et itératif qui engage les utilisateurs finaux. La BI connectée permet aux entreprises d’être plus agiles en accélérant considérablement le temps d’implémentation et en raccourcissant le temps requis pour apporter de la valeur à l’entreprise. En supprimant un grand nombre de tâches associées aux déploiements traditionnels, la BI connectée donne aux entreprises la possibilité de faire des projets avec moins de risques et de réagir aux changements plus rapidement.
7. Redimensionner les utilisateurs et les volumes de données selon une logique économique et en fonction de la demande
La mise en place de fonctionnalités analytiques dans l’entreprise nécessite la prise en charge de volumes de données importants, ainsi que leur accès simultané. Une solution de BI connectée construite sur une architecture cloud mutualisée (multi-tenant) doit permettre une évolutivité immédiate dans un environnement complexe. Alors, contrairement aux solutions traditionnelles, les performances sont très bonnes. Le temps et les coûts requis pour ajouter de nouveaux utilisateurs et des données au système sont considérablement réduits.
En conclusion, que doit-on considérer avant de se lancer dans une démarche analytique et de BI connectée ?
La nature agile d’une approche de BI connectée supprime de fait les projets de développement ‘en cascade’, longs et coûteux, car le réseau analytique connecté peut être étendu sans réplication physique. Il est ainsi tout à fait possible de commencer une implémentation avec un seul cas d’usage. Une fois que ce cas d’usage initial est achevé et qu’il s’avère performant, des cas d’usages supplémentaires peuvent être ajoutés au réseau en exploitant les données et les objets sémantiques existants. Cette approche limite les risques, réduit les coûts et accélère le ROI.
La première étape pour les entreprises qui envisagent une approche de BI connectée consiste à identifier un cas d’usage spécifique comme point de départ. Voici quelques exemples de cas d’usage courants qui peuvent aider les entreprises à démarrer :
- Mettre en place des analyses commerciales, marketing et financières pour disposer d’une plus grande visibilité sur les opérations de base (rapidité des opportunités, attribution des campagnes, taux de flux de trésorerie), ceci afin d’aider les dirigeants à comprendre les performances de leur entreprise, des ventes jusqu’aux résultats financiers.
- Adopter une stratégie ‘Cloud First’ : alors que les solutions ‘On Prem’ traditionnelles ne répondent plus aux besoins, les entreprises se tournent de plus en plus vers des solutions analytiques déployées dans le cloud pour bénéficier de la mutualisation. Cette alternative moderne et agile augmente le ROI significativement et réduit considérablement le coût de possession de la solution.
- Migrer à partir d’une BI traditionnelle : le coût de maintenance d’une BI traditionnelle est supérieur au coût induit par un changement. Les DSI recherchent des solutions modernes afin de supprimer les goulets d’étranglement des rapports centralisés, de libérer des ressources et d’offrir aux utilisateurs finaux décentralisés une véritable autonomie.
- Intégrer Hadoop dans votre stratégie de données : les entreprises qui exploitent la flexibilité de Hadoop ont besoin d’une architecture BI qui sépare le stockage de données et le traitement des données.
Le modèle de BI connectée identifie 7 exigences associées aux programmes d’analyse moderne, considérées comme vitales pour la réussite de l’entreprise. Ces exigences réunissent les meilleurs aspects de l’analyse centralisée et décentralisée. Aussi, les entreprises qui évaluent des solutions BI de dernière génération doivent rechercher des offres capables de répondre à ces exigences.
1. Unifier les données à partir de multiples systèmes sources ou structures complexes
Les solutions qui prennent en charge un modèle de BI connectée doivent pouvoir unifier rapidement les données à travers une multitude de sources de données hétérogènes et les présenter comme si elles provenaient d’une source unique. Les entreprises doivent comprendre si la solution de BI combine des sources de données physiquement, en déplaçant les données à partir de systèmes sources vers un système cible, ou logiquement, en utilisant des requêtes fédérées pour accéder aux données là où elles se trouvent et livrer des résultats à l’utilisateur comme une source unique.
2. Analyser des processus métier ou des modèles opérationnels complexes
Un modèle de BI connectée prend en compte le fait que différentes personnes peuvent avoir besoin de comprendre différentes parties de l’entreprise en fonction de leur fonction. Cependant, ces personnes doivent être alignées via des instances virtuelles et pas physiques. La solution de BI doit pouvoir fournir des informations sur des processus métier complexes couvrant de multiples fonctions à l’intérieur et à l’extérieur de l’entreprise.
3. Mélanger des données centralisées et décentralisées et du contenu analytique
Une BI connectée doit absolument présenter un scope complet de l’entreprise mélangeant données centralisées (globales) et décentralisées (locales). Cela permet l’analyse de BU pour lesquelles les équipes ont besoin de données locales, mais peuvent également exploiter des données globales.
4. Créer et tenir à jour des indicateurs et des définitions réutilisables
La solution est de mettre en place un ensemble de définitions métiers uniques. La BI connectée doit fournir une couche sémantique métier qui lève toute ambiguïté sur la signification d’une dimension métier. Les utilisateurs doivent pouvoir se fier à leurs données et se consacrer à l’analyse au lieu de débattre de leur pertinence.
