Libérez vos données : les principaux enjeux d’une BI moderne

Les données ont acquis une place déterminante dans nos sociétés, et l’adoption d’une culture orientée données est devenu un enjeu stratégique pour elles. Cette culture repose essentiellement sur l’accessibilité des données d’entreprise et sur leur exploitation à grande échelle, rôle de la BI (Business Intelligence). Cependant, seulement 24% des entreprises affirmaient cette année avoir forgé une culture de la donnée, selon le rapport Big Data and AI Executive Survey 2021 publié par NewVantage Partners.

Les outils décisionnels sont pourtant très largement déployés dans les entreprises, mais leur utilisation est souvent trop restreinte et l’apport de valeur limitée à l’automatisation de tâches manuelles comme la création de rapports. Or si la donnée est devenue le nouvel or noir, elle s’en différencie par le fait que plus elle est utilisée, plus sa valeur grandie.

C’est dans ce cadre que les outils de BI dits « modernes » ont évolué, avec comme principaux défis :

• Maximiser la valeur créée à partir des données en permettant à chacun de les analyser en totale autonomie et sans contrainte
• Tout en assurant une cohérence d’ensemble (qualité de données, rationalisation des rapports et des analyses…).

1. Rendre accessible ses données

Les bases de données décisionnelles sont de véritables mines d’or, centralisant les données d’entreprises en provenance de différents systèmes. Pour permettre au plus grand nombre d’en tirer de la valeur, ces données sont « préparées » avant d’être rendues accessibles aux utilisateurs : triées, nettoyées, renommées, modélisées, voir mises en forme.

Ces principes sont sains dans de nombreux cas, mais en cherchant à simplifier l’utilisation des données on en limite également l’exploitation. La phase de modélisation implique en effet de définir l’ensemble des croisements possibles, ne permettant plus des analyses que par un prisme réduit.

Les outils modernes de BI permettent désormais facilement aux utilisateurs d’exploiter les données brutes et de mettre en place de nouveaux modèles. Cette autonomie engendrera non seulement une meilleure réactivité, mais aussi la création de nouveaux cas d’usage tout en laissant une part d’innovation et de créativité beaucoup plus importante.

2. Mettre en place une organisation adaptée

Les outils décisionnels dits en « self-service » se sont ainsi longtemps limités à la possibilité pour des utilisateurs finaux de construire leurs propres rapports sur la base d’une modélisation pré-établie. Cette approche traditionnelle a montré ses limites, réduisant le champ d’analyse et limitant la création de valeur.

L’utilisation des données ne pouvant être restreinte à des cas d’usages finis et connus à l’avance, les approches projets classiques ne sont plus pertinentes, le besoin étant par essence fluctuant. Il en est de même des organisations traditionnelles centrées sur l’IT, devenues un frein à l’apport de valeur et nécessitant d’être repensées.

La nécessaire prise d’autonomie des métiers ne relègue en rien la DSI au second plan. Celle-ci est tout d’abord garante des données mises à disposition, qui doit se faire de manière contrôlée et sécurisée. Elle joue également un rôle de « centre d’excellence », diffusant bonnes pratiques, formation et innovations. Enfin, elle assure la cohérence d’ensemble et la rationalisation des productions afin d’éviter un raz de marée de publications de rapports qui deviendraient nécessairement inmaintenables.

3. Gérer et contrôler ses données

Ouverture et accessibilité des données ne signifie pas absence de contrôles et de gouvernance. Au contraire, la tendance au libre-service a très largement renforcé la nécessité d’établir une stratégie de gestion des données ambitieuse et outillée.

Celle-ci doit permettre de répondre à différents enjeux :
– Partager une compréhension commune des données et de leur cycle de vie, les rendre compréhensibles et exploitables par un grand nombre d’utilisateurs
– Mettre à disposition des données fiables et contrôlées en toute transparence avec les département métiers
– Disposer d’une organisation claire définissant les rôles et processus autour des données
– Centraliser et faciliter l’accès aux données et aux rapports

La prise d’autonomie des métiers fait qu’il est impossible de savoir à l’avance quelle donnée ou quel croisement sera utilisé, complexifiant l’ensemble de ce processus. Plusieurs types d’outils peuvent être mis en place pour aider à y parvenir, que vous pouvez consulter dans notre précédente publication, mais le principal défi reste méthodologique et humain.

4. L’instauration d’une culture data 

Vous avez rendu vos données accessibles, déployé très largement outils d’analyse et rapports, structuré une stratégie de gestion des données, et pourtant… les données sont toujours absentes de nombreuses décisions. C’est que le plus dur reste à venir : la création d’une culture de la donnée.

Les actions que nous venons citer constituent bien sûr le socle de cette culture, mais elles restent insuffisantes. Certains départements métiers sont naturellement data-driven et exploiteront rapidement les différents outils mis à leurs dispositions, quand d’autres nécessiteront un effort de conduite de changement important. Les raisons peuvent être multiples : difficultés à lire et comprendre les données, manque d’intérêt, ou de visibilité sur ce que peut apporter ces outils. Différentes actions peuvent être mises en place pour promouvoir cette culture.

Une première phase de sensibilisation peut être mise en place pour transmettre les opportunités d’exploitation et les leviers d’amélioration offerts par le pilotage par la donnée. Il est nécessaire dès ce stade que les collaborateurs possèdent une conception claire de leur rôle au sein de l’entreprise et que les KPI’s soient clairement définis au sein de chaque service.

Une seconde phase pourra suivre afin de mobiliser les collaborateurs par des actions concrètes : ateliers de manipulation, ou encore de prototypage en co-création pour faire émerger de nouveaux cas d’usage. La communication tient également un rôle essentiel, et il est nécessaire de parler des bénéfices obtenus afin de démontrer la création de valeur.

Conclusion

Les outils décisionnels ont beaucoup évolué ces dernières années. D’un côté pour tirer partie des big data, permettant de traiter toujours plus de données plus rapidement. De l’autre pour devenir davantage agiles, rendant les fonctionnalités d’analyse avancées plus accessibles. Ce second point tend à démocratiser l’utilisation des outils d’analyse au travers l’ensemble de l’entreprise, tout en rendant chacun acteur plutôt que simple consommateur de rapports faits par d’autres.

Ces changements technologiques impliquent des changements d’usage pour être exploités au mieux, qu’il est nécessaire de promouvoir et d’organiser au travers de nouvelles structures.

Cette transition vers une BI moderne pourra s’appuyer sur les 4 enjeux cités plus hauts :

• l’accessibilité des données non modélisées, pour permettre aux utilisateurs de regarder les données sous de nouveaux angles en toute autonomie, ou d’être plus réactifs face aux aléas.
• un changement complet du modèle de delivery des DSI auprès des départements métiers.
• la promotion d’une stratégie de gestion des données qui s’appuie sur une source commune de données compréhensibles, visibles et accessibles
• une culture de la data qui se déploie au-delà des analyses et s’impose à l’échelle des décideurs.

Vous avez besoin d’accompagnement sur vos projets BI ? Contactez-nous !