En préambule à cette communication, Olivier Rafal, consultant senior chez PAC (Pierre Audouin Consultants), nous a livré en avant-première les résultats d'une étude portant sur la gestion de l'information, en particulier la gestion des données non structurées, la recherche sémantique et l'analyse sémantique. Celle-ci couvrait tout ce qui est décisionnel, intégration des données et datawarehouse. Selon PAC, le marché français de la BI aurait connu une nette reprise et se serait monté à 1965 M€ en 2010, en croissance plus importante que le reste du marché de l'IT.
Parmi les leviers de croissance, Olivier Rafal cite
- le MDM (Master Data management) ;
- la BI visuelle, comme avec la solution de QlikTech ;
- le CRM analytique ;
- les RH : cela peut paraître surprenant, mais le non-remplacement d'un fonctionnaire sur deux dans la fonction publique, par exemple, engendre un certain nombre de questions et d'interrogations auxquelles les applications de BI peuvent apporter des réponses ;
- les applications verticales : comment fournir des frameworks aux entreprises pour - - - leur permettre d'optimiser leurs données ?
- le temps réel et l'analyse prédictive ;
- l'analyse du contenu : les volumes de contenus non structurés augmentent (on envoie 12 milliards de courriels en 1 heure à travers le monde !) et les réseaux sociaux poursuivent leur montée en puissance.
Olivier Rafal- PAC
Et il souligne les grandes tendances du moment :
- Le datawarehousing ;
- L'ETL (Extract Transform Load), qui reste un créneau très porteur, malgré l'intégration d'outils dans le SGBD de Microsoft et le succès de l'Open Source ;
- Le reporting, qui représente aujourd'hui encore l'essentiel des besoins.
avant de constater l'émergence d'un certain nombre de marchés de niche, comme :
- La mobilité ;
- Le collaboratif ;
- Le SaaS ;
- Le Big Data, un nouveau challenge consistant à gérer la variété, les volumes et la vélocité ;
- Les moteurs de recherche ;
- La gouvernance de l'information.
Cinq étapes fondamentales
Kevin Quinn, vice-président produit et marketing chez Information Builders, a ensuite détaillé les cinq étapes (définition d'une stratégie, alignement, gouvernance, exécution et optimisation) permettant d'améliorer les processus, la productivité et la prise de décision en entreprise. Il va sans dire qu'Information Builders propose des produits correspondant à chacune de ces étapes. Nous ne détaillerons cependant ici que les étapes et non les produits.
Définir une stratégie, c'est répondre à la question : "que voulons-nous devenir ?" Il n'existe qu'un très faible nombre de stratégies de cet ordre : augmenter son chiffre d'affaires, sa rentabilité, ses parts de marché...
Kevin Quinn
Puis, il conviendra d'aligner les objectifs de chaque département avec cette stratégie : pour cela, il faut répondre à la question "que doit faire mon département pour atteindre ces objectifs ?" Le plus souvent, les objectifs se traduisent par des éléments mesurables (nombre de rendez-vous clients, bénéfices, nombre d'incidents résolus au premier appel, etc.) et quantifiables, présentés sous la forme d'un tableau de bord.
Ensuite, il faudra gouverner, c'est-à-dire définir la priorité des initiatives de gouvernance des données. Autrement dit, on répondra à la question "quelles données et applications sont les plus critiques pour mettre en ?uvre notre stratégie ?" La qualité des données est essentielle : traiter une transaction contenant une erreur coûte 10 fois plus cher que corriger cette erreur en amont. Les erreurs et problèmes viennent de données dupliquées, de données manquantes ou de données incorrectes. L'exploitation de données de qualité médiocre conduit à des mesures également incorrectes. C'est ainsi que par exemple une entreprise de taille importante pourrait aller jusqu'à ne pas être en mesure de connaître le nombre exact de ses collaborateurs.
Puis vient le temps de l'exécution, ou "quel projet aura l'impact opérationnel le plus important par rapport à nos objectifs ?" Là, les approches peuvent être aussi diverses que nombreuses, l'essentiel étant l'efficacité dans l'élimination des goulets d'étranglement ou la création de nouveaux services opérationnels, surtout si la concurrence ne les propose pas.
Enfin vient le temps de l'optimisation, qui cherche à répondre aux questions "où les décisions quotidiennes sont-elles prises ? Quelles données puis-je mettre à profit pour prendre des décisions plus pertinentes ?" C'est là qu'intervient l'analyse prédictive, une fois que l'entreprise aura gagné en maturité dans l'exploitation de ses données. L'analyse prédictive permet de comprendre pourquoi les choses arrivent et ce qui va se passer si l'on continue sur telle ou telle tendance. C'est la preuve par le calcul plutôt que par l'intuition.
Illustrons ceci à travers un exemple simple : si les données démographiques concernant la clientèle sont suffisamment riches, on pourra leur appliquer un modèle statistique pour comprendre les tendances d'achat. Les modèles résultants serviront à déterminer les produits les plus fréquemment achetés par des personnes au profil comparable, et donc à développer les ventes.
Benoît Herr