5. Fournir aux utilisateurs des outils analytiques spécifiques à un poste
La BI connectée rompt avec les paradigmes de la BI traditionnelle liés aux notions de ‘constructeurs’ et ‘visionneurs’, en transformant tous les consommateurs d’informations en producteurs d’informations. Une solution de BI connectée doit diminuer le gap entre tableaux de bord et découverte, en créant une expérience utilisateur unique adaptée aux modes de travail d’aujourd’hui. Les utilisateurs disposeront alors des mêmes données sur un ordinateur, un PC portable ou un smartphone, y compris en mode déconnecté. De plus, une solution de BI connectée doit intégrer les outils que les utilisateurs aiment et connaissent bien comme Excel. Cette approche favorise l’adoption utilisateur, augmente le ROI des outils tiers et supprime l’intervention du département IT en jouant le rôle ‘d’usine à rapports’.
6. Permettre un retour sur investissement rapide avec un déploiement itératif et agile
Le contexte actuel exige un déploiement rapide des projets, suivi d’un processus agile et itératif qui engage les utilisateurs finaux. La BI connectée permet aux entreprises d’être plus agiles en accélérant considérablement le temps d’implémentation et en raccourcissant le temps requis pour apporter de la valeur à l’entreprise. En supprimant un grand nombre de tâches associées aux déploiements traditionnels, la BI connectée donne aux entreprises la possibilité de faire des projets avec moins de risques et de réagir aux changements plus rapidement.
7. Redimensionner les utilisateurs et les volumes de données selon une logique économique et en fonction de la demande
La mise en place de fonctionnalités analytiques dans l’entreprise nécessite la prise en charge de volumes de données importants, ainsi que leur accès simultané. Une solution de BI connectée construite sur une architecture cloud mutualisée (multi-tenant) doit permettre une évolutivité immédiate dans un environnement complexe. Alors, contrairement aux solutions traditionnelles, les performances sont très bonnes. Le temps et les coûts requis pour ajouter de nouveaux utilisateurs et des données au système sont considérablement réduits.
En conclusion, que doit-on considérer avant de se lancer dans une démarche analytique et de BI connectée ?
La nature agile d’une approche de BI connectée supprime de fait les projets de développement ‘en cascade’, longs et coûteux, car le réseau analytique connecté peut être étendu sans réplication physique. Il est ainsi tout à fait possible de commencer une implémentation avec un seul cas d’usage. Une fois que ce cas d’usage initial est achevé et qu’il s’avère performant, des cas d’usages supplémentaires peuvent être ajoutés au réseau en exploitant les données et les objets sémantiques existants. Cette approche limite les risques, réduit les coûts et accélère le ROI.
La première étape pour les entreprises qui envisagent une approche de BI connectée consiste à identifier un cas d’usage spécifique comme point de départ. Voici quelques exemples de cas d’usage courants qui peuvent aider les entreprises à démarrer :
- Mettre en place des analyses commerciales, marketing et financières pour disposer d’une plus grande visibilité sur les opérations de base (rapidité des opportunités, attribution des campagnes, taux de flux de trésorerie), ceci afin d’aider les dirigeants à comprendre les performances de leur entreprise, des ventes jusqu’aux résultats financiers.
- Adopter une stratégie ‘Cloud First’ : alors que les solutions ‘On Prem’ traditionnelles ne répondent plus aux besoins, les entreprises se tournent de plus en plus vers des solutions analytiques déployées dans le cloud pour bénéficier de la mutualisation. Cette alternative moderne et agile augmente le ROI significativement et réduit considérablement le coût de possession de la solution.
- Migrer à partir d’une BI traditionnelle : le coût de maintenance d’une BI traditionnelle est supérieur au coût induit par un changement. Les DSI recherchent des solutions modernes afin de supprimer les goulets d’étranglement des rapports centralisés, de libérer des ressources et d’offrir aux utilisateurs finaux décentralisés une véritable autonomie.
- Intégrer Hadoop dans votre stratégie de données : les entreprises qui exploitent la flexibilité de Hadoop ont besoin d’une architecture BI qui sépare le stockage de données et le traitement des données.
A propos d’Eric Delattre
Titulaire d'un Master en Business et Management obtenu en 1995 auprès d'EUROMED (anciennement École Supérieure de Commerce de Marseille / Toulon), Eric possède plus de 20 ans d’expérience dans le monde des applicatifs d'entreprise, notamment en matière de décisionnel auprès de grands comptes. Avant de rejoindre Birst* (une société Infor et l’un des leaders en matière de Business Intelligence et d’Analytique dans le Cloud), Eric occupait le poste de ‘Sales Director Analytics and Insights’ chez SAP, où il était en charge des activités liées aux domaines prédictifs et de BI. Auparavant, après avoir entamé sa carrière chez BusinessObjects, il a longtemps oeuvré chez Cognos, puis IBM.